estimasi biaya tahap konseptual pada konstruksi...
TRANSCRIPT
UNIVERSITAS INDONESIA
ESTIMASI BIAYA TAHAP KONSEPTUAL PADA
KONSTRUKSI GEDUNG PERKANTORAN DENGAN
METODE ARTIFICIAL NEURAL NETWORK
SKRIPSI
LUDYA KESTURI
0806321215
FAKULTAS TEKNIK
PROGRAM SARJANA
DEPOK
JUNI 2012
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
1155/FT.01/SKRIP/09/2012
UNIVERSITAS INDONESIA
ESTIMASI BIAYA TAHAP KONSEPTUAL PADA
KONSTRUKSI GEDUNG PERKANTORAN DENGAN
METODE ARTIFICIAL NEURAL NETWORK
SKRIPSI Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana
LUDYA KESTURI
0806321215
FAKULTAS TEKNIK
PROGRAM STUDI TEKNIK SIPIL
KEKHUSUSAN MANAJEMEN KONSTRUKSI
DEPOK
JUNI 2012
Estimasi biaya..., Ludya Kesturi, FTUI, 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 : Ludya Kesturi
NPM : 0806321215
Tanda Tangan :
Tanggal : 22 Juni 2012
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
iii
HALAMAN PENGESAHAN
Skripsi ini diajukan oleh :
Nama : Ludya Kesturi
NPM : 0806321215
Program Studi : Teknik Sipil
Judul Skripsi : Estimasi Biaya Tahap Konseptual pada Konstruksi
Gedung Perkantoran dengan Metode Artificial
Neural Network
Telah berhasil dipertahankan 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 ( )
Penguji : Ir. Setyo Supriadji, M.S. ( )
Penguji : Rosmariani S.T., M.T. ( )
Ditetapkan di : Depok
Tanggal : 22 Juni 2012
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
iv
UCAPAN TERIMA KASIH
Puji dan syukur penulis panjatkan kepada Allah SWT karena hanya berkat
rahmat dan ridho-Nya penulis dapat menyelesaikan penyusunan skripsi ini.
Penelitian ini merupakan salah satu syarat untuk dapat melanjutkan ke tahap
berikutnya yaitu penyusunan skripsi, dan lebih dekat lagi kepada gelar Sarjana
Teknik dari Departemen Teknik Sipil, Fakultas Teknik, Universitas Indonesia.
Secara khusus penulis mempersembahkan seminar skripsi ini kepada
orang tua khususnya Mama dan Almarhum Ayah. Terima kasih atas kasih sayang
dan dukungan yang diberikan selama ini. Serta kepercayaan dan teladan bagi diri
penulis.
Penulis menyadari bahwa dalam penulisan skripsi ini, masih terdapat
kekurangan dan keterbatasan. Oleh karena itu, penulis terbuka terhadap kritik dan
saran untuk perbaikan dan penyempurnaan penelitian ini. Semoga penelitian ini
berguna bagi perkembangan bidang konstruksi di Indonesia.
Dalam proses pembuatan skripsi ini penulis banyak mendapatkan bantuan
dan dukungan dari berbagai pihak, baik perorangan maupun instansi terkait. Pada
kesempatan kali ini penulis ingin mengucapkan terima kasih sebesar-besarnya
kepada seluruh pihak yang telah membantu terwujudnya skripsi ini, antara lain
kepada:
(1) Bapak Prof. Dr. Ir. Yusuf Latief, selaku Ketua Bimbingan Skripsi pada
peminatan Manajemen Konstruksi, serta Pembimbing Skripsi penulis yang
telah bersedia meluangkan waktu, tenaga, pemikiran, dan memberikan
pengarahan yang berharga dalam pembuatan seminar ini.
(2) Bapak Ir. Wisnu Isvara, MT., selaku Pembimbing Skripsi penulis atas
pengarahan yang diberikan kepada penulis sejak awal, serta peluangan
waktu, tenaga, dan pemikiran beliau dalam memberikan bimbingan yang
sangat bermanfaat bagi seminar skripsi penulis
(3) Bapak Suratman, ST., MT. dan Ibu Rosmariani, ST., MT., selaku dosen
penguji dalam Sidang Seminar Skripsi penulis atas masukan dan
rekomendasi yang telah diberikan.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
v
(4) Kak Panggih selaku narasumber, atas kebersediaan beliau dalam membantu
seminar skripsi penulis khususnya dalam penyediaan data yang diperlukan.
(5) Kepada Kak Julian Bagus yang rela meluangkan waktunya untuk
memberikan ilmu mengenai ANN
(6) Seluruh dosen pengajar yang telah mengajar selama penulis menempuh
perkuliahan di FTUI. Terima Kasih atas dedikasi dan ilmu yang bermanfaat,
semoga Tuhan memberkati.
(7) Seluruh staff pegawai di lingkungan FTUI terutama bagian administrasi,
juga keamanan, teknologi informasi, dan lain-lain. Terima kasih telah
membantu kelancaran jalannya perkuliahan di Teknik Sipil FTUI.
(8) Kakak-kakak penulis yang ikut membantu memperlancar kegiatan penulis
selama penelitian skripsi ini.
(9) Sahabat-sahabat serta teman-teman SMA penulis yang senantiasa
memberikan dukungan kepada penulis; Vina, Utie, Ipeh, Caca, Popo, Fina,
Nisa. Terimakasih karena selalu ada untuk penulis termasuk di saat
penulisan skripsi ini.
(10) Jennyvera dan juga rekan-rekan satu bimbingan lain, yang telah melewati
masa-masa bimbingan bersama dengan penulis. Terimakasih atas
kekooperatifannya dan dukungan semangatnya.
(11) Seluruh teman-teman angkatan 2008 atas dukungan, doa, serta masukan
yang diberikan. Terima kasih telah mewarnai kehidupan kampus penulis.
(12) Seluruh pihak dan teman-teman lainnya yang tidak dapat disebutkan satu
persatu. Terima Kasih Banyak.
Depok, 22 Juni 2012
Penulis
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
vi Universitas Indonesia
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI
TUGAS AKHIR UNTUK KEPENTINGAN AKADEMIS
Sebagai sivitas akademik Universitas Indonesia, saya yang bertanda tangan di
bawah ini:
Nama : Ludya Kesturi
NPM : 0806321215
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 :
Estmiasi Biaya Tahap Konseptual pada Konstruksi Gedung Perkantoran
dengan Metode Artificial Neural Network
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 : 22 Juni 2012
Yang Menyatakan
(Ludya Kesturi)
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
vii Universitas Indonesia
ABSTRAK
Nama : Ludya Kesturi
Program Studi : Teknik Sipil
Judul : Estimasi Biaya Tahap Konseptual pada Konstruksi Gedung
Perkantoran dengan Metode Artificial Neural Network
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 kantor. 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 kantor yang tersedia pada
tahap konseptual antara lain, lokasi, pondasi, luas total, tingkat, lapis basement,
konstruksi atap, finishing grade, tahun, dan durasi pembangunan. Variabel ini
kemudian dimasukkan dalam suatu desain struktur jaringan yang paling cocok
sehingga keakurasiannya mencapai 7,79%, memenuhi standar AACE.
Kata kunci: Estimasi biaya tahap konseptual, estimasi biaya gedung perkantoran,
Jaringan Syaraf Tiruan
ABSTRACT
Name : Ludya Kesturi
Study Program: Civil Engineering
Title : Conceptual Cost Estimation of Office Building Constructions
Using Artifical 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 office 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 office building construction
project cost and available at the conceptual phase are, location, foundation, area,
number of story, number of basement 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
7,79% complimentary to AACE standard.
Keywords: Cost estimation in conceptual phase, office building cost estimation,
Artificial Neural Network
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
viii Universitas Indonesia
DAFTAR ISI
HALAMAN JUDUL ................................................................................................ i
HALAMAN PERNYATAAN ORISINALITAS .................................................... ii
HALAMAN PENGESAHAN ................................................................................ iii
UCAPAN TERIMA KASIH .................................................................................. iv
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI ............................. vi
ABSTRAK ............................................................................................................ vii
DAFTAR ISI ........................................................................................................ viii
DAFTAR TABEL ................................................................................................... x
DAFTAR GAMBAR ............................................................................................. xi
DAFTAR LAMPIRAN ......................................................................................... xii
1. PENDAHULUAN .............................................................................................. 1
1.1. Latar Belakang ......................................................................................... 1
1.2. Perumusan Masalah .................................................................................. 4
1.2.1. Deskripsi Masalah ........................................................................... 4
1.2.2. Signifikansi Masalah ....................................................................... 5
1.2.3. Rumusan Masalah ........................................................................... 6
1.3. Tujuan Penelitian ...................................................................................... 6
1.4. Batasan Penelitian .................................................................................... 7
1.5. Manfaat Penelitian .................................................................................... 7
1.6. Model Operasional Peneltian ................................................................... 8
1.7. Keaslian Penelitian ................................................................................... 9
2. TINJAUAN PUSTAKA .................................................................................. 12
2.1. Pendahuluan ........................................................................................... 12
2.2. Estimasi Biaya ........................................................................................ 14
2.2.1. Estimasi Biaya Proyek Konstruksi................................................. 14
2.2.2. Jenis-Jenis Estimasi Biaya Proyek ................................................. 16
2.2.3. Metode-Metode Estimasi Biaya Proyek ........................................ 18
2.2.4. Tingkat Keakurasian Estimasi Biaya Proyek ................................. 21
2.3. Estimasi Biaya Tahap Konseptual .......................................................... 24
2.3.1. Tingkatan Estimasi Biaya Tahap Konseptual ............................... 25
2.3.2. Karakteristik Estimasi Biaya Tahap Konseptual .......................... 27
2.3.3. Proses Estimasi Biaya Konstruksi Tahap Konseptual .................. 27
2.3.4. Kualitas Estimasi Biaya padaTahap Konseptual .......................... 32
2.3.5. Dasar Perhitungan Estimasi Biaya pada Tahap Konseptual ......... 32
2.4. Gedung ................................................................................................... 33
2.4.1. Definisi Gedung ............................................................................. 33
2.4.1.1. Klasifikasi Gedung ............................................................ 35
2.4.1.2. Tata Bangunan ................................................................... 37
2.4.2. Faktor-Faktor yang Mempengaruhi Biaya Konstruksi Gedung..... 39
2.4.3. Gedung Kantor ............................................................................... 44
2.4.3.1. Perencanaan Gedung Kantor ............................................. 46
2.4.4. Spesifikasi Gedung Kantor pada Tahap Konseptual......................51
2.4.5. Metode Estimasi Biaya Tahap Konseptual Gedung Kantor .......... 55
2.5. Jaringan Syaraf Tiruan (Artificial Neural Network) ............................... 57
2.5.1. Deskripsi Artificial Neural Network ........................................... 58
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
ix
ix Universitas Indonesia
2.5.2. Konsep Dasar Model Artificial Neural Network ........................ 61
2.5.3. Arsitektur Jaringan pada Artificial Neural Network ................... 64
2.5.4. Proses Pembelajaran Algoritma Artificial Neural Network........ 66
2.5.5. Penggunaan Algoritma Back Propagation .................................. 67
2.5.6. Evaluasi Kinerja Model ANN ..................................................... 73
2.5.7. Variabel-Variabel yang Digunakan dalam Model ANN ............. 74
2.6. Kerangka Pikir dan Hipotesa .................................................................. 76
3. METODOLOGI PENELITIAN .................................................................... 82 3.1. Pendahuluan ........................................................................................... 82
3.2. Pemilihan Strategi Penelitian ................................................................. 82
3.3. Proses Penelitian ..................................................................................... 84
3.4. Variabel Penelitian ................................................................................. 86
3.4.1. Instrumen Penelitian ...................................................................... 89
3.5. Pengumpulan Data ................................................................................. 89
3.6. Metode Analisa ....................................................................................... 93
3.7. Kesimpulan ............................................................................................. 94
4. PENGUMPULAN DAN PENGOLAHAN DATA........................................ 95 4.1. Pendahuluan ........................................................................................... 95
4.2. Pengumpulan Data ................................................................................. 95
4.3. Penetapan Variabel ............................................................................... 102
4.2.1. Identifikasi Variabel..................................................................... 102
4.2.2. Validasi Variabel ......................................................................... 105
4.2.3. Penetapan Variabel ...................................................................... 111
3.4. Pengolahan Data ................................................................................... 114
5. TEMUAN DAN PEMBAHASAN ................................................................ 129 5.1. Pendahuluan ......................................................................................... 129
5.2. Temuan ................................................................................................. 129
5.3. Pembahasan .......................................................................................... 137
6. KESIMPULAN DAN SARAN ..................................................................... 145 6.1. Kesimpulan ........................................................................................... 145
6.2. Saran ..................................................................................................... 147
DAFTAR ACUAN..............................................................................................148
DAFTAR REFERENSI.....................................................................................156
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
x Universitas Indonesia
DAFTAR TABEL
