Permasalahan geoteknik yang semakin kompleks menyebabkan penting untuk memodelkan perilaku tanah hingga pada level elemen guna menentukan solusi yang tepat dan akurat. Perilaku tanah yang kompleks tersebut dapat dimodelkan dengan menggunakan konstitutif model. Perkembangan model konstitutif yang semakin kompleks menyebabkan semakin banyak parameter yang diperlukan sehingga dibutuhkan korelasi dan asumsi tertentu yang dapat mempengaruhi tingkat akurasi dari model yang dibuat.
Hingga saat ini belum terdapat model konstitutif yang dapat menggambarkan perilaku non linear tanah yang kompleks secara mudah dengan menggunakan parameter sederhana dari hasil pengujian laboratorium. Namun, machine learning telah membuka peluang baru dalam menyelesaikan permasalahan geoteknik dengan membangun model berbasis data. Tujuan penelitian ini adalah mengembangkan model konstitutif tanah berbasis data yang mampu merepresentasikan kompleksitas perilaku tegangan-regangan tanah dengan menggunakan parameter sederhana dari hasil pengujian laboratorium yang minim asumsi.
Secara sistematis studi ini menjelaskan pengaplikasian algoritma machine learning dalam membangun konstitutif model guna memprediksi perilaku tanah. Dua jenis algoritma yang digunakan adalah algoritma linear Ordinary Least Square dan non linear Random forest. Sejumlah data hasil pengujian triaxial dan parameter tanah dari berbagai lokasi berhasil dikumpulkan guna membangun database perilaku tegangan-regangan tanah. Database tersebut kemudian digunakan untuk melatih dan mengevaluasi model. Hasil penelitian ini menunjukan bahwa model machine learning berbasis data mampu memodelkan nonlinearitas perilaku tegangan-regangan tanah dengan parameter sederhana.