estimasi biaya tahap konseptual bangunan gedung...
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
1.7 Keaslian Penelitian ................................................................................ 8 2. TINJAUAN PUSTAKA ............................................................................... 10 2.1 Pendahuluan ........................................................................................ 10
2.2 Estimasi Biaya Dan Akurasi Biaya Proyek .......................................... 10 2.2.1 Estimasi Biaya Proyek ................................................................ 10
2.2.2 Akurasi Estimasi Biaya .............................................................. 11 2.3 Definisi Estimasi Biaya Tahap Konseptual .......................................... 14
2.4 Artificial Neural Network (Ann) .......................................................... 16 2.4.1 Definisi ANN........................................................................... 16
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
2.6 Kerangka Berpikir ............................................................................... 32 2.7 Hipotesa Penelitian .............................................................................. 32
3. METODOLOGI PENELITIAN .................................................................. 33 3.1. Pendahuluan ........................................................................................ 33 3.2. Pemilihan Strategi Penelitian ............................................................... 33
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
5.2.1 Temuan 1 ................................................................................. 54 5.2.2 Temuan 2 ................................................................................. 54
5.3 Pembahasan......................................................................................... 57
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,
kebutuhan kenyamanan, akses gedung, peraturan wilayah.
b) Kondisi Tanah
Beberapa kondisi tanah yang mempengaruhi adalah nilai CBR, jenis tanah,
letak muka air tanah, dan kondisi eksisting lokasi (ada tidaknya pondasi
lama dan lain-lain).
b. Faktor desain
a) Bentuk bangunan
Bentuk bangunan mengindikasikan tingkat kompleksitas bangunan.
b) Luas bangunan
AIA menyebutkan luas bangunan mempengaruhi karenasemakin luas
bangunan maka utilitas yang dibutuhkan akan semakin banyak, seperti
AC, elevator, dan lain-lain.
c) Tinggi bangunan
Seperti halnya luas bangunan, semakin tinggi gedung maka utilitas yang
diperlukan akan semakin banyak.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
31
Universitas Indonesia
d) Tinggi Lantai
Semakin tinggi jarak antara lantai ke lantai maka semakin tinggi biaya
yang dikeluarkan. AIA menyebutkan jika kita mengurangi tinggi perlantai
maka kemungkinan kita akan mengurangi 2,5% - 3,5% dari biaya
keseluruhan.
e) Utilitas
Utilitas yang dimaksud adalah pelengkap dari gedung tersebut seperti AC,
lift, pemadam kebakaran, dan lain-lain.
c. Faktor Kualitatif
Kualitatif faktor disini adalah performa dari gedung tersebut seperti estetika
bangunan.
d. Faktor Konstruksi
Faktor konstruksi yaitu menyangkut pelaksanaan teknis dilapangan berupa
metode konstruksi, jenis kontrak.
e. Faktor Waktu
Percepatan dalam proyek sering kali terjadi sehingga menyebabkan adanya
over budget.Waktu juga berpengaruh dalam cuaca, apakah bekerja pada
musim hujan atau musim kemarau. Dalam sumber yang lain (Phaobunjong
(2002) menuliskan beberapa parameter komponen biaya gedung, antara lain:
Tabel 2.4 Parameter cost komponen
Parameter Gedung Komponen biaya yang berhubungan
1. Pekerjaan sub struktur a. Pondasi
b. Basement
2. Pekerjaan lantai a. Tipe finishing lantai
3. Pekerjaan Atap a. Tipe struktur atap
b. Tipe atap
4. Pekerjaan dinding a. Tipe finishing dinding
b. Jenis Dinding
5. Pekerjaan Interior a. Kelengkapan interior gedung
6. Total scope pekerjaan a. Lantai
b. Atap
c. Pekerjaan mechanical
Estimasi biaya..., Tekad Utomo, FT UI, 2012
32
Universitas Indonesia
Tabel 2.4 (Sambungan)
Parameter Gedung Komponen biaya yang berhubungan
7. Transportasi gedung a. Elevator
Sumber : Phaobunjong (2002)
2.6 Kerangka Berpikir
Gambar 2.10 Matriks Kerangka Berpikir
Sumber : Hasil Olahan
2.7 Hipotesa Penelitian
Berdasarkan literatur teori-teori yang berhubungan dengan permasalahan
serta penelitian yang relevan sebelumnya mengenai penggunaan ANN dalam
estimasi biaya konstruks imaka dapat ditarik hipotesis penelitian yaitu penggunaan
Teknik Jaringan Saraf Tiruan/ANN dapat meningkatkan tingkat akurasi pada
estimasi tahap konseptual menjadi lebih baik, adapun akurasi dalam estimasi
konseptual pada kelas 3 diharapkan menurut AACE berada dalam rentang -20%
sampai +30% dari biaya proyek sebenarnya.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
33 Universitas Indonesia
BAB 3 METODOLOGI PENELITIAN
3.1. Pendahuluan
Dalam bab ini akan dijelaskan tentang desain dari penelitian dalam
mengeksplorasi penggunaan teknik jaringan saraf tiruan (Artificial Neural Network
/ ANN) dalam pembuatan estimasi biayakonseptual pada proyek pembangunan
kontruksi gedung perkuliahan dan membuat pemodelan estimasi biaya pada tahap
konseptual.
3.2. Pemilihan Strategi Penelitian
Penelitian ini dilakukan untuk mengetahui parameter-parameter apa saja
yang harus diperhitungkan terhadap estimasi biaya pada tahap konseptual yang
dapat meningkatkan tingkat akurasi pada estimasi biaya konseptual pada
pembangunan konstruksi bangunan gedung perkuliahan. Setelah menemukan
maksud dan tujuan penelitian yang telah didukung dengan tinjauan pustaka dalam
bab 2, maka dilanjutkan dengan membuat suatu penelitian yang lebih detail,
dimana diperlukan suatu tahapan untuk membuat suatu pertanyaan yang harus
dijawab dalam rangka pengumpulan data yang relevan.
