Optimasi Proporsi Bahan Subtitusi dalam Campuran Beton Terhadap Kuat Tekan menggunakan Metode Artificial Neural Network

Abstract

Sektor konstruksi memainkan peran penting dalam perekonomian Indonesia, dengan kontribusi 10,23% terhadap Produk Domestik Bruto (PDB) pada triwulan I tahun 2024. Beton, sebagai material utama dalam berbagai pembangunan, memiliki keunggulan seperti kekuatan tekan tinggi dan ketahanan yang baik, namun memiliki kelemahan terhadap gaya tarik. Upaya optimalisasi kuat tekan beton melalui penggunaan bahan substitusi, seperti fly ash, superplasticizer, dan blast furnace slag, telah dilakukan guna meningkatkan performa beton. Namun, tantangan muncul dalam menentukan proporsi bahan substitusi yang optimal. Oleh karena itu, penelitian ini menggunakan metode Artificial Neural Network (ANN) untuk memprediksi kuat tekan beton dan mengoptimalkan proporsi bahan substitusi. Model ANN yang dikembangkan menunjukkan kemampuan prediksi yang baik, dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 8,53%, Root Mean Square Error (RMSE) sebesar 3,98 MPa, dan koefisien determinasi (R2) sebesar 0,92. Hasil prediksi kuat tekan menunjukkan bahwa proporsi fly ash optimal adalah 18,9% pada umur beton 28 hari, dan penggunaan superplasticizer 1% pada proporsi fly ash 24,1% memberikan peningkatan kuat tekan maksimum sebesar 21,83%. Proporsi superplasticizer yang optimal adalah 1%, dengan peningkatan kuat tekan sebesar 35,71% pada umur 14 hari. Penggunaan blast furnace slag optimal adalah 22,8%, dengan kuat tekan maksimum 43,29 MPa pada umur 28 hari. Penambahan superplasticizer 0,2% pada proporsi blast furnace slag 25% juga memberikan hasil yang baik. Penelitian ini menyimpulkan bahwa metode ANN efektif dalam mengoptimalkan proporsi bahan substitusi untuk mencapai kuat tekan beton yang optimal, memberikan pendekatan yang lebih adaptif dan akurat dalam desain campuran beton untuk aplikasi konstruksi di Indonesia.