Prediksi Jenis Tanah Berdasarkan Data CPT Dengan Menggunakan Algoritma Support Vector Machine (SVM) = Prediction of Soil Types Based on CPT Data Using the Support Vector Machine (SVM) Algorithm

Tanah merupakan elemen penting dalam konstruksi karena berfungsi sebagai penyangga struktur bangunan. Namun, perbedaan karakteristik dan sifat tanah di berbagai lokasi dapat mempengaruhi daya dukung tanah, yang sering kali menyebabkan masalah seperti penurunan tanah dan keruntuhan pondasi. Oleh karena itu, investigasi dan klasifikasi tanah sangat penting untuk memastikan kestabilan dan keamanan konstruksi. Salah satu metode yang umum digunakan untuk investigasi tanah adalah Cone Penetration Test (CPT). Data CPT menyediakan informasi mengenai jenis dan lapisan tanah, yang digunakan sebagai dasar untuk merencanakan sub-struktur bangunan. Meskipun prosedur laboratorium juga digunakan untuk menentukan sifat geoteknik tanah, metode ini memakan waktu dan sumber daya manusia yang signifikan. Penelitian ini mengembangkan model klasifikasi jenis tanah berdasarkan data CPT menggunakan algoritma Support Vector Machine (SVM). SVM adalah metode machine learning yang efektif untuk klasifikasi, dengan kemampuan untuk memprediksi kelas berdasarkan pola data hasil pelatihan. Dengan menerapkan SVM, sistem ini diharapkan dapat melakukan klasifikasi tanah dengan cepat dan akurat. Penelitian ini bertujuan untuk mengevaluasi akurasi algoritma SVM dalam klasifikasi tanah berdasarkan data CPT. Hasil penelitian menunjukkan bahwa model SVM mampu mengklasifikasikan jenis tanah dengan akurasi yang tinggi, sehingga dapat digunakan sebagai alat bantu dalam analisis dan perencanaan konstruksi.

Keywords : Klasifikasi tanah, cone penetration test, support vector machine