Tabel 3.1 Strategi Penelitian
Strategi Jenis pertanyaan yang
digunakan
Kendali terhadap
peristiwa yang diteliti
Fokus terhadap peristiwa
yang sedang berjalan /
baru diselesaikan
Eksperimen Bagaimana, mengapa Ya Ya
Survey Siapa, apa, dimana, berapa
banyak, berapa besar Tidak Ya
Analisa Arsip
Siapa, apa, dimana, berapa banyak, berapa besar,
Tidak ya / tidak
Estimasi biaya..., Tekad Utomo, FT UI, 2012
34
Universitas Indonesia
Tabel 3.2 (Sambungan)
Strategi Jenis pertanyaan yang
digunakan
Kendali terhadap
peristiwa yang diteliti
Fokus terhadap peristiwa
yang sedang berjalan /
baru diselesaikan
Sejarah Bagaimana, mengapa Tidak Tidak
Studi kasus Bagaimana, mengapa Tidak Ya
Sumber :Yin (2002)
Menurut Yin (1994) [22] pertanyaan “bagaimana” dan “mengapa” lebih
memberikan keterangan-keterangan yang bersifat menjelaskan sesuatu dan
kemungkinan hal yang sudah pasti, pendekatan yang paling sesuai adalah studi
kasus, sejarah dan eksperimen. Hal ini disebabkan beberapa pertanyaan
mempunyai hubungan dengan cara kerja sesuatu yang membutuhkan penelitian
lebih mendalam daripada pengukuran frekuensi kejadian atau dampak yang
ditimbulkan. Sedangkan pertanyaan “apa” (yang berbentuk “berapa banyak” dan
“berapa besar”), “siapa” dan “dimana” pendekatan yang lebih sesuai adalah survai
dan analisis arsip. Pendekatan tersebut mempunyai keuntungan jika tujuan
penelitian yang ingin dicapai adalah menggambarkan suatu frekuensi kejadian,
tingkat pengaruh dari suatu peristiwa/kejadian atau untuk memprediksi mengenai
hasil yang pasti.
Dalam menyelesaikan penelitian ini diperlukan metode penelitian yang
sesuai. Metode penelitian merupakan cara ilmiah untuk mendapatkan data dengan
tujuan dan kegunaan tertentu. Cara ilmiah berarti kegiatan penelitian ini
didasarkan pada ciri-ciri keilmuan yang rasional, empiris dan sistematis
(Sugiyono, 2003). Penelitian ini menggunakan strategi penelitian kuantitatif,
karena tujuan yang ingin dicapai adalah menemukan fakta berdasarkan catatan
dari dokumen, serta membutuhkan pengujian hipotesa penelitian.
Pertanyaan pertama dalam research question dapat dijawab dengan
pendekatan survei, dimana kuisioner diberikan kepada responden owner maupun
kontraktor pelaksana. Dan dengan menjawab research question yang kedua
Estimasi biaya..., Tekad Utomo, FT UI, 2012
35
Universitas Indonesia
penulis akan mencoba membuat model. Rumusan masalah yang diperlukan untuk
mendapatkan hasil yang diinginkan seperti apa dan bagaimana, dapat
dikelompokkan sebagai berikut :
a. Faktor-faktor ’apa’ saja yang berpengaruh terhadap pembangunan kontruksi
gedung perkuliahan?
b. ‘Bagaimana’ membuat suatu model berdasarkan faktor-faktor yang
berpengaruh terhadap biaya pembangunan gedung perkuliahan dengan
menggunakan teknik jaringan saraf tiruan (ANN) dalam rangka
meningkatkan akurasi estimasi biaya ditahap konseptual?
3.3. Proses Penelitian
Penelitian merupakan suatu siklus. Setiap tahapan akan diikuti oleh
tahapan lain secara terus menerus. Untuk dapat melaksanakan penelitian sesuai
dengan tujuan yang diharapkan, maka proses penelitian yang dilakukan adalah
sebagai berikut :
Gambar 3.1 Matriks Kerangka Berpikir
Sumber : Hasil Olahan
Bangunan Gedung
Kebutuhan Dalam Estimasi Biaya Tahap Konseptual
Data Historis Proyek Konstruksi Gedung
Studi Literatur : Jurnal, Buku, Tesis
Pemrograman Metode Jaringan Saraf Tiruan (ANN)
Analisis Data, Model ANN Terpilih
Pembuktian Model, Kesimpulan & Saran
Selesai
Estimasi biaya..., Tekad Utomo, FT UI, 2012
36
Universitas Indonesia
a. Pengumpulan Data
Penelitian yang dilakukan memerlukan pengumpulan data dengan melakukan
survey pada sumber informasi yang dibutuhkan. Survey merupakan suatu
metode yang sistematis untuk mengumpulkan data berdasarkan suatu sampel
agar mendapatkan informasi dari populasi yang serupa (Tan, 1995). Menurut
Spiegel (1972), anggaplah bahwa semua kemungkinan sampel dengan ukuran
N yang menarik tanpa penggantian dari populasi dengan ukuran terbatas.
Untuk nilai N yang besar (N ≥ 30) distribusi sampling berarti kira-kira
distribusi normal dengan mean dan deviasi standar terlepas dari populasi.
b. Teori Dasar Sampling
Teori sampling adalah studi hubungan yang ada antara populasi dan sampel
yang diambil dari populasi. Hal ini sangat berguna dalam banyak koneksi.
Sebagai contoh akan sangat berguna dalam perkiraan jumlah populasi yang
tidak diketahui (seperti populasi mean, varians, dll). Sering disebut parameter
populasi, membentuk suatu pengetahuan tentang jumlah sampel yang sesuai
(seperti sampel, mean, varians, dll), sering disebut sampel statistik (Spiegel,
1972). Agar kesimpulan dari teori sampling dan statistik inferensi valid,
sampel harus dipilih sehingga dapat mewakili populasi. Sebuah studi tentang
metode sampling dan masalah-masalah terkait yang timbul disebut rancangan
percobaan. Satu cara di mana sampel yang representatif dapat diperoleh
adalah dengan proses yang disebut random sampling, dimana setiap anggota
populasi mempunyai kesempatan yang setara untuk diikutsertakan dalam
sampel (Spiegel, 1972). Menurut Spiegel (1972), anggaplah bahwa semua
kemungkinan sampel dengan ukuran N yang menarik tanpa penggantian dari
populasi dengan ukuran terbatas. Untuk nilai N yang besar (N ≥ 30) distribusi
sampling berarti kira-kira distribusi normal dengan mean dan deviasi standar
terlepas dari populasi.
c. Penetapan Teknik Analisis dan Pengolahan Data
Berdasarkan data yang diperoleh dan dikumpulkan, maka perlu dicari pola
analisis yang tepat untuk mengolah data tersebut. Analisis yang dipakai harus
Estimasi biaya..., Tekad Utomo, FT UI, 2012
37
Universitas Indonesia
merupakan analisis yang tepat dalam mengolah data yang ada, sehingga
hasilnya sesuai dengan topik dan tujuan.
