Skripsi PENERAPAN METODE BAGGING UNTUK MENGURANGI DATA NOISE PADA NEURAL NETWORK UNTUK ESTIMASI KUAT TEKAN BETON

Beton adalah bahan yang diolah yang terdiri dari semen, agregat kasar, agregat halus, air dan bahan tambahan lainnya. Kuat tekan beton sangat bergantung pada karakteristik dan komposisi bahan-bahan pembentuk beton. Metode neural network ampuh dalam mengatasi masalah data nonlinear, namun neural network memiliki keterbatasan dalam mengatasi data noise yang tinggi. Untuk menyelesaikan masalah tersebut diperlukan metode bagging untuk mengurangi data noise pada metode neural network. Beberapa eksperimen dilakukan untuk mendapatkan arsitektur yang optimal dan menghasilkan estimasi yang akurat. Hasil penelitian menunjukkan, eksperimen dengan menggunakan neural network didapat nilai RMSE terkecil adalah 0,057 untuk dataset concrete compressive strength dan 0.011 untuk dataset slump, sedangkan eksperimen dengan mengunakan metode bagging dan neural network didapatkan nilai RMSE terkecil 0,055 untuk dataset concrete dan 0.010 untuk dataset slump. Hasil uji t-Test menunjukkan hipotesis alternatif yaitu dengan nilai P=0,02 untuk dataset concrete compressive strength dan P=0,02 untuk dataset slump. Maka dapat disimpulkan estimasi kuat tekan beton dengan menggunakan metode bagging dan network lebih akurat dibanding dengan metode individual neural network.