UNIVERSITAS INDONESIA HALAMAN JUDUL ESTIMASI BIAYA TAHAP KONSEPTUAL BANGUNAN GEDUNG PERKULIAHAN UMUM DENGAN METODE JARINGAN SYARAF TIRUAN SKRIPSI TEKAD UTOMO 0806454481 FAKULTAS TEKNIK PROGRAM SARJANA DEPOK JUNI 2012 Estimasi biaya..., Tekad Utomo, FT UI, 2012
100
Embed
ESTIMASI BIAYA TAHAP KONSEPTUAL BANGUNAN GEDUNG …lib.ui.ac.id/file?file=digital/20309461-S42840-Estimasi... · universitas indonesia halaman judul estimasi biaya tahap konseptual
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
UNIVERSITAS INDONESIA
HALAMAN JUDUL
ESTIMASI BIAYA TAHAP KONSEPTUAL BANGUNAN GEDUNG PERKULIAHAN UMUM DENGAN METODE
JARINGAN SYARAF TIRUAN
SKRIPSI
TEKAD UTOMO 0806454481
FAKULTAS TEKNIK PROGRAM SARJANA
DEPOK JUNI 2012
Estimasi biaya..., Tekad Utomo, FT UI, 2012
UNIVERSITAS INDONESIA
HALAMAN JUDUL
ESTIMASI BIAYA TAHAP KONSEPTUAL BANGUNAN GEDUNG PERKULIAHAN UMUM DENGAN METODE
JARINGAN SYARAF TIRUAN
SKRIPSI
Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana
TEKAD UTOMO 0806454481
FAKULTAS TEKNIK PROGRAM STUDI TEKNIK SIPIL
KEKHUSUSAN MANAJEMEN KONSTRUKSI DEPOK
JUNI 2012
1137/FT 01/SKRIP/07/2012
Estimasi biaya..., Tekad Utomo, FT UI, 2012
ii
HALAMAN PERNYATAAN ORISINALITAS
Skripsi ini adalah hasil karya saya sendiri,
dan semua sumber baik yang dikutip maupun dirujuk
telah saya nyatakan dengan benar.
Nama : Tekad Utomo
NPM : 0806454481
Tanda Tangan :
Tanggal : 10 Juni 2012
Estimasi biaya..., Tekad Utomo, FT UI, 2012
iii
HALAMAN PENGESAHAN
Skripsi ini diajukan oleh :
Nama : Tekad Utomo
NPM : 0806454481
Program Studi : Teknik Sipil
Judul Sripsi : Estimasi Biaya Tahap Konseptual Bangunan Gedung
Perkuliahan Umum dengan Metode Jaringan Syaraf
Tiruan
Telah berhasil diujikan di hadapan Dewan Penguji dan diterima sebagai
bagian persyaratan yang diperlukan untuk memperoleh gelar Sarjana
Teknik pada Program Studi Teknik Sipil, Fakultas Teknik, Universitas
Indonesia.
DEWAN PENGUJI Pembimbing 1 : Ir. Wisnu Isvara, M.T. ( ) Pembimbing 2 : Prof. Dr. Ir. Yusuf Latief, M.T. ( ) Penguji : Ir. Setyo Suprijadi, Msi. ( ) Penguji : Rosmariani, S.T., M.T. ( ) Ditetapkan di : Depok Tanggal : 10 Juli 2012
Estimasi biaya..., Tekad Utomo, FT UI, 2012
iv
UCAPAN TERIMA KASIH
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa, karena
atas berkat rahmat dan karunia-Nya, penulis dapat menyelesaikan skripsi ini.
Limpahan terima kasih penulis ucapkan kepada :
(1) Ir. Wisnu Isvara, M.T. , selaku pembimbing I dalam penulisan skripsi ini
yang telah memberikan bimbingan, saran dan nasihat.
(2) Prof. Dr. Ir. Yusuf Latief, M.T. , selaku pembimbing II dalam penulisan
skripsi ini yang telah memberikan bimbingan, saran dan nasihat.
(3) Ibu, Bapak, Dedek, Mba Win, Mas Adi yang telah memberikan bantuan
dukungan moral dan material, dan menjadi tempat paling nyaman untuk
berbagi cerita.
(4) Julian Bagus, S.T., M.T. dan Panggih Widodo, S.T. yang telah banyak
membantu dalam penyelesaian skripsi ini.
(5) Budi, Ganjar, Ludya, sebagai rekan satu topik yang saling membantu dimasa-
masa tersulit.
(6) Tony, Jauzy, Iqbal, Ikhsan, Arab, Bulake, Hendro. Terima kasih telah
menjadi teman yang baik, kalian seperti saudara tanpa ikatan darah bagi saya.
(7) Ratna Ayu Kusumaningtyas yang telah memberikan semangat baru dalam
penyelesaian skripsi ini.
(8) Seluruh teman sipil lingkungan 2008, KAPA FTUI, terima kasih atas semua
dukungan dan semangatnya.
Dan kepada semua pihak yang telah membantu hingga terselesaikannya
skripsi ini.
Depok, 22 Juni 2012
Penulis
Estimasi biaya..., Tekad Utomo, FT UI, 2012
v
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI TUGAS AKHIR UNTUK KEPENTINGAN AKADEMIS
Sebagai sivitas akademik Universitas Indonesia, saya yang bertanda tangan di bawah ini: Nama : Tekad Utomo NPM : 0806454481 Program Studi : Teknik Sipil Departemen : Teknik Sipil Fakultas : Teknik Jenis karya : Skripsi demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Indonesia Hak Bebas Royalti Noneksklusif (Non-exclusive Royalty- Free Right) atas karya ilmiah saya yang berjudul :
Estimasi Biaya Tahap Konseptual Bangunan Gedung Perkuliahan Umum dengan Metode Jaringan Syaraf Tiruan
beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Noneksklusif ini Universitas Indonesia berhak menyimpan, mengalihmedia/ formatkan, mengelola dalam bentuk pangkalan data (database), merawat, dan memublikasikan tugas akhir saya selama tetap mencantumkan nama saya sebagai penulis/pencipta dan sebagai pemilik Hak Cipta. Demikian pernyataan ini saya buat dengan sebenarnya.
Dibuat di : Depok Pada tanggal : 10 Juni 2012
Yang menyatakan
(Tekad Utomo)
Estimasi biaya..., Tekad Utomo, FT UI, 2012
vi Universitas Indonesia
ABSTRAK
Nama : Tekad Utomo Program Studi : Teknik Sipil Judul : Estimasi Biaya Tahap Konseptual Bangunan Gedung
Perkuliahan Umum Dengan Menggunakan Metode Jaringan Saraf Tiruan
Estimasi biaya tahap konseptual pada konstruksi merupakan hal fundamental bagi keberlangsungan suatu proyek. Perlu dikembangkan suatu metode estimasi biaya yang mampu memiliki performa serta akurasi tinggi. Penelitian ini dikhususkan untuk memberikan gambaran mengenai metode jaringan syaraf tiruan pada estimasi biaya proyek tahap konseptual untuk proyek gedung perkuliahan. Untuk mencapai optimasi model, perlu digunakan variabel-variabel yang tepat sebagai input sehingga kesahihan dan keakurasian output dapat dipertanggungjawabkan. Variabel yang mempengaruhi biaya proyek gedung perkuliahan yang tersedia pada tahap konseptual antara lain, lokasi, pondasi, luas total, tingkat, konstruksi atap, finishing grade, tahun, dan durasi pembangunan. Variabel ini kemudian dimasukkan dalam suatu desain struktur jaringan yang paling cocok sehingga keakurasiannya mencapai 2%, memenuhi standar AACE. Kata kunci: gedung perkuliahan, metode jaringan saraf tiruan, estimasi biaya konseptual.
ABSTRACT
Name : Tekad Utomo Study Program : Civil Engineering Title : Conceptual Cost Estimates In Construction Of Lecture Building
With Artificial Neural Network Method Conceptual estimation is one of the most fundamental part in construction projects. Thus, it needed a development in estimation methods in order to gain more accuracy and better performance in cost estimations. This research especially provides an explanation in the implementation of Artificial Neural Network method in lecture building construction cost estimation. To reach model optimization, correct variables are needed as inputs to gain output which is accurate and reliable. The variables which affect the project cost and available at the conceptual phase are, location, foundation, area, number of story, roof construction, finishing grade, year, and project duration. The variables then run in the best network structure and most fitting model of artificial neural network to obtain the best result, which is 2% complimentary to AACE standard. Key words: lecture building, artificial neural network, conceptual cost estimate.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
vii Universitas Indonesia
DAFTAR ISI
HALAMAN JUDUL ............................................................................................ i HALAMAN JUDUL ............................................................................................ i HALAMAN PERNYATAAN ORISINALITAS .................................................. ii HALAMAN PENGESAHAN .............................................................................iii UCAPAN TERIMA KASIH ............................................................................... iv HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI ............................. v
ABSTRAK ......................................................................................................... vi DAFTAR ISI ..................................................................................................... vii DAFTAR TABEL .............................................................................................. ix DAFTAR GAMBAR ........................................................................................... x
DAFTAR LAMPIRAN ....................................................................................... xi 1. PENDAHULUAN .......................................................................................... 1 1.1 Latar Belakang ...................................................................................... 1
1.2 Perumusan Masalah ............................................................................... 3 1.2.1 Deskripsi Masalah...................................................................... 3
1.2.2 Signifikansi Masalah .................................................................. 4 1.2.3 Rumusan Masalah ...................................................................... 4
1.3 Tujuan Penelitian................................................................................... 5 1.4 Batasan Masalah .................................................................................... 5
1.5 Manfaat Penelitian ................................................................................. 5 1.6 Model Oprasional Penelitian.................................................................. 7
2.4.2 Konsep Dasar Model Neuron ................................................... 19 2.4.3 Arsitektur Jaringan ................................................................... 21
2.4.4 ANN Back Propagation ........................................................... 25 2.5 Gedung ................................................................................................ 28
2.5.1 Definisi ....................................................................................... 28 2.5.2 Faktor yang mempengaruhi Biaya Pembangunan Gedung ........... 30
3.3. Proses Penelitian ................................................................................. 35
Estimasi biaya..., Tekad Utomo, FT UI, 2012
viii Universitas Indonesia
3.3.1 Variabel Penelitian ................................................................... 37
3.3.2 Instrument Penelitian ............................................................... 39 3.3.3 Pengumpulan Data ................................................................... 41
3.4. Kesimpulan ......................................................................................... 41 4. PENGUMPULAN DAN ANALISIS DATA ................................................ 43 4.1 Pendahuluan ........................................................................................ 43 4.2 Pengumpulan Data .............................................................................. 43
4.2.1 Data Primer.............................................................................. 43 4.2.2 Data Sekunder ......................................................................... 45
4.3 Permodelan ANN ................................................................................ 47 5. TEMUAN DAN HASIL ............................................................................... 54 5.1 Pendahuluan ........................................................................................ 54 5.2 Temuan ............................................................................................... 54
6. KESIMPULAN DAN SARAN ..................................................................... 62 6.1 Kesimpulan ......................................................................................... 62
6.2 Saran ................................................................................................... 63 DAFTAR ACUAN ........................................................................................... 64
DAFTAR REFERENSI ................................................................................... 66
Estimasi biaya..., Tekad Utomo, FT UI, 2012
ix Universitas Indonesia
DAFTAR TABEL
Tabel 2. 1 Matriks Klasifikasi Estimasi AACE................................................... 12 Tabel 2. 2 Komponen Standar Bangunan Gedung Negara .................................. 28 Tabel 2. 3 Komponen non Standar Bangunan Gedung Negara ........................... 29 Tabel 2. 4 Parameter cost komponen .................................................................. 31 Tabel 3. 1 Strategi Penelitian ............................................................................. 33 Tabel 3. 2 Variabel terikat dan variable bebas .................................................... 37 Tabel 3. 3 Format Validasi Pakar ....................................................................... 39 Tabel 4. 1 Variabel Kuisioner Pakar ................................................................... 43
Tabel 4. 2 Rekapitulasi Validasi Pakar ............................................................... 44 Tabel 4. 3 Pengumpulan Data Berdasarkan Variabel .......................................... 46
Tabel 4. 4 Data Pengolahan ................................................................................ 49 Tabel 4. 5 Definisi Nilai Untuk Data Kategori.................................................... 49
Tabel 4. 6 Tabulasi Data Pelatihan ..................................................................... 52 Tabel 4. 7 Tabulasi Data Pengujian .................................................................... 53 Tabel 5. 1 Kriteria Model ANN Terbaik ............................................................. 55 Tabel 6. 1 Kriteria Model ANN Terbaik ............................................................. 62
Estimasi biaya..., Tekad Utomo, FT UI, 2012
x Universitas Indonesia
DAFTAR GAMBAR
Gambar 1.1 Model Oprasional Penelitian .......................................................... 7 Gambar 2.1 Peningkatan Akurasi Estimasi ..................................................... 14 Gambar 2.2 Model neuron MCP dengan input terbobot .................................. 20 Gambar 2.3 Perceptron ................................................................................... 21 Gambar 2.4 Model Matematis Sebuah Neuron Dasar ...................................... 21 Gambar 2.5 Model ANN dengan beberapa layer ............................................. 22 Gambar 2.6 Feedback (Recurrent) Network .................................................... 23 Gambar 2.7 Arsitektur Single Layer Feedforward Network ............................ 24 Gambar 2.8 Arsitektur Multilayer Feedforward Network ................................ 25 Gambar 2.9 Arsitektur Recurrent Network ..................................................... 25 Gambar 2.10 Matriks Kerangka Berpikir .......................................................... 32 Gambar 3.1 Matriks Kerangka Berpikir .......................................................... 35
Gambar 4.1 Desain Jaringan Syaraf Tiruan ...................................................... 48
Gambar 4.2 Kinerja Model ANN Terhadap Data Pelatihan ............................. 51 Gambar 4.3 Nilai R Antara Data Aktual (Target) dengan Data Estimasi
(Output) ....................................................................................... 51 Gamar 5.1 Grafik Sensitivitas Tahun vs Biaya ............................................... 58
Gamar 5.2 Grafik Sensitivitas Jarak Lantai vs Biaya ...................................... 59 Gamar 5.3 Grafik Sensitivitas Durasi vs Biaya .............................................. 59
Gamar 5.4 Grafik Sensitivitas Luas vs Biaya ................................................. 60 Gamar 5.5 Grafik Sensitivitas Tinggi Bangunan vs Biaya .............................. 60
Estimasi biaya..., Tekad Utomo, FT UI, 2012
xi Universitas Indonesia
DAFTAR LAMPIRAN
Lampiran 1 Kuisioner Lampiran 2 Tabulasi Data Keseluruhan Lampiran 3 Tabulasi Data Input ANN Lampiran 4 Hasil Validasi Output Lampiran 5 Risalah Sidang Skripsi
Estimasi biaya..., Tekad Utomo, FT UI, 2012
1 Universitas Indonesia
BAB 1 PENDAHULUAN
1.1 Latar Belakang
Perkembangan proyek konstruksi saat ini banyak memunculkan berbagai
tipe proyek konstruksi. Tipe proyek konstruksi anatra lain berupa bangunan
komersial maupun bangunan untuk fasilitas umum. Dalam melakukan proyek
konstruksi tersebut, sebelumnya owner perlu melakukan suatu estimasi. Estimasi
tersebut berguna sebagai dasar untuk menyediakan biaya untuk mewujudkan
keinginannya tersebut. Tujuan utama dari estimasi adalah untuk mengidentifikasi
kebutuhan sumber daya, durasi dan biaya proyek. Dalam melakukan suatu
estimasi dibutuhkan adanya informasi yang tersedia.