3.3.1 Variabel Penelitian
Variabel penelitian yang digunakan dalam penelitian ini terdiri dari 2 (dua)
variabel, yaitu variabel terikat (dependent variable), serta variabel bebas
(dependent variabel).
a. Variabel Terikat
Variabel terikat adalah variabel yang memberikan reaksi jika dihubungkan
dengan variabel bebas. Variabel ini faktornya diamati dan diukur untuk
menentukan pengaruh yang disebabkan oleh variabel bebas. Jika besaran
pengaruhnya berbeda maka manipulasi terhadap variabel bebas membuktikan
adanya hubungan antara variabel bebas dengan variabel terikat.
b. Variabel Bebas
Variabel bebas merupakan merupakan variabel yang mempengaruhi variabel
lain. Variabel ini faktornya diukur, dimanipulasi, atau dipilih untuk
menentukan hubungan dengan suatu gejala yang diteliti. Variabel bebas
merupakan faktor-faktor yang berperan dan berpengaruh terhadap peningkatan
kinerja kualitas proyek yang digunakan dalam penelitian ini.
Tabel 3.2 Variabel Terikat Dan Variable Bebas
No. VARIABEL INDIKATOR TYPE KATEGORI REFERENSI
INPUT
1 Lokasi
X1 Lokasi Categorical Fakultas
Teknik,
Fakultas MIPA
AIA [23], Phaobunjong (2002).Song Yong Kim (2005),
X2 Topografi tanah Categorical Cut, fill, cut and
fill atau hanya
perlu
pembersihan
lahan saja
Song Yong Kim
(2005) [24],
Phabounjong
(2002), AIA
2 Desain
Estimasi biaya..., Tekad Utomo, FT UI, 2012
38
Universitas Indonesia
Tabel 3.2 (Sambungan)
No. VARIABEL INDIKATOR TYPE KATEGORI REFERENSI
X3 Tipe Pondasi categorical
Bore pile, tiang pancang
Song Yong Kim
(2005), Robert
C (2002) [25]
X4 Luas Total Numerical Phabounjong
(2002),
X5 Jumlah Tingkat Numerical Song Yong Kim
(2005), Robert
C (2002)
X6 Tipe
Superstruktur
Categorical Beton, aja,
komposit
Song Yong Kim
(2005), Robert
C (2002)
X7 Jarak floor to
floor
Numerical Kotak, silinder AIA
X8 Tinggi Bangunan Numerical Rangka Baja
ringan, Rangka
Baja, Kayu
Song Yong Kim
(2005),
X9 Bentuk Bangunan Categorical Persegi
panjang,
lingkaran
Song Yong Kim
(2005),
X10 Tipe Atap Categorical Genteng, dak
beton
Phaobunjong
(2002)
X11 Finishing Grade Categorical 1-6 Song Yong Kim
(2005),
3 Waktu
X12 Tahun
Pembangunan
Numerical
X13 Durasi Proyek
(hari)
Numerical Song Yong Kim
(2005),
OUTPUT
Y Biaya Kontrak
(Rp)
Robert C
(2002),
Sumber : Hasil Olahan
Estimasi biaya..., Tekad Utomo, FT UI, 2012
39
Universitas Indonesia
3.3.2 Instrument Penelitian
Instrument penelitian yang dipakai dalam penelitian adalah menggunakan
parameter-parameter dari data historis yang sudah ditabulasi dengan semakin
banyak data yang diperoleh diharapkan dapat mewakilkan suatu populasi selain
itu juga data yang cukup banyak akan membuat model jaringan ANN medapatkan
proses pembelajaran dalam proses pelatihan.
Data yang telah ditabulasi lalu disusun untuk memudahkan dalam mencari
pembentuk variabel-variabel penelitian yang akan dirubah kedalam bentuk
matriks dan vektor hal ini berguna untuk proses komputasi dalam mencari model
jaringan yang terbaik dan mengurangin kesalahan paling kecil dalam membuat
model. Instrument lainnya adalah piranti lunak serta tools pendukung dalam
melakukan pengujian terhadap data-data yang telah ditabulasi untuk proses
pelatihan dan dalam rangka mencari model ANN yang terbaik. Alat ini
merupakan instrument yang efisiensi dalam mengumpulkan keterangan-
keterangan yang diperlukan untuk menguji hipotesa.
Tabel 3.3 Format Validasi Pakar
No. VARIABEL INDIKATOR TYPE Kategori
Ya Tidak Komentar
dan
Tanggapan
1 Lokasi
X1 Lokasi Categorical Fakultas
Teknik,
Fakultas MIPA
X2 Topografi tanah Categorical Cut, fill, cut and
fill atau hanya
perlu
pembersihan
lahan saja
Desain
Estimasi biaya..., Tekad Utomo, FT UI, 2012
40
Universitas Indonesia
Tabel 3.3 (Sambungan)
No. VARIABEL INDIKATOR TYPE Kategori
Ya Tidak Komentar
dan
Tanggapan
X3 Luas bangunan
pabrik (m2)
Numerical
X4 Jumlah tingkat Numerical
X5 Type Pondasi Categorical Bore pile, tiang
pancang
X6 Tinggi bangunan Numerical
X7 Bentuk bangunan categorical Kotak, silinder
X8 Material Rangka
atap
Categorical Rangka Baja
ringan,
RangkaBaja,
Kayu
X9 Type material
finishing atap
Categorical Atap genteng,
atap dak
X10 Type material
finishing dinding
Categorical Batako ,Batu
bata, Bata
ringan
X11 Type finishing
lantai
Categorical Floor hardner,
lantai kramik,
lantai tegel
X12 Lift Numerical
3 Waktu
X13 Tahun
Pembangunan
Numerical
X14 Durasi Proyek
(hari)
Numerical
OUTPUT
Y Biaya Kontrak
(Rp)
Sumber : Hasil Olahan
Estimasi biaya..., Tekad Utomo, FT UI, 2012
41
Universitas Indonesia
3.3.3 Pengumpulan Data
Adapun teknik pengumpulan data dalam penelitian ini dilakukan dengan
cara survei. Survei dilakukan dengan menggunakan beberapa cara yaitu kuesioner
dan wawancara. Data yang akan diteliti dan dianalisa dalam penelitian ini terdiri
dari data primer dan data sekunder.
a. Data Primer
Data primer didapat dengan melakukan studi lapangan. Studi lapangan
merupakan cara pengumpulan data dengan melakukan survei kepada pihak
yang berkompeten terhadap permasalahan yang diteliti. Survei merupakan
suatu metode yang sistematis untuk mengumpulkan data berdasarkan suatu
sampel agar mendapatkan informasi dari populasi yang serupa (Tan, 1995).
