<![CDATA[Kuat tekan beton (f’c) merupakan salah satu parameter utama yang digunakan dalam desain struktur beton. Nilai f’c diperoleh dari hasil uji kuat tekan beton. Pengujian ini membutuhkan tenaga kerja terampil dan memerlukan waktu yang cukup lama, karena hasil akhir biasanya diambil setelah beton mencapai umur 7, 14, 28 hari. Oleh karena itu, penelitian ini mengembangkan model Artificial Intelligence (AI) yang dapat memprediksi nilai kuat tekan beton sehingga dapat mengurangi ketergantungan pada pengujian laboratorium. Model AI dikembangkan dengan menggunakan Artificial Neural Network (ANN). Penelitian dilakukan dengan melakukan persiapan dataset uji kuat tekan beton terlebih dahulu, yang terdiri dari data pelatihan (training data), data validasi (validation data), dan data uji (testing data). Lalu, menentukan ANN stucture hyperparameters dan training hyperparameters. Kemudian, model dilatih (training), divalidasi (validation), dan diuji (testing). Selanjutnya, model dievaluasi dengan menggunakan parametrik Root Mean Square Error (RMSE). Nilai RMSE yang diizinkan mengacu pada dua pedoman, yaitu SNI 2847-2002 dan klasifikasi dari Lewis (1982). Hasil penelitian menunjukkan bahwa nilai RMSE% yang dihasilkan oleh model ANN pada tahap training, validation, dan testing masing-masing sebesar 6,61%, 7,56%, dan 26,22%. Berdasarkan hasil tersebut, mengindikasikan bahwa bahwa model ANN mampu memprediksi kuat tekan beton pada data pelatihan (training data) dan data validasi (validation data) dengan kualitas ‘sangat akurat’ menurut klasifikasi lewis, dan tidak melebihi batas toleransi berdasarkan standar teknis nasional (SNI 2847-2002). Sementara itu, saat melakukan prediksi pada data uji (testing data) model ANN menghasilkan prediksi dengan kualitas ‘sedang’ menurut klasifikasi lewis dan melebihi batas toleransi berdasarkan standar teknis nasional (SNI 2847-2002). Kata kunci: Artificial Intelligence (AI), Artificial Neural Network (ANN), Kuat Tekan Beton, Root Mean Square Error (RMSE).]]>