Tabel 2.1 Matriks Klasifikasi Estimasi AACE .................................................. 22
Tabel 2.2 Klasifikasi Bangunan Gedung Pemerintah ...................................... 344
Tabel 2.3 Klasifikasi bangunan rumah negara ................................................... 36
Tabel 2.4 Tabel Biaya Square Foot Gedung Apartemen dan Perkantoran ........ 40
Tabel 2.5 Analogi Jaringan Syaraf Biologis dengan ANN ................................. 59
Tabel 2.6 Variabel Biaya untuk Bangunan Gedung dari Kajian Literatur .......... 74
Tabel 2.7 Variabel Penelitian ............................................................................. 77
Tabel 3.1 Strategi Penelitian Berdasarkan Research Question.. ......................... 83
Tabel 3.2 Tabel Variabel Bebas (X) dan Variabel Terikat (Y). .......................... 87
Tabel 3.3 Format Formulir Validasi Pakar ........................................................ 91
Tabel 4.1 Rekap Data ......................................................................................... 97
Tabel 4.2 Identifikasi Variabel ......................................................................... 102
Tabel 4.3 Tabel Kuesioner Validasi Pakar. ....................................................... 106
Tabel 4.4 Variabel Setelah Validasi Pakar ........................................................ 111
Tabel 4.5 Variabel yang Dieliminasi ................................................................ 112
Tabel 4.6 Spesifikasi Bangunan Gedung Permenpu No.45 Tahun 2007 .......... 112
Tabel 4.7 Kategori Finishing Grade Penelitian ................................................. 113
Tabel 4.8 Saran Pakar Mengenai Variabel Tambahan ...................................... 113
Tabel 4.9 Variabel yang Akan Digunakan Pada Penelitian .............................. 114
Tabel 4.10 Tabel Data Skenario 1 ....................................................................... 118
Tabel 4.11 Variabel Skenario 1 ........................................................................... 119
Tabel 4.12 Rekap Hasil Skenario 1 ..................................................................... 120
Tabel 4.13 Tabel Data Skenario 2 ....................................................................... 121
Tabel 4.14 Variabel Skenario 2 ........................................................................... 122
Tabel 4.15 Rekap Hasil Skenario 2 ..................................................................... 122
Tabel 4.16 Tabel Data Skenario 3 ....................................................................... 123
Tabel 4.17 Variabel Skenario 3 ........................................................................... 124
Tabel 4.18 Rekap Hasil Skenario 3 ..................................................................... 125
Tabel 4.19 Tabel Data Skenario 4 ....................................................................... 126
Tabel 4.11 Variabel Skenario 4 ........................................................................... 127
Tabel 4.12 Rekap Hasil Skenario 1 ..................................................................... 127
Tabel 5.1 Identifikasi Variabel dan Kajian Literatur ........................................ 130
Tabel 5.2 Variabel Berdasarkan Data Proyek ................................................... 131
Tabel 5.3 Properti Pelatihan .............................................................................. 133
Tabel 5.4 Variabel Skenario 3 ........................................................................... 134
Tabel 5.5 Data untuk Pelatihan Skenario 3 ....................................................... 135
Tabel 5.6 Hasil Pelatihan dengan MMRE Terbaik ........................................... 135
Tabel 5.7 Range dan Karakteristik Statistik Variabel ....................................... 137
Tabel 5.8 Kriteria Pelatihan Terbaik ................................................................. 137
Tabel 5.9 Arsitektur Jaringan Pelatihan Terbaik............................................... 138
Tabel 5.10 Bobot dari Layar Masukan ke Layar Tersembunyi .......................... 139
Tabel 5.11 Bobot dari Layar Tersembunyi ke Layar Keluaran .......................... 140
Tabel 6.1 Variabel yang Berpengaruh Terhadap Biaya Gedung Kantor .......... 145
Tabel 6.2 Kriteria Permodelan ANN ................................................................ 146
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
xi Universitas Indonesia
DAFTAR GAMBAR
Gambar 1.1 Model Operasional Penelitian ........................................................... 8
Gambar 2.1 Timeline Perkembangan Artificial Intelligence .............................. 18
Gambar 2.2 Akurasi Estimasi Biaya versus Tahap Konstruksi .......................... 18
Gambar 2.3 Aplikasi dari Metode Estimasi Selama Delivery Proyek ................ 21
Gambar 2.4 Peningkatan Akurasi Estimasi Sesuai Tingkatan Definisi Proyek .. 24
Gambar 2.5 Alur Proses Estimasi Biaya Tahap Konseptual ............................... 29
Gambar 2.6 Skema Subsistem Dan Sistem Kontrol ........................................... 46
Gambar 2.8 Diagram Klasifikasi Kepemilikan Gedung Kantor ......................... 47
Gambar 2.9 Sirkulasi pada Gedung Kantor ........................................................ 48
Gambar 2.9 Tinggi Panel Optimum .................................................................... 49
Gambar 2.10 Jarak antar Lantai/Floor-to-Floor Height ....................................... 54
Gambar 2.11 Struktur Unit Jaringan Syaraf Tiruan .............................................. 62
Gambar 2.12 Model neuron MCP dengan input terbobot ..................................... 63
Gambar 2.13 Perceptron........................................................................................ 63
Gambar 2.14 Model Matematis Sebuah Neuron Dasar ........................................ 64
Gambar 2.15 Model ANN dengan Multi-Layer .................................................... 65
Gambar 2.16 Feedback (Recurrent) Network ....................................................... 66
Gambar 2.17 Kerangka Pikir................................................................................. 81
Gambar 3.1 Diagram Alur Analisis dan Pemodelan ANN ................................. 85
Gambar 4.1 Flow Chart Permodelan ANN ....................................................... 115
Gambar 5.1 Performance Pelatihan .................................................................... 18
Gambar 5.2 Regresi untuk Data Training dan Data Tes ................................... 136
Gambar 5.3 Jaringan Permodelan ANN Terbaik .............................................. 139
Gambar 5.4 Grafik Sensitivitas Luas Bangunan Terhadap Nilai Kontrak ........ 141
Gambar 5.5 Grafik Sensitivitas Jumlah Tingkat Terhadap Nilai Kontrak ........ 142
Gambar 5.6 Grafik Sensitivitas Finishing Grade Terhadap Nilai Kontrak........142
Gambar 5.7 Grafik Sensitivitas Tahun Terhadap Nilai Kontrak....................... 143
Gambar 5.8 Grafik Sensitivitas Durasi Terhadap Nilai Kontrak ...................... 143
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
xii Universitas Indonesia
DAFTAR LAMPIRAN
Lampiran 1 Kuesioner Validasi Variabel
Lampiran 2 Command MATLAB ANN
Lampiran 3 Risalah Sidang Skripsi
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
1 Universitas Indonesia
BAB 1
PENDAHULUAN
1.1. Latar Belakang
Sebelum pelaksanaan suatu proyek konstruksi, pada dasarnya harus
dilakukan estimasi biaya untuk memperkirakan nilai yang dibutuhkan demi
keberlangsungan proses konstruksi ke depannya. Dalam prakteknya, estimasi
biaya tersebut terbagi-bagi menjadi beberapa jenis estimasi, yang dibedakan
bergantung kepada cakupan waktu estimasi biaya tersebut dilakukan, dan lingkup
informasi yang tersedia untuk acuan estimasi biaya tersebut. Estimasi pada tahap
awal, di mana informasi yang tersedia masih sangat umum, serta detail rancangan
yang belum lengkap secara signifikan, disebut estimasi tahap konseptual.
Conceptual Estimate memberikan gambaran biaya proyek konstruksi
yang diperlukan, secara umum, sehingga dapat menjadi salah satu masukan bagi
studi kelayakan. Estimasi tahap konseptual adalah tahapan dimana owner/pemilik
membutuhkan informasi biaya seawal mungkin pada suatu proyek, sehingga
owner dapat mengambil keputusan untuk besar kecilnya proyek dan
memperkirakan nilai proyek [1]. Selain itu, menurut Cheng dan Hsieh [2],
conceptual cost estimate merupakan basis dari evaluasi proyek, desain
engineering, budgeting biaya, serta manajemen biaya, yang tidak hanya memiliki
peranan penting pada studi kelayakan suatu proyek, melainkan juga merupakan
hal fundamental bagi kesuksesan suatu proyek. Estimasi konseptual merupakan
salah satu dari output perencanaan biaya awal dan merupakan salah satu bagian
informasi terpenting. Estimasi biaya tahap konseptual merupakan masukan
fundamental untuk decision making proses awal suatu proyek [3].
Sesuai namanya, estimasi tahap konseptual merupakan estimasi yang
dibangun berdasar konsep umum yang biasanya disediakan pada awal proses
konstruksi. Pada tahap ini, gambar teknik dari konstruksi belum ada untuk dapat
menjadi acuan, atau bilapun ada maka masih belum sangat detail. Oleh karena itu,
estimasi biaya berdasarkan informasi-informasi tersebut akan sangat sulit
dilakukan. Tersedianya database berupa perhitungan biaya proyek sebelumnya
untuk proses estimasi biaya tahap konseptual akan sangat membantu, sehingga
dalam penyajiannya estimasi dapat menghasilkan output yang terbaik serta
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
2
Universitas Indonesia
seakurat mungkin. Sesuai pendapat Stephen D. Schuette dan Roger W. Liska [4],
perhitungan biaya/harga tahap konseptual dapat berasal dari perhitungan detail
proyek sebelumnya, kemudian digabungkan menjadi paket-paket pekerjaan (work
packages) yang sejenis.
Terdapat beberapa metode yang dapat digunakan dalam perhitungan
estimasi biaya. Menurut S. Singh [5], secara tradisional model untuk estimasi
biaya dibangun menggunakan metode statistik. Analisa regresi dapat mewakili
alternatif metode tradisional, dengan kelemahan hakiki berupa kebergantungannya
akan fungsi matematikal dalam perhitungan cost estimate tersebut [6]. Selain itu,
metode tradisional memiliki hambatan dalam perhitungan estimasi yang akurat,
disebabkan oleh banyaknya variabel yang akan dibutuhkan juga terutama dalam
penentuan interaksi diantaranya. Oleh karena itu, metode tradisional memiliki
kemampuan yang terbatas [7].
Suatu metode scientific perlu dikembangkan untuk digunakan dalam
proses perencanaan serta desain proyek dalam rangka meningkatkan akurasi
estimasi biaya tahap konseptual [8]. Warren S. McCulloch, seorang
neurophysiologist dan Walter Pitts, seorang mathematician, pada tahun 1943
menemukan suatu model matematis yang merepresentasikan sel-sel syaraf yang
disebut McCulloh-Pitts neuron (yang kemudian menjadi cikal bakal sistem
jaringan saraf tiruan atau yang biasa disebut dengan Artificial Neural Network).
Metode ini telah berkembang pesat dan digunakan pada berbagai aplikasi.
Jaringan saraf tiruan merupakan sistem pemrosesan informasi yang didesain
dengan menirukan cara kerja otak manusia dalam menyelesaikan suatu 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 [9].
Beberapa peneliti bahkan menyebutkan hubungan antara penggunaan
teknik ANN dengan akurasi estimasi biaya dapat memperlihatkan kinerja yang
lebih baik dari pada cara-cara tradisional. Setyawati, Creese, dan Sahirman [10]
menyatakan Neural Network telah menunjukkan hasil lebih baik dibandingkan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
3
Universitas Indonesia
dengan analisa regresi pada estimasi biaya gedung. Garza dan Rouhana [11]
menyatakan permodelan biaya dengan menggunakan teknik ANN menghasilkan
akurasi lebih baik dimana rata-rata kesalahannya lebih kecil dari multiple
regression.
Saat ini, di Indonesia tersedia pedoman perhitungan estimasi biaya bagi
Bangunan Gedung dan Rumah Negara, berupa Peraturan Menteri Pekerjaan
Umum No.45/2007. Estimasi dengan pedoman tersebut dapat digunakan dengan
informasi awal seperti jenis dan kelas bangunan, luas dan jumlah lantai, lokasi
bangunan, komponen dan utilitas bangunan, serta tenaga kerja ahli yang
dikerahkan. Namun dalam implementasinya masih sering ditemukan kesulitan
penggunaan Permen PU Tahun. 2007 ini dalam perhitungan estimasi biaya.
Diantaranya tidak tersedianya keofisien/faktor pengali untuk perhitungan
bangunan gedung dengan jumlah lantai lebih dari 8 lantai. Adapun tujuan dari
penulisan ini ialah penulis bermaksud mencoba memberikan suatu pedoman demi
menanggulangi hambatan-hambatan yang biasanya ditemukan pada proses
estimasi biaya tahap konseptual, khususnya untuk konstruksi gedung kantor.
Gedung kantor yang umum digunakan, biasanya memiliki lebih dari delapan
lantai dengan fasilitas-fasilitas fungsional khusus. Dengan menilik basis data dari
proyek sebelumnya, metode yang pernah dipakai sebelumnya, serta karakteristik-
karakteristik dari proyek-proyek Gedung Kantor sebelumnya, dan dengan
menggunakan analisa menurut metode Artificial Neural Network, penulis
berusaha menghasilkan acuan bagi perhitungan estimasi biaya tahap konseptual
proyek gedung kantor/office.
Oleh karena itu, penulis bermaksud menghasilkan peramalan yang akurat
dan lebih efisien, dengan mengidentifikasi parameter-parameter estimasi biaya
pada tahap konseptual yang berpengaruh terhadap proyek yang pada akhirnya
bermanfaat sebagai acuan dalam menentukan variabel-variabel persamaan
estimasi biaya dengan metode ANN. Menurut Phaobunjong, K., dan Popescu,
C.M, [12] parameter-parameter yang digunakan dalam penelitian tahap konseptual
haruslah memiliki sifat-sifat yang bersifat mudah untuk dikuantifikasi nilainya
dan cukup ketersediaannya pada tahap awal. Dengan hal-hal tersebut, diharapkan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
4
Universitas Indonesia
penelitian ini dapat memberikan hasil berupa estimasi biaya tahap konseptual
yang lebih baik dan memenuhi syarat.
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
Estimasi biaya tahap konseptual memegang peranan penting dalam
menjadi patokan fundamental bagi penentuan keputusan-keputusan yang
berhubungan dengan kelangsungan suatu proyek ke depannya. Namun demikian,
ketersediaan informasi pada tahap ini tentu saja yang paling minim dibandingkan
dengan estimasi biaya pada tahap-tahap selanjutnya. Sesuai dengan pernyataan
Mr. Kul B. Uppal [13], yaitu estimasi pada fase konseptual biasanya dibuat pada
saat sebuah proyek masih diklasifikasikan sebagai proposal, sehingga estimasi
fase konseptual ialah estimasi dengan paling sedikit detail proyek yang dapat
diperoleh. Oleh karena itu, biasanya estimasi biaya konseptual didasarkan pada
data historis, dengan penyesuaian yang dibutuhkan.