Survei ini bertujuan untuk mendapatkan karakteristik utama dari populasi
yang dituju pada suatu waktu yang telah ditentukan. Sebagai landasan teori
dalam pengumpulan data primer, dilakukan studi literatur melalui buku-buku,
jurnal, majalah dan artikel.
b. Data Sekunder
Merupakan data atau informasi yang diperoleh dari studi literatur, seperti
buku–buku, jurnal, makalah, penelitian–penelitian berkaitan sebelumnya, dan
dapat juga disebut data yang sudah diolah, meliputi :
a) Data yang digunakan sebagai landasan teori dari penelitian, yang diperoleh
dari buku-buku, jurnal, makalah, dan lain–lain.
b) Data untuk variabel–variabel penelitian diambil dari penelitian yang
berkaitan sebelumnya.
Pengumpulan data akan dilakukan dengan melakukan analisa arsip dari
data-data proyek yang telah dilaksanakan dantelah selesai.
3.4. Kesimpulan
Untuk meningkatkan akurasi estimasi biaya pada tahap konseptual
diperlukan analisis terhadap faktor yang paling dominan. Tindakan koreksi
merupakan sesuatu yang diperlukan agar kinerjanya semakin baik dalam kualitas
Estimasi biaya..., Tekad Utomo, FT UI, 2012
42
Universitas Indonesia
suatu proyek konstruksi. Penelitian ini bersifat dekriptif dan bersifat eksperimen
dimana dalam menjawab research question tentang faktor-faktor apa saja yang
berpengaruh terhadap estimasi pada tahap konseptual dan bagaimana model
Artificial Neural Network dapat diaplikasikan untuk membantu meningkatkan
tingkat akurasi suatu estimasi pada tahap konseptual dengan mencaripemodelan
estimasi biaya terbaik dilakukan dengan piranti lunak Matlab yang dimana
langkah awal dimulai dengan menentukan arsitektur jaringan ANN sampai
dengan membuat model yang cocok sesuai pola data yang dilakukan sampai
dengan mencari pemodelan estimasi biaya.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
43 Universitas Indonesia
BAB 4 PENGUMPULAN DAN ANALISIS DATA
4.1 Pendahuluan
Setelah dilakukan tinjauan pustaka secara mendalam, maka
variable-variabel yang mendukung dalam penelitian ini akan muncul.
Dalam studi literature, jumlah variable yang ditemukan sebanyak tiga
belas, dan variabel tersebut tidak dapat langsung digunakan sebagai
variabel penelitian. Variabel ini sebelumnya harus melalui proses validasi
pakar. dan telah dilakukan validasi terhadap pakar, maka didapat berbagai
variable-variabel yang digunakan yang berhubungan erat dengan estimasi
biaya gedung perkuliahan. Variabel-variabel di ini ditentukan berdasarkan
parameter-parameter yang mempunyai pengaruh yang besar dalam biaya
konstruksi.
4.2 Pengumpulan Data
Dalam proses pengumpulan data, data dibedakan menjadi dua,
yaitu data primer dan data sekunder. Data primer adalah data yang hanya
bisa didapatkan dari sumber utama, sehingga tidak bisa diwakili dengan
pihak lain. Sedangkan data sekunder adalah data yang sudah tersedia,
sehingga kita hanya mencari dan mengumpulkannya saja.
4.2.1 Data Primer
Data primer merupakan sumber data yang diperoleh langsung dari
sumber asli (tidak melalui media perantara). Data primer dapat berupa
opini subjek (orang) secara individual atau kelompok, hasil observasi
terhadap suatu benda (fisik), kejadian atau kegiatan, dan hasil pengujian.
Dalam penelitian ini, data primernya adalah variabel-variabel yang telah
divalidasi oleh para pakar. Berikut ini adalah variabel yang ingin
dilakukan validasi oleh para pakar.
Tabel 4. 1 Variabel Kuisioner Pakar
Estimasi biaya..., Tekad Utomo, FT UI, 2012
44
Universitas Indonesia
Variabel Keterangan
X1 Lokasi Proyek
X2 Topografi Tanah / Kontur
X3 Tipe Pondasi
X4 Luas Bnagunan
X5 Jumlah lantai
X6 Tipe superstruktur
X7 Jarak Tiap Lantai
X8 Tinggi Bangunan
X9 Bentuk Bangunan
X10 Tipe Atap
X11 Tahun Pembangunan
X12 Durasi Proyek
Sumber : Hasil Olahan
Dari table di atas, terdapat dua belas variabel yang nantinya akan
divalidasi oleh pakar. Setelah dilakukan penyebarankuisioner kepada
beberapa pakar, maka akan muncul variabel-variabel yang mempengaruhi
biaya konstruksi gedung perkuliahan umum. Berdasarkan hasil validasi,
variabel-variabel tersebut antara lain.
Tabel 4. 2 Rekapitulasi Validasi Pakar
Variabel Pakar
1 Pakar
2 Pakar
3 Pakar
4 Pakar
5
X1 Lokasi Proyek √ √ √ √ √
X2 Topografi Tanah / Kontur √ √ √ √ √
Estimasi biaya..., Tekad Utomo, FT UI, 2012
45
Universitas Indonesia
Tabel 4.2 (Sambungan)
Variabel Pakar
1 Pakar
2 Pakar
3 Pakar
4 Pakar
5
X3 Tipe Pondasi √ √ √ √
X4 Luas Bnagunan √ √ √ √ √
X5 Jumlah lantai √ √ √ √ √
X6 Tipe superstruktur √ √ √ √ √
X7 Jarak Tiap Lantai √ √ √ √
X8 Tinggi Bangunan √ √ √ √ √
X9 Bentuk Bangunan √ √ √ √ √
X10 Tipe Atap √ √ √ √
X11 Tahun Pembangunan √ √ √ √ √
X12 Durasi Proyek √ √ √ √ √
X13 Finishing Grade √ √ √ √ √
Sumber : Hasil Olahan
4.2.2 Data Sekunder
Data sekunder merupakan sumber data penelitian yang diperoleh
peneliti secara tidak langsung melalui media perantara (diperoleh dan
dicatat oleh pihak lain). Data sekunder umumnya berupa bukti, catatan
atau laporan historis yang telah tersusun dalam arsip (data dokumenter)
yang dipublikasikan dan yang tidak dipublikasikan. Dalam penelitian ini
data-data sekunder yang didapat adalah data histori proyek bangunan
gedung perkuliahan. Data ini didapat dari kontraktor pelaksana
pembangunan. Untuk mendapatkan data historis tersebut tidaklah mudah
karena pada umumnya pihak kontraktor sangat tertutup untuk memberikan
data informasi proyek. Data historis yang penulis dapatkan berasal dari
