PREDIKSI FAKTOR KEAMANAN FONDASI DANGKAL TERHADAP GEMPA MENGGUNAKAN ALGORITMA KOLMOGOROV-ARNOLD NETWORKS DAN IMPLEMENTASINYA PADA PLATFORM WEB

Penelitian ini dilatarbelakangi oleh pentingnya faktor keamanan fondasi dangkal
dalam perencanaan geoteknik, khususnya dalam konteks mitigasi gempa.
Penelitian berfokus pada pengembangan model prediktif faktor keamanan fondasi
dangkal terhadap gempa menggunakan algoritma Kolmogorov-Arnold Networks
(KANs) serta implementasinya pada platform web. Model ini dilatih dengan
memanfaatkan variabel input yang meliputi lebar fondasi (B), kedalaman fondasi
(Df), beban yang bekerja pada fondasi (P), berat tanah (γ), serta percepatan tanah
puncak (PGA). Berdasarkan hasil evaluasi, model KANs menunjukkan performa
yang sangat unggul dibandingkan model algoritma lain. Model KANs memiliki
nilai skor Root Mean Squared Error (RMSE) sebesar 0,0413, jauh lebih rendah jika
dibandingkan dengan model Multiple Linear Regression (0,3551), Support Vector
Regression (0,1647), Multilayer Perceptron (0,1000), TabNet (0,0938), dan
XGBoost (0,0753). Sedangkan pada metrik koefisien determinasi (R²), model
KANs menghasilkan skor sebesar 0,9975, mengungguli algoritma lain yang telah
diujikan dengan data yang sama. Model yang telah dilatih juga berhasil
diintegrasikan ke dalam sistem aplikasi web menggunakan framework Flask,
sehingga dapat digunakan oleh praktisi untuk mendapatkan estimasi faktor
keamanan fondasi secara interaktif. Hasil penelitian ini menunjukkan bahwa KANs
merupakan algoritma yang sangat andal dalam memprediksi keamanan fondasi
dangkal, serta memiliki potensi besar untuk diterapkan dalam sistem berbasis web.
Kata Kunci: Machine Learning, Geoteknik, Faktor Keamanan, Fondasi Dangkal,
Kolmogorov-Arnold Networks, Aplikasi Web