Metode yang umum digunakan untuk menghitung estimasi biaya yang
berbasis data historis ialah parametric estimation (linear maupun non-linear
regression). Namun metode ini membutuhkan asumsi mengenai interrelationship
antar atribut konstruksi dengan biaya yang kemudian akan diaplikasikan ke
statistical regression (curve fitting) berbasis data masa lalu. Metode jaringan
syaraf tiruan, bukan merupakan bersifat parametrik sehingga dapat tidak terbebani
oleh kelemahan ini. Asumsi mengenai bentuk dari fungsi tidak perlu dibuat di
awal training, sehingga cost engineer tidak perlu terlibat dalam kegiatan yang
paling memakan waktu dalam parametric costing tersebut [14].
Hal ini menjadi keuntungan tersendiri, sebab estimasi pada tahap
konseptual biasanya harus dibuat dalam jangka waktu yang singkat. Elemen
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
5
Universitas Indonesia
esensial dari cost management ialah kemampuan untuk, secara akurat dan cepat,
mengestimasi biaya [15]. Estimasi biaya tahap konseptual juga biasa dipakai
untuk meninjau alternatif-alternatif yang dibuat perihal konstruksi dari proyek
pada tahap awal, seperti alternatif pengadaan, subkontraktor, ataupunsuperstruktur
konstruksi. Oleh karena itu, metode estimasi haruslah mudah digunakan demi
memenuhi seluruh tuntutan estimasi alternatif-alternatif konstruksi pada tahap
awal.
Dalam hal ini, data historis yang tersedia pada umumnya tidak semuanya
sempurna, seperti misalanya ditemukan hubungan non-linier antar data.
Penggunaan metode konvensional mengharuskan sejumlah transformasi atau
konversi data agar rangkaian data menjadi linier dan kemudian baru dapat
digunakan. Sementara, jaringan syaraf tiruan dapat lebih siap menghadapi
hubungan non-linier yang tedapat dalam rangkaian data. Sedangkan mengenai
perihal data set, jaringan syaraf tiruan dapat secara lebih efektif, dibandingkan
regresi linier, mengatasi data set yang tidak lengkap [16].
1.2.2. Signifikansi Masalah
Estimasi biaya tahap konseptual sangat penting bagi suatu proyek karena
akan mempengaruhi perencanaan dan studi kelayakan dari suatu proyek. Namun,
pada kenyataannya estimasi pada tahap ini memiliki tingkat akurasi yang rendah.
Pada tahap awal, biasanya tingkat keakurasian dari estimasi biaya yang tercapai
hanyalah ±25% dan ±50% [17]. Berbagai metode untuk membantu perhitungan
estimasi biaya telah diperkenalkan, salah satunya ialah metode regresi linier.
Namun fakta mengatakan, kesalahan pada perhitungan estimasi biaya tahap awal
belum berkurang [18]. Hal itu disebabkan oleh detail proyek yang belum
terdefinsi secara jelas dan juga karena faktor-faktor bersifat kualitatif yang dapat
mempengaruhi persamaan, sehingga keakurasian pun belum tercapai. Selain itu,
akan muncul banyak hambatan bagi perhitungan estimasi biaya dengan berdasar
pada informasi current, seperti kurangnya informasi secara mendetail dan masih
banyaknya ketidakpastian hubungan antar parameter.
Metode untuk perhitungan estimasi biaya proyek lain yang lebih baik,
oleh sebab itu, perlu dikembangkan. ANN menggunakan pendekatan parametrik
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
6
Universitas Indonesia
yang berbasis dari data-data masa lalu. Artificial Neural Network bersifat murni
data-driven, yang tidak bergantung dengan asumsi pada fungsi, smoothness dari
distribusi, dan telah dipercaya sebagai alat predisksi yang universal [19]. Namun
untuk mencapai hal tersebut, diperlukan identifikasi parameter yang sesuai.
Karena beberapa faktor desain permodelan, seperti variabel input, memiliki
pengaruh signifikan terhadap akurasi dari peramalan dengan Neural Network [20].
Oleh karena itu, perlu dilakukan peninjauan pada faktor-faktor yang memiliki
korelasi erat terhadap biaya pembanguan gedung kantor, yang khususnya tersedia
pada tahap konseptual, sehingga dapat tercipta suatu estimasi biaya menggunakan
jaringan syaraf tiruan yang lebih akurat.
1.2.3. Rumusan Masalah
Berdasarkan latar belakang di atas, adapun rumusan masalah dalam
penelitian ini antara lain :
a. Faktor-faktor apa saja yang berpengaruh terhadap biaya pembangunan
kontruksi gedung kantor?
b. Bagaimana membuat suatu model berdasarkan faktor-faktor yang berpengaruh
terhadap biaya pembangunan kontruksi gedung kantor dengan menggunakan
metode ANN dalam rangka meningkatkan keakurasian estimasi biaya dalam
tahap konseptual?
1.3. Tujuan Penelitian
Adapun tujuan penelitian ini adalah :
a. Mengindentifikasi faktor-faktor yang berpengaruh terhadap biaya
pembangunan kontruksi gedung kantor.
b. Membuat model estimasi biaya kontruksi gedung kantor pada tahap
konseptual dengan metode ANN.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
7
Universitas Indonesia
1.4. Batasan Penelitian
Adapun batasan masalah di dalam penelitian yang dilakukan ini adalah
pada hal-hal berikut :
a. Adapun yang dimaksud parameter biaya konseptual kontruksi di sini adalah
parameter-parameter biaya dari bentuk fisik bangunan (total biaya kontruksi
bangunan diluar biaya pembebasan lahan, perhitungan harga tanah,
pemeliharaan, perbaikan gedung dan finansial lainnya, dan lain-lain).
b. Faktor-faktor yang digunakan ialah faktor-faktor yang memberikan pengaruh
langsung pada biaya konstruksi gedung kantor yang tersedia pada tahap
konseptual. Faktor-faktor ini diidentifikasi oleh penulis dan kemudian
divalidasi oleh pakar bidang terkait dan hanya digunakan pada model apabila
variansi data memenuhi.
c. Cakupan lokasi proyek hanya untuk kota Jakarta, Bekasi, Tanggerang, dan
Bandung.
1.5. Manfaat Penelitian
Sesuai dengan maksud dan tujuan penelitian, adapun manfaat penelitian
ini untuk memberikan konstribusi berupa, antara lain :
a. Kepada diri penulis secara pribadi, agar menambah pengetahuan maupun
kemampuan dalam mengestimasi biaya proyek secara umum, dan
pengaplikasian model Artificial Neural Network secara khusus.
b. Survey dan penelitian ini diharapkan dapat mengenalkan lagi jaringan saraf
tiruan/Artificial Neural Network kepada terhadap praktisi di bidang konstruksi
khususnya, agar lebih familiar dengan pemakaian aplikasi (ANN) untuk
estimasi biaya pada tahap awal,juga memberikan gambaran parameter-
parameter yang berhubungan erat dalam estimasi biaya konstruksi gedung
kantor tahap konseptual, sehingga dapat meningkatkan performa estimasi
biaya tahap awal.
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, menghasilkan peramalan relatif
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
8
Universitas Indonesia
yang lebih akurat dan lebih efisien, yang pada akhirnya bermanfaat sebagai
acuan dalam menghitung estimasi biaya pada tahap konseptual yang
merupakan langkah awal dari kesuksesan suatu proses konstruksi proyek itu
sendiri.
1.6. Model Operasional Penelitian
Gambar 1.1 Model Operasional Penelitian Sumber: Hasil Olahan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
9
Universitas Indonesia
1.7. Keaslian Penelitian
Adapun beberapa penelitian/tesis/journal yang terdahulu yang relevan
dengan penelitian ini dan dapat dijadikan sebagai referensi, antara lain sebagai
berikut :
a. Alice E. Smith dan Anthony K. Mason “Cost Estimation Predictive Modeling:
Regression versus Neural Network“, 1996
a) Meneliti performance, stabilitas, dan kemudahan dari penentuan CER
(Cost Estimating Relationship) estimasi biaya menggunakan metode
Artificial Neural Network
b) Neural Network dapat menjadi substitusi model estimasi biaya yang baik
daripada regresi linier, apabila CER (cost estimation relationship) sulit
untuk untuk didefinisikan. Namun penggunaan ANN harus tetap berhati-
hati diantaranya terhadap sampel yang bias. Cross validation dapat
digunakan untuk mencapai unbiased sample.
b. Bina R. Setyawati, Sidharta Sahirman, Dr. Robert C. Creese, PE CCE.
“Neural Network for Cost Estimation”, AACE International Transaction. 2002
a) Tujuan Penelitian
Tujuan penelitian ini adalah untuk menginvestigasiapplicability dari
Jaringan Syaraf Tiruan pada estimasi biaya konstruksi gedung. Arsitektur
jaringan dibangun dan dikembangkan dalam berberapan kemungkinan
untu mengetahui efek masing-masing struktur pada peforma model. Model
dengan hasil terbaik akan digunakan untuk perhitungan estimasi berdasar
input yang tersedia.
b) Kesimpulan
Estimasi biaya dengan menggunakan metode Artificial Neural Network
memiliki tingkat akurasi lebih tinggi dibanding dengan Analisa Regresi.
Untuk mendapatkan model regresi linier yang sesuai perlu metode
statistikal baru. Kriteria learning process pada estimasi menggunkaan
Artificial Neural Network juga perlu dimodifikasi. Lebih baik
menggunakan absolute percentage error dibanding absolute error value
untuk mengukur performa statistik.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
10
Universitas Indonesia
c. Bina R. Setyawati, Sidharta Sahirman, dan Dr. Robert C. Creese, PE CCE.
“Neural Netwoks for Cost Estimation (Part 2)”. AACE International
Transactions. 2003.
a) Tujuan Penelitian
Meneliti lebih lanjut applicability dari metode Artificial Neural Network
pada estimasi biaya konstruksi gedung. Hal-hal yang diteliti ialah data
preparation (menentukan dan menysun data), data transformation, jumlah
data yang digunakan, dan variabel-variable input data.
b) Kesimpulan
Dari penelitian ini didapat hasil terbaik bagi cost estimation modelling
menggunakan Artificial Neural Network dengan menggunakan semua data
yang available, persiapan data berupa konversi waktu dan lokasi dengan
indeks yang tersedia, tidak dilakukan transformasi data (tranformasi log
dan normalized), menggunkaan regresi linier untuk mengeliminasi data
yang outlier atau menyusun data sehingga semua data (termasuk yang
memiliki extreme values) dapat dimasukkan ke training set. Arsitektur
jaringan terbaik untuk penelitian ini ialah 3 layer feed forward dengan 4
hidden nodes, fungsi aktivasi hyperbolic tangent, dua input variabel (luas
total dan luas lantai) dengan training cycle 2000 epochs dengan
menggunakan 60% dari data yang tersedia.
d. Julian Bagus H. “Permodelan Estimasi Biaya Konseptual pada Proyek
Konstruksi Bangunan Pabrik dengan Teknik Jaringan Syaraf Tiruan”. Tesis,
Program Pascasarjana Fakultas Teknik Sipil UI, Depok. 2007
a) Tujuan Penelitian
Menentukan variabel-variabel yang digunakan untuk membentuk model
Artificial Neural Network untuk estimasi biaya konstruksi pabrik. Juga
membandingkan keakurasian estimasi biaya tersebut dengan estimasi
biaya menggunakan regresi linier
b) Kesimpulan
Variabel yang digunakan pada peneletian ialah tahun pelaksanaan, lokasi
pabrik, durasi (hari), luas bangunan pabrik, jumlah tingkat bangunan,
tinggi pabrik, bentuk topografi, tipe bangunan pabrik, tipe pondasi, tipe
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
11
Universitas Indonesia
rangka atap pabrik, tipe material dinding pabrik, tipe finishing atap pabrik
dan tipe finishing lantai pabrik. Hasil output estimasi dengan jaringan
syaraf titruan memprediksi besaran biaya kontruksi lebih baik untuk data
proyek baru dengan rata-rata tingkat kesalahan estimasi sebesar -15.60 %
dibanding keluaran regresi linier 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 system prototype estimasi biaya konseptual yang dibuat
dapat diterima
e. Ashraf M. Elazouni, Ibrahim A. Nosair, Yousif A. Mohieldin, dan Ayman G.
Mohamed. “Estimating: Resource Requirements at Conceptual Design State
Using Neural Networks”. Journal of Computing in Civil Engineering. 1997.
a. Tujuan Penelitian
Penelitian ini dimaksudkan untuk menentukan resource requirement pada
silo walls dengan slipform system di tahap konseptual proyek tersebut.
Penelitian menggunakan data historis dari proyek serupa
b. Kesimpulan
Mengestimasi kebutuhan resource pada tahap konseptual dapat
menggunakan analogi dengan data yang diperoleh pada proyek serupa di
masa lalu. Artificial Neural Network cocok digunakan pada model yang
berbasis analogi dibandingkan metode analisi lain. Data menggunakan 28
proyek di masa lalu dengan 23 data set sebagai training set. Outputnya
dibandingkan dengan metode regresi linier sebagai validasi, dan hasil
perbandingan tersebut menunjukkan bahwa metode jaringan syaraf tiruan
memiliki akurasi yang lebih baik.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
12 Universitas Indonesia
BAB 2
TINJAUAN PUSTAKA
2.1. Pendahuluan
Artificial Intelligence, atau kecerdasan buatan yang dioperasikan oleh
mesin dalam melakukan analisa yang biasanya dilakukan oleh intelegensi
manusia, telah mengalami perkembangan pesat sejak pertama dicetuskannya pada
tahun 1940. Artificial Intelligence menjadi cabang yang sangat penting pada ilmu
komputer, terutama apabila solusi yang reliable mengenai masalah yang
berhubungan dengan perilaku, pembelajaran, dan adaptasi dari suatu kompilasi
data dengan analisa inteligensi dibutuhkan.