salah satu karyawan yang bekerja dikontraktor tersebut. Adapun data
sekunder yang diperoleh yaitu
Estimasi biaya..., Tekad Utomo, FT UI, 2012
46
Universitas Indonesia
Tabel 4. 3 Pengumpulan Data Berdasarkan Variabel
No Nama Proyek X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 Y
1 Proyek 1 Semarang
borepile 4,622.83 3 beton 3.75 11.25 persegi panjang Genteng 2010 6.00 12,713,346,363.60
2 Proyek 2 Bali
borepile 4,404.28 3 beton 3.80 11.40 persegi panjang Genteng 2010 6.00 19,815,545,454.50
3 Proyek 3 Surabaya
tiang pancang 4,844.71 3 beton 3.75 11.25 persegi panjang Genteng 2010 6.00 21,737,536,363.60
4 Proyek 4 Manado
borepile 5,421.26 3 beton 4.20 12.60 persegi panjang Genteng 2009 6.00 19,027,636,363.60
5 Proyek 5 Semarang
borepile 6,926.74 3 beton 3.75 11.25 persegi panjang Genteng 2010 6.00 43,088,424,545.50
6 Proyek 6 Manado
borepile 5,421.26 3 beton 3.75 11.25 persegi panjang Genteng 2010 6.00 27,995,727,272.70
7 Proyek 7 Solo
borepile 3,493.00 3 beton 3.75 11.25 persegi panjang Genteng 2008 3.50 8,117,118,181.81
8 Proyek 8 Bali
Tiang pancang 2,970.93 3 beton 3.75 11.25 persegi panjang Genteng 2010 3.00 50,312,454,545.40
9 Proyek 9 Surabaya
borepile 2,568.00 3 beton 3.75 11.25 persegi panjang Genteng 2010 5.00 3,289,409,090.91
10 Proyek 10 Surabaya
borepile 1,811.04 3 beton 3.75 11.25 persegi panjang Genteng 2010 6.00 2,445,440,909.09
11 Proyek 11 Manado
borepile 3,626.40 3 beton 3.75 11.25 persegi panjang Genteng 2010 3.00 20,113,887,272.70
12 Proyek 12 Yogyakarta
tiang pancang 5,439.60 3 beton 3.75 11.25 persegi panjang Genteng 2010 3.00 19,090,909,090.91
13 Proyek 13 Yogyakarta
borepile 9,208.88 3 beton 3.75 11.25 persegi panjang Genteng 2008 5.00 32,693,636,363.60
14 Proyek 14 Manado
borepile 4,753.00 3 beton 3.75 11.25 persegi panjang Genteng 2010 3.00 18,674,200,000.00
15 Proyek 15 Padang
tiang pancang 10,423.08 3 beton 3.80 11.40 persegi panjang Genteng 2010 6.00 29,382,263,636.40
16 Proyek 16 Bandung
borepile 4,475.15 3 beton 3.75 11.25 persegi panjang Genteng 2011 5.00 19,818,181,818.18
17 Proyek 17 Semarang
borepile 4,622.83 3 beton 3.75 11.25 persegi panjang Genteng 2009 6.00 8,815,418,181.81
18 Proyek 18 Bandung
borepile 3,771.02 3 beton 3.75 11.25 persegi panjang Genteng 2007 5.00 21,383,517,935.50
Sumber : Hasil Olahan
Estimasi biaya..., Tekad Utomo, FT UI, 2012
47
Universitas Indonesia
4.3 Permodelan ANN
Langkah-langkah dalam permodelan ANN adalah sebagai berikut:
a. Langkah 1 yaitu pengumpulan data:
Rekapitulasi data penelitian terdiri dari 13 variabel lingkup proyek. Dimana
variable ini nanti akan berfungsi untuk memprediksi variable biaya kontruksi.
Seperti yang telah dijelaskan sebelumnya variabel-variabel ini diperoleh dari
kuisioner lima orang pakar yang telah memiliki pengalaman minimal dua
puluh tahun.
b. Langkah 2, pemisahan data:
Data-data yang telah dikumpilkan dikelompokan menjadi dua bagian yaitu
data yang diperlukan untuk pelatihan dan data untuk pengujian. Data
pelatihan adalah data yang digunakan ANN agar kinerja permodelan ANN
mengenal pola melalui perbaikan bobot dan bias. Sedangkan data untuk
pengujian adalah data yang digunakan sebagai pengujian keakurasian dari
ANN. Dalam penelitian ini, peneliti menggunakan 15 data sebagai pelatihan
dan 3 data digunakan untuk pengujian.
c. Langkah 3. Penentuan Arsitektur Jaringan ANN
Dalam struktur jaringan ANN digunakan system jaringan dengan beberapa
lapisan layer atau disebut dengan istilah multilayer feedforward. Jumlah
neuron pada lapisan input jaringan berjumlah sebanyak variabel yang
digunakan, yaitu sebanyak delapan variabel. Variabel tersebut menjadi
delapan karena data yang didapat tidak seluruhnya lengkap. Sehingga model
yang digunakan menggunakan delapan neuron sebagai proses elemen pada
lapisan input ANN. Stelah itu dihubungkan dengan hidden layeri, dalam
menentukan jumlah hidden layer ini menggunakan metode trial and error.
Namun, dalam bebrapa jurnal banyak penelitian yang mnegatakan jika jumlah
hidden layer sebanyak dua kali lipat dari jumlah variabel maka proses
pembelajaran ANN akan semakin cepat. Namun, dibeberapa jurnal yang lain
mengatakan menggunakan setengah dari jumlah variabel lebih mempercepat.
Sehingga disini penulis menggunakan trial and error dengan empat hidden
layer dan enam belas hidden layer. Dan terdapat juga satu buah neuron pada
output yang berupa variabel total biaya konstruksi.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
48
Universitas Indonesia
Gambar 4. 1 Desain Jaringan Syaraf Tiruan
Sumber : Hasil Olahan
d. Langkah 4. Pemilihan Algoritma Pembelajaran
Seperti yang telah dijelaskan dalam tinjauan pustaka, dalam pemilihan
logaritma pembelajaran dipilih algoritma backpropagation. Hal ini
disebabkan algoritma backpropagation lebih tepat digunakan untuk estimasi
dan prediksi. Fungsi pembelajaran menggunakan fungsi gradient descent dan
gradient descent dengan momentum. Fungsi aktivasi yang dipakai oleh
jaringan berguna untuk mengaktifkan neuron pada tiap lapisan sehingga
mengeluarkan output yang diinginkan. Adapun proses ini dilakukan secara
trial dan error.
e. Langkah 5. Menentukan Parameter, Nilai, dan Bobot Awal
Pada langkah ini learning rate ditentukan. Dimana nilai momentum bernilai 0
sampai 1 dan nilai bobot awal menggunakan nilai acak yang ditentukan
secara otomatis oleh program Matlab. nilai momentum untuk gradient descent
dengan momentum yang digunakan antara 0 sampai 1.