Dalam tahap awal estimasi biaya proyek informasi yang diperlukan
sangatlah terbatas, namun estimasi awal ini merupakan salah satu tahapan yang
paling penting dalam manajemen proyek konstruksi. Keberhasilan suatu proyek
bergantung pada keakurasian estimasi yang dilakukan mulai dari tahap
konseptual. Estimasi biaya tahap konseptual merupakan input fundamental untuk
proses awal decision making suatu proyek. Menurut Wideman R.M. (2001) [1]
Estimasi tahap konseptual adalah tahapan pertama dari suatu proyek dimana
kebutuhan proyek mulai dijelaskan,
Pada tahun 1948, McCulloch dan Pitts telah menemukan suatu metode
yaitu metode Artificial Neural Networks atau biasa disebut dengan sistem jaringan
saraf tiruan yang berkembang pesat dan digunakan dalam berbagai aplikasi. Julian
Bagus (2011) [2] menjelaskan jaringan saraf tiruan ini adalah salah satu sistem
proses informasi yang didesain dengan cara menirukan kerja otak manusia dalam
menyelesaikan masalah dengan melakukan proses belajar melalui perubahan
bobot sinapsisnya. Jaringan saraf tiruan mampu melakukan pengenalan kegiatan
berbasis data masa lalu. Data masa lalu akan dipelajari oleh jaringan saraf tiruan
(Artificial Neural Networks) sehingga mempunyai kemampuan untuk memberikan
keputusan terhadap data yang belum pernah dipelajari.
Beberapa peneliti manajemen kontruksi telah banyak menggunakan
teknik jaringan saraf tiruan (Artificial Neural Network) ini kedalam lingkungan
proyek. Beberapa peneliti bahkan menyebutkan hubungan antara penggunaan
Estimasi biaya..., Tekad Utomo, FT UI, 2012
2
Universitas Indonesia
teknik ANN dengan akurasi estimasi biaya dapat memperlihatkan kinerja yang
lebih baik dari pada cara-cara tradisional. Salah satu penelitian sebelumnya yaitu
dengan mengestimasi biaya awal bangunan gedung hanya dengan
memperhitungkan biaya pekerjaan struktur dengan menggunakan parameter luas
lantai dan jumlah lantai (Muhamad Abduh, 2006) [3]. Sementara itu, Fortune C
dan Lees, M (1996) [4] menyebutkan bahwa sebagian besar estimasi biaya pada
tahap awal hanya mempertimbangkan komponen fisik bangunan dan ia
menyarankan agar output dari estimasi merupakan biaya pembangunan proyek
secara menyeluruh. Alice E. Smith (1997) [5] menyatakan pemodelan biaya
dengan menggunakan teknik ANN menghasilkan akurasi lebih baik dimana rata-
rata kesalahannya lebih kecil dari multiple regresion. Sang Yong Kim (2005) [6]
menguji berbagai metode dalam pemodelan estimasi biaya tahap awal kontruksi
bangunan gedung dan menyimpulkan metode ANN dapat menghasilkan akurasi
prediksi terbaik dibandingkan dengan case based reasoning.
Dalam data Kemendikbud, angka partisipasi kasar (APK) lulusan SMA
sederajat melanjutkan pendidikan ke jenjang perguruan tinggi menyentuh angka
26 persen. Saat ini, dari 130 perguruan tinggi negeri serta sekitar 2.700 perguruan
tinggi swasta, hanya bisa ditampung sekitar 1,1 juta mahasiswa baru. Sedangkan
jumlah lulusan SMA/SMK/MA sederajat sekitar 2,9 juta orang per tahun. Semen-
tara pertambahan PTS sekitar dua ratus PTS setiap tahun, sedangkan penambahan
PTN hanya lima dalam setahun terakhir, termasuk politeknik. Sehingga
pembangunan gedung-gedung perkuliahan baru akan dilaksanakan mengingat
program Kemendikbud yang menginginkan kenaikan nilai APK.
Adapun tujuan penulisan ini penulis bermaksud mencoba
menyelesaikan kesulitan-kesulitan yang biasa ditemukan pada tahap konseptual
yang umumnya disebabkan oleh kekurangan sejumlah informasi di awal,
kekurangan basis data dari proyek sebelumnya, dan sejumlah ketidakpastian dari
proyek-proyek sebelumnya yang se-tipe dengan menggunakan metode Artificial
Neural Network (ANN) pada suatu proyek kontruksi gedung perkuliahan. Dalam
hal ini penulis juga mencoba membandingkan hasil dari metode ANN dengan
metode yang lain dalam hal ini dengan membandingkan dengan metode analisis
regresi. Dengan adanya perbandingan ini diharapkan dapat menghasilkan
Estimasi biaya..., Tekad Utomo, FT UI, 2012
3
Universitas Indonesia
peramalan relatif yang lebih akurat dan lebih efisien yang pada akhirnya
bermanfaat sebagai acuan dalam menentukan parameter-parameter estimasi biaya
pada tahap konseptual yang berpengaruh terhadap biaya proyek. Menurut
Phaobunjong, K., dan Popescu, C.M, (2002) [7] parameter-parameter yang
digunakan dalam penelitian tahap konseptual haruslah memiliki sifat-sifat yang
bersifat mudah untuk dikuantifikasi nilainya dan ketersediaan parameter tersebut
pada tahap awal. Untuk itu dengan banyaknya parameter-parameter yg dapat
diindentifikasi sewaktu awal estimasi diharapkan dapat membantu meningkatkan
tingkat akurasi estimasi biaya awal suatu proyek kontruksi gedung yang mana
merupakan suatu langkah awal suksesnya suatu proses estimasi pada proyek
gedung itu sendiri nantinya.
1.2 Perumusan Masalah
Perumusan masalah adalah untuk membatasi masalah penelitian yang
telah ditetapkan.Perumusan masalah juga merupakan inti dari suatu penelitian.
Berdasarkan uraian latar belakang dari penelitian ini, maka perlu dilakukan
deskripsi dan signifikansi masalah penelitian yang akan dilakukan, sehingga akan
mendapatkan suatu rumusan masalah yang akan dijawab dari penelitian ini.
1.2.1 Deskripsi Masalah
Salah satu hal penting dalam manajemen proyek konstruksi adalah tahap
estimasi awal (conceptual), dimana estimasi biaya pada tahap awal yang efisien
dan lebih akurat merupakan langkah awal dari sukses tidaknya suatu proyek.
Dimana menurut AACE pada tahapan konseptual ini dibuat dengan keterbatasan
informasi pada lingkup proyek dan belum masuk kedalam tahap desain dan
engineering. Adapun menurut AACE tahap konseptual dimulai dari kelas 5
sampai kelas 3. Pada kelas 3 menurut AACE tingkat akurasi diharapkan berada
dalam rentang -20% sampai +30% dari biaya proyek sebenarnya. Maka dari itu
sangatlah diperlukan dilakukan pengembangan-pengembangan metode estimasi
biaya pada tahap konseptual. Tujuannya adalah tidak lain agar tidak terjadi
perbedaan yang terlalu besar antara estimasi biaya konseptual dengan biaya
Estimasi biaya..., Tekad Utomo, FT UI, 2012
4
Universitas Indonesia
proyek nantinya atau dengan kata lain dapat meningkatkan tingkat akurasi dari
estimasi tahap konseptual.
Ada beberapa metode tradisional dalam mengestimasi, diantaranya
metode analogi, metode unit, dan metode parametric dengan menggunakan regresi
ataupun menggabungkan keduanya. Dalam pengembangannya ternyata metode-
metode tersebut masih mempunyai kekurangan dalam hal kebutuhan
pengembangan dalam bentuk matematik seperti menentukan fungsi biaya yang
cocok dengan data historis yang tersedia. Kesulitan lainnya adalah ketidak
cocokan dalam menjelaskan variabel-variabel dari proyek itu sendiri dan interaksi
diantara variabel-variabel tersebut. Menurut Hardle (1990) ada dua pendekatan di
dalam analisa untuk kurva regresi yaitu dengan pendekatan metode parametrik
dan pendekatan metode non-parametric. Dalam hal ini metode parametrik yang
digunakan berfungsi untuk mengestimasi pola hubungan antara variabel-variabel
Artificial Neural Network (ANN).
1.2.2 Signifikansi Masalah
Banyak penelitian telah membuktikan hubungan yang erat antara biaya
dengan parameter-parameter pembangunan suatu proyek kontruksi (seperti jalan,
gedung, dan pabrik). Seiring dengan meningkatnya kebutuhan akan efisiensi
proyek-proyek kontruksi bangunan lainnya, dalam hal ini proyek gedung
perkuliahan. Perlu juga menghitungkan parameter-parameter desain yang
berkaitan dengan efiesiensi suatu proyek gedung perkuliahan. Parameter-
parameter lain yang secara signifikan juga memiliki korelasi yang erat terhadap
biaya juga diperhitungkan seperti: bentuk gedung, tipe finishing atap gedung, tipe
finishing lantai gedung, tipe material dinding,dll). Penelitian sekripsi ini secara
khusus hanya meninjau parameter-parameter yang memiliki korelasi erat terhadap
biaya konseptual suatu proyek gedung perkuliahan. Dalam hal ini biaya yang
dimaksud adalah biaya total kontrak proyek fisik kontruksi (biaya bangunan).
1.2.3 Rumusan Masalah
Berdasarkan latar belakang di atas, adapun rumusan masalah dalam
penelitian ini antara lain :
Estimasi biaya..., Tekad Utomo, FT UI, 2012
5
Universitas Indonesia
a. Faktor-faktor apa saja yang berpengaruh terhadap biaya pembangunan
kontruksi gedung perkuliahan?
b. Bagaimana membuat suatu model berdasarkan faktor-faktor yang berpengaruh
terhadap biaya pembangunan kontruksi gedung dengan menggunakan metode
ANN dalam rangka meningkatkan akurasi estimasi biaya konseptual?