Selama masa perkembangannya, Artificial Intelligence terbagi menjadi
dua tipe, yaitu AI Konvensional dan AI komputasional. AI konvensional
melibatkan metode-metode yang sering disebut machine reasoning. Expert system
dan case-based reasoning merupakan contoh dari AI tipe ini. Sementara itu, AI
komputasional melibatkan pengembangan atau pembelajaran melalui penalaran
parameter dengan sistem konektivitas yang dilakukan secara iteratif oleh suatu
soft-computing. Penalaran AI komputasional dilakukan berdasar data empiris yang
diasosiasikan dengan data non-simbolik serta tak teratur, yang kemudian dianalisa
menggunakan sistem komputasi lunak. Metode-metode pokoknya meliputi; Fuzzy
Network, Evolutionary Computation, dan Artificial Neural Network.
Gambar 2.1 Timeline Perkembangan Artificial Intelligence Sumber: Neural Networks, A Tutorial
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
13
Universitas Indonesia
Artificial Neural Network telah banyak diaplikasikan pada berbagai area
dan menunjukkan hasil yang memuaskan, salah satunya pada praktek estimasi.
Pendapat yang dikemukan oleh Bart Kosko [21] mengenai ANN, Artificial Neural
Network terdiri dari unit-unit processing sederhana, atau ‘neuron’, yang dapat
diprogram secara menyeluruh melalui sistem komputasi tertentu. Kita dapat
memprogram maupun melatih network untuk menyimpan, mengenali, dan
mengingat pola dari entri database untuk memecahkan masalah optimasi
kombinasi, memperbaiki data-data pengukuran yang bersifat ‘noise’, mengontrol
permasalahan yang ill-defined, atau secara singkat; mengestimasi suatu hal dari
sampel terkait saat kita tidak tahu bentuk dari fungsinya.
Input maupun output dari Artificial Neural Network memiliki sistem
dinamis yang trainable. Sehingga ANN dapat memprogram sendiri hubungan
diantara keduanya, dengan bobot dari tiap-tiap penghubung atau ‘sinapsis’ yang
sesuai secara iteratif. Oleh karena itu jaringan syaraf tiruan ini mengikuti ‘bentuk’
atau sistem dari sampel data. Atau dengan kata lain, ANN dapat menjelaskan
hubungan yang terbentuk dari data-data historis. Perbedaan metode ini dari
metode estimasi biaya proyek lain ialah sistem jaringan syaraf tiruan ini tidak
membutuhkan model matematis seperti yang diperlukan pada metode statisik
konvensional lain seperti regresi linier.
Metode ANN ini juga dapat mengenali pola lama dan menyesuikannya
pada pola baru, sehingga model dapat digunakan secara berkelanjutan. Namun
penggunaan tersebut juga akan tidak mencapai performa maksimal apabila
variabel-variabel pendukungnya tidak terdefinisi secara jelas atau terlalu acak.
Diperlukan identifikasi jelas mengenai parameter-parameter yang berpengaruh
terhadap biaya proyek bangunan, khususnya yang tersedia pada tahap konseptual.
Oleh karena itu bab ini menyediakan penjelasan mengenai estimasi
biaya, serta deskripsi lebih detail mengenai estimasi biaya pada tahap konseptual
secara lebih khususnya, lalu deskripsi dan aspek biaya mengenai gedung dan
gedung kantor khususnya, serta penjelasan mengenai metode artificial neural
network.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
14
Universitas Indonesia
2.2. Estimasi Biaya
Estimasi biaya memegang peranan penting dalam penyelenggaraan
proyek. Definisi estimasi biaya, menurut National Estimating Society USA, ialah
seni memperkirakan kemungkinan jumlah biaya yang diperlukan untuk suatu
kegiatan yang didasarkan atas informasi yang tersedia pada waktu itu. Oleh
karena itu, estimasi biaya sangat bergantung pada ketersediaan detail mengenai
proyek dalam tahapan proyek ketika estimasi tersebut dilakukan. Estimasi
dibutuhkan pada saat proses perencanaan, disaat keputusan-keputusan preliminary
menganai proyek harus ditentukan, kemudian selanjutnya dibutuhkan untuk
tujuan budgetary, lalu estimasi juga dibutuhkan pada tahap development proyek
baik dalam proses desain maupun pembangunan [22].
Menurut American Association of Cost Engineering (AACE), estimasi
biaya perlu dibedakan atau diklasifikasikan, sesuai dengan tingkatan definisi
proyek itu sendiri. Yang nantinya pengklasifikasian itu bertujuan untuk:
a. Sebagai guidelines untuk memudahkan dalam menyediakan dasar sebagai
bahan perbandingan dan mengkorelasikan karakteristik utama yang umum
dipakai dalam pengklasifikasian estimasi biaya
b. Menggunakan tingkatan definisi proyek sebagai karakteristik dominan dalam
mengkategorikan estimasi
c. Meningkatkan komunikasi antara seluruh stakeholder yang terlibat dalam
proses persiapan, evaluasi, serta mencegah mis-interprestasi estimasi biaya atas
kesalahan penafsiran atau kesalahan penggunaan estimasi
Oleh karena itu pada sub-bab ini akan dijelaskan pengertian dan deskripsi
menganai estimasi biaya proyek secara lebih mendetail, berikut dengan jenis-jenis
estimasi biaya menurut tahapan dalam siklus proyek, dilanjutkan dengan tingkat
keakurasian masing-masing tahap estimasi, beserta metode yang umum digunakan
untuk menghitung estimasi biaya proyek.
2.2.1. Estimasi Biaya Proyek Konstruksi
Menurut L.R.Dysert [23], estimasi biaya merupakan prediksi biaya-biaya
yang mungkin terjadi dari suatu proyek dengan ruang lingkup yang sudah
diberikan, di mana proyek harus diselesaikan di lokasi yang telah ditentukan dan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
15
Universitas Indonesia
waktu yang telah ditetapkan. Menurut National Estimating Society (USA), estimasi
biaya ialah pekerjaan analisa biaya yang menyangkut pengkajian biaya kegiatan-
dari kegiatan proyek terdahulu yang akan dipakai sebagai bahan untuk menyusun
cost.
Di dalam dunia konstruksi, estimasi biaya adalah bagian yang sangat
penting. Estimasi biaya digunakan oleh konsultan untuk menyusun budget bagi
klien/owner, yang kemudian akan digunakan sebagai bench mark. Estimasi juga
digunakan untuk alasan monetary, bagi dasar perhitungan kebutuhan funding
kepada institusi finansial. Selain itu estimasi biaya digunakan oleh kontraktor
dalam antisipasi memenangkan kontrak proyek (bid estimate). Jika proyek
berlanjut, estimasi juga dibuat untuk menghitung actual budget yang mana akan
digunakan sebagai salah satu management tool proyek [24].
Sebagai tambahan, fungsi estimasi biaya dalam dunia konstruksi, menurut
Pratt [25], ialah:
a. Untuk melihat apakah perkiraan biaya konstruksi dapat terpenuhi oleh 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
Estimasi biaya merupakan area dari kegiatan engineering dimana
pengalaman dan pertimbangan teknis dipakai dalam mengaplikasikan ilmu
pengetahuan khususnya masalah perkiraan biaya dan pengendalian biaya [26].
Estimator harus mengetahui alur dan proses proyek secara spesifik, untuk
mempersiapkan tipe estimasi yang akan dilakukan secara tepat. Langkah
berikutnya ialah mengerti bagaimana proses proyek akan dibangun atau metode
pembangunannya. Dari mulai preliminary, engineering desain, sampai pengadaan,
hingga tahap konstruksi, lalu start-up dan close-up. Hal tersebut ialah kunci dari
estimasi biaya suatu proyek yang sukses [27].
Menurut Barrie dan Paulson [28], keakuratan estimasi biaya tahap
konseptual dipengaruhi langsung oleh keahlian dan pengalaman estimator dalam
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
16
Universitas Indonesia
menganalisa rencana proyek yang minim akan informasi dan data. Tingkat akurasi
dalam estimasi biaya merupakan hal yang penting terutama pada tahap awal
estimasi. Tingkat akurasi merupakan suatu tingkatan dari pengukuran atau
perhitungan yang bervariasi terhadap nilai aktual yang terjadi. Akurasi dari suatu
estimasi merupakan suatu indikasi dari tingkatan perkiraan biaya terhadap realisasi
biaya proyek yangdikeluarkan pada saat proyek selesai [29].
Menurut Dan E. Schottlander [30], mengapa estimasi yang akurat itu
penting karena tanpa keakuratan, pembuatan keputusan yang efektif hanyalah
sebuah kompromi. Oleh karena itu diperlukan persiapan bagi pencapaian
perhitungan estimasi biaya yang akurat, sebagai berikut: menganalisa pekerjaan,
mereview dokumen, mengetahui lingkup pekerjaan, mengunjungi site proyek,
mengerti metode konstruksi yang akan dipakai, membuat perkiraan layout,
engineering check (gambar teknik, pricing bahan, dan lain-lain), membuat jadwal
pembuatan estimasi, mengetahui subkontraktor dan vendor, mengetahui faktor
resiko, allowance, porsi pricing, dan mark up.
2.2.2. Jenis-Jenis Estimasi Biaya Proyek
Estimasi biaya dilakukan beberapa kali selama perencanaan maupun saat
proyek berlangsung. Estimasi pada tiap tahap, akan sangat mempengaruhi
performa estimasi tahap berikutnya. Pada tahap pertama, estimasi biaya
dipergunakan untuk mengetahui berapa besar biaya yang diperlukan untuk
membangun proyek atau investasi, selanjutnya estimasi biaya berkembang, yaitu
memiliki fungsi dengan spektrum yang amat luas dalam merencanakan dan
mengendalikan sumber daya seperti material, tenaga kerja, pelayanan, maupun
waktu [31].
Menurut Schexnayder dan Mayo [32], jenis-jenis estimasi menurut
peruntukkannya ialah:
a. Estimasi untuk Perencanaan Konseptual
Estimasi pada tahap ini hanya berdasar pada informasi atau parameter yang
sangat general seperti, ukuran konstruksi, mutu konstruksi yang diantisipasi,
serta kegunaan bangunan. Pada estimasi tahap konseptual ini, owner harus
menyediakan scope document, yang berfungsi sebagai basis dari mana
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
17
Universitas Indonesia
estimasi tersebut dijalankan. Estimasi biaya konseptual digunakan untuk
menentukan fisibilitas proyek dan mengembangkan project financing.
Ekspektasi akurasi pada estimasi tahap ini ialah ±15 sampai 20%.
b. Estimasi untuk Studi Kelayakan
Menggunakan informasi desain pendahuluan dan setelah lingkup proyek
terdefinisi secara jelas, suatu estimasi untuk studi kelayakan dapat disiapkan.
Item-item utama yang dibutuhkan dapat dicari biayanya dan menjadi input
bagi estimasi. Dengan identifikasi lingkup proyek yang lebih baik tersebut,
ekspektasi akurasi meningkat menjadi ±10 sampai 15%.
c. Estimasi untuk Engineering dan Desain
Berdasarkan pada dokumen desain level skematik, kebutuhan utama proyek
dapat diukur secara kuantitatif, dan tipe konstruksi dapat ditentukan.
Contohnya kuantitas baja dalam ton, superstruktur menggunakan baja atau
beton. Suatu estimasi dengan tingkat akurasi ±5 sampai dengan 10% dapat
disediakan pada tahap ini.
d. Estimasi untuk Konstruksi
Ini merupakan perhitungan biaya berdasarkan set lengkap dari dokumen
kontrak. Estimasi untuk konstruksi dapat dibuat berdasarkan biaya rata-rata
historis atau dengan mendata pekerja serta pekerjaan dan menghitung biaya
produksi. Metode yang digunakan bergantung pada tipe konstruksi. Seperti
contohnya, konstruksi tipe gedung lebih banyak menggunakan data historis
untuk perhitungannya, sementara konstruksi jalan raya biasanya mengacu
pada produktivitas pekerjaan. Dalam tahap ini, ekspektasi akurasi ialah ±5%.
e. Estimasi untuk Change Order
Estimasi ini dilakukan pada saat proyek telah berjalan yang diakibatkan oleh
perubahan pekerjaan yang diminta oleh Owner pada proyek.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
18
Universitas Indonesia
Gambar 2.2 Akurasi Estimasi Biaya versus Tahap Konstruksi
Sumber: Construction Management Fundamentals, 2004
Untuk tiap-tiap tahapan estimasi tersebut tingkat keakurasian bergantung
pada ketersediaan infromasi, sehingga keakurasian bertambah sesuai dengan
tingkatan tahapan proyek. Seperti pendapat Jamshid Sodikov [33], keaurasian
estimasi biaya meningkat seiring dengan berjalannya tahapan proyek yang
diakibatkan oleh bertambah detailnya informasi yang tersedia.
2.2.3. Metode-Metode Estimasi Biaya Proyek
Untuk melakukan estimasi biaya terdapat beberapa cara atau metode,
sesuai dengan informasi yang tersedia atau tahapan konstruksi. Menurut Michael
D. Dell’Isola [34], metode estimasi biaya dapat dibagai menjadi empat kategori
utama. Penjelasan akan masing-masing metode yaitu sebagai berikut:
a. Metode Harga Unit Satuan
Metode harga unit satuan dapat juga dikategorikan menjadi pembagian empat
kategori utama:
a) Metode Akomodasi.
