Prediksi Jenis Tanah Berdasarkan Data CPT Dengan Menggunakan Algoritma Decision Tree

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi jenis tanah dengan menggunakan data Cone Penetration Test (CPT) yang diolah melalui algoritma decision tree. Latar belakang penelitian ini berakar pada pentingnya klasifikasi tanah dalam dunia konstruksi, khususnya dalam perencanaan dan pelaksanaan proyek-proyek geoteknik. Pengujian tanah di laboratorium, seperti analisis ayakan, hidrometer, dan batas Atterberg, merupakan metode yang umum digunakan namun memerlukan waktu, biaya, dan tenaga ahli yang signifikan. Oleh karena itu, metode alternatif yang lebih efisien menjadi sangat dibutuhkan. Data CPT, yang diperoleh dari lapangan, merupakan sumber informasi yang berharga untuk klasifikasi tanah. Dalam penelitian ini, data CPT diproses menggunakan algoritma decision tree untuk menghasilkan klasifikasi jenis tanah yang cepat dan akurat. Hasil pengolahan data menunjukkan bahwa klasifikasi jenis tanah berdasarkan data CPT dengan algoritma decision tree menghasilkan tingkat akurasi sebesar 91%. Ini menunjukkan bahwa algoritma C4.5 yang digunakan cukup andal sebagai metode klasifikasi tanah. Meskipun demikian, efektivitas algoritma ini dapat ditingkatkan lebih lanjut melalui optimisasi dan penerapan pada dataset yang lebih besar. Dengan demikian, penelitian ini tidak hanya memberikan solusi yang lebih efisien dan hemat biaya dalam klasifikasi tanah, tetapi juga memberikan kontribusi signifikan terhadap peningkatan akurasi dalam pengambilan keputusan pada proyek konstruksi.