Perpustakaan Digital ITB

Uniaxial Compressive Strength (UCS) dan Modulus Young (E) merupakan parameter penting dalam rekayasa geoteknik untuk perencanaan, desain, dan analisis stabilitas. Namun, pengujian langsung membutuhkan sumber daya besar, sehingga pendekatan berbasis data menjadi alternatif yang lebih efisien. Penelitian ini menerapkan Adaptive Neuro-Fuzzy Inference System (ANFIS), yang mengintegrasikan jaringan saraf tiruan dan logika fuzzy, untuk memprediksi UCS dan Modulus Young, serta membandingkan kinerjanya dengan Multiple Regression Analysis (MRA) sebagai metode statistik konvensional. Data yang digunakan mencakup kecepatan gelombang (Vp) dan sifat fisik batuan seperti densitas, porositas, dan derajat kejenuhan dari sandstone, limestone, dan claystone. Praproses data dilakukan melalui eliminasi outlier dan evaluasi statistik, termasuk uji normalitas, heteroskedastisitas, multikolinearitas, serta uji signifikansi T dan F. Hasil penelitian menunjukkan bahwa Vp dan sifat fisik batuan berpengaruh signifikan terhadap prediksi UCS dan E, dengan Vp memberikan dampak terbesar pada Data Gabungan (82% untuk UCS, 42% untuk E) dan terkecil pada Claystone (4% untuk UCS, 0% untuk E). MRA lebih tepat untuk dataset dengan distribusi normal dan jumlah data terbatas, sementara ANFIS unggul dalam menangani dataset besar dan non-linear, meskipun rentan terhadap overfitting. Pendekatan ini memberikan wawasan bagi profesional geoteknik dalam mengestimasi parameter mekanik batuan saat data lapangan terbatas.