Metode ini pada dasarnya merupakan metode dengan perhitungan
kalkulasi dari biaya yang diperlukan dalam membangun suatu fasilitas
berdasarkan major measure dari fasilitas tersebut. Seperti contohnya,
estimasi biaya untuk sebuah tempat parkir. Perhitungan tersebut dapat
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
19
Universitas Indonesia
didasarkan pada unit price luas parkir bagi tiap unit mobil yang
kemudian dikalikan dengan kapasitas unit mobil yang tersedia pada
tempat parkir tersebut.
b) Metode Meter Kubik.
Metode ini tidak biasa digunakan pada sistem estimasi biaya, kecuali
untuk konstruksi yang identik dengan volume, seperti misalnya gudang
penyimpanan. Berdasarkan sifat dari pengukurannya, metode meter
kubik akan bersifat sensitif terhadap volume dari konstruksi dan varian
yang mempengaruhinya. Negara-negara Eropa seperti Jerman sangat
sering menggunakan metode ini sebagai perhitungan biaya konstruksi.
Metode ini dapat juga efektif, namun cenderung rancu saat digunakan
pada konstruksi umum.
c) Metode Meter Persegi.
Metode biaya per meter persegi merupakan metode yang paling sering
digunakan di Amerika. Metode ini sangat sering digunakan baik pada
proyek pemerintah maupun swasta. Meskipun efektif, metode meter
persegi sangat bergantung pada bagaimana pengukuran bagi biaya per
meter persegi tersebut dibuat pertama kalinya. Misalnya, unit biaya per
meter persegi pada gedung kantor secara net dan secara gross sebenarnya
memiliki perbedaan sekitar 30 atau 40%.
d) Metode Area Fungsional.
Metode area fungsional adalah metode estimasi biaya berdasarkan luas
area dengan fungsi tertentu. Area fungsional ditentukan sesuai dengan
ruang dengan masing-masing kegunaannya pada suatu bangunan;
misalnya, pada sekolah, area fungsionalnya antara lain ruang kelas,
kafetaria, gymnasium, dan lain-lain. Kelebihan metode ini dari metode
meter persegi ialah variasinya terletak pada ruang sehingga estimasi
dapat lebih sesuai.
b. Metode Cost-Modelling dan Parametrik
Metode ini mengutilisasi model yang telah terdeterminasi dari proyek
sebelumnya dan menggunakannya untuk memprediksi biaya proyek yang
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
20
Universitas Indonesia
akan dibangun. Pendekatan ini biasanya diaplikasikan pada proyek yang
berulang dengan tipe yang serupa atau mirip lalu mereplikasi anilisa teoritis
dan expectation-nya pada proyek yang diinginkan. Pada prosesnyafasilitas
statistik dapat dimanfaatkan sebagai alat prediksi dan asesmen cost terutama
pada sistem konstruksi yang rumit, seperti piping atau proses komponen.
Namun pendekatan ini memiliki aplikasi yang paling sedikit di dunia
konstruksi.
c. Analisa Biaya Sistem/Elemental
Sistem ini menjembatani pendekatan estimasi biaya tahap konseptual yang
telah dijelaskan sebelumnya dengan estimasi quantity survey-based. Konsep
dasar dari estimasi dengan pendekatan ini ialah dengan merinci konstruksi
hingga komponen elemental, biasanya dengan basis UNIFORMAT. Saat
informasi menganai desain sangat terbatas, merupakan hal yang penting
untuk bekerjasama dengan desainer, dalam membuat asumsi untuk menjadi
basis estimasi. Data historis dari konstruksi setipe dapat digunakan sebagai
basis estimasi menurut komponen atau elemen bangunannya. Langkah
estimasi dengan metode ini ialah menyiapkan format elemental untuk suatu
tipe konstruksi spesifik. Kemudian dapat dilakukan mekanisme
pengkombinasian, seperti misalnya digunakan cost dari data historis untuk
komponen bangunan tertentu, yang kemudian dikombinasikan dengan
perhitungan biaya menurut sistem atau asembli bagian konstruksi tertentu,
dan analisa biaya detail untuk bagian konstruksi tertentu.
d. Metode Survey Kuantitas
Metode survey kuantitas biasanya digunakan saat detail desain secara terinci
tersedia dan estimator diharuskan untuk menghitungcost keseluruhan
proyekatau paling tidak komponen utamanya. Pricing dapat terdiri dari unit
price seluruh bangunan, atau juga termsuk labor, material dan alat. Tingkatan
dari detail estimasi ialah individual unit pada tiap pekerjaan, agar dapat
diketahui bagaimana pekerjaan akan dilangsungkan.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
21
Universitas Indonesia
Gambar 2.3 Aplikasi dari Metode Estimasi Selama Delivery Proyek
Sumber: Architect’s Essentials of Cost Management, 2002
2.2.4. Tingkat Keakurasian Estimasi Biaya Proyek
Tingkat ketersediaan informasi mengenai proyek mempengaruhi
keakurasian estimasi biaya yang dilakukan pada tahapan tersebut. Tingkat akurasi
tersebut sebanding dengan informasi yang tersedia, faktor risiko dan
ketidakpastian. Dengan mengetahui tingkatan estimasi beserta metode yang tepat,
diharapkan estimasi biaya konstruksi dapat diantisipasi lebih awal dan biaya
realisasi pun tidak jauh berbeda dengan apa yang telah diprediksikan, atau
meningkatkan level keakurasian.
Berikut klasifikasi tingkat keakuratan estimasi biaya proyek dalam tiap
tahapnya, menurut Association for the Advancement of Computing in Education
(AACE) :
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
22
Universitas Indonesia
Tabel 2.1 Matriks Klasifikasi Estimasi AACE
Primary
Charateristic 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 Factored,
Parametric models,
judgment or analogy,
L -20% to -50%
H + 30% to + 100%
1
Class 4 1 % to 10% Study or
Feasibility
Equipment factor and
parametric models
L -15% to -30%
H +20% to +50%
2 to 4
Class 3 10% to 40% Budget,
Authoratio
n 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, Cost Estimate Classification
System
AACE memiliki sistem bernomor yang membedakan estimasi biaya
menjadi lima level yang berebeda. Tiap level mewakili tingkat akurasi yang
berbeda.
Class 5 atau estimasi biaya kelas 5 ialah estimasi kasar untuk magnitude
estimates, capacity factored estimates, atau parametric estimates. Class 5 hanya
memiliki informasi yang sedikit atau tidak sama sekali, yaitu dari 0-2% infromasi
keseluruhan. Oleh karena itu, variansnya sangat tinggi, jangka rendahnya ialah -20
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
23
Universitas Indonesia
sampai -50 persen, sedangkan jangka tingginya +30 sampai +100%. Adapun
Estimasi biaya pada tahap konseptual ini akan menentukan suatu kelayakan
proyek yang dituntut secara cepat dan akan menyaring beberapa desain alternatif
yang akan dipakai. Dasar perhitungan biaya/harga dari estimasi ini berasal dari
perhitungan detail proyek sebelumnya (data historis) yang kemudian digabungkan
menjadi per paket-paket pekerjaan (work packages). Dalam hal ini tersedianya
data base yang menyimpan data-data proyek sebelumnya berupa perhitungan
biaya proyek, bentuk desain, dan lainnya akan banyak membantu didalam proses
conceptual estimate [35].
Class 4 atau estimasi biaya kelas 4 ialah estimasi biaya yang digunakan
untuk uji kelayakan proyek. Estimasi ini juga hanya memiliki sedikit informasi,
tipikalnya 1-15%. Metode yang digunakan ialah equipment factored atau
parametric model. Level varians dari estimasi ini, untuk jangka rendahnya -15
sampai -30% dan +20 sampai +50% untuk jangka tinggi. 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 meliputi perhitungan harga
tanah, desain, pajak, pemeliharaan serta perbaikan gedung, dan lainnya. Cost
engineer sangat berperan dalam feasibility estimate, karena seorang cost engineer
pada tahap ini tidak hanya dituntut mempunyai keahlian dalam menghitung
dengan handal tetapi juga mempunyai keahlian dan pengetahuan terhadap umur
bangunan, prinsip-prinsip akuntansi, perpajakan, dan mengerti konsep desain.
Setelah semua biaya yang diperlukan dihitung maka selanjutnya melakukan
perbandingan dengan penerimaan bruto per tahunnya akhirnya dapat diketahui
penerimaan netto dari proyek tersebut. Adapun tujuan dari perhitungan ini adalah
untuk menentukan layak tidaknya proyek ini dilanjutkan [36].
Class 3 atau estimasi biaya kelas 3, biasanya dibuat untuk perhitungan
budget, authorization, atau untuk estimasi kontrol. Level informasi yang dapat
diperoleh biasanya sekitar 10-40%. Level akurasi estimasi kelas 3 bervariasi,
untuk jangka rendah -10 sampai -20%, sementara untuk jangka tingginya +10
sampai +30%. Estimasi biaya kelas 3 merupakan estimasi biaya semi-detail yang
menggunakan cara unit cost atau assembly.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
24
Universitas Indonesia
Class 2 atau estimasi biaya kelas 2, digunakan untuk tujuan cost control
atau untuk urusan pelelangan dan penawaran tender. Informasi yang tersedia pada
kelas ini biasanya 30-70%. Estimasi ini dapat dikategorikan estimasi detail dengan
unit cost detail. Range akurasi untuk estimasi kelas ini, untuk jangka rendah -5
sampai -15%, dan jangka tingginya +5 sampai +20%. Pada tahap ini informasi
proyek yang diperlukan untuk pelaksanaan secara detail sudah didapat. Pada tahap
ini biasanya melakukan perhitungan berdasarkan quantity take-off yang
berdasarkan dokumen proyek yang terdiri dari spesifikasi dan gambar. Setelah
perhitungan quantity take-off selesai maka estimator akan menggabungkan biaya
material, biaya kebutuhan pekerja, biaya peralatan,subkontraktor, biaya overhead
dan profit. Setiap item pekerjaan dalam detailed estimate akan mempunyai kode-
kode pekerjaan tersendiri untuk memudahkan pemantauan proses pekerjaan [37].
Class 1 atau estimasi biaya kelas 1 memiliki informasi paling lengkap
biasanya 50-100% dari infromasi yang dibutuhkan. Informasi tersebut diperoleh
termasuk dari gambar teknik lengkap dan spesifikasi. Terkadang dengan
tambahan lokasi dan kerangka waktu. Level akurasi untuk estimasi tahap ini ialah
-3 sampai -10% dan +3 sampai +15%.
Gambar 2.4 Peningkatan Akurasi Estimasi Sesuai Tingkatan Definisi Proyek
Sumber: AACE International Transaction, 2006
2.3. Estimasi Biaya Tahap Konseptual
Tahap konseptual ialah tahap pertama di mana kebutuhan proyek
dianalisa, alternatif-alternatif ditinjau, tujuan dan objektif proyek ditentukan, dan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
25
Universitas Indonesia
sponsor telah teridentifikasi [38]. Aktivitas utama dalam tahap ini ialah
mengembangkan estimasi untuk menentukan kelayakan suatu proyek,
menganalisa biaya alternatif desain, serta pemilihan desain optimal untuk sebuah
proyek. 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
[39]. Bahkan bisa dibilang estimasi biaya pada tahap ini memiliki jumlah
informasi paling sedikit.
Hal yang penting dalam pemilihan metode estimasi biaya konseptual
ialah harus akurat dan mudah [40]. Dalam hal ini, karena estimasi berdasarkan
pada beberapa data awal yang ada sangat minim, maka estimasi biasanya
didasarkan pada pengalaman mengenai proyek-proyek setipe sebelumnya.
Tersedianya data dan informasi proyek masa lalu, oleh karena itu memegang
peranan penting dalam kualitas estimasi biaya konseptual proyek yang dihasilkan.
2.3.1. Tingkatan Estimasi Biaya Tahap Konseptual
Estimasi biaya tahap konseptual terdiri dari beberapa tingkatan, yang
biasanya bergantung pada perkembangan di proses perencanaan awal suatu
proyek. Masing-masing estimasi tersebut biasanya terkait dengan perkembangan
pada desain, yang merupakan bahan analisa suatu estimasi. Tingkatan estimasi
tahap konseptual tersebut, menurut F.E. Gould [41], adalah:
a. Estimasi Preliminary
Tahapan dimana Owner/pemilik membutuhkan informasi biaya seawal
mungkin pada suatu proyek, sehingga owner dapat mengambil keputusan
untuk besar kecilnya proyek dan memperkirakan nilai proyek. Tahap
konseptual dilakukan pada awal perencanaan berdasarkan pengalaman dan
intuisi perencana, sehingga ketelitian estimasi ini hanya mencapai ±20%.
b. Estimasi Skematik
Tahapan dimana proses perencanaan sudah mencapai 30%. Pada tahapan ini
estimasi sudah mencapai finishing dasar. Estimasi dilakukan berdasarkan
keperluan dari kegunaan bangunan industri, misalnya jumlah lantai atau
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
26
Universitas Indonesia
ruangan yang dibutuhkan dalam bangunan pabrik namun belum detail. Jadi
tingkat ketelitian masih berkisar ±15%.
c. Estimasi Design Development
Pada tahap estimasi ini dimana proses perencanaan sudah mencapai 60% dan
perencanaan sudah lengkap beserta detail-detail yang ada, sehingga waktu
yang diperlukan untuk melakukan estimasi pada tahap ini lebih banyak
daripada tahap skematik. Estimasi pada tahap ini dilakukan berdasarkan
semua detail yang ada sehingga tingkat ketelitiannya sudah mencapai ±10%.