1.3 Tujuan Penelitian
Adapun tujuan penelitian ini adalah :
a. Mengindentifikasi faktor-faktor yang berpengaruh terhadap biaya
pembangunan kontruksi gedung perkuliahan.
b. Membuat model estimasi biaya kontruksi pada tahap konseptual dengan
metode ANN.
1.4 Batasan Masalah
Adapun batasan masalah di dalam penelitian yang dilakukan ini adalah
pada hal-hal berikut :
a. Sampel penelitian difokuskan pada proyek-proyek gedung perkuliahan umum.
b. Adapun yang dimaksud parameter biaya konseptual kontruksi disini adalah
parameter-parameter biaya dari bentuk fisik bangunan (Total biaya kontruksi
bangunan diluar biaya pembebasan lahan, perhitungan harga tanah, pajak,
pemeliharaan, perbaikan gedung dan finansial lainnya, dan lain-lain).
1.5 Manfaat Penelitian
Sesuai dengan maksud dan tujuan penelitian, adapun manfaat penelitian
ini untuk memberikan konstribusi antara lain :
a. Kepada diri penulis secara pribadi.
b. Survey dan penelitian ini diharapkan dapat memberikan gambaran
pembelajaran terhadap pihak akademis tentang aplikasi pemakaian teknik
jaringan saraf tiruan/ Artificial Neural Network (ANN) terhadap estimasi
biaya awal dan dapat memberikan gambaran parameter-parameter apa sajakah
yang berhubungan erat dengan biaya pada tahap estimasi awal pada proyek
gedung yang dapat meningkatkan performance dari estimasi biaya awal.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
6
Universitas Indonesia
c. Memberikan pemahaman kepada pihak kontraktor, owner maupun konsultan
bahwa penerapan metode pemodelan biaya dengan menggunakan teknik ANN
dapat menghasilkan akurasi lebih baik dimana rata-rata kesalahannya lebih
kecil dibanding dengan metode tradisional lainnya, menghasilkan peramalan
relatif yang lebih akurat dan lebih efisien yang pada akhirnya bermanfaat
sebagai acuan dalam menentukan parameter-parameter estimasi biaya pada
tahap konseptual yang merupakan langkah awal dari sukses suatu proses
estimasi proyek itu sendiri.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
7
Universitas Indonesia
1.6 Model Oprasional Penelitian
Gambar 1.1 Model Oprasional Penelitian
Sumber: Hasil Olahan
Estimasi biaya..., Tekad Utomo, FT UI, 2012
8
Universitas Indonesia
1.7 Keaslian Penelitian
Adapun beberapa penelitian yang terdahulu yang relevan dengan
penelitian ini dan dapat dijadikan sebagai referensi, antara lain sebagai berikut :
a. Phaobunjong, K. (2002). “Parametric Cost Estimating Model for Conceptual
Estimating of Building Construction Projects “, 2002
Maksud dan Tujuan Penelitian: Penelitian ini menjelaskan teori-teori yang
berhubungan dengan estimasi biaya dan estimasi biaya pada tahap konseptual,
penyusunan estimasi serta pemodelan estimasi biaya konseptual dengan
metode parametric.
Kesimpulan: Dalam model estimasi biaya yang dikembangkan bahwa
parameter seperti jumlah lantai dan rasio penggunaan bangunan merupakan
variable yang signifikan dalam membentuk pemodelan biaya kontruksi
bangunan dalam dollar per square foot. Rasio penggunaan bangunan
diindentifikasi merupakan predictor yang paling berpengaruh dalam estimasi
biaya satuan bangunan. Hasil pemodelan menunjukkan bahwa 72% dari data
proyek menunjukkan deviasi biaya kurang dari 20% dan deviasi biaya lebih
besar dari 40% dari actual data muncul sebanyak 7%.
b. Julian Bagus “Permodelan Estimasi Biaya Konseptual Pada Proyek
Konstruksi Bangunan Pabrik Dengan Teknik Jaringan Syaraf Tiruan”
Tujuan Penelitian: Mengindentifikasi faktor-faktor yang berpengaruh terhadap
biaya pembangunan kontruksi bangunan pabrik. Membuat model estimasi biaya
kontruksi pada tahap konseptual dengan metode ANN.
Kesimpulan: Berdasarkan hasil analisis, temuan-temuan, pembahasan serta
interpretasi terhadap penelitian ini, maka dengan hasil yang ada dapat ditarik
kesimpulan sebagai jawaban dari rumusan masalah sebagai berikut :
a) Adapun faktor-faktor yang cukup berpengaruh terhadap biaya
pembangunan kontruksi pabrik adalah: Tahun pelaksanaan, Lokasi pabrik,
Durasi (hari), Luas bangunan pabrik, Jumlah tingkat bangunan, Tinggi
Pabrik, Bentuk Topografi, Tipe Bangunan Pabrik, Tipe Pondasi, Tipe
Rangka Atap pabrik, Tipe material Dinding pabrik, Tipe Finishing Atap
pabrik dan Tipe Finishing Lantai pabrik.
b) Hasil estimasi keluaran sistem prototipe mampu memprediksi besaran
biaya kontruksi lebih baik untuk data proyek baru dengan rata-rata tingkat
Estimasi biaya..., Tekad Utomo, FT UI, 2012
9
Universitas Indonesia
kesalahan estimasi sebesar -15.60 % dibanding keluaran regresi SPSS 17.0
yaitu rata-rata sebesar -30,60%. Menurut AACE (1997) menyatakan
bahwa toleransi tingkat ketelitian estimasi pada tahap konseptual
diharapkan berada dalam rentang -20% sampai +30% dari biaya proyek
sebenarnya berdasarkan pedoman tersebut dapat dinyatakan bahwa sistem
prototipe estimasi biaya konseptual yang dibuat dapat diterima.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
10 Universitas Indonesia
BAB 2 TINJAUAN PUSTAKA
2.1 Pendahuluan
Pada saat ini penggunaan computer sebagai media pembantu sangat
berkembang. Penggunaan berbagai softwere makin banyak digunakan untuk
mempermudah proses perhitungan. Salah satu penelitian yang sedang
dikembangkan oleh peneliti adalah sistem kerja jaringan saraf tiruan manusia
(Neural Network Sistem) yang muncul sebagai inspirasi untuk menyelesaikan
berbagai masalah-masalah yang timbul. Dalam perkembangannya para ahli
mencoba untuk menggantikan sistem otak manusia ke dalam sistem komputer.
Diharapkan kerja sistem komputer yang lebih cepat, lebih teliti dan akurat.
Salah satu metode yang sedang berkembang untuk melakukan estimasi
terhadap biaya adalah adalah dengan teknik jaringan saraf tiruan atau Artificial
Neural Network/ ANN. Metode ini ditemukan pertama kali oleh McCulloch dan
Pitts tahun 1948.ANN (Artificial Neural Network) merupakan salah satu satu
sistem pemrosesan informasi yang disetting untuk menirukan sistem cara kerja
otak manusia dalam menyelesaikan masalah dalam hal ini estimasi awal biaya
yang minim akan informasi dan data. Pada bab ini akan dipaparkan dasar-dasar
teori yang menjadi landasan dan mendukung penelitian mengenai estimasi tahap
konseptual bangunan gedung perkuliahan di perkuliahan dengan metode ANN.
2.2 Estimasi Biaya Dan Akurasi Biaya Proyek
2.2.1 Estimasi Biaya Proyek
Menurut National Estimating Society (USA) “Estimasi Biaya adalah
Seni memperkirakan (The art of approximating) kemungkinan jumlah biaya yang
diperlukan untuk suatu kegiatan yang didasarkan atas informasi yang tersedia
pada waktu itu”. Menurut AACE (American Association of Cost Engineering).
Estimasi biaya merupakan area dari kegiatan engineering dimana pengalaman dan
pertimbangan teknis dipakai dalam mengaplikasikan ilmu pengetahuan khususnya
masalah perkiraan biaya dan pengendalian biaya (Imam Suharto, 1995) [7].
Menurut Mr. Christopher, (2006) [8] keakuratanestimasi biaya
tergantung pada keahlian dan pengalaman estimator dalam menganalisa rencana
Estimasi biaya..., Tekad Utomo, FT UI, 2012
11
Universitas Indonesia
proyek yang minim akan informasi dan data. Sedangkan Menurut Pratt, (1995)
fungsi dari estimasi biaya dalam industri konstruksi adalah:
a. Untuk melihat apakah perkiraan biaya konstruksi dapat terpenuhi dengan
biaya yang ada.
b. Untuk mengatur aliran dana ketika pelaksanaan konstruksi sedang berjalan
c. Untuk kompentesi pada saat proses penawaran. Estimasi biaya berdasarkan
spesifikasi dan gambar kerja yang disiapkan owner harus menjamin bahwa
pekerjaan akan terlaksana dengan tepat dan kontraktor dapat menerima
keuntungan yang layak
Akurasi dari suatu estimasi merupakan suatu indikasi dari tingkatan dari
perkiraan biaya terhadap realisasi biaya proyek yang dikeluarkan pada saat proyek
selesai (Dysert, 2002). Menurut Dysert (2005) [9] estimasi biaya merupakan
prediksi biaya-biaya yangmungkin terjadi dari suatu proyek dengan ruang lingkup
yang sudah diberikan dan didokumentasikan, di mana proyek harus diselesaikan
pada lokasi yang telah ditentukan dan waktu yang ditetapkan.
2.2.2 Akurasi Estimasi Biaya
Dalam tahapan pra-rencana, owner perlu melakukan perkiaraan biaya
yang akan dikeluarkan, sehingga owner mengetahui dana proyek yang dibutuhkan
dan mempunyai gambaran nilai proyek sesuai dengan kualitas bangunan yang
diinginkan. Saat tahapan estimasi biaya konstruksi dilakukan, diharapkan dengan
tersedianya data dan informasi yang memadai, faktor risiko dan ketidakpastian
terkait dengan biaya konstruksi dapat diantisipasi lebih awal dan biaya
realisasipun tidak jauh berbeda dengan apa yang telah diprediksikan, atau tingkat
akurasi lebih tinggi. AACE mengklasifikasi tingkat akurasi dalam setiap tahap
estimasi sebagai berikut :
\
Estimasi biaya..., Tekad Utomo, FT UI, 2012
12
Universitas Indonesia
Tabel 2.1 Matriks Klasifikasi Estimasi AACE
Caracteristic Secondary Charaterictic
Estimate
Class
Level of
Project
definiton
(Expressed as
% of complete
definition)
End Usage
(Typical
purpose of
estimate)
Methodolgy
(Typical
estimating
method)
Expected
Accuracy
Range
(Typical low
and high
range)(a)
Preparation
Effort
(Typical of
degree effort
relative to
least cost
index)(b)
Class 5 0 % to 2 % Concept
screenning
Capacity
Faktored,
Parametric
models,
judgment or
analogy,
L -20% to -
50%
H + 30% to +
100%
1
Class 4 1 % to 10% Study or
Feasibility
Equipment
faktor and
parametric
models
L -15% to -
30%
H +20% to
+50%
2 to 4
Class 3 10% to 40% Budget,
Authoration
or control
Semi-detailes
unit cost with
Assembly level
line items
L -10% to -
20%
H +10% to
+30%
3 to 10
Class 2 30% to 70% Control or
Bid tender
Detailes unit
cost with
forced detailed
take off
L -5% to -
15%
H +5% to
20%
4 to 20
Class 1 50% to 100% Check
estimate or
bid tender
Detailes unit
cost with
detailed take
off
L -3% to -
10%
H +3% to
+15%
5 to 100
Sumber : AACE International Recommended Practice No.18R-97
Estimasi biaya..., Tekad Utomo, FT UI, 2012
13
Universitas Indonesia
Akurasi dari estimasi biaya semakin meningkat dengan banyaknya
informasi yang ada, yaitu dari kelas 5 (tahap perencanaan, feasibility atau
screening) menuju ke kelas 1 (tahap check estimate atau bid/tender) (Kul B.
Uppal, PE. 2002) [10]. Dimana pada tahap 1 (class 5) tingkat akurasi menurut
AACE range low berkisar -20% sampai -50%. Estimasi biaya proyek yang
adapada tahap ini dilakukan sebelum sejumlah informasi yang signifikan
diberikan dari detail desain yang belum lengkap. Dasar perhitungan biaya/harga
dari conceptual estimate berasal dari perhitungan detail proyek sebelumnya, (data
historical) yang kemudian digabungkan menjadi paket-paket pekerjaan (work
packages). Dalam hal ini tersedianya data base yang menyimpan data-data proyek
sebelumnya berupa perhitungan biaya proyek, bentuk desain, dan lain-lainakan
banyak membantu dalam proses conceptual estimate. Pada tahap Feasibility study
(class 4) pada tahap ini tingkat akurasi mempunyai range low -15% sampai 30%.
