Perpustakaan Digital ITB

Penelitian ini membahas kuat geser pada balok beton bertulang langsing (slender beams) dengan sengkang yang cenderung bersifat getas (brittle) ketika mengalami kegagalan. Meskipun rumus empiris dalam beberapa kode standar, seperti ACI 318- 25 umum digunakan, terdapat limitasi dalam penggunaannya karena hubungan nonlinear yang tinggi antar parameter geser. Hasil eksperimen menunjukkan bahwa pendekatan tersebut belum mampu memprediksi kuat geser secara akurat untuk kondisi tertentu. Dalam menyelidiki hal tersebut, digunakan database yang terdiri dari 157 data hasil uji eksperimental bersumber dari Reineck (2014). Metode ensemble learning memiliki performa yang lebih baik dari algoritma dasar (Feng, 2022). Untuk itu, digunakan metode Random Forest (RF), AdaBoost, Gradient Boosting Regression Trees (GBRT), dan XGBoost. Hasilnya menunjukkan bahwa GBRT memberikan performa terbaik dengan nilai koefisien determinasi (R²) sebesar 0,96 pada data testing, mengindikasikan akurasi prediksi yang tinggi dibandingkan algoritma lainnya maupun kode standar. Analisis feature importance dilakukan untuk mengidentifikasi parameter-parameter yang paling berpengaruh terhadap kuat geser. Penelitian ini diharapkan dapat menjadi dasar pengembangan model prediktif yang lebih andal serta memberikan kontribusi bagi penelitian lanjutan di bidang rekayasa struktur, khususnya terkait kegagalan geser pada balok langsing.