2.3.2. Karakteristik Estimasi Biaya Tahap Konseptual
Berikut beberapa karakteristik dari estimasi biaya proyek tahap
konseptual:
a. Bersifat Tidak Pasti
Sesuai dengan namanya, tahap konseptual ialah tahap dalam proyek
konstruksi di mana konsep dasar suatu proyek beserta dengan atributnya yang
lain dibangun. Dalam tahap ini desain, budgeting, maupun aspek proyek
lainnya belum mencapai fiksasi sehingga dapat semerta-merta berubah. Oleh
sebab itu, seringkali pada tahap ini, di mana ide-ide desain ditampung dan
latar belakang finansial diperjelas, terdapat banyak alternatif desain maupun
pembiayaan. Hal itulah yang membuat urgensi estimasi biaya tahap
konseptual meningkat karena harus dilakukan alnalisa untuk masing-masing
alternatif. Hasil estimasi pada tahap konseptual juga di tahap selanjutnya akan
berubah. Estimasi biaya pada proyek konstruksi akan bertambah akurat
seiring tahap proyek berjalan. Menurut AACE, tahap konseptual dimulai dari
kelas 5 hingga kelas 3 (concept screening, feasibility study, dan budget
authorization). Sehingga harapan akurasi estimasinya hanya berada dari
sekitar ±10% hingga ±30%.
b. Krusial
Estimasi pertama yang dipertimbangkan oleh project owner ialah estimasi
biaya konseptual [42]. Estimasi yang dihasilkan dapat bernilai terlalu rendah
dari biaya sebenarnya dan mengecoh owner untuk tetap menjalankan proyek
dan menimbulkan masalah di depannya, atau malah bernilai terlalu tinggi dari
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
27
Universitas Indonesia
biaya aslinya dan menghentikan proyek yang akan berjalan padahal
sebenarnya proyek sangat viable. Estimasi biaya tahap konseptual merupakan
estimasi yang menyediakan cost informations untuk keputusan-keputusan
finansial basis pada proyek. Sementara bagi konsultan desain, desain dengan
dasar estimasi konseptual yang salah akan menyebabkan masalah juga pada
desain di tahapan proyek yang akan dijalankan berikutnya [43].
c. Sumbernya Terbatas
Estimasi tahap konseptual dilakukan dengan dasar informasi yang sangat
terbatas. Owner mungkin sudah memiliki visi jelas mengenai akomodasi,
fungsi, dan standar kualitas dari konstruksi, namun masih jauh untuk
mencapai detail hingga volume beton ataupun mortar yang akan digunakan
[44]. Itulah sebabnya banyak dihasilkan estimasi pada tahap ini yang bernilai
subjektif, karena perhitungan pada tahap konseptual hanya berdasarkan
sejumlah penilaian dan pengalaman. Proyek masa lalu dapat didasarkan
dengan proyek masa lalu dengan ketersediaan data historis. Estimasi pada
tahap konseptual merupakan campuran dari seni dan ilmu pengetahuan. Ilmu
pengetahuan dari estimasi menginformasikan biaya dari pekerjaan atau
proyek yang terdahulu. Seninya adalah dalam menvisualisasikan proyek yang
baru dengan membandingkan faktor-faktor perbandingan dengan proyek
sebelumnya dan menyesuaikannya dengan keadaan proyek yang sekarang
[45].
2.3.3. Proses Estimasi Biaya Konstruksi Tahap Konseptual
Estimasi biaya sebuah proyek ialah sebuah kegiatan yang dilakukan
secara iteratif hingga dicapai suatu hasil yang maksimal. Estimasi biaya dilakukan
di tiap tahap proyek dengan tujuan yang berbeda. Tim manajemen atau owner,
seringkali meminta estimasi biaya tahap konseptual untuk mempelajari kelayakan
proyek dan mencari bahan pertimbangan bagi keputusan-keputusan penting
proyek seperti aspek desain.
Langkah pertama untuk estimator dalam menyusun estimasi biaya tahap
konseptual ialah mengumpulkan informasi serta studi lapangan. Meskipun data
eksisting pada tahap ini sedikit, namun biasanya owner/tim manajemen telah
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
28
Universitas Indonesia
memberikan scope/lingkup berupa gambaran besar proyek, beserta ekspektasi
kualitas atau performance proyek. Dari situ dapat ditarik informasi awal proyek
seperti lokasi, tipe struktur utama, faktor mayor desain, serta kualitas konstruksi
yang owner/manajemen antisipasi. Selain itu studi lapangan juga perlu dilakukan
demi mendapat kondisi lapangan proyek aktual, karena faktor-faktor yang
terdapat di lapangan seperti kondisi tanah (seperti apakah pekerjaan pemindahan
atau penimbunan tanah yang diperlukan) tidak dapat diprediksi sendiri tanpa
peninjauan langsung. Pengalaman menunjukkan bahwa memberikan perhatian di
awal terhadap site issues serta melakukan survey lokasi yang memadai, dapat
mengurangi resiko penyimpangan biaya di masa mendatang [46].
Langkah berikutnya ialah mengumpulkan informasi tambahan. Dalam
hal estimasi biaya awal, estimasi sangat bergantung pada data historis, sementara
estimasi mendetail hingga quantity estimate yang lengkap dapat berkembang
seiring tahap perencanaan proyek [47]. Data historis dapat diperoleh dari praktisi
konstruksi yang berpengalaman kerja, pada database biaya yang dipublikasikan
untuk umum, infromasi dari organisasi lain, maupun dari manajemen owner. Dari
manapun data historis proyek, harus diperhatikan kesahihan maupun keabsahan
data. Data historis yang diperoleh harus comparable dengan proyek yang
dilakukan sekarang, selain itu timeframe-nya harus adjusted. Diperlukan pula
pengukuran yang konsisten antara data lama dan data baru.
Setelah semua data yang diperlukan dan dapat diperoleh terkumpul,
dilakukan estimasi biaya tahap konseptual. Setelah didapatkan output yang
sekiranya paling akurat, hasil diserahkan pada manajemen/owner untuk
ditindaklanjuti. Pada tahap konseptual, biasanya tersedia alternatif-alternatif
desain proyek, sehingga apabila satu alternatif tidak disetujui atau dengan kata
lain hasil estimasi menunjukkan proyek tidak viable, maka akan dilakukan
estimasi ulang untuk alternatif selanjutnya. Berikut seterusnya estimasi biaya
menunjukkan alternatif proyek yang paling baik.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
29
Universitas Indonesia
Gambar 2.5 Alur Proses Estimasi Biaya Tahap Konseptual
Sumber: Phabounjong K., 2002
2.3.4. Kualitas Estimasi Biaya pada Tahap Konseptual
Kualitas estimasi biaya tahap konseptual dibutuhkan pada taraf
maksimal. Baik dari keakurasiannya maupun kecepatan tersedia hasilnya. Untuk
mencapai hal tersebut, kualitas estimasi biaya tahap konseptual bergantung pada
aspek-aspek seperti:
a. Kualitas Lingkup Proyek
Pada tahap awal, tersedia lingkup/scope proyek yang dapat menjadi dasar
estimasi. Lingkup proyek menggambarkan karakteristik ptoyek. Adapun
lingkup itu sendiri umumnya terdiri dari, definisi proyek, fungsi konstruksi,
pendekatan desain, lokasi proyek, informasi kondisi lapangan beserta
sekitarnya, serta terkadang metode dan teknologi yang akan dipakai. Namun
setiap proyek tidak sama adanya, terkadang owner belum bisa menyediakan
lingkup pada taraf tersebut selama masa perencanaan konseptual. Terkadang
pula, lingkup proyek telalu luas atau terdapat lingkup ganda. Dalam hal ini
owner acapkali pula meminta bantuan konsultan untuk
membuat/merencanakan desain-desain umum konstruksi, untuk kemudian
dianalisa satu-persatu. Pada prakteknya, dapat juga terjadi pelencengan pada
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
30
Universitas Indonesia
perkembangan proyek dari lingkup awal. Sehingga, estimasi yang dibuat di
tahap konseptual pun tidak relevan. Penting pula pada pelaksanaannya agar
diusahakan tetap tercapai kekonsistensian lingkup proyek. Pihak owner pun
harus berkomitmen untuk menentukan lingkup proyek yang sesuai di awal.
b. Kualitas Informasi
Alfredo F Serpell [48] membagi kualitas informasi menjadi dua, yaitu kualitas
informasi historis dan kualitas informasi terkini. Pada prakteknya, estimasi
biaya pada tahap konseptual sangat bergantung kepada data historis. Karena
data proyek yang akan dijalankan tidak cukup kuat untuk menjadi dasar
estimasi biaya saat itu. Tersedianya data informasi yang cukup detail dan
lengkap mengenai proyek serupa masa lalu memegang penting dalam kualitas
perkiraan biaya yang dilakukan di masa kini. Namun tetap harus diperhatikan
pengaplikasiannya, sebab apabila tidak digunakan secara sesuai, data historis
yang bagus pun akan menghasilkan estimasi biaya yang tidak berkualitas.
Untuk dapat mengutilisasi data historis secara maksimal, diperlukan
pengetahuan proyek, terutama untuk menangani estimasi untuk konstruksi
yang kompleks. Data historis harus comparable dengan data proyek masa kini,
sehingga harus divalidasi lagi data historis yang tepat. Informasi terkini
mengenai proyek harus didapatkan selengkap mungkin karena mempengaruhi
estimasi biaya proyek tersebut. Selain informasi mengenai aspek konstruksi
yang nantinya akan diutilisasi bersama dengan data historis pada suatu model
estimasi, informasi saat ini juga terkait dengan harga dan indeks harga lokal,
produktivitas pekerja di wilayah lokasi pembangunan, serta kondisi spesifik
pada lapangan.
c. Tingkat Ketidakpastian
Terdapat beberapa faktor ketidakpastian yang dapat mengakibatkan
perubahan kondisi selama atau setelah proses estimasi berlangsung. Hal
tersebut diantaranya perubahan kondisi pasar, perubahan besar dalam angka
eskalasi dan lain-lain. Karena estimasi dilakukan pada tahap awal, maka
dapat pula terjadi ketidakpastian dari aspek proyek seperti perubahan aspek
desain, teknologi proyek, dan kompleksitas proyek. Faktor ketidakpastian
sangat berperan dalam mempengaruhi kualitas estimasi pada tahap
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
31
Universitas Indonesia
konseptual, karena selain estimasi tersebut didasarkan pada informasi proyek
yang sangat minim, perubahan signifikan pada aspek proyek dapat
mengurangi keakurasian estimasi dengan sangat besar, hingga pada tahap
tidak dapat dipergunakan.
d. Performa Estimator
Estimator ialah orang yang bertanggung jawab untuk mengorganisir dan
menganalisis seluruh informasi mengenai proyek dan mengkalkulasikan ke
dalam estimasi. Pada masa awal proyek dimana segala sesuatu masih dalam
bentuk konseptual, kecakapan dan pengalaman estimator untuk mengambil
keputusan mengenai input untuk estimasi yang tepat akan menentukan hasil
akhir suatu perkiraan biaya. Keahlian tersebut merupakan penguasaan dalam
hal kemampuan mengenali aspek cost driver pada proyek konstuksi, serta
pengalaman dan pengetahuan di bidang konstruksi, dan keterampilan dalam
menggunakan aplikasi estimasi. Keahlian estimator dalam memahami proyek
yang telah dilaksanakan sebelumnya juga krusial untuk menyesuaikan
informasi yang didapat dengan informasi eksisting berdasarkan kondisi saat
ini.
e. Proses Estimasi
Pada dunia kontruksi banyak dikenal metode estimasi baik yang konvensional
maupun pengembangan baru. Industri konstruksi terbukti lambat dalam
menyesuaikan diri untuk teknik baru dalam estimasi biaya tahap awal [49].
Menurut penelitian, beberapa teknik estimasi baru yang telah dikembangkan
dengan baik, tidak diacuhkan dan tidak dipergunakan [50]. Menurut penelitian
tersebut, para estimator skeptikal terhadap kemampuan aplikasi-aplikasi
estimasi terbaru yang kebanyakan tidak membutuhkan proffesional judgement
dalam korporasi aspek konstruksinya untuk menentukan prediksi biaya. Meski
metode konvensional yang menggunakan penilaian subjektif menujukkan hasil
yang tidak memuaskan [51], bukti menyatakan bahwa masih terjadi
peningkatan dalam jumlah sangat sedikit dalam pemakaian teknik-teknik baru
pada praktek estimasi biaya di dunia konstruksi [52].
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
32
Universitas Indonesia
2.3.5. Dasar Perhitungan Estimasi Biaya pada Tahap Konseptual
Pada tahap konseptual, karena infromasi yang tersedia sangat minim,
maka pada umumnya digunakan estimasi prediktif dengan korporasi data masa
lalu. Metode yang tepat untuk mengutilisasi jenis estimais tersebut ialah parametrik
dan permodelan biaya. Pada teknik parametrik, data-data historis digunakan untuk
mengembangkan hubungan-hubungan biaya berdasarkan analisis statistik. Estimasi
parametrik mempredikasi siklus biaya suatu sistem, menggunakan model
matematik yang terdiri dari sejumlah parameter dan berdasarkan proyek historis.
