Algoritma Random Forest Algoritma Random Forest Untuk Prediksi Perkerasan Tanah : Algoritma Random Forest

Asnur, Hanifah
Yunita, Rini
Rizki Marsa, Arif

Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence
Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)

Prediksi kepadatan tanah dasar sangat penting dalam perancangan perkerasan jalan. penelitian ini mengintegrasikan eksperimen laboratorium dengan pendekatan machine learning, khususnya algoritma Random Forest, untuk memprediksi nilai California Bearing Ratio (CBR) berdasarkan parameter pemadatan tanah. Sampel tanah diuji menggunakan metode Standard Proctor guna menentukan kadar air optimum dan berat isi kering maksimum, kemudian dilanjutkan dengan pengujian CBR di laboratorium pada variasi energi tumbukan (10, 25, dan 56 kali). Model Random Forest kemudian dilatih menggunakan variabel input berupa kadar air, berat isi kering, dan jumlah tumbukan, dengan nilai CBR sebagai variabel output. Hasil menunjukkan bahwa model menghasilkan tingkat akurasi prediksi yang tinggi (R² > 0,90) dan memberikan estimasi yang sangat mendekati hasil pengujian laboratorium. Pendekatan ini menunjukkan potensi yang signifikan dalam menyederhanakan dan mempercepat analisis teknis pada desain tanah dasar perkerasan.