Model Prediksi Nilai CBR Akibat Campuran Abu Ampas Tebu Menggunakan Polynomial Regression

Abstract

Penelitian ini bertujuan untuk mengembangkan model prediksi nilai California Bearing Ratio (CBR) pada tanah lanau yang distabilisasi dengan abu ampas tebu menggunakan pendekatan Machine Learning Polynomial Regression. Ruang lingkup penelitian meliputi uji laboratorium dan pemodelan prediktif untuk menentukan kadar optimum abu ampas tebu yang memberikan peningkatan nilai CBR maksimum. Data diperoleh dari hasil uji laboratorium dengan 5 variasi campuran abu ampas tebu (0%, 2%, 4%, 6%, dan 8%) dan masing-masing 3 kali replikasi, sehingga total terdapat 15 data pengamatan yang digunakan sebagai dataset pelatihan model. Pemodelan dilakukan menggunakan algoritma Polynomial Regression orde dua dengan pustaka scikit-learn pada Python. Hasil pengujian menunjukkan bahwa nilai CBR tanah asli sebesar 2,94% meningkat menjadi 7,39% pada campuran 6% abu ampas tebu, atau terjadi peningkatan sebesar 151% dibandingkan tanah asli. Persamaan regresi yang diperoleh adalah: CBR=−0.15x² +1.9x+2.8  Model menghasilkan nilai koefisien determinasi (R²) sebesar 0,94 dan Root Mean Square Error (RMSE) sebesar 0,28, menunjukkan tingkat akurasi tinggi dalam memprediksi hubungan non-linear antara kadar abu dan nilai CBR. Model ini dapat digunakan sebagai alat bantu analisis berbasis data untuk optimasi campuran tanah stabilisasi ramah lingkungan