Perpustakaan Digital ITB

Inspeksi visual secara tradisional untuk menilai kondisi struktur beton bertulang sering kali bersifat subjektif dan rentan terhadap kesalahan manusia. Oleh karena itu, diperlukan pendekatan kuantitatif yang lebih objektif dalam penilaian kesehatan struktur. Penelitian ini menggunakan machine learning untuk mengestimasi rasio pembebanan terhadap kapasitas ultimate (????/????????????????????????????????) melalui analisis pola keretakan permukaan. Metodologi melibatkan kuantifikasi pola retak dengan analisis multifraktal dan teori graf, serta pelatihan model menggunakan algoritma SVR, ENR, RFR, dan XGBoost. Selain fitur retak, parameter geometri seperti rasio bentang geser terhadap kedalaman (a/d) dan kedalaman balok (d) juga diintegrasikan. Hasil penelitian menunjukkan bahwa penambahan fitur geometri secara signifikan meningkatkan akurasi prediksi, yang ditandai dengan kenaikan nilai dan penurunan RMSE. Analisis Shapley Additive Explanation (SHAP) digunakan untuk menginterpretasikan kontribusi fitur. Didapatkan kesimpulan bahwa integrasi analisis pola retak dan machine learning menyediakan metode yang objektif dan akurat untuk estimasi tingkat pembebanan struktur beton bertulang.