Penelitian berjudul Prediction of Compressive Strength of Normal Concrete Using Artificial Neural Network Method tersebut menjadi salah satu materi yang dipaparkan dalam Seminar Hasil Penelitian Dosen dan Mahasiswa Fakultas Teknik UNIZAR di Aula Abdurrahim, Kamis (27/8/2026). Penelitian itu melibatkan Auliya Makrifa, Dhiafah Hera Darayani, Jauhari Prasetiawan, dan Juanita. Hasilnya juga telah dimuat dalam Journal of Advanced Civil and Environmental Engineering (JACEE) Vol. 7 No. 2 Tahun 2024.
Penelitian tersebut berangkat dari persoalan dalam pengujian kuat tekan beton. Pengujian membutuhkan benda uji, waktu, serta tahapan tertentu. Dalam evaluasi beton, pengujian juga dilakukan pada beberapa umur, antara lain 7, 14, dan 28 hari.
Di tengah kebutuhan memperoleh informasi mengenai kekuatan beton secara lebih cepat, tim peneliti mencoba menggunakan pendekatan berbasis data. ANN digunakan untuk mempelajari hubungan antara komposisi beton dan kuat tekannya.
Data penelitian berasal dari pengujian laboratorium. Variabel yang digunakan meliputi semen Portland, pasir, kerikil, air, serta faktor air-semen (FAS). Data tersebut kemudian digunakan untuk membangun model ANN dengan bantuan MATLAB.
Dalam proses pemodelan, 80 persen data digunakan untuk training, sedangkan 20 persen lainnya digunakan untuk testing. Model yang dikembangkan menggunakan dua hidden layers untuk menangkap hubungan nonlinier antara komposisi beton dan kuat tekan.
Hasil pengujian menunjukkan nilai Mean Absolute Percentage Error (MAPE) sebesar 0,02 persen pada data training dan 1,54 persen pada data testing. Model mencapai performa terbaik pada iterasi ke-2.530 dan menghasilkan formula empiris yang dapat digunakan untuk melakukan prediksi kuat tekan beton normal.
Hasil tersebut menunjukkan potensi ANN sebagai alat prediksi dalam penelitian beton. Namun, angka error yang rendah pada data penelitian tidak berarti model otomatis dapat diterapkan pada semua kondisi beton.
Karena itu, validasi menggunakan data eksternal tetap diperlukan sebelum model digunakan secara lebih luas. Dengan cara tersebut, hasil prediksi dapat diuji pada data yang berada di luar dataset yang digunakan saat membangun model.
Pendekatan ini juga memperlihatkan bagaimana teknologi komputasi dapat dipertemukan dengan persoalan yang selama ini banyak ditangani melalui pengujian material di laboratorium. AI dalam penelitian tersebut berfungsi sebagai alat untuk membaca pola data dan menghasilkan prediksi, bukan sebagai pengganti pengujian laboratorium.
Penelitian tentang prediksi kuat tekan beton menjadi salah satu contoh hasil riset yang dibawa ke ruang akademik melalui Seminar Hasil Penelitian Fakultas Teknik UNIZAR.
Dekan Fakultas Teknik UNIZAR Ir. H. Lutfi, ST., MT., mengatakan seminar hasil merupakan ruang bagi mahasiswa untuk mempertanggungjawabkan proses penelitian, mulai dari metode hingga kesimpulan. Menurutnya, forum tersebut juga menjadi kesempatan bagi mahasiswa untuk terbuka terhadap kritik dan masukan.
“Seminar hasil bukan sekadar kegiatan akademik untuk memenuhi salah satu tahapan dalam proses studi. Lebih dari itu, seminar hasil merupakan ruang ilmiah bagi mahasiswa untuk mempertanggungjawabkan proses, metode, temuan, serta kesimpulan dari penelitian yang telah dilakukan,” ujarnya.
Bagi mahasiswa Teknik Sipil, penelitian seperti ini memberi pengalaman bahwa persoalan konstruksi dapat didekati dengan berbagai metode. Pengetahuan mengenai material dan struktur bertemu dengan pengolahan data, pemodelan, serta teknologi kecerdasan buatan.
Rangkaian tersebut tidak berhenti ketika penelitian selesai. Hasil penelitian juga dapat dikembangkan menjadi artikel ilmiah dan dipublikasikan, sehingga temuan yang diperoleh memiliki ruang untuk dibaca dan dikaji lebih luas.
Seminar hasil menjadi salah satu bagian dalam proses tersebut. Di dalamnya, hasil penelitian dipresentasikan, dipertanyakan, dan mendapat masukan sebelum dikembangkan lebih lanjut.
Bagi Fakultas Teknik UNIZAR, penelitian mengenai beton berbasis ANN juga menunjukkan peluang pengembangan riset yang mempertemukan bidang teknik sipil dengan teknologi digital. Ke depan, pengembangan model semacam ini tetap membutuhkan data yang lebih beragam dan validasi pada kondisi yang berbeda.
Dengan demikian, penelitian tersebut bukan sekadar tentang penggunaan AI pada beton. Lebih jauh, riset ini memperlihatkan bagaimana persoalan teknik sipil dapat didekati melalui data dan teknologi, sekaligus membuka ruang bagi pengembangan penelitian yang lebih responsif terhadap perkembangan teknologi.
Publisher: Red-01