Tahap ini merupakan estimasi biaya tahap awal yang berupa hitungan kasar dan
biasanya dilakukan pada saat sebelum proses adanya desain. Hasil dari
perhitungan dari tahap feasibility estimate biasanya berupa nilai harga proyek, dan
biasanya pemilik proyek hanya mempertimbangkan perhitungan harga tanah,
desain, pajak, pemeliharaan, perbaikan gedung, dan lainnya.
Pada tahap semi detailed estimated (class 3) menurut AACE mempunyai
range low -10% sampai -20%. Pada tahap detail estimate (class 2) dalam tahap ini
hal ini informasi yang didapatkan sudah lengkap menurut AACE mempunyai
tingkat akurasi yang semakin meningkat tingkat ketidakakuratannya mencapai -
5% sampai 15%, mengingat dimana sudah banyak informasi yang sudah
diperoleh. Pada tahap ini informasi proyek yang diperlukan untuk pelaksanaan
secara detail sudah didapat.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
14
Universitas Indonesia
Gambar 2.1 Peningkatan Akurasi Estimasi Menurut AACE Sesuai Tingkatan Definisi Proyek
Sumber: Dysert (2006)
2.3 Definisi Estimasi Biaya Tahap Konseptual
Estimasi biaya tahap konseptual merupakan input fundamental untuk
proses awal decision making suatu proyek. Estimasi tahap konseptual adalah salah
satu dari outputperencanaan biaya awal dan merupakan salah satu bagian
informasi terpenting. Estimasi biaya tahap konseptual dapat didefinisikan sebagai
perkiraan biaya proyek yang dilakukan sebelum sejumlah informasi yang
signifikan terkumpul dari detail desain dengan lingkup pekerjaan yang masih
belum lengkap. Tersedianya data base berupa perhitungan biaya proyek
sebelumnya akan membantu proses conceptual estimate sehingga dalam
penyajiannya dihasilkan yang terbaik dan selengkap mungkin. Pada tahap ini
perhitungan dapat berubah dan dapat dilakukan revisi berulang kali. Dalam hal ini
perkiraan estimasi awal ini hanya didasarkan pada beberapa data yang sangat
minim atau hanya berdasarkan pengalaman proyek-proyek se-tipe yang
sebelumnya. Estimasi konseptual pada suatu proyek kontruksi harus diperkirakan
sebelum adanya estimasi yang lebih detail, untuk menetapkan besarnya
kemungkinan biaya pada suatu proyek dan kelanjutan proyek tersebut. Kualitas
Estimasi biaya..., Tekad Utomo, FT UI, 2012
15
Universitas Indonesia
suatu estimasi biaya proyek tergantung pada tersedianya data dan informasi, serta
kecakapan dan pengalaman estimator. Tersedianya data dan informasi memegang
peranan penting dalam hal kualitas estimasi awal biaya proyek yang dihasilkan.
Menurut AACE pada tahapan konseptual ini dibuat dengan keterbatasan informasi
pada lingkup proyek dan belum masuk kedalam tahap desain dan engineering.
Adapun menurut AACE tahap konseptual dimulai dari kelas 5 sampai kelas 3
adapun akurasi dalam estimasi konseptual diharapkan berada pada rentang -20%
sampai +30% dari biaya proyek sebenarnya yang masuk dalam kelas 4. Menurut
Larry Dysert, (2006) [11] satu definisi mengenai estimasi adalah nilai yang
diharapkan dari persamaan yang komplex dari variabel yang memiliki range . Pada
tahapan pre-design atau penganggaran, estimasi yang akurat akan membantu
dalam menentukan apakah proyek layak atau tidak untuk diteruskan.
Faktor-faktor informasi sangatlah penting untuk mengestimasi biaya
pada tahap awal, diperlukan juga suatu informasi tambahan yang dapat
mempengaruhi kualitas estimasi awal itu sendiri. Berikut sumber-sumber data
tambahan menurut Larry Dysert (1999)[12] yang diperlukan estimator untuk
mempermudah estimasi biaya pada suatu proyek :
a. Sumber data kebutuhan (Resource requirements) : sebuah gambaran dari
pemilik untuk pemenuhan request type suatu jenis kualitas (seperti : Material
finishing atap , apakah menggunakan atap dak beton atau genteng).
b. Sumber data tarif/kurs (Resource rates): Sumber-sumber data yang
menyimpan catatan penting tentang adanya perhitungan tarif atau peningkatan
kurs.
c. Perhitungan jangka waktu aktifitas (Activity information): Perhitungan
perkiraan jangka waktu pelaksanaan proyek itu dimulai dan diselesaikan.
d. Sumber-sumber data terdahulu (Historical information):
a) File-file proyek terdahulu yang mengarsipkan data-data penting seperti
perkiraan biaya, jumlah pekerja, dll.
b) Perhitungan dasar biaya proyek.
c) Pengetahuan/pengalaman tim proyek : catatan-catatan individu dari tim
proyek yang dapat mengingat perhitungan dan perkembangan dari proyek
yang lalu. Seperti halnya rekoleksi yang dapat dipakai pemilik akan
Estimasi biaya..., Tekad Utomo, FT UI, 2012
16
Universitas Indonesia
menghasilkan suatu tim yang lebih jauh dapat dipercaya dalam mengelola
proyek nantinya.
Sedangkan menurut PhaoBujong, (2002) Informasi tambahan lainnya
yang dapat memberikan referensi kepada seorang estimator mengenai langkah
awal atau alternatif-alternatif untuk memperoleh gambaran biaya adalah detail
pendukung. Detail pendukung tersebut adalah:
a. Deskripsi lingkup pekerjaan proyek yang diestimasi.
b. Dokumentasi dari dasar penentuan untuk estimasi.
c. Dokumentasi untuk setiap asumsi metode, alternatif-alternatif yang akan
digunakan.
2.4 Artificial Neural Network (Ann)
2.4.1 Definisi ANN
ANN sederhana pertama kali diperkenalkan oleh Warren McCulloch dan
Walter Pitts pada tahun 1943. Merekamenyebutkan ANN adalah salah satu sistem
proses informasi yang didesain untuk menirukan cara kerja otak manusia dalam
menyelesaikan masalah, yaitu dengan melakukan proses belajar melalui
perubahan bobot sinapsisnya. McCulloch dan Pitts menyimpulkan kombinasi
beberapa neuron sederhana menjadi sistem neural yang akan meningkatkan
kemampuan komputasinya. Bobot dalam jaringan yang diusulkan oleh McCulloch
dan Pitts diatur untuk melakukan logika sederhana. Fungsi aktifasi yang dipakai
adalah fungsi threshold. Akan tetapi, keterbatasan teknologi pada saat tersebut
menyebabkan penggunaan yang sangat terbatas dari metode ini.
ANN adalah salah satu teknik Artificial Intelligenceyang merupakan bagian
ilmu komputer yang mempelajari bagaimana membuat mesin (komputer) dapat
melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia bahkan bisa
lebih baik daripada yang dilakukan manusia. Hojjat Adeli dan Mingyang Wu
(1998) [13] menjelaskan, Neural Network adalah sebuah perhitungan yang
didasarkan pada model dan mekanisme sel-sel saraf otak manusia (neuron)
didalamnya menyelesaikan berbagai permasalahan kompleks seperti pengenalan
pola, pengolahan informasi secara cepat, proses belajar dan indentfikasi. Jaringan
syaraf tiruan adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh
Estimasi biaya..., Tekad Utomo, FT UI, 2012
17
Universitas Indonesia
sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi.
Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistim
pemrosesan informasi.Jaringan syaraf tiruan, seperti manusia, belajar dari suatu
contoh. Jaringan syaraf tiruan dibentuk untuk memecahkan suatu masalah tertentu
seperti pengenalan pola atau klasifikasi karena proses pembelajaran.
Seyed Hossein Iranmanesh dan Mansoureh Zarezadeh (2008) [14], ANN
adalah Sebuah jaringan neural yang terbentuk turunan dari Artificial Intelegence
(AI) yang sedang diterapkan dalam pengaturan industrial yang dimulai dari sistem
pengendalian ke robot. Ian flood (2006) [15], Pendekatan yang berbeda untuk AI
dari teknik tradisional seperti sistem pakar dengan mencoba untuk meniru
mekanisme yang otak manusia memanipulasi data dan mencapai keputusan.
Menurut Bina R. Setyawati (2002) [16], Neural Network merupakan sebuah
prosesor yang terdistribusi paralel dan mempuyai kecenderungan untuk
menyimpan pengetahuan yang didapatkannya dari pengalaman dan membuatnya
tetap tersedi auntuk digunakan. Hal ini menyerupai kerja otak dalam dua hal, yang
pertama bahwa pengetahuan diperoleh oleh jaringan melalui suatu proses belajar,
dan yang kedua bahwa kekuatan hubungan antar sel saraf yang dikenal dengan
bobot sinapsis digunakan untuk menyimpan pengetahuan.
ANN mampu melakukan pengenalan kegiatan berbasis data masa lalu.
Data masa lalu akan dipelajari oleh jaringan saraf tiruan sehingga mempunyai
kemampuan untuk memberikan keputusan terhadap data yang belum pernah
dipelajari. Artificial Neural Network (ANN)atau jaringan syaraf buatan
merupakansalah satu representasi buatan dari otak manusia yang selalu mencoba
untuk menstimulasikan proses pembelajaran pada otak manusia tersebut. ANN
diimplementasikan dengan menggunakan program komputer yang mampu
menyelesaikan sejumlah proses perhitungan selama proses pembelajaran Bina R.
Setyawati (2003) [17]. Elemen yang paling mendasar dari jaringan syaraf adalah
sel syaraf. Sel-selsaraf inilah membentuk bagian kesadaran manusia yang meliputi
beberapa kemampuan umum.
Beberapa Sifat dan kelebihan ANN menurut Wassermann (1989), Gallant
(1988), dan Castelaz(1987), sebagai berikut :
a. Belajar Adaptif
Estimasi biaya..., Tekad Utomo, FT UI, 2012
18
Universitas Indonesia
ANN memiliki kemampuan untuk belajar bagaimana melakukan tugas yang
didasarkan pada data yang diberikan untuk pelatihan atau pengalaman awal.
melalui contoh, tidak sepertiexpert sistems, belajar dari banyak pola contoh
pelatihan dan asosiasinya misalnya output yangditentukan. Contoh pelatihan
ini dapat dihasilkan dari ahli tanpa kebutuhan untuk meminta, bagaimana
ataupun mengapa sehingga sampaipada kesimpulan. ANN menghasilkan
respon yang cepat, tidak membutuhkan waktu yang lama untuk pembelajaran.
b. Self-Organisation
ANN dapat membuat sendiri organisasinya atau representasi dari informasi
yang diterimanya selama waktu belajar. ANN dapat meng-ekstrak klasifikasi
(clustering) karakteristik-karakteristik dari sejumlah besar contoh input pada
kasus unsuper vised learning. ANN mampu mendistribusikan memori; bobot
koneksi merupakan unitmemori dari jaringan. Nilai bobot ANN
menggambarkan state of knowledge dari jaringan.
c. Fault Toleransi melalui Informasi Redundant Coding
ANN mempunyai fault-tolerant sejak memori didistribusikan, kegagalan dari
beberapa processing element akan sedikit merubah keseluruhan perilaku
jaringan.
d. ANN Dapat Merepresentasikan Ketidakpastian
ANN dapat mengukur kepercayaan dengan memodifikasi pola permasalahan
dengan duacara: (1) memilih nilai input untuk menggambarkan pengukuran
kepercayaan atribut, dan (2) dengan menambahkan atribut lain dalam
merepresentasikan pengukuran kepercayaan pada contoh input. ANN
memerlukan penyimpanan memori yang lebih sedikit. Satu kumpulan bobot
jaringan berkemampuan merepresentasikan ruang yangbesar dari pola yang
disimpan.
Peter rosini (2000) [18] menyebutkan ANN adalah sistem selular fisik yang
dapat memperoleh, menyimpan dan menggunakan pengetahuan yang didapatkan
dari pengalaman. ANN merupakan salah satu teknik Artificial Intelligence yang
merupakan bagian dari ilmu komputer yang mempelajari bagaimana membuat
mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan
oleh manusia bahkan bisa lebih baik daripada yang dilakukan manusia. Menurut
Estimasi biaya..., Tekad Utomo, FT UI, 2012
19
Universitas Indonesia
D. –S. Jeng (2003) [19], ANN cocok digunakan untuk pemecahan masalah tentang
penentuan estimasi biaya, prediksi ataupun peramalan. Berkat bentuk arsitekturnya
yang dapat menerima, mengolah dan mengeluarkan berbagai variabel secara
bersamaan, ANN dapat diaplikasikan pada sebuah sistem multivariable. Selain itu
dengan menvariasikan jumlah layer dari ANN, maka metode ini dapat digunakan
baik untuk sistem linear maupun non linear.
