Reduksi Dimensi dengan Independent Component Analysis dan Principal Component Analysis pada Support Vector Regression untuk Prediksi Kuat Tekan Beton

Abstract

Kuat tekan beton merupakan parameter penting dalam penentuan mutu beton, namun pengujiannya di laboratorium membutuhkan waktu yang relatif lama dan biaya yang cukup besar. Penelitian ini menerapkan teknik reduksi dimensi menggunakan PCA dan ICA sebelum pemodelan SVR berbasis kernel RBF. Komponen independen pada ICA diekstraksi menggunakan algoritma FastICA. Penelitian ini bertujuan membandingkan kinerja PCA-SVR dan ICA-SVR dalam memprediksi kuat tekan beton. Hasil analisis menunjukkan bahwa PCA menghasilkan enam komponen utama berdasarkan cumulative explained variance sebesar 95% dengan total variansi yang dijelaskan sebesar 97.31%, sedangkan ICA menghasilkan tujuh komponen independen optimal berdasarkan evaluasi negentropy dan mutual information. Hasil evaluasi dan pengujian statistik menunjukkan bahwa model ICA-SVR menghasilkan nilai RMSE sebesar 5.9435, MAE sebesar 4.1039, dan  sebesar 0.8629, yang lebih baik dibandingkan PCA-SVR. Namun, model SVR baseline tanpa reduksi dimensi masih memberikan performa yang sedikit lebih baik dengan nilai RMSE sebesar 5.8221 dan  sebesar 0.8685. Secara keseluruhan, ICA-SVR menghasilkan performa prediksi yang lebih baik dibandingkan PCA-SVR pada dataset dan konfigurasi yang digunakan, meskipun reduksi dimensi belum mampu melampaui performa model SVR baseline.