?url_ver=Z39.88-2004&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Adc&rft.relation=https%3A%2F%2Frepository.unigoro.ac.id%2Fid%2Feprint%2F5106%2F&rft.title=Laporan+Penelitian+Internal+Dosen+%3A+Prediksi+Kinerja+Mekanis+Beton+Berbasis+Agregat+Daur+Ulang+Menggunakan+Machine+Learning%3A+Sebuah+Studi+Komparatif+Dengan+Beton+Konvensional&rft.creator=Sujiat%2C+Sujiat&rft.creator=Eko+Wahyu+Abryandoko%2C+Abryandoko&rft.creator=Achmad+Safi%E2%80%99i%2C+Safi%E2%80%99i&rft.subject=Prodi+Teknik+Sipil&rft.description=Beton+berbasis+agregat+daur+ulang+(Recycled+Aggregate+Concrete%2FRAC)+merupakan+alternatif+material+konstruksi+yang+sustainable+untuk+mengurangi+eksploitasi+sumber+daya+alam+dan+mengelola+limbah+konstruksi+dan+demolisi.+Namun%2C+prediksi+kinerja+mekanis+RAC+masih+menjadi+tantangan+karena+variabilitas+properti+agregat+daur+ulang+yang+tinggi.+Penelitian+ini+bertujuan+untuk+mengembangkan+model+machine+learning+untuk+memprediksi+kuat+tekan+beton+berbasis+agregat+daur+ulang+dan+membandingkan+performanya+dengan+prediksi+beton+normal.+Dataset+yang+digunakan+terdiri+dari+2165+sampel+(1600+beton+normal+dan+565+beton+agregat+daur+ulang)+yang+dikumpulkan+dari+berbagai+publikasi+ilmiah.+Data+preprocessing+meliputi+handling+missing+values%2C+penghapusan+duplikat%2C+dan+deteksi+outlier+menggunakan+metode+Interquartile+Range+(IQR)+yang+diterapkan+per+kelompok+usia+curing.+Tiga+algoritma+tree-based+machine+learning+(Random+Forest%2C+XGBoost%2C+dan+LightGBM)+diimplementasikan+dan+dioptimasi+menggunakan+RandomizedSearchCV+dengan+5-fold+cross-validation.+Hasil+penelitian+menunjukkan+bahwa+LightGBM+memberikan+performa+terbaik+dengan+R%C2%B2+%3D+0%2C92%2C+MAE+%3D+2%2C45+MPa%2C+dan+RMSE+%3D+3%2C52+MPa+pada+testing+set.+Model+mampu+memprediksi+kuat+tekan+beton+normal+(R%C2%B2+%3D+0%2C92)+dan+beton+agregat+daur+ulang+(R%C2%B2+%3D+0%2C91)+dengan+akurasi+yang+hampir+setara%2C+mengindikasikan+generalisasi+yang+robust.+Feature+importance+analysis+mengungkapkan+bahwa+usia+curing%2C+kandungan+semen%2C+dan+kandungan+air+merupakan+faktor+terpenting+dalam+prediksi+kuat+tekan%2C+sementara+untuk+RAC%2C+penyerapan+air+agregat+daur+ulang+(WRCA)+juga+memberikan+kontribusi+signifikan.+Error+analysis+menunjukkan+bahwa+residual+bersifat+random+dan+terdistribusi+mendekati+normal+tanpa+bias+sistematis.+Model+ini+dapat+diandalkan+untuk+prediksi+kuat+tekan+beton+pada+range+20-60+MPa+dengan+error+rata-rata+%C2%B13-4+MPa%2C+dan+dapat+diintegrasikan+dalam+software+desain+mix+proporsi+untuk+meningkatkan+efisiensi+proses+desain+dan+mendukung+penggunaan+material+konstruksi+berkelanjutan&rft.publisher=LPPM+UNIVERSITAS+BOJONEGORO&rft.date=2026-01-01&rft.type=Other&rft.type=NonPeerReviewed&rft.format=text&rft.language=en&rft.identifier=https%3A%2F%2Frepository.unigoro.ac.id%2Fid%2Feprint%2F5106%2F1%2FLaporan%2520Penelitian.pdf&rft.identifier=++Sujiat%2C+Sujiat+and+Eko+Wahyu+Abryandoko%2C+Abryandoko+and+Achmad+Safi%E2%80%99i%2C+Safi%E2%80%99i++(2026)+Laporan+Penelitian+Internal+Dosen+%3A+Prediksi+Kinerja+Mekanis+Beton+Berbasis+Agregat+Daur+Ulang+Menggunakan+Machine+Learning%3A+Sebuah+Studi+Komparatif+Dengan+Beton+Konvensional.++LPPM+UNIVERSITAS+BOJONEGORO.+++++