2.4.2 Konsep Dasar Model Neuron
Jong Jek Siang (2004) [20] Jaringan Syaraf Tiruan keluar dari penelitian
kecerdasan buatan, terutama percobaan untuk menirukan fault-tolerence dan
kemampuan untuk belajar dari sistem syaraf biologi dengan model struktur low-
level dari otak. Otak terdiri dari sekitar (10.000.000.000) sel syaraf yang saling
berhubungan. Sel syaraf mempunyai cabang struktur input (dendrites), sebuah inti
sel dan percabangan struktur output (axon). Axon dari sebuah sel terhubung
dengan dendrites yang lain melalui sebuah synapse. Ketika sebuah sel syaraf aktif,
kemudian menimbulkan suatu signal electrochemical pada axon. Signal ini
melewati synapses menuju ke sel syaraf yang lain. Sebuah sel syaraf lain akan
mendapatkan signal jika memenuhi batasan tertentu yang sering disebut dengan
nilai ambang atau (threshold). Neuron terdiri dari 3 elemen pembentuk :
a. Himpunan unit-unit yang dihubungkan dengan jalur koneksi. Jalur jalur
tersebut memiliki bobot/kekuatan yang berbeda-beda. Bobot yang bernilai
positif akan memperkuat sinyal dan yang bersifat negative akan memperlemah
sinyal yang dibawanya. Jumlah, struktur dan pola hubungan antar unit-unit
tersebut akan menentukan arsitektur jaringan (dan juga model jaringan yang
terbentuk).
b. Suatu unit penjumlah yang akan menjumlahkan input-input sinyal yang sudah
dikalikan dengan bobotnya. Misalnya X1.. X2…,Xm adalah unit- unit input dan
Wj1 , Wj2 .. Wjm adalah bobot penghubung dari unit-unit keluaran Yj , maka
unit penjumlah akan memberikan keluaran sebesar U = X1 Wj1 + X2 Wj2 + ..
+ Xm Wjm
c. Fungsi aktifasi yang akan menentukan apakah sinyal dari input neuron akan
diteruskan ke neuron lain atau tidak.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
20
Universitas Indonesia
Dapat disimpulkan bahwa neuron/sel saraf adalah sebuah unit proses
informasi yang merupakan dasar operasi jaringan saraf tiruan. Neuron ini
dimodelkan dari penyerderhanaan sel saraf manusia yang sebenarnya. Neuron
pada neural network dimodelkan sebagai sebuah proses yang mengeluarkan
sebuah output dari berbagai input yang ada (Christos dan Dimitri, 1996).
Keputusan memilih output yang akan dikeluarkan adalah didasarkan pada
pola input yang diberikan. Kekuatan model metode ini adalah kemampuannya
untuk mengambil keputusan walaupun input yang diberikan tidak ada dalam
database pola-pola yang telah dikenalnya. Dalam kasus ini,output yang
dikeluarkan adalah berdasarkan pola dalam data base yang paling dekat dengan
pola yang ada.
Sebuah model neuron yang lebih akurat dengan menambahkan bobot
untuk setiap input diperkenalkan oleh McCulloch and Pitts (1940).
Gambar 2.2 Model neuron MCP dengan input terbobot
Sumber : McCulloch and Pitts (1940).
Sebuah model untuk meningkatkan performa dari MCP model
diperkenalkan oleh Frank Rosenblatt pada masa 60-an. Ia menambahkan pre-
processing pada input sebelum dikalikan bobotnya dan memasuki proses
perhitungan output (Christos dan Dimitri, 1996).
Estimasi biaya..., Tekad Utomo, FT UI, 2012
21
Universitas Indonesia
Gambar 2.3 Perceptron
Sumber : Christos dan Dimitri, 1996.
Dengan menambahkan bias dan fungsi transfer pada setiap neuron, maka
didapatkan bentuk dasar matematis sebuah neuron sebagai berikut:
Gambar 2.4 Model Matematis Sebuah Neuron Dasar
Sumber : Christos dan Dimitri, 1996
Dimana W adalah bobot dari input-input pada neuron tersebut, dan f adalah fungsi
transfer dari model neuron. Fungsi transfer dari neuron sendiri dan bergantung
pada kasus yang ditinjau, seperti hard limit yang banyak digunakan untuk
pengenalan pola, sedangkan untuk kasus indentifikasi atau desain control banyak
digunakan fungsi sigmoid dan radial (Jerzy Moncincki, 1995).
2.4.3 Arsitektur Jaringan
Estimasi biaya..., Tekad Utomo, FT UI, 2012
22
Universitas Indonesia
Model jaringan saraf tiruan terdiri atas beberapa elemen penghitung tak
linier yang masing-masing dihubungkan melalui suatu pembobot dan tersusun
secara pararel. Pembobot inilah yang nantinya akan berubah (beradaptasi) selama
jaringan saraf tiruan ini mengalami pelatihan. Pelatihan perlu dilakukan pada suatu
jaringan saraf tiruan sebelum digunakan untuk menyelasikan masalah.Dari
pelatihan jaringan saraf tiruan ini diperoleh tanggapan yang benar (diinginkan)
terhadap masukan yang diberikan kepadanya.Pada suatu tingkat tertentu jaringan
saraft tiruan ini dapat memberikan tanggapan yang benar walaupun masukan yang
diberikan kepadanya berubah oleh suatu keadaan. Hubungan antar neurondalam
ANN mengikuti pola tertentu tergantungpada arsitekturnya dan berhubungan
dengan algoritma pembelajaran yangdigunakan untuk melatih network.
Pada umumnya sebuah jaringan ANN memiliki 3 buah layer, yaitu:
a. Layer input
b. Layer tersembunyi dimana terjadi pengolahan data input
c. Layer output
Gambar 2.5 Model ANN dengan beberapa layer
Sumber : Jerzy Moncincki, (1995)
Berikut model ANN Jerzy Moncincki, (1995) dimana layer 1 adalah layer
Estimasi biaya..., Tekad Utomo, FT UI, 2012
23
Universitas Indonesia
input, layer 2 adalah layer tersembunyi, dan layer 3 adalah layer output. Pada
beberapa referensi lain, input seringkali dianggap sebagai layer tersendiri,
sehingga layer 1 juga dianggap sebagai layer tersembunyi. Berdasarkan arah
proses dari input menuju output, maka jaringan ini dapat dibedakan menjadi 2
type (Christos dan Dimitri, 1996) :
a. Feedforward Network
Jaringan dimana arah sinyal pada neuron adalah satu arah.Output yang
dihasilkan tidak mempengaruhi output selanjutnya.
b. Feedback (Recuurent) Network
Jaringan dimana output yang dihasilkan akan menjadi input pada proses
perhitungan output selanjutnya sehingga terjadi sebuah loop yang
berkesinambungan. Jaringan ini memiliki performs yang lebih baik karena
melakukan koreksi error yang terjadi.
Gambar 2.6 Feedback (Recurrent) Network
Sumber : Jerzy Moncincki, (1995)
Sedangkan Haykin, (1999) [21] mengklasifikasikan arsitektur ANN menjadi 3
jenis jaringan yaitu :
a. Jaringan Layar Tunggal (Single Layer Feed forward Networks)
Dalam jaringan ini, sekumpulan input neuron dihubungkan langsung dengan
sekumpulan outputnya. Jaringan dengan lapisan tunggal hanya memiliki satu
Estimasi biaya..., Tekad Utomo, FT UI, 2012
24
Universitas Indonesia
lapisan dengan bobot-bobot terhubung. Jaringan ini hanya menerima input
kemudian secaralangsung akan mengolahnya menjadi output tanpa harus
melalui hidden layer dan tidak berlaku sebaliknya. Dengan kata lain, ciri-ciri
dari arsitektur ANNdengan lapisan tunggal adalah hanya terdiri dari satu
lapisan input dan satu lapisan output, tanpa hidden layer dan bergerak dari
lapisan input ke output (feedforward).
Gambar 2.7 Arsitektur Single Layer Feedforward Network
Sumber : Haykin,(1999)
b. Jaringan Layar Jamak (Multilayer Feed forward Network)
Jaringan layar jamak merupakan perluasan dari layar tunggal. Dalam jaringan
ini, selain unit input dan output, ada unit-unit lain (yang sering disebut dengan
layar tersembunyi). Jaringan layar jamak dapat menyelasikan masalah yang
lebih kompleks dibandingkan dengan layar tunggal, meskipun kadangkala
proses pelatihan lebih kompleks dan lama. Umumnya, ada lapisan bobot-bobot
yang terletak antara dua lapisanyang bersebelahan.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
25
Universitas Indonesia
Gambar 2.8 Arsitektur Multilayer Feedforward Network
Sumber : Haykin,(1999)
c. Jaringan Recurrent (Recurrent Networks)
Model jaringan reccurent mirip dengan jaringan layar tunggal ataupun ganda.
Hanya saja, neuron output yang memberikan sinyal ada unit input sering
disebut feedback loop. Jaringan ini mempunyai arsitektur yang berbeda di
mana neuron saling dihubungkandan sekurang-kurangnya mempunyai satu
feedback loop.
Gambar 2.9 Arsitektur Recurrent Network
Sumber : Haykin,(1999)
2.4.4 ANN Back Propagation
Kelemahan JST yang terdidri dari layar tunggal membat perkembangan
JST menjadi terhenti pada sekiar tahun 1970 an. Penemuan back propagation
yang terdiri dari bebrapa layar membuka kebali cakrawala. Terlebih setelah
berhasil ditemukanya berbagai aplikasi yang dapat diselesaikan dengan back
Estimasi biaya..., Tekad Utomo, FT UI, 2012
26
Universitas Indonesia
propagation, membuat JST semakin diminati orang. JST dengan layar tunggal
memliki keterbatasan dalam pengenalan pola. Kelemahan ini bisa ditanggulangi
dengan menambahkan satu atau beberapa layar tersembunyi diantara layar
masukan dan keluaran. Meskipun penggunaan dalam satu layar tersembunyi
memiliki kelebihan manfaat untuk beberapa kasus, tapi pelatihannya memerlukan
waktu yang lama. Maka umumnya orang memulai mencoba dengan sebuah layer
tersembunyi lebih dahulu. Seperti halnya model JST lain, back propagation
melatih jaringan untuk mendapatkan keseimbangan antara kemampuan jaringan
untuk mengenali pola yang digunakan selama pelatihan serta kemampuan jaringan
untuk memberian respon yang benar terhadap pola yang serupa dengan pola yang
dipakai selama pelatihan.
2.4.4.1 Arsitektur Back Propagation
Back propagation memiliki beberpa unit yang ada dalam satu atau lebih
layar tersembunyi. Arsitektur back propagation dengan n buah masukan
(ditambah sebuah bias), sebuah layar tersembunyi yang terdiri dari p unit
(ditambah sebuah bias), serta m buah unit keluaran. vji merupakan bobot garis dari
unit masukan xi ke unit layar tersembunyi zj (vj0 merupakan bobot garis yang
meghubungkanbias diunit masukan ke unit layar tersembunyi zj). wkj merupakan
bobot darinit layar tersembunyi zj ke yunit keluaran yk ( wk0 merupakan bobot dari
bias di layar tersembunyi ke unit keluaran zk).