f. Langkah 6. Merubah Data ke Dalam Jaringan ANN
Data-data yang bersifat kategorikal harus dirubah dalam bentuk numeric, hal
ini dilakukan agar Matlab dapat membaca dan menormalisasi data secara
otomatis. Berikut ini adalah data proyek yang telah dirubah ke dalam angka.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
49
Universitas Indonesia
Tabel 4. 4 Data Pengolahan
Luas
Bangunan
Jumlah
lantai
Tinggi
bangunan
Jarak
per
lantai
Durasi
pekerja
an
Tahun
pekerjaan
Lokasi Tipe
Atap
Nilai
4622.83 3.00 11.25 3.75 6.00 2010 3.00 1.00 12,713,346,363.60 4404.28 3.00 11.4 3.80 6.00 2010 7.00 1.00 19,815,545,454.50 4844.71 3.00 11.25 3.75 6.00 2010 5.00 2.00 21,737,536,363.60 5421.26 3.00 12.6 4.20 6.00 2009 8.00 1.00 19,027,636,363.60 6926.74 3.00 11.25 3.75 6.00 2010 3.00 1.00 43,088,424,545.50 5421.26 3.00 11.25 3.75 6.00 2010 8.00 1.00 27,995,727,272.70 3493.00 3.00 11.25 3.75 3.50 2008 6.00 1.00 8,117,118,181.81 2970.93 3.00 11.25 3.75 3.00 2010 7.00 1.00 50,312,454,545.40 2568.00 3.00 11.25 3.75 5.00 2010 5.00 1.00 3,289,409,090.91 1811.04 3.00 11.25 3.75 6.00 2010 5.00 1.00 2,445,440,909.09 3626.40 3.00 11.25 3.75 3.00 2010 5.00 1.00 20,113,887,272.70 5439.60 3.00 11.25 3.75 3.00 2010 4.00 2.00 19,090,909,090.91 9208.88 3.00 11.25 3.75 5.00 2008 4.00 1.00 32,693,636,363.60 4753.00 3.00 11.25 3.75 3.00 2010 8.00 1.00 18,674,200,000.00 10423.08 3.00 11.25 3.75 6.00 2010 9.00 2.00 29,382,263,636.40 4475.15 3.00 11.25 3.75 5.00 2011 2.00 1.00 19,818,181,818.18 4622.83 3.00 11.25 3.75 6.00 2009 3.00 1.00 8,815,418,181.81 3771.02 3.00 11.25 3.75 5.00 2007 2.00 1.00 21,383,517,935.50 Sumber: Hasil Olahan
Tabel 4. 5 Definisi Nilai Untuk Data Kategori
Tabel 4.5 (Sambungan)
Sumber : Hasil Olahan
Lokasi Nilai
Bandung 2
Semarang 3
Yogyakarta 4
Surabaya 5
Solo 6
Bali 7
Tipe Atap Nilai
Genteng 1
Dak Beton 2
Manado 8
Padang 9
Estimasi biaya..., Tekad Utomo, FT UI, 2012
50
Universitas Indonesia
g. Langkah 7. Mulai Pelatihan dan Menentukan Bobot dan Perbaikan Bobot
Proses pelatihan dilakukan dengan terus menerus melalui hubungan bobot
dan bias antar neuron pada tiap lapisan ANN. Dalam melakukan proses ini
digunakan Matlab versi R2009a. Pelatihan dilakukan sampai memenuhi
target, apabila target tidak terpenuhi ditentukan dengan kriteria tertentu.
h. Langkah 8. Proses Berhenti Latihan dan Pengujian Data
Proses pelatihan dapat dihentikan jika :
a) Waktu maksimum, yaitu waktu maksimum yang diberikan untuk
pelatihan ditetapkan 10 menit atau 600 detik.
b) Maksimum iterasi atau epoch, yaitu jumlah maksimum iterasi (epoch)
yang diperkenankan selama proses pelatihan. Dalam pelatihan kali ini,
ditentukan yaitu sebanyak 65000 epoch.
c) Kinerja tujuan (Goal), merupakan target nilai fungsi kinerja jaringan.
Dalam pelatihan kali ini ditentukan target MSE = 10-3
d) Maksimum kegagalan (Fail), yaitu apabila iterasi mengalami kegagalan
akibat gradient yang terdapat pada iterasi ke-n lebih besar daripada
gradient ke-(n-1) sebanyak nilai maksimum jumlah kegagalannya. Nilai
maksimum kegagalan ditentukan yaitu 5.
e) Gradient minimum, yaitu jumlah akar kuadrat dari semua gradient
terkecil yang diperbolehkan. Iterasi harus dihentikan apabila nilai ini
kurang dari gradient minimum yaitu senilai 10-10.
Setelah dilakukan proses pelatihan dengan target yang sudah ditentukan
sebelumnya, selanjutnya adalah melakukan pengujian model yang telah dilatih
terhadap data-data yang belum ditemukan oleh jaringan yaitu data pengujian (data
ke 17 – 18). Disini dilakukan evaluasi kinerja jaringan sesuai dengan kriteria yang
ditentukan seperti nilai MSE dan MMRE (tingkat kesalahan estimasi total biaya
kontruksi), antara data target dengan data output dari model ANN yang telah
dilatih. Berikut adalah gambar-gambar yang merupakan salah satu keluaran
program Matlab R2009a, dalam mencari permodelan yang cocok dan sesuai
dengan kriteria yang telah ditentukan sebelumnya.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
51
Universitas Indonesia
Gambar 4. 2 Kinerja Model ANN Terhadap Data Pelatihan
Sumber : Hasil Olahan
Gambar 4. 3 Nilai R Antara Data Aktual (Target) dengan Data Estimasi (Output)
Sumber : Hasil Olahan
Estimasi biaya..., Tekad Utomo, FT UI, 2012
52
Universitas Indonesia
i. Langkah 9. Analisa Hasil Pelatihan
Dalam melakukan pengujian model yang terpilih tidak langsung ditemukan
begitu saja. Proses trial and error membuat model yang terpilih sulit untuk
didapat. Dalam melakukan proses ini peneliti banyak melakukan pengujian
dengan mengubah hidden layer sampai mendapat hasil yang akurrat. Akurat
yang dibahas dalam masalah ini adalah tingkat presentase akurasi dari output
data training ANN dengan nilai kontrak proyek sebenernya. Berikut
merupakan hasil tabulasi dari proses trial and erorr yang telah dilakukan
disajikan dalam tabel dibawah ini.
Tabel 4. 6 Tabulasi Data Pelatihan
No Model Akurasi Rata-Rata (%)
1 Neuron 7-4-1 6%
2 Neuron 7-3-1 10%
Tabel 4.6 (Sambungan)
No Model Akurasi Rata-Rata (%)
3 Neuron (7-5-1) 37%
4 Neuron (7-7-1) 24%
5 Neuron (7-6-1) 36%
Sumber : Hasil Olahan
j. Tahap 10, Validasi Model ANN
Validasi terhadap model ANN yang telah ditemukan dilakukan sebagai
bentuk pembuktian bahwa model tersebut sudah memenuhi target yang
diinginkan dan tentunya sesuai juga dengan apa yang dicantumkan dalam
AACE. Untuk melakukan validasi ini, digunakan data yang berlainan dari
data pelatihan. Data yang digunakan adalah data pengujian yang sebelumnya
memang telah disiapkan untuk validasi ini. Data pelatihan ini sebanyak 2
buah dari 18 buah proyek yang ada. Berikut ini merupakan hasil dari validasi
permodelan ANN.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
53
Universitas Indonesia
Tabel 4. 7 Tabulasi Data Pengujian
No Model Akurasi (%) Akurasi Rata-Rata (%)
Data 1
Data 2
Data 3
1 Neuron (8-4-1) 0% -4% -1% 2%
2 Neuron (8-3-1) 1% 32% 2% 12%
3 Neuron (8-5-1) -2% 8% 1% 4%
4 Neuron (8-8-1) 2% 32% 2% 12%
5 Neuron (8-6-1) 3% 35% 0% 13%
Sumber: Hasil Olahan
Dari tabel diatas, maka dapat ditentukan bahwa model yang akan digunakan
dalam pelatihan ini adalah dengan arsitektur 8-4-1, yang mampu memprediksi
data pengujian dengan tingkat kesalahan sebesar 28%. Berdasarkan AACE,
klasifikasi akurasi estimasi dibagi menjadi Low : -15% hingga -20% dan High
: +20% hingga +50%. Jadi arsitektur yang ditemukan diatas, sudah sesuai
dengan AACE.
Estimasi biaya..., Tekad Utomo, FT UI, 2012
54 Universitas Indonesia
BAB 5 TEMUAN DAN HASIL
5.1 Pendahuluan
Dalam bab ini akan dibahas secara mendalam tentang hasil temuan yang
didapat dalam penelitian ini. Hasil dan temuan yang ditemukan ini adalah akhir
dari proses penelitian yang dilakukan.
5.2 Temuan
Hasil dari penelitian ini adalah berupa pengukuran kinerja dari ANN.
Dimana berdasarkan tinjauan literature, ANN dapat meningkatkan akurasi
estimasi. Untuk data pelatihan sebanyak lima belas data memiliki rata-rata error
sebesar 2%. sedangkan dalam melakukan pengukuran pengujian, rata-rata error
yang diperoleh sebesar -2%. Menurut AACE tahap konseptual yang dimulai dari
kelas lima sampai kelas tiga diharapkan berada dalam rentang -20% sampai
+30% dari biaya proyek yang sebenarnya.
5.2.1 Temuan 1
Dalam temuan pertama yang diperoleh dari penelitian ini adalah faktor-
faktor apa saja yang mempengaruhi biaya konstruksi gedung perkuliahan umum.
Faktor-faktor ini diperoleh dari tinjauan literature sebelumnya yang kemudian
dilakukan validasi oleh para pakar. Adapun faktor-faktor yang mempengaruhi
biaya konstruksi gedung perkuliahan adalah: 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.
5.2.2 Temuan 2
Pada temuan yang kedua, merupakan hasil dari dijalankannya metode
ANN. Dari proses metode ANN ini, nanti akan ditemukan model ANN dengan
beberapa kali melakukan proses pelatihan dan pengujian yang bersifat trial and
eror. Berikut adalah kriteria model ANN terbaik yang ditemukan :
Estimasi biaya..., Tekad Utomo, FT UI, 2012
55
Universitas Indonesia
Tabel 5. 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
Tabel 5. 2 Bobot Input dan Bias Input Model ANN
Bobot Input
X1 X2 X3 X4 X5 X6 X7 1
Z1 0.1230 1.0269 1.7450 1.8050 -0.7782 -0.4924 -0.4890 -0.7080
Z2 -2.2172 -0.3460 1.1359 -1.4716 0.8192 -1.8538 0.9169 -0.9065
Z3 -2.1809 -0.1262 -0.3797 -0.5259 2.1711 1.3978 1.0094 -0.6288
Z4 1.3923 -0.0244 0.7238 0.8775 1.7294 3.9568 0.0110 1.4324
Sumber : Hasil Olahan
Tabel 5. 3 Bobot Lapisan dan Bias Lapisan Model ANN
Z1 Z2 Z3 Z4 1
Y -1.3981 1.5482 -1.6156 1.5658 -0.3316
Sumber : Hasil Olahan
Y = f (x) = �
�����
Estimasi biaya..., Tekad Utomo, FT UI, 2012
56
Universitas Indonesia
f (x) = f ���� + ∑ ��. ������� �
f (x) = [���] + ∑ �
�1�2�3�4
� . [�11 �12 �13 �14]����
f (x) =
[−0.3316] + ∑ �
�1�2�3�4
� . [−0.3316 1.5482 −1.6156 0,0963]����
Zi = f (Z_neti) = �
�����_����
f (Z_neti) = f ���� + ∑ ��. ������� �
Z_net1=
[�10] + ∑
⎣⎢⎢⎢⎢⎢⎡�1�2�3�4�5�6�7�8⎦
⎥⎥⎥⎥⎥⎤
. [�11 �12 �13 �14 �15 �16 �17 �18]����
Z_net2=
[�20] + ∑
⎣⎢⎢⎢⎢⎢⎡�1�2�3�4�5�6�7�8⎦
⎥⎥⎥⎥⎥⎤
. [�21 �22 �23 �24 �25 �26 �27 �28]����
Z_net3=
[�30] + ∑
⎣⎢⎢⎢⎢⎢⎡�1�2�3�4�5�6�7�8⎦
⎥⎥⎥⎥⎥⎤
. [�31 �32 �33 �34 �135 �36 �37 �38]����
Estimasi biaya..., Tekad Utomo, FT UI, 2012
57
Universitas Indonesia
Z_net4=
[�40] + ∑
⎣⎢⎢⎢⎢⎢⎡�1�2�3�4�5�6�7�8⎦
⎥⎥⎥⎥⎥⎤
. [�41 �42 �43 �44 �45 �46 �47 �48]����
Tabel 0.1 Bobot Pada Lapisan Input Model ANN
Bobot Vji
i 1 2 3 4 5 6 7 8
j
1 0.1230 1.0269 1.7450 1.8050 -0.7782 -0.4924 -0.4890 -0.7080
2 -2.2172 -0.3460 1.1359 -1.4716 0.8192 -1.8538 0.9169 -0.9065
3 -2.1809 -0.1262 -0.3797 -0.5259 2.1711 1.3978 1.0094 -0.6288
4 1.3923 -0.0244 0.7238 0.8775 1.7294 3.9568 0.0110 1.4324
Sumber : Hasil Olahan
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
Estimasi biaya..., Tekad Utomo, FT UI, 2012
LAMPIRAN 2
TABULASI DATA KESELURUHAN
Estimasi biaya..., Tekad Utomo, FT UI, 2012
L2-1 Universitas Indonesia
Lampiran 2 : Tabulasi Data Keseluruhan
No Nama Proyek
Luas Bangunan
m2
Jumlah Lantai
Tinggi Bangunan
m
Jarak Lantai m
Durasi Pekerjaan Tahun
Pekerjaan Tipe atap
(genteng,dak,dll) Tipe super struktur
(beton,baja,komposit)
Finishing grade (1,2,3)
Kondisi tanah
(cut,fill,cut and fill)
Lokasi Jenis
Pondasi Bentuk
Bangunan Biaya Proyek
(rupiah)
1 Proyek 1 4,622.83 3.00 11.25 3.75 6.00 2010 Genteng beton
Semarang borepile persegi panjang
12,713,346,363.60
2 Proyek 2 4,404.28 3.00 11.40 3.80 6.00
2010 Genteng beton
Bali borepile persegi panjang
19,815,545,454.50
3 Proyek 3 4,844.71 3.00 11.25 3.75 6.00
2010 Genteng beton
Surabaya tiang
pancang persegi panjang
21,737,536,363.60
4 Proyek 4 5,421.26 3.00 12.60 4.20 6.00
2009 Genteng beton
Manado borepile persegi panjang
19,027,636,363.60
5 Proyek 5 6,926.74 3.00 11.25 3.75 6.00
2010 Genteng beton
Semarang borepile persegi panjang
43,088,424,545.50
6 Proyek 6 5,421.26 3.00 11.25 3.75 6.00
2010 Genteng beton
Manado borepile persegi panjang
27,995,727,272.70
7 Proyek 7 3,493.00 3.00 11.25 3.75 3.50
2008 Genteng beton
Solo borepile persegi panjang
8,117,118,181.81
8 Proyek 8 2,970.93 3.00 11.25 3.75 3.00
2010 Genteng beton
Bali minipile persegi panjang
50,312,454,545.40
9 Proyek 9 2,568.00 3.00 11.25 3.75 5.00
2010 Genteng beton
Surabaya borepile persegi panjang
3,289,409,090.91
10 Proyek 10 1,811.04 3.00 11.25 3.75 6.00
2010 Genteng beton
Surabaya borepile persegi panjang
2,445,440,909.09
11 Proyek 11 3,626.40 3.00 11.25 3.75 3.00
2010 Genteng beton
Surabaya borepile persegi panjang
20,113,887,272.70
12 Proyek 12 5,439.60 3.00 11.25 3.75 3.00
2010 Genteng beton
Yogyakarta tiang
pancang persegi panjang
19,090,909,090.91
13 Proyek 13 9,208.88 3.00 11.25 3.75 5.00
2008 Genteng beton
Yogyakarta borepile persegi panjang
32,693,636,363.60
14 Proyek 14 4,753.00 3.00 11.25 3.75 3.00
2010 Genteng beton
Manado borepile persegi panjang
18,674,200,000.00
15 Proyek 15 10,423.08 3.00 11.25 3.75 6.00
2010 Genteng beton
Padang tiang
pancang persegi panjang
29,382,263,636.40
16 Proyek 16 4,475.15 3.00 11.25 3.75 5.00 2011 Genteng beton
Bandung borepile persegi panjang
19,818,181,818.18
17 Proyek 17 4,622.83 3.00 11.25 3.75 6.00
2009 Genteng beton
Semarang borepile persegi panjang
8,815,418,181.81
18 Proyek 18 3,771.02 3.00 11.25 3.75 5.00
2007 Genteng beton
Bandung borepile persegi panjang
21,383,517,935.50
Estimasi biaya..., Tekad Utomo, FT UI, 2012
LAMPIRAN 3
TABULASI DATA INPUT ANN
Estimasi biaya..., Tekad Utomo, FT UI, 2012
L3-1 Universitas Indonesia
Lampiran 3 : Tabulasi Data Input ANN
4622.83 3.00 11.25 3.75 6.00 2010 3.00 1.00 12,713,346,363.60
4404.28 3.00 11.4 3.80 6.00 2010 7.00 1.00 19,815,545,454.50
4844.71 3.00 11.25 3.75 6.00 2010 5.00 2.00 21,737,536,363.60
5421.26 3.00 12.6 4.20 6.00 2009 8.00 1.00 19,027,636,363.60
6926.74 3.00 11.25 3.75 6.00 2010 3.00 1.00 43,088,424,545.50
5421.26 3.00 11.25 3.75 6.00 2010 8.00 1.00 27,995,727,272.70
3493.00 3.00 11.25 3.75 3.50 2008 6.00 1.00 8,117,118,181.81
2970.93 3.00 11.25 3.75 3.00 2010 7.00 1.00 50,312,454,545.40
2568.00 3.00 11.25 3.75 5.00 2010 5.00 1.00 3,289,409,090.91
1811.04 3.00 11.25 3.75 6.00 2010 5.00 1.00 2,445,440,909.09
3626.40 3.00 11.25 3.75 3.00 2010 5.00 1.00 20,113,887,272.70
5439.60 3.00 11.25 3.75 3.00 2010 4.00 2.00 19,090,909,090.91
9208.88 3.00 11.25 3.75 5.00 2008 4.00 1.00 32,693,636,363.60
4753.00 3.00 11.25 3.75 3.00 2010 8.00 1.00 18,674,200,000.00
10423.08 3.00 11.25 3.75 6.00 2010 9.00 2.00 29,382,263,636.40
Estimasi biaya..., Tekad Utomo, FT UI, 2012
LAMPIRAN 4
HASIL VALIDASI OUTPUT
Estimasi biaya..., Tekad Utomo, FT UI, 2012
L4-1 Universitas Indonesia
Lampiran 4 : Hasil Validasi Output
(7-4-1) (7-3-1) (7-5-1)
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.
Dosen Penguji Dosen Penguji
Ir. Setyo Suprijadi, Msi. Rosmariani, S.T.,M.T.
Estimasi biaya..., Tekad Utomo, FT UI, 2012