ABSTRAK

Uji kuat tekan uniaksial atau unconfined compressive strength (UCS) merupakan salah satu parameter penting dalam menentukan suatu kekuatan lereng pada kegiatan pertambangan. Uji UCS ditentukan dengan menggunakan uji secara langsung di laboratorium  atau pendekatan menggunakan uji indeks, namun kedua cara tersebut masih terdapat kekurangan pada preparasi inti batuan yang diperlukan seringkali sulit, terutama untuk batuan yang retak, menunjukan laminasi, dan foliasi yang signifikan. Ditambah dengan kebutuhan sampel UCS yang dimensinya lebih panjang serta pengujian yang mamakan waktu dan biaya. Penelitian ini melakukan pendekatan prediksi nilai kuat tekan dengan memanfaatkan jaringan saraf tiruan (Artificial Neural Network) dengan parameter masukan data sifat fisik dan point load index (PLI). Metode pada penelitian ini dimulai dengan pengumpulan data berupa sifat fisik batuan dan sifat mekanik batuan yang terdiri dari densitas natural, kadar air, porositas, PLI, dan nilai kuat tekan. Tahapan selanjutnya adalah penentuan data uji, data latih, penentuan desain arsitektur serta parameter konvergensi pada lembar kerja Artificial Neural Network (ANN). Hasil prediksi nilai UCS melalui nilai sifat fisik batuan dan PLI dari jaringan saraf tiruan yang telah dibuat, menghasilkan tingkat keakurasian mencapai 95,27%. Pembuatan jaringan saraf tiruan terbukti efektif dan efisien dalam memprediksi nilai kuat tekan melalui tingkat kecepatannya dan keakuratannya yang hanya menggunakan historycal database. Sehingga bisa membantu dalam efisiensi waktu dan biaya dalam penentuan nilai kuat tekan (UCS) di laboratorium.

Kata kunci: UCS, PLI, Artificial Neural Network (ANN), Sifat Fisik, Sifat Mekanik.