2.4.4.2 Pelatihan standar back propagation
Pelatihan back propagation meliputi tiga fase. Fase pertama adalah fase
maju. Pola masukan dihitung maju mulai dari layar masukan hingga layar
keluaran menggunakan fungsi aktivasi yang ditentukan.Fase kedua adalah fase
mundur. Selisih antara keluaran jaringan dengan target yang diinginkan
merupakan kesalahan yang terjadi. Kesalahan tersebut di propagasikan mundur,
dimulai dari garis yang berhubungan langsung dengan unit-unit layar
keluaran.fase ketiga adalah modifikasi bobot untuk menurunkan kesalahan yang
terjadi.
a. Fase I: Propagasi Maju
Estimasi biaya..., Tekad Utomo, FT UI, 2012
27
Universitas Indonesia
Selama propagasi maju, sinyal masukan (= xi) dipropagasikan ke layar
tersembunyi menggunakan fungsi aktivasi yang ditentukan. Keluaran dari
setiaa unit layar tersmbunyi (= zi) tersebut selanjutnya dipropagasikan maju
lagi ke layar tersembunyi di atasnya mengunakan fungsi aktivasi yang
ditentukan. Demikian seterusnya hingga menghasilkan keluaran jaringan (=
yk). Berikutnya, keluaran jaringan (= yk) dibandingkan dengan target yang
harus dicapai (= tk). Selisih tk – yk adalah kesalahan yang terjadi. Jika
kesalahan ini lebih kecil dari batas toleransi yang ditentukan, maka iterasi
dihentikan. Akan tetapi apabila kesalahan masih lebih besar dari batas
toleransinya, maka bobot setiap garis dalam jaringan akan dimodifikasi untuk
mengurangi kesalahan yang terjadi.
b. Fase II: Propagasi Mundur
Berdasarkan kesalahan tk – yk, dihitung faktor δk (k = 1,2,...,m) yang dipakai
untuk mendistribuskan kesalahan diunit yk ke semua unit tersembunyi yang
terhubung langsung dengan yk. δk juga dipakai untuk mengubah bobot garis
yang berhubungan dengan unit keluaran. dengan cara yang sama dihitung
faktor δj disetiap unit layar tersembunyi sebagai dasar perubahan bobot semua
garis yang berasl dari unit tersembunyi di layar di bawahnya. Demikian
seterusnya ingga semua faktor δ di unit tersembunyi yang berhubungan
langsung dengan unit masukan dihitung.
c. Fase III: Perubahan bobot
Setelah semua faktor δ digitung, bobot semua garis dimodifikasi
bersamaan.Perubahan bobot suatu garis didasarkan atas faktor δ neuron di
layar atasnya.Sebagai contoh, perubaan bobot garis yang menuju ke layar
keluaran didasarkan atas δk yang ada diunit keluaran.
Ketiga fase tersebut diulang-ulangterus hingga kondisi penghentian
dipenuhi.Umumnya kondisi penghetian yang sering dipakai adalah jumlah
iterasi atau kesalahan. Iterasi akan dihentikan jika jumlahiterasi yang
dilakukan sudah melebihi jumlah maksimum iterasi yang ditetapkan, atau
kesalahan yang terjadi sudah lebih kecil dari batas toleransi yang diijinkan.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
28
Universitas Indonesia
2.5 Gedung
2.5.1 Definisi
Menurut UURI No. 28/2002, bangunan gedung adalah wujud fisik hasil
pekerjaan konstruksi yang menyatu dengan tempat kedudukannya, sebagian atau
seluruhnya berada di atas dan/atau di dalam tanah dan/atau air, yang berfungsi
sebagai tempat manusia melakukan kegiatannya, baik untuk hunian atau tempat
tinggal, kegiatan keagamaan, kegiatan usaha, kegiatan sosial, budaya, maupun
kegiatan khusus. Dalam UU tersebut, bangunan gedung diklasifikasikan
berdasarkan fungsinya. Berdasarkan Permen PU no. 45 tahun 2007, Bangunan
Gedung Negara adalah bangunan gedung untuk keperluandinas yang
menjadi/akan menjadi kekayaan milik negara seperti: gedung kantor, gedung
sekolah, gedung rumah sakit, gudang, dan rumah negara, dan diadakan dengan
sumber pembiayaan yang berasaldari dana APBN, dan/atau perolehan lainnya
yang sah. Dalam pembangunanya, ada beberapa faktor yang mempengaruhi biaya
dari konstruksi gedung. Dlam Permen PU Pembiayaan pembangunan bangunan
gedung negara digolongkan pembiayaan pembangunan untuk pekerjaan standar
(yang ada standar harga satuan tertingginya) dan pembiayaan pembangunan untuk
pekerjaan non-standar (yang belum tersedia standar harga satuan tertingginya).
Standar Harga Satuan Tertinggi merupakan biaya per-m2 konstruksi fisik
maksimum untuk pembangunan bangunan gedung negara, khususnya untuk
pekerjaan standar bangunan gedung negara, yang meliputi pekerjaan struktur,
arsitektur, finishing dan utilitas bangunan gedung negara. Sedangkan bagi
pekerjaan Non Standar ada perhitungan biayanya tersendiri. Berikut komponen
pekerjaan standar bangunan gedung negara untuk klasifikasi bangunan sederhana
menurut Peraturan Menteri Pekerjaan Umum No. 45/PRT/M/2007:
Tabel 2.2 Komponen Pekerjaan Standar Bangunan Gedung Negara
No Komponen % Komponen Pekerjaan
1 Pondasi 5% - 10%
2 Struktur 25% - 35%
3 Lantai 5% - 10%
4 Dinding 7% - 10%
Estimasi biaya..., Tekad Utomo, FT UI, 2012
29
Universitas Indonesia
Tabel 2.2 (Sambungan)
No Komponen % Komponen Pekerjaan
5 Plafond 6% - 8%
6 Atap 8% - 10%
7 Utilitas 5% - 8%
8 Finishing 10% - 15%
Sumber : Peraturan Menteri Pekerjaan Umum No. 45/PRT/M/2007
Dari Tabel 2.2 di atas, hanya dijelaskan tentang komponen pekerjaan
standar beserta presentasenya saja. Untuk komponen pekerjaan pada level
berikutnya tidak dijelaskan lebih lanjut dalam Peraturan Menteri Pekerjaan Umum
No. 45/PRT/M/2007. Untuk pekerjaan non standar bangunan gedung negara,
besarnya biaya untuk pekerjaan tersebut dihitung berdasarkan rincian volume
kebutuhan nyata dan harga pasar yang wajar serta pajak-pajak yang berlaku,
dengan terlebih dahulu berkonsultasi dengan instansi teknis setempat (Dinas
Bangunan). Komponen Pekerjaan non standar adalah pekerjaan khusus
kelengkapan bangunan seperti peralatan lift, peralatan tata udara, generator,
pompa listrik, penanggulangan kebakaran dan serangga, peralatan telepon,
penangkal petir, dan lain-lain.
Tabel 2.3 Komponen Pekerjaan non Standar Bangunan Gedung Negara
No Jenis Pekerjaan Prosentase
1 Alat pengkodiasian Udara 10-20%
2 Elevator/Escalator 8-12%
3 Tata Suara (sound system) 3-6%
4 Instalasi IT 6-11%
5 Elektrikal(genset) 7-12%
6 Sistem Penangkal petir 2-5%
7 Interior 15-25%
8 anti rayap 1-3%
Estimasi biaya..., Tekad Utomo, FT UI, 2012
30
Universitas Indonesia
Tabel 2.3 (Sambungan)
No Jenis Pekerjaan Prosentase
9 sarana/prasarana 3-8%
10 Sistem proteksi kebakaran 7-12%
Sumber : Peraturan Menteri Pekerjaan Umum No. 45/PRT/M/2007
2.5.2 Faktor yang mempengaruhi Biaya Pembangunan Gedung
Biaya pembangunan gedung sangat dipengaruhi oleh beberapa faktor.
Beberapa faktor seperti lokasi, desain, waktu,dan lain-lain (AIA: 2007). AIA
(American International Architect’s) menjelaskan secara rinci faktor apa saja yang
mempengaruhi biaya konstruksi gedung antara lain:
a. Faktor Lokasi
a) Lokasi geografis.
Biaya konstruksi akan dipengaruhi oleh beberapa faktor seperti iklim,
Arsitektur jaringan ANN yang diperoleh adalah 7-4-1, yakni terdiri dari 1
layer input dengan 8 neuron, 1 hidden layer dengan 4 neuron dan 1 layer output.
Model ANN seperti inilah yang terbaik setelah menjalani proses pelatihan dan
pengujian yang bersifat trial and erorr.
5.3 Pembahasan
Akhir dari penelitian ini adalah untuk mencari faktor-faktor yang
mempengaruhi biaya konstruksi gedung perkuliahan, dan membuat suatu model
ANN yang tepat untuk perkiraan estimasi tersebut. Dalam melakukan penelitian
ini, ada dua jenis data yang harus dicari. Yang pertama adalah data primer berupa
validasi dari pakar mengenai variabel-variabel yang mempengaruhi biaya
konstruksi. Setelah mendapatkan validasi dari lima orang pakar, barulah kita
mencari data sekunder yaitu data historis proyek gedung perkuliahan. Data yang
dicari adalah informasi yang berkaitan dengan variabel yang telah divalidasi
seperti data luas bangunan, tinggi bangunan, jumlah lantai, dan lain-lain. Dalam
pencarian data sekunder tidak semua data variabel didapat. Sehingga dalam proses
Estimasi biaya..., Tekad Utomo, FT UI, 2012
58
Universitas Indonesia
input data, ada beberapa variabel yang tidak dimasukan karena data yang tidak
ada. Akibatnya, variabel yang tidak terisi tersebut terpaksa untuk dihilangkan atau
tereliminasi. Setelah semua variabel yang memiliki kelengkapan informasi data di
input, maka akan muncul perkiraan dari biaya konstruksi bangunan tersebut.
Dari pernyataan di atas, dapat ditarik kesimpulan yaitu Pada dasarnya
variabel yang digunakan sebagai input dalam metode ANN secara keseluruhan
memiliki pengaruh yang besar terhadap biaya proyek. Dalam penelitian ini,
variabel-variabel diuji tingkat sensitifitasnya terhadap biaya, variabel yang diuji
adalah variabel yang bersifat numerical seperti luas bangunan, jumlah lantai.
Sedangkan untuk variabel yang bersifat kategorikal tidak diuji karena banyak
faktor yang terkait. Dari grafik di bawah ini kita dapat menyimpulkan hubungan
antara variabel dengan biaya.
Gamar 5. 1Grafik Sensitivitas Tahun vs Biaya
Sumber : Hasil Olahan
Dari grafik pertambahan tahun tersebut dilihat grafik stidak sesuai dengan
tinjauan pustaka, dimana seharusnya semakin lama tahun pembangunan gedung
seharusnya semakin rendah biaya yang dibutuhkan. Kemungkinan hal ini terjadi
karena pada data pembelajaran matlab, input data yang digunakan sedikit dan
pada tahun-tahun yang lama memiliki nilai kontrak yang besar.
R² = 0,0187
-
2.000.000.000,00
4.000.000.000,00
6.000.000.000,00
8.000.000.000,00
10.000.000.000,00
12.000.000.000,00
14.000.000.000,00
16.000.000.000,00
2006 2007 2008 2009 2010 2011 2012
Series1
Linear (Series1)
Estimasi biaya..., Tekad Utomo, FT UI, 2012
59
Universitas Indonesia
Gamar 5. 2 Grafik Sensitivitas Jarak Lantai vs Biaya
Sumber : Hasil Olahan
Dari grafik di atas dapat terlihat semakin besar jarak lantai maka semakin
besar pula biaya yang akan dikeluarkan dalam suatu proyek. Hal ini sudah sesuai
dengan landasan teori.
Gamar 5. 3 Grafik Sensitivitas Durasi vs Biaya
Sumber : Hasil Olahan
R² = 0,9028
-
20.000.000.000,00
40.000.000.000,00
60.000.000.000,00
80.000.000.000,00
100.000.000.000,00
120.000.000.000,00
0 1 2 3 4 5
Series1
Linear (Series1)
R² = 0,9319-
5.000.000.000,00
10.000.000.000,00
15.000.000.000,00
20.000.000.000,00
25.000.000.000,00
30.000.000.000,00
35.000.000.000,00
40.000.000.000,00
0 2 4 6 8
Series1
Linear (Series1)
Estimasi biaya..., Tekad Utomo, FT UI, 2012
60
Universitas Indonesia
Grafik di atas menjelaskan apabiloa suatu proyek dalam volume pekerjaan
yang sama dikerjakan dalam waktu yang lebih cepat akan mengeluarkan biaya
yang lebih besar pula.
Gamar 5. 4 Grafik Sensitivitas Luas vs Biaya
Sumber : Hasil Olahan
Dalam grafik sensitivitas luas ini terlihat ada sedikit data yang meleset.
Dimana seharusnya semakin luas bangunan maka biaya akan semakin besar pula.
Hal ini disebabkan kemungkinan karena data input ANN yang terbatas.
Gamar 5. 5 Grafik Sensitivitas Tinggi Bangunan vs Biaya
Sumber : Hasil Olahan
R² = 0,4592
-
2.000.000.000,00
4.000.000.000,00
6.000.000.000,00
8.000.000.000,00
10.000.000.000,00
12.000.000.000,00
14.000.000.000,00
16.000.000.000,00
18.000.000.000,00
20.000.000.000,00
- 2.000,00 4.000,00 6.000,00
Series1
Linear (Series1)
R² = 0,6589
-
10.000.000.000,00
20.000.000.000,00
30.000.000.000,00
40.000.000.000,00
50.000.000.000,00
0,00 5,00 10,00 15,00
Series1
Linear (Series1)
Estimasi biaya..., Tekad Utomo, FT UI, 2012
61
Universitas Indonesia
Dari grafik di atas dapat terlihat bahwa semakin tinggi bangunan maka
semakin besar pula biaya yang dikeluarkan. Hal tersebut sudah sesuai dengan
landasan teori yang telah dijelaskan pada bab sebelumnya.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
62 Universitas Indonesia
BAB 6 KESIMPULAN DAN SARAN
6.1 Kesimpulan
Kesimpulan dari penelitian ini merupakan tujuan dari penelitian ini.
Dimana tujuan dari penelitian ini yang pertama adalah mencari faktor-faktor yang
mempengaruhi biaya konstruksi gedung perkuliahan umum. Yang ke dua yaitu
membuat suatu model ANN untuk mengestimasi biaya konstruksi bangunan
gedung tersebut. Sehingga, disini penulis menyimpulkan:
a. Faktor-faktor yang mempengaruhi biaya konstruksi gedung perkuliahan
umum adalah sebagai berikut:
a) Lokasi proyek, topografi tanah / kontur, tipe pondasi, luas bangunan,
jumlah lantai, tipe superstruktur, jarak tiap lantai, tinggi bangunan, bentuk
bangunan, tipe atap, tahun pembangunan, durasi proyek, finishing grade.
b. Model yang paling memiliki akurasi paling tepat adalah:
Tabel 6. 1 Kriteria Model ANN Terbaik
Training Parameter Nilai Fungsi Deskripsi
Data 15 data pelatihan dan 3 data pengujian Pelatihan/Pengujian
Jumlah input 7
Jumlah output 1
Jumlah hidden layer 1
Jumlah neuron hidden layer
4 Trial yang terbaik
Algoritma pembelajaran Backpropagation
Fungsi Pembelajaran Gradient Descent Momentum
Fungsi Aktivasi Sigmoid Bipolar
Normalisasi data Ya
Learning data 0-1 Trial yang terbaik
Momentum 0-1 Trial yang terbaik
Kriteria iterasi berhenti
Maksimum epoch 65000
Kinerja tujuan (Goal) 10-3
Maksimum kegagalan 5
Gradient minimum 10-10
Sumber : Hasil Olahan
Estimasi biaya..., Tekad Utomo, FT UI, 2012
63
Universitas Indonesia
6.2 Saran
Dalam melakukan penelitian ini untuk mendapatkan suatu output yang
memiliki akurasi yang tepat penulis memberikan saran yang dapat menambah
sempurnannya penelitian ini. Saran yang penulis berikan adalah:
a. Permodelan ANN memiliki sensitifitas yang sangat tinggi, sehingga
kelengkapan data dan jumlah data sangat berpengaruh terhadap output
yang dihasilkan. Semakin banyak data dengan persebaran yang merata
maka semakin akurat estimasi yang dilakukan
b. Apabila variabel yang dibutuhkan tidak didapatkan data yang lengkap,
maka variabel tersebut dapat dihilangkan menggunakan SPSS atau metode
regresi lainnya. Karena hal ini mempengaruhi akan kinerja ANN dalam
membuat model dan mebaca pola data tersebut.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
64 Universitas Indonesia
DAFTAR ACUAN
[1] R M. Wideman. (2001) “Project Management: From Genesis to Content to Classification” .
[2] Julian Bagus “PermodelanEstimasi Biaya Konseptual Pada Proyek Konstruksi Bangunan Pabrik Dengan Teknik Jaringan Syaraf Tiruani”.
[3] Muhamad Abduh. (2006) “Pengembangan Indeks LokasiUntuk Estimasi Biaya Tahap Konseptual Konstruksi Bangunan Gedung” .
[4] Fortune, C. and Lees, M. (1996). “The relative performance of new and traditional cost models in strategic advice and clients, The Royal Institution of Chartered Surveyors”.
[5] Alice E. Smith (1997). “Cost Estimation Predictive Modeling: Regression Versus Neural Network”.
[6] Sang Yong Kim (2005). “Comparing Cost Prediction Methods For Apartment Housing Project CBR versus ANN”.
[7] Phaobunjong (2002). “Parametric Cost Estimating Model for Conceptual Estimating of Building Construction Projects “.
[8] Mr. Christopher, (2006). “Planning The Development of Your Estimate”.
[9] Larry Dysert (2002). “The Estimate Review and Validation Process”.
[10] Kul B. Uppal, PE (2002). “Cost Engineering and Scope of Work”.
[11] Larry Dysert (2006). “Is “Estimate Accuracy” an Oxymoron?”.
[12] Larry Dysert (1999). “Developing a Parametric Model for Estimating Process Control Cost”.
[13] Hojjat Adeli dan Mingyang Wu (1998). “Regularization Neural Network For Construction Cost Estimation”.
[14] Seyed Hossein Iranmanesh dan Mansoureh Zarezadeh (2008). “Aplication of ANN to Forcast actual Cost of Project to Improve Earned Value Management sistem”.
[15] Ian flood (2006). ”Next generation ANN for Civil Engineering”.
[16] Bina R. Setyawati (2002). ”Neural Networks for Cost Estimation (Part 1)”
[17] Bina R. Setyawati (2003). ”Neural Networks for Cost Estimation (Part 2)”
[18] Peter rosini (2000). ”Using Expet Sistem and Artificial Intelligence for Real Estate Forecasting”.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
65
Universitas Indonesia
[19] D. –S. Jeng (2003). ”Aplication of Neural Network in Civil Engineering Problems”
[20] Jong Jek Siang (2004). ”Jaringan Syaraf Tiruan dan Pemrogramanyya”.
[21] Haykin a Simon. 1994. “Neural Networks – A Comprehensive Foundation”, Macmillan College Publishing Co., Network. (1994)
[22] Robert Yin (1994). “
[23] AIA (2007). “Faktor Affecting Building Cost”.
[24] Sang Yong Kim (2005). “Comparing Cost Prediction Method for Apartement Housing Project: CBR versus ANN”
[25] Robert C (2002). “Neural Networks for Cost Estimation”
Estimasi biaya..., Tekad Utomo, FT UI, 2012
66
Universitas Indonesia
DAFTAR REFERENSI
AACE International Recommended Practice No.17R-97, Cost Estimate Classification Sistem.
AACE International Recommended Practice No.18R-97, Cost Estimate Classification Sistem.
Abduh, Muhamad. “Pengembangan Indeks LokasiUntuk Estimasi Biaya Tahap Konseptual Konstruksi Bangunan Gedung” . (2006).
Adeli, Hojjat & Wu, Mingyang. “Regularization Neural Network For Construction Cost Estimation”. (1998).
AIA .( “Faktor Affecting Building Cost”. (2007).
Bagus, Julian “PermodelanEstimasi Biaya Konseptual Pada Proyek Konstruksi Bangunan Pabrik Dengan Teknik Jaringan Syaraf Tiruani”. (2010).
Christopher. “Planning The Development of Your Estimate”. (2006).
Dysert, Larry. “Developing a Parametric Model for Estimating Process Control Cost”. (1999).
Dysert, Larry. “Is “Estimate Accuracy” an Oxymoron?”. (2006).
Dysert, Larry. “The Estimate Review and Validation Process”. (2002).
Flood, Ian”Next generation ANN for Civil Engineering”.(2006).
Fortune, C. and Lees, M.. “The relative performance of new and traditional cost models in strategic advice and clients, The Royal Institution of Chartered Surveyors”. (1996).
Haykin a Simon. 1994. “Neural Networks – A Comprehensive Foundation”, Macmillan College Publishing Co., Network. (1994).
Hossein, Seyed Iranmanesh & Zarezadeh, Mansoureh. “Aplication of ANN to Forcast actual Cost of Project to Improve Earned Value Management sistem”. (2008).
Jeng, D. –S.”Aplication of Neural Network in Civil Engineering Problems”. (2003).
Kim, Sang Yong “Comparing Cost Prediction Method for Apartement Housing Project: CBR versus ANN”. (2005).
Phaobunjong.“Parametric Cost Estimating Model for Conceptual Estimating of Building Construction Projects “. (2002)
Robert, C “Neural Networks for Cost Estimation”. (2002).
Estimasi biaya..., Tekad Utomo, FT UI, 2012
67
Universitas Indonesia
Rosini, Peter”Using Expet Sistem and Artificial Intelligence for Real Estate Forecasting”. (2000).
Setyawati, Bina R. ”Neural Networks for Cost Estimation (Part 1)”. (2002).
Setyawati, Bina R. ”Neural Networks for Cost Estimation (Part 2)”. (2003).
Siang, Jong Jek”Jaringan Syaraf Tiruan dan Pemrogramanyya”. (2004).
Smith, Alice E. “Cost Estimation Predictive Modeling: Regression Versus Neural Network”. (1997).
Uppal, Kul B. “Cost Engineering and Scope of Work”. (2002).
Wideman, R M. “Project Management: From Genesis to Content to Classification”. (2001)
Yin, Robert “Case Study Research, Design and Method” (1994).
Estimasi biaya..., Tekad Utomo, FT UI, 2012
LAMPIRAN 1
KUESIONER VALIDASI
Estimasi biaya..., Tekad Utomo, FT UI, 2012
L5-2 Universitas Indonesia
Lampiran 1 : Kuesioner Validasi
ESTIMASI BIAYA TAHAP KONSEPTUAL BANGUNAN GEDUNG PERKULIAHAN UNIVERSITAS INDONESIA DEPOK DENGAN METODE JARINGAN SYARAF TIRUAN
KUESIONER PENELITIAN VALIDASI PAKAR DAN PELAKU KONSTRUKSI
(IDENTIFIKASI VARIABEL-VARIABEL DESAIN GEDUNG PERKULIAHAN PADA TAHAP KONSEPTUAL)
TEKAD UTOMO
0806454481
FAKULTAS TEKNIK
DEPARTEMEN TEKNIK SIPIL
2012
Estimasi biaya..., Tekad Utomo, FT UI, 2012
L5-2 Universitas Indonesia
Lampiran 1 : (Lanjutan)
LATAR BELAKANG
Estimasi biaya tahap konspetual pada gedung perkuliahan bertujuan untuk memberikan gambaran mengenai biaya proyek gedung
perkuliahan yang kemudian dapat digunakan sebagai uji kelayakan, basis perencanaan, serta perumusan keputusan-keputusan penting
mengenai proyek lainnya. Estimasi tersebut dapat dilakukan dengan data proyek masa lalu yang diolah dengan suatu model estimasi yang
dalam penelitian ini menggunakan metode Atificial Neural Network/Jaringan Syaraf Tiruan. Dengan mengidentifikasi faktor-faktor yang
berpengaruh terhadap biaya pembangunan gedung perkuliahan pada tahap estimasi dan mengembangkan model estimasi tersebut, estimator
dapat merencanakan biaya pembangunan gedung perkuliahan yang dibutuhkan. Hal yang dibutuhkan untuk memenuhi tujuan tersebut
adalah data-data lampau terkait proyek gedung perperkuliahanan yang lampau, berikut variabel-variabel desain atau karakteristik dari
gedung perperkuliahanan yang tersdia pada tahap konseptual, beserta biaya yang dikeluarkan/nilai kontraknya. Metode Artificial Neural
Network akan dijalankan dengan menggunakan software MATLAB dan diharapkan dapat meningkatkan keakurasian estimasi proyek,
gedung perperkuliahanan khususnya, pada tahap konseptual. Dengan output berupa model berdasarkan Artificial Neural Network tersebut,
dapat digunakan di kemudian hari saat mengestimasi biaya pembangunan konstruksi gedung perkuliahan dalam tahapan konseptual.
TUJUAN PENELITIAN
Adanya penelitian ini tentunya memiliki tujuan yang penting. Tujuan dari penelitian ini adalah sebagai berikut :
1. Mengidentifikasi faktor-faktor yang berpengaruh terhadap biaya konstruksi pembangunan gedung perkuliahan.
2. Mengembangkan model estimasi biaya tahap konseptual gedung perkuliahan dengan menggunakan metode jaringan syaraf tiruan.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
L5-2 Universitas Indonesia
Lampiran 1 : (Lanjutan)
.
KERAHASIAAN INFORMASI
Seluruh informasi yang telah Bapak/ Ibu berikan dalam kuesioner akan dijaga kerahasiaannya.
INFORMASI HASIL PENELITIAN
Setelah seluruh informasi telah didapatkan dan dianalisa, maka hasilnya akan disampaikan kepada Perusahaan Bapak/ Ibu dan apabila ada
pertanyaan mengenai penelitian ini, maka Bapak/ Ibu dapat menghubungi :
1. Penulis/ Mahasiswa : Tekad Utomo pada HP : 085715876731atau e-mail : [email protected]
2. Pembimbing 1 : Ir. Winu Isvara, MT pada HP 0816996713 atau e-mail : [email protected]
3. Pembimbing 2 : Prof. Dr. Ir. Yusuf Latief, MT pada HP 08158977999 atau e-mail : [email protected]
Terimakasih atas kesediaan Bapak/ Ibu untuk mengisi kuesioner ini. Semua informasi yang telah diberikan ini hanya akan digunakan untuk
kepentingan penelitian serta dijamin kerahasiaannya.
Hormat saya,
Tekad Utomo
Estimasi biaya..., Tekad Utomo, FT UI, 2012
L5-2 Universitas Indonesia
Lampiran 1 : (Lanjutan)
Data Responden dan Petunjuk Singkat
1. Nama Responden :
2. Jenis Kelamin :
3. Umur :
4. Perusahaan/Instansi :
5. Pengalaman Kerja : (tahun)
6. Pendidikan Terakhir : D3/S1/S2/S3 (coret yang tidak perlu)
7. Tanda Tangan :
Estimasi biaya..., Tekad Utomo, FT UI, 2012
L5-2 Universitas Indonesia
Lampiran 1 : (Lanjutan)
PETUNJUK PENGISIAN KUESIONER
1. Jawaban merupakan komentar/presepsi/pendapat Bapak/Ibu mengenai variabel-variabel apa saja yang mempengaruhi biaya
konstruksi pembangunan gedung perkuliahan.
2. Pengisian kuesioner ini dilakukan dengan memberikan tanda pada salah satu tabel Ya/Tidak serta menulis
komentar/pendapat/keterangan tambahan pada kolom yang disediakan.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
L5-2 Universitas Indonesia
Lampiran 1 : (Lanjutan)
Bagian 1
Variabel Indikator Penilaian Keterangan Referensi Ya Tdk Tanggapan
Faktor Lokasi
X1 Lokasi Gedung
Perkuliahan
Kota Berkaitan dengan akses,
mobilisasi alat, kondisi
site
Song Yong Kim (2005),
Phabounjong (2002), AIA
X2 Kondisi Tanah cut, fill, cut
& fill,
pembersihan
lahan
Berkaitan dengan
kebutuhan pekerjaan
pengerukan atau
penimbunan lahan
Song Yong Kim (2005),
Phabounjong (2002), AIA
Faktor Desain
X3 Tipe Pondasi Bore Pile,
Tiang
Pancang,
Mat, Mat
Pile
Berkaitan dengan tipe
pondasi yang digunakan
pada gedung perkuliahan
Song Yong Kim (2005), Robert
C (2002)
Estimasi biaya..., Tekad Utomo, FT UI, 2012
L5-2 Universitas Indonesia
Lampiran 1 : (Lanjutan)
Sambungan
Variabel Indikator Penilaian Keterangan Referensi Ya Tdk Tanggapan
X4 Luas Total
Gedung
Perkuliahan
m2 Total luas keseluruhan
lantai gedung
perkuliahan
Song Yong Kim (2005), Robert
C (2002)
X5 Jumlah Lapis
Bangunan
numerikal Jumlah tingkat gedung
perkuliahan yang berada
di atas muka tanah
Phabounjong (2002)
X6 Tipe
Superstuktur
beton, baja,
komposit
Jenis superstuktur yang
digunakan pada gedung
perkuliahan
Yokoyama & Tomiya (1988),
Gould (1997)
X7 Jarak Floor-to-
Floor
meter Jarak antara satu lantai
dengan lantai lain di
atasnya pada gedung
Anoli & Masi (2002), Setyawati
& Sahirman (2002)
X8 Tinggi
Bangunan
meter Tinggi keseluruhan
gedung dari muka tanah
Ferry., Dj (1999), johnson R
(1990), Marshal & Swift (2005)
Estimasi biaya..., Tekad Utomo, FT UI, 2012
L5-2 Universitas Indonesia
Lampiran 1 : (Lanjutan)
Sambungan
Variabel Indikator Penilaian Keterangan Referensi Ya Tdk Tanggapan
X9 Bentuk
(Shape)
segitiga,
segiempat,
segibanyak,
lingkaran
Berkaitan dengan plan
shape dari gedung yang
dihitung dari sisi
maupun sudut yang
dimilikinya
Anoli & Masi (2002), Setyawati
& Sahirman (2002)
X10 Tipe Atap Flat (dak
beton),
Wood
Frame, Steel
Frame
Tipe material yang
digunakan untuk atap
gedung
Song Yong Kim (2005)
X11 Finishing
Grade
Rate 1 - 3 Grade dari finishing
berdasarkan indeks
kualitas dari PERMEN
PU No. 45/PRT/2007
Song Yong Kim (2005)
Estimasi biaya..., Tekad Utomo, FT UI, 2012
L5-2 Universitas Indonesia
Lampiran 1 : (Lanjutan)
Sambungan
Faktor Waktu
X12 Tahun
Pembangunan
Tahun Tahun mulai pembuatan
gedung perkuliahan
Song Yong Kim (2005)
X13 Durasi Proyek Bulan Lamanya pembangunan
konstruksi gedung
perkuliahan berlangsung
Song Yong Kim (2005)
Estimasi biaya..., Tekad Utomo, FT UI, 2012
L5-2 Universitas Indonesia
Lampiran 1 : (Lanjutan)
Apabila ada kriteria desain diluar daripada yang tertera dalam tabel di atas, maka dapat Bapak/Ibu tambahkan beserta dengan tanggapannya.
No. Variabel Indikator Penilaian Keterangan Alasan
Asli ANN selisih Akurasi Asli ANN selisih Akurasi Asli ANN selisih Akurasi 1.27 1.3911
0.12 9%
1.27 1.0019
(0.27) -21%
1.28 1.0019
(0.28) -22%
1.98 1.7773
(0.20) -10%
1.98 1.9775
(0.00) 0%
1.97 1.9775
0.00 0%
2.17 2.1556
(0.02) -1%
2.17 2.161
(0.01) -1%
2.19 2.161
(0.02) -1%
1.90 1.9481
0.05 2%
1.90 1.9028
0.00 0%
1.90 1.9028
0.00 0%
4.31 4.2022
(0.11) -2%
4.31 4.3162
0.01 0%
4.20 4.3162
0.12 3%
2.80 2.8786
0.08 3%
2.80 2.8085
0.01 0%
2.79 2.8085
0.02 1%
0.81 0.8026
(0.01) -1%
0.81 0.8116
(0.00) 0%
0.82 0.8116
(0.00) 0%
5.03 4.9507
(0.08) -2%
5.03 3.4471
(1.58) -31%
5.00 3.4471
(1.55) -31%
0.33 0.2846
(0.04) -13%
0.33 0.3235
(0.01) -2%
0.40 0.3235
(0.08) -19%
0.24 0.3219
0.08 32%
0.24 0.2675
0.02 9%
0.05 0.2675
0.21 395%
2.01 2.0526
0.04 2%
2.01 2.0117
0.00 0%
2.04 2.0117
(0.03) -2%
1.91 1.9099
0.00 0%
1.91 1.9234
0.01 1%
1.90 1.9234
0.03 1%
3.27 3.3148
0.05 1%
3.27 3.2585
(0.01) 0%
3.28 3.2585
(0.03) -1%
1.87 1.9464
0.08 4%
1.87 3.4481
1.58 85%
1.88 3.4481
1.57 84%
2.94 2.9502
0.01 0%
2.94 2.9352
(0.00) 0%
2.95 2.9352
(0.01) 0%
2% 3% 27%
Validasi Validasi Validasi
Asli ANN selisih Akurasi Asli ANN selisih Akurasi Asli ANN selisih Akurasi 1.98 1.9751 (0.01) 0%
1.98 1.9987 0.02 1%
2.04 1.9987 (0.04) -2%
0.88 0.8484 (0.03) -4%
0.88 1.1627 0.28 32%
1.08 1.1627 0.09 8%
2.14 2.1218 (0.02) -1%
2.14 2.0956 (0.04) -2%
2.07 2.0956 0.02 1%
-2% 10% 2%
(7-7-1) (7-6-1)
Asli ANN selisih Akurasi Asli ANN selisih Akurasi 1.26 1.0019 (0.26) -21% 1.24
1.0019 (0.23) -19% 1.94 1.9775 0.04 2%
1.92 1.9775 0.06 3%
2.19 2.161 (0.03) -1%
2.15 2.161 0.01 0%
1.91 1.9028 (0.01) 0% 1.89
1.9028 0.01 1% 4.31 4.3162 0.00 0% 4.26
4.3162 0.06 1% 2.87 2.8085 (0.06) -2% 2.78
2.8085 0.03 1% 0.79 0.8116 0.02 3%
0.73 0.8116 0.08 11%
4.98 3.4471 (1.53) -31%
4.92 3.4471 (1.47) -30%
0.55 0.3235 (0.22) -41% 0.44
0.3235 (0.12) -27% 0.10 0.2675 0.17 180% 0.06
0.2675 0.21 339% 2.06 2.0117 (0.05) -2% 1.93
2.0117 0.08 4% 1.88 1.9234 0.04 2%
1.86 1.9234 0.06 3%
3.30 3.2585 (0.04) -1% 3.21
3.2585 0.04 1% 1.93 3.4481 1.52 79% 1.76
3.4481 1.69 96% 2.82 2.9352 0.12 4% 2.92
2.9352 0.01 0%
11.36% 26%
Validasi Validasi
Asli ANN selisih Akurasi Asli ANN selisih Akurasi 1.96 1.9987 0.04 2%
1.94 1.9987 0.06 3%
0.88 1.1627 0.28 32%
0.86 1.1627 0.30 35%
2.14 2.0956 (0.04) -2%
2.09 2.0956 0.01 0%
11% 13%
Estimasi biaya..., Tekad Utomo, FT UI, 2012
LAMPIRAN 5
BERITA ACARA
Estimasi biaya..., Tekad Utomo, FT UI, 2012
L5-1 Universitas Indonesia
Lampiran 5 : (lanjutan)
UNIVERSITAS INDONESIA
FAKULTAS TEKNIK
PROGRAM STUDI TEKNIK SIPIL
DEPOK
RISALAH PERBAIKAN SKRIPSI
Dengan ini menyatakan bahwa pada:
Hari : Jumat, 22 Juni 2012
Jam : 10.00 WIB – 11.30 WIB
Tempat : Ruang K.105 FTUI Telah berlangsung Ujian Skripsi Semester Gasal 2011/2012 Program Studi Teknik Sipil, Program Pendidikan Sarjana Reguler, Fakultas Teknik Universitas Indonesia dengan peserta :
Nama : Tekad Utomo
NPM : 0806454481
Judul Seminar Skripsi : Estimasi Biaya Tahap Konseptual Bangunan Gedung Perkuliahan Umum Dengan Metode Jaringan Syaraf Tiruan
Dan dinyatakan harus menyelesaikan perbaikan Seminar yang diminta oleh Dosen Penguji, yaitu :
Estimasi biaya..., Tekad Utomo, FT UI, 2012
L5-2 Universitas Indonesia
Lampiran 5 : (lanjutan)
Dosen Pembimbing : Ir. Wisnu Isvara, M.T.
No Rekomendasi Koreksi yang dilakukan
1 Tampilkan model persamaan matematis ANN Sudah dilakukan di halaman
55-57
2 Tambahkan skenario uji coba permodelan ANN Sudah dilakukan dilampiran
4
3 Tampilkan R2 dari grafik sensitivitas Sudah dilakukan di halaman
57-60 Dosen Penguji : Prof. DR. Ir. Yusuf Latief, M.T.
No Rekomendasi Koreksi yang dilakukan
1 Abstrak skripsi diubah Sudah dilakukan
2 Penulisan sesuai SK. Rektor No. 628 Sudah dilakukan
3 Argumentasikan grafik analisis sensitivitas
Sudah dilakukan di halaman 57-60
Dosen Penguji : Ir. Setyo Suprijadi, Msi.
No Rekomendasi Koreksi yang dilakukan
1 Tambahkan argumentasi analisis sensitivitas
Sudah dilakukan di halaman 57-60
2 Tambahkan literatur Sudah dilakukan Dosen Penguji : Rosmarini, S.T.,M.T.
No Rekomendasi Koreksi yang dilakukan
1 Tambahkan literatur Sudah dilakukan
2 Bab 2 lebih diperjelas kembali Sudah dilakukan
Estimasi biaya..., Tekad Utomo, FT UI, 2012
L5-3 Universitas Indonesia
Lampiran 5 : (lanjutan)
Skripsi ini telah selesai diperbaiki sesuai dengan keputusan sidang skripsi Jumat, 22 Juni 2012 dan telah mendapat persetujuan dari dosen dan pembimbing.
Depok, 10 Juli 2012
Menyetujui,
Dosen Pembimbing I Dosen Pembimbing II
Ir. Wisnu Isvara, M.T. Prof. DR. Ir. Yusuf Latief, M.T.