Pengertian lain dari estimasi parametrik yaitu estimasi dari suatu sistem yang
dibuat berdasar komponen-komponen teragregasi, oleh model matematik yang
terdiri dari parameter-parameter [53]. Dalam beberapa analisis parametrik,
perhitungan parameter utama harus dijelaskan hubungannya dengan variabel-
variabel bebas sebelum analisis dapat dilakukan. Variabel-variabel dalam
perhitungan parametrik dapat diidentifikasi dengan memfokuskan karakteristik-
karakteristik suatu sistem yang berhubungan langsung terhadap output (dalam hal
ini biaya) berdasarkan studi yang terintegrasi. Hubungan matematik untuk korelasi
data dapat digunakan untuk menyatakan permodelan tersebut. Model-model
matematik yang paling poluler adalah bentuk linier dari perhitungan aritmatik,
logaritmik, dan semi-logaritmik. Dalam teknik estimasi biaya proyek konstruksi,
variabel terikat merupakan biaya/nilai kontrak dan dua atau lebih variabel bebas
seperti ukuran, lokasi, kapasitas, waktu, dan sebagainya, yang berpengaruh
terhadap biaya proyek tersebut. Umumnya tiga bentuk perhitungan dalam estimasi
parametrik ialah sebagai berikut:
a. Hubungan Linier
Cost = a + bX+ cX2+ .... (2.1)
b. Hubungan Logaritmik
Log (Cost) = a + b log X1+ c log X2+ …. (2.2)
c. Hubungan Eksponensial
Cost = a + bX1C+ d X2
E + …. (2.3)
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
33
Universitas Indonesia
Dimana:
a, b, c, d, dan e konstan
dan
X1, X2, X3, X4, …. merupakan karakteristik/variabel komponen yang
mempengaruhi biaya
2.4. Gedung
Tipe konstruksi yang dibangun beragam berdasarkan fungsi dan
tujuannya. Bangunan tinggi atau gedung dibangun karena suatu kebutuhan. Di
atas tanah yang makin langka dan mahal terutama di kota-kota besar, diperlukan
konsentrasi ruang-ruang kerja maupun tempat tinggal, seperti perkantoran,
apartemen, dan hotel, sehingga ruang tanah yang terbatas itu dapat dimanfaatkan
sebaik-baik mungkin. Pembangunan adalah kegiatan mendirikan bangunan
gedung yang diselenggarakan melalui perencanaan teknis, pelaksanaan konstruksi
dan pengawasan konstruksi/manajemen konstruksi (MK), baik merupakan
pembangunan baru, perbaikan sebagian atau seluruhnya, maupun perluasan
bangunan gedung yang sudah ada, dan/atau lanjutan pembangunan bangunan
gedung yang belum selesai, dan/atau perawatan (rehabilitasi, renovasi, restorasi).
2.4.1. Definisi Gedung
Gedung menurut Peraturan Menteri Pekerjaan Umum No.
45/PRT/M/2007 [54], ialah wujud fisik hasil pekerjaan konstruksi yang menyatu
dengan tempat dan kedudukannya, sebagian atau seluruhnya berada di atas
dan/atau di dalam tanah dan/atau air, yang berfungsi sebagai tempat manusia
melakukan kegiatan, baik untuk hunian atau tempat tinggal, kegiatan keagamaan,
kegiatan usaha, kegiatan sosial, budaya, maupun kegiatan khusus. Sedangkan
menurut Undang-Undang RI Nomor 28 Tahun 2002 tentang Bangunan Gedung
[55], bangunan umum adalah bangunan yang digunakan untuk kepentingan umum
dan bangunan gedung fungsi khusus, yang dalam pembangunannya dan/atau
pemanfaatannya membutuhkan pengelolaan khusus dan/atau memiliki
kompleksitas tertentu yang dapat menimbulkan dampak penting terhadap
masyarakat dan lingkungannya. Prasarana dan sarana bangunan gedung adalah
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
34
Universitas Indonesia
fasilitas kelengkapan di dalam dan diluar bangunan gedung yang mendukung
pemenuhan terselenggaranya fungsi bangunan gedung.
Bangunan gedung sebagai tempat manusia melakukan kegiatannya,
mempunyai perananyang sangat strategis dalam pembentukan watak, perwujudan
produktivitas, dan jati diri manusia. Oleh karena itu, penyelenggaraan bangunan
gedung perlu diatur dan dibinademi kelangsungan dan peningkatan kehidupan
serta penghidupan masyarakat, sekaligusuntuk mewujudkan bangunan gedung
yang fungsional, andal, berjati diri, serta seimbang,serasi, dan selaras dengan
lingkungannya.
Adapun asas pembangunan gedung menurut Peraturan Menteri PU No
45/PRT/M/2007 [56], berdasarkan prinsip:
a. Kemanfaatan, keselamatan, keseimbangan, serta keserasian/keselarasan
bangunan gedung dengan lingkungannya
b. Hemat, tidak berlebihan, efektif dan efisien, serta sesuai dengan kebutuhan
dan ketentuan teknis yang disyaratkan
c. Terarah dan terkendali sesuai rencana, program/satuan kerja, serta fungsi
setiap kementerian/lembaga/instansi pemilik/pengguna bangunan gedung
d. Semaksimal mungkin menggunakan hasil produksi dalam negeri dengan
memperhatikan kemampuan/potensi nasional
2.4.1.1 Klasifikasi Gedung
Menurut PERMENPU No. 45 Tahun 2007 Klasifikasi Gedung Negara
dibagi menjadi:
a. Klasifikasi berdasarkan tingkat dan lingkup pelayanan:
a) Bangunan gedung pemerintah, lembaga tinggi/tertinggi negara
Tabel 2.2 Klasifikasi Bangunan Gedung Pemerintah
Kelas Penggunaan Bangunan
A Gedung kantor departemen, kantor menteri negara,
Lembaga Tinggi/Tertinggi Negara, Lembaga
Pemerintah non-departemen, dan Gedung Kantor
Gubernur
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
35
Universitas Indonesia
Tabel 2.3 (Sambungan)
Kelas Penggunaan Bangunan
Pelayanan Kesehatan edngan wilayah pelayanan
nasional/propinsi: Rumah Sakit Kelas A dan B
Pendidikan Tinggi : universitas/akademi
Bangunan Gedung kantor pemerintah maupun Badan
Usaha lainnya dengan wilayah pelayanan nasional
B Gedung Kantor Kanwil, Dinas, kabupaten
Pelayanan kesehatan dengan wilayah pelayanan
kabupaten: rumah sakit kelas C
Bangunangedung kantor pemerintah maupun Badan
Usaha lainnya dengan wilayah pelayanan
propinsi/kabupaten
C Gedung Kantor kecamatan
Pelayanan Kesehatan tingkat pelayanan lokal
(Puskesmas)
Pendidikan tingkat lanjutan/dasar
Bangunan Gedung kantor pemerintah mauoun Badan
Usaha lainnya dengan wilayah kecamatan
Sumber : Pedoman Teknis Pembangunan Gedung Negara
Untuk bangunan gedung negara dengan fungsi khusus, seperti :
Gedung reaktor nuklir
Gedung laboratorium
Gedung terminal udara
Gedung terminal laut
Gedung terminal bus
Stasiun kereta api
Stadion olahraga
Rumah tahanan
Gudang benda berbahaya
Bangunan bersifat monumental
Klasifikasinya disesuaikan dengan klasifikasi pelayanan atau
satminkalnya.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
36
Universitas Indonesia
b) Bangunan Rumah Negara
Tabel 2.4 Klasifikasi bangunan rumah negara
Tipe Untuk Keperluan Pejabat/Golongan
A (a) Sekjen, Dirjen, Irjen
(b) Pejabat-pejabat yang jabatannya setingkat dengan (a)
B (a) Direktur, Kepala Biro, Inspektur, Ka-Kanwil
(b) Pejabat-pajabat yang jabatannya setingkat dengan (a)
(c) Pegawai Negeri yang Golongannya IV/d s/d IV/e
C (a) Kepala Sub Dit. Kepala Bagian
(b) Pejabat-pejabat yang jabatannya setingkat dengan (a)
(c) Pegawai Negeri yang golongannya IV/a s/d IV/c
D (a) Kepala Seksi, Kepala Sub Bagian
(b) Pejabat-pejabat yang jabatannya setingkat dengan (a)
(c) Pegawai Negeri yang golongannya III/a s/d III/d
E (a) Kepala Sub Seksi
(b) Pejabat-pejabat yang jabatannya setingkat dengan (a)
(c) Pegawai Negeri yang golongannya II/d kebawah
Sumber : Pedoman Teknis Pembangunan Gedung Negara
b. Klasifikasi berdasarkan tingkat kompleksitas:
a) Bangunan Sederhana
Bangunan gedung negara yang termasuk sebagai bangunan sederhana
didasarkan pada :
(a) Fungsi : bangunan gedung Sekolah Dasar dan bangunan gedung
SLTP/SMU, bangunan gedung kantor tingkatan pelayanan
kecamatan dan yang setara.
(b) Teknologi : bangunan dengan teknologi sederhana
(c) Jumlah lantai : bangunan dengan jumlah lantai sampai dengan 2
lantai
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
37
Universitas Indonesia
b) Bangunan Tidak Sederhana
(a) Fungsi : bangunan gedung perguruan tinggi, bangunan rumah tipe A
dan B, bangunan rumah sakit, bangunan gedung kantor tingkat
pelayanan pusat, provinsi atau kabupaten yang setara
(b) Teknologi : bangunan dengan teknologi tidak sederhana
(c) Jumlah lantai : bangunan dengan jumlah lantai diatas dengan 2 lantai
c) Bangunan Khusus
Bangunan gedung negara yang termasuk sebagai bangunan khusus
adalah bangunan-bangunan yang dalam perencanaa dan pelaksanaannya
memerlukan penyelesaian khusus, seperti : bangunan yang bersifat
monumental, bangunan reaktor nuklir, bangunan peribadahan, bangunan
gedung dewan perwakilan rakyat, bangunan gedung olahraga, dan yang
setara.
2.4.1.2 Tata Bangunan
Persyaratan Tata Bangunan dan Lingkungan Gedung berdasarkan
Peraturan Menteri Pekerjaan Umum No. 45/PRT/M/2007 [57] ialah:
a. Peruntukkan Lokasi
Setiap bangunan gedung negara harus diselenggarakan sesuai dengan
peruntukkan lokasi yang diatur dalam RTRW Kabupaten/Kota dan/atau
RTBL yang bersangkutan
b. Koefisien Dasar Bangunan
Ketentuan besarnya koefisien dasar bangunan mengikuti ketentuan yang
diatur dalam peraturan daerah setempat tentang bangunan gedung untuk
lokasi yang bersangkutan
c. Koefisien Lantai Bangunan
Ketentuan besarnya koefisien lantai bangunan mengikuti ketentuan yang
diatur dalam peraturan daerah setempat tentang bangunan gedung untuk
lokasi yang bersangkutan
d. Ketinggian Bangunan
Ketinggian bangunan gedung, sepanjang tidak bertentangan dengan peraturan
daerah setempat tentang ketinggian maksimum bangunan pada lokasi
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
38
Universitas Indonesia
maksimum adalah 8 lantai. Untuk bangunan gedung negara yang akan
dibangun lebih dari 8 lantai harus mendapat persetujuan dari Menteri
Pekerjaan Umum.
e. Ketinggian Langit-Langit
Ketinggian langit-langit bangunan gedung kantor minimum adalah 2,80 meter
dihitung dari permukaan lantai. Untuk bangunan gedung olahraga, ruang
pertemuan, dan bangunan lainnya dengan fungsi yang memerlukan ketinggian
langit-langit khusus, agar mengikuti standar nasional indonesia yang
dipersyaratkan.
f. Jarak antar blok/massa Bangunan
Sepanjang tidak bertentangan dengan peraturan daerah setempat tentang
bangunan gedung, maka jarak antar blok/masa bangunan harus
mempertimbangkan hal-hal seperti:
(a) Keselamatan terhadap bahaya kebakaran
(b) Kesehatan termasuk sirkulasi udara dan pencahayaan
(c) Kenyamanan
(d) Keselarasan dan keseimbangan dengan lingkungan
g. Koefisien Daerah Hijau
Perbandingan antara luas area hijau dengan luas persil bangunan gedung,
sepanjang tidak bertentangan dengan peraturan daerah setempat tentang
bangunan gedung, harus diperhitungkan dengan mempertimbangkan:
(a) Daerah resapan air
(b) Ruang terbuka hijau kabupaten/kota
Untuk bangunan gedung yang mempunyai KDB kurang dari 40% harus
mempunyai KDH minimum sebesar 15%.
h. Garis Sempadan Bangunan
Ketentuan besarnya garis sempadan, baik garis sempadan bangunan maupun
garis sempadan pagar harus mengikuti ketentuan yang diatur dalam RTBL
peraturan daerah tentang bangunan gedung, atau peraturan daerah tentang
garis sempadan bangunan untuk lokasi yang bersangkutan.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
39
Universitas Indonesia
i. Wujud Arsitektur
Wujud arsitektur bangunan gedung memiliki kriteria sebagai berikut:
(a) Mencerminkan fungsi bangunan
(b) Seimbang, serasi, dan selaras dengan lingkungannya
(c) Indah namun tidak berlebihan
(d) Efisien dalam penggunaan sumber daya baik dalam pemanfaatn maupun
dalam pemeliharaannya
(e) Mempertimbangkan nilai sosial budaya setempat
(f) Mempertimbangkan kaidah pelestarian bangunan
j. Kelengkapan Sarana dan Prasarana Bangunan
Prasaran dan sarana pada bangunan gedung seperti:
(a) Sarana parkir kendaraan
(b) Sarana untuk penyandang cacat dan lansia
(c) Sarana penyediaan air minum
(d) Sarana drainase, limbah, dan sampah
(e) Sarana ruang terbuka hijau
(f) Sarana hidran kebakaran halaman
(g) Sarana pencahayaan halaman
(h) Sarana jalan masuk dan keluar
(i) Penyediaan fasilitas ruang ibadah, ruang ganti, ruang bayi/ibu, toilet, dan
fasilitas komunikasi dan informasi
k. Keselamatan dan Kesehatan Kerja (K3), serta Asuransi
Setiap pembangunan gedung harus memenuhi persyaratan K3 sesuai yang
ditetapkan dalam Surat Keputusan Bersama Menteri Tenaga Kerja dan
Menteri Pekerjaan Umum Nomor Kep.174/MEN/1986 dan 10/KPTS.1986.
2.4.2. Faktor-faktor yang Mempengaruhi Biaya Konstruksi Gedung (Building
Cost Driver)
Terdapat beberapa faktor yang memepengaruhi biaya pembangunan
suatu gedung. Sebelumnya, pada proyek konstruksi terdapat istilah building cost
dan construction cost. Building cost atau biaya kapital, yaitu mencakup biaya
pembelian tanah, biaya konstruksi, biaya profesional, biaya furnishing, financing
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
40
Universitas Indonesia
charges, dan biaya-biaya lainnya yang diperlukan untuk membangun sampai
menyiapkan suatu gedung agar siap ditempati. Sementara construction cost atau
biaya konstruksi, ialah biaya yang diperlukan untuk membangun suatu gedung
sesuai kontrak yang disepakati oleh kontraktor untuk memenuhi pekerjaan
konstruksi gedung. Jenis biaya yang dimaksud dalam penelitian dan sub-bab ini
ialah biaya konstruksi.
Menurut Herbert Swinburne [58], terdapat lima elemen yang dapat
menentukan biaya konstruksi gedung. Elemen-elemen tersebut ialah tipe gedung,
kompleksitas, kualitas gedung, dimensi gedung, dan lokasi gedung. Penjabaran
kelima elemen tersebut ialah sebagai berikut:
a. Tipe Gedung
Tiap tipe gedung memiliki karakteristik yang berbeda yang pada akhirnya
akan mempengaruhi biaya konstruksinya. Suatu hal yang tidak mungkin,
misalnya, biaya per m2 pada rumah sakit sama besarnya dengan biaya per m
2
gedung parkir. Alasan kenapa tipe gedung dapat mempengaruhi biaya gedung
ialah fungsi dan okupansi dari gedung tersebut, yang pada akhirnya akan
mempengaruhi standar pembangunan gedung [59]. Gedung dapat dibuat
untuk tujuan residensial, komersil, industrial, edukasional, institusional, reliji,
dan rekreasional masing-masing dengan kompleksitas yang berbeda sehingga
range biaya konstruksi dapat bervariasi [60]. Berikut adalah contoh
perbandingan biaya total per square foot dari gedung kantor dan apartemen
(core dan shell saja):
Tabel 2.5 Tabel Biaya Square Foot Gedung Apartemen dan Gedung Perkantoran
Building Element Apartment Building
15 st – 162,000 SF
Office Building
15 st – 140,000 SF
(shell & core)
A.10 Foundations $ 1.05 $1.64
A.20 Basement Construction --- ---
B.10 Superstructure 11.95 16.28
B.20 Exterior Closure 8.89 13.16
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
41
Universitas Indonesia
Tabel 2.4 (Sambungan)
Building Element Apartment Building
15 st – 162,000 SF
Office Building
15 st – 140,000 SF
(shell & core)
B.30 Roofing 0.26 0.39
C.10 Interior Construction 13.94 2.76
C.20 Staircases 1.04 1.44
C.30 Interior Finishes 10.20 10.10
D.10 Conveying 5.64 6.53
D.20 Plumbing 8.06 1.48
D.30 HVAC 9.12 11.64
D.40 Fire Protection 2.01 2.89
D.50 Electrical 6.62 9.27
F.10 Special Construction 1.92 ---
Z. General Conditions 12.11 11.64
(Sitework Excluded) $ 92.81/SF $89.22/SF
Sumber: R.S Mean’s Square Foot Costs
Dapat dilihat bahwa total cost per square foot kedua gedung hampir sama-
sama mencapai $90 per square foot, namun distribusi biayanya bervariasi
pada elemen-elemennya. Perbedaan yang signifikan dapat dilihat di elemen
superstruktur, gedung kantor memiliki biaya superstruktur yang lebih tinggi
dibandingkan gedung apartemen karena spans-nya lebih lebar dibanding
gedung apartemen. Sehingga dimensi superstruktur gedung kantor akan relatif
lebih besar. Selain itu, biaya interior construction juga memiliki perbedaan
yang cukup besar. Hal itu disebabkan karena konstruksi gedung kantor hanya
dibuat shell dan core-nya, sementara variasi konstruksi untuk estetika yang
lebih baik biasanya digunakan di public spaces saja.
b. Kompleksitas
Menurut Herbert Swinburne [61], kompleksitas gedung yang dapat
mempengaruhi biaya konstruksi dapat dibagi menjadi:
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
42
Universitas Indonesia
a) Kompleksitas Akibat Fungsi
Berdasarkan tujuan gedung dibangun, gedung tersebut dapat memiliki
tingkat kerumitan berbeda. Misalnya perbedaan konstruksi yang dimiliki
antar gedung pabrik dengan fasilitas riset medikal. Untuk fasilitas
laboratorium, biaya konstruksinya dapat melebihi bangunan fungsional
lain karena requirement filtrasi, kontrol, dan kebersihannya biasanya
ekstrim [62].
b) Kompleksitas Akibat Desain
Perimeter, bentuk, dan desain suatu gedung bisa dibuat simpel ataupun
kompleks, dan hal ini dapat mempengaruhi biaya konstruksi dengan
signifikan. Gedung dengan bentuk yang kompleks, memiliki benefit dari
segi estetik namun secara bersamaan menambah biaya pembangunan.
Misalnya gedung dengan high-quality skin system, dengan gelas atau
batu, harus menambah biaya konstruksi karena dibutuhkan pekerja
dengan skill khusus [63].
c. Mutu Gedung
Kualitas dari gedung merupakan fungsi dari desain yang diinginkan dengan
biaya yang diinvestasikan bagi pembangunan gedung [64]. Menurut Herbert
Swinburne [65], kualitas gedung dapat didefinsikan dengan dua jenis, kualitas
fisik dan kualitas desain. Kualitas fisik dihasilkan oleh material, peralatan,
dan usaha konservasi lingkungan di sekitar site. Sedangkan kualitas desain
lebih bersifat intanjibel, yaitu dihasilkan dengan imej gedung, kenyaman,
serta fitur-fitur lain dari gedung yang dimaksudkan untuk mengkondisikan
suasana tertentu pada gedung. Kualitas-kualitas ini didesain dan dibangun
oleh owner, arsitek, dan konsultan struktur dari gedung tersebut. Kualitas
intanjibel desain biasanya disusun pada tahap brainstorming gedung,
sementara kualitas fisik ditentukan seiring berjalannya waktu dalam
menentukan detail konstruksi maupun arsitektur gedung. Beberapa owner
terkadang memiliki keinginan spesifik mengenai kualitas gedung. Faktor-
faktor kualitatif tersebut tidak hanya mempengaruhi biaya bahan dan
material, namun juga dalam pembangunannya. Semakin tinggi demand
performance dari suatu gedung semakin tinggi pula biayanya [66]. Namun
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
43
Universitas Indonesia
kualitas gedung yang bagus dapat memberikan manfaat secara long-term bagi
gedung, penggunaan, maupun nilainya.
d. Ukuran Gedung
Merupakan hal yang jelas bahwa ukuran gedung mempengaruhi besar biaya
konstruksi. Bisa dibilang ukuran gedung merupakan elemen mayor dari cost
driver biaya konstruksi gedung. Pertimbangan mengenai ukuran, biasanya
telah ditentukan di tahap awal konstruksi, dan secara langsung mempengaruhi
biaya konstruksi gedung. Selanjutnya keputusan tersebut akan mempengaruhi
metode konstruksi dan material gedung yang masing-masing memiliki cost
effect berbeda pada biaya konstruksi [67]. Salah satu elemen konstruksi yang
dipengaruhi oleh ukuran gedung ialah beskisting. Sementara bekisting ialah
single element termahal pada pekerjaan konstruksi. Terkadang biaya bekisting
melebihi biaya tulangan besi dan beton sendiri [68]. Oleh karena itu sering
konsultan struktur menciptakan desain bangunan yang memiliki ukuran
kolom serta pelat yang seragam untuk tiap lantainya demi efisiensi pemakaian
bekisting beton. Selain hal itu, ukuran gedung juga dapat melebar secara
horisontal ataupun meninggi secara vertikal, dan masing-masing memiliki
pengaruh berbeda terhadap biaya akibat lahan (site) serta biaya pondasi.
e. Lokasi
Lokasi dari sebuah gedung mempengaruhi biaya konstruksi suatu gedung.
Dua buah gedung yang persis sama apabila dibangun di dua daerah yang
berbeda dapat memilki biaya konstruksi yang berbeda pula. Hal ini
disebabkan oleh upah pekerja, harga material, biaya pengiriman bahan, serta
kondisi pasar lokal yang berbeda-beda dari daerah satu dengan daerah lainnya
[69]. Selalu terdapat kecenderungan pemilihan lokasi atas gedung yang akan
dibangun. Seperti misalnya pembangunan apartemen bersubsidi dibangun di
daerah sekitar universitas di mana banyak mahasiswa butuh tempat tinggal,
atau banyak gedung kantor yang dibangun di pusat kota karena dan
kemudahan akses serta mencari prestis. Menurut AIA [70], lokasi
mempengaruhi biaya konstruksi gedung karena faktor berikut:
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
44
Universitas Indonesia
a) Lokasi Geografis
Biaya konstruksi dapat dipengaruhi oleh hal-hal seperti cuaca, dan iklim
sebagai comfort requirement, kode dan regulasi gedung setempat,
aksebilitas, jarak antara sumber material dan tukang, dan juga suatu
daerah dapat memiliki tingkat produktivitas pekerja yang berbeda dengan
lainnya.
b) Kondisi Site
Bearing capacity, keadaan batu, lokasi MAT, slope, dan kondisi eksisting
(pondasi lama, hazardous waste, dan lain-lain) mempengaruhi
substruktur dan desain gedung. Selain itu di lokasi tertentu juga
dibutuhkan extraordinary security, pembatasan akses, serta
maneuverability alat berat.
c) Regulasi
Desain dan konstruksi gedung diikat oleh peraturan yang berlaku di
daerah pembangunan gedung tersebut dan standar-standar dalam
perencanaan, zoning, proteksi lingkungan, peraturan mengenai pekerja,
dan site safety laws. Peraturan-peraturan, juga fee reguler yang harus
dibayar, bervariasi sesuai daerah.
d) Kondisi Pasar
Biaya konstruksi serta elemen-elemennya bergantung kepada situasi
sesuai hukum supply and demand di daerah tempat gedung dibangun.
Kondisi pasar, understressed maupun overstressed akan mempengaruhi
level kualitas dari kompetisi dan harga material.
2.4.3. Gedung Kantor
Gedung kantor dapat juga dikatakan sebagai sarana penampung aktifitas
manusia dalam bekerja dan berkarya sesuai dengan kompetensi masing-masing.
Desain gedung kantor terus berkembang pesat, hal itu disebabkan oleh
perkembangan ekonomi global seperti, adanya kebutuhan akan business
enviroment, manajemen perusahaan yang efisien dan efektif, kenyamanan di
lingkungan kerja, serta juga kebutuhan akan keamanan [71].
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
45
Universitas Indonesia
Terjadi perubahan perspektif mengenai gedung kantor yang pertama kali
diperkenalkan oleh perusahaan-perusahaan di Jepang, diantara lain:
a. Dari intelligent space menjadi intimate space
Gedung kantor ialah tempat pegawainya menghabiskan waktu kurang lebih
sepertiga dari hari-harinya. Namun suatu kantor adalah tempat bekerja bagi
manusia, bukan mesin. Oleh karena itu perlu dilakukan improvement agar
dapat diciptakan suasana kantor yang nyaman dan intimate.
b. Dari sistem berkembang ke sistem layanan
Para pekerja selain harus mengembangkan performa perusahaan dari kantor
tempat mereka bekerja, namun juga harus mendapat pendidikan, pelatihan,
bimbingan baru untuk menambah kapasitas individu di dalam kantor.
c. Dari sekedar bangunan kantor menjadi rumah untuk work knowledge
Untuk suatu perusahaan dapat bekerja, diperlukan pertukaran informasi serta
interaksi antar pegawainya. Suatu gedung kantor harus memiliki desain yang
memungkinkan untuk memenuhi kebutuhan ini.
Telah diketahui bahwa fasilitas suatu perusahaan yang well-planned
dapat memberikan efek signifikan bagi suatu perusahaan, melalui sumber daya
manusianya yang dapat memenuhi objektif strategis perusahaan melalui
peningkatan produktivitas. Suatu perusahaan yang didesain dengan baik dapat
meningkatkan produktivitas, membantu menarik minat serta memberikan alasan
bagi pegawai untuk bekerja di perusahaan tersebut, membantu mencipatkan imej
perusahaan di hadapan publik, serta secara tidak langsung mempromosikan kultur
perusahaan. Secara bisnis, gedung kantor dengan kualitas yang baik ialah
investasi yang baik bagi perusahaan [72].
Dalam gedung kantor terdapat beberapa subsistem yang semuanya
tujuannya serupa yaitu, meningkatkan efesiensi dan efektifitas gedung, dengan
menjaga “kondisi-kondisi lingkungan” berupa keamanan, kemudahan, serta
kenyamanan yang sesuai. Roestanto W. Dirjdojuwono membagi subsistem
tersebut beserta kontrolnya dalam gambar berikut:
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
46
Universitas Indonesia
Gambar 2.6 Skema Subsistem Dan Sistem Kontrol Sumber: Sistem Bangunan Pintar, 2003
2.4.3.1 Perencanaan Gedung Kantor
Tiga hal utama dalam perencanaan gedung kantor menurut Roestanto W.
Dirjdojuwono [73], yaitu:
a. Mengatur Langkah Perencanaan
Tenaga ahli dibutuhkan dalam perencanaan gedung kantor, diantaranya untuk
desain konstruksi, arsitektural, M&E, yang bekerja sama dengan representatif
klien, dalam hal pemilik gedung. Kepemilikian gedung kantor bisa dipisahkan
dari gedung milik sendiri atau gedung-gedung untuk disewakan. Untuk
menentukan desain gedung, perencanaan harus berhubungan dengan pemilik
gedung dan bukan dengan penyewanya. Klasifikasi kepemilikan gedung
dapat dijabarkan dalam bagan berikut:
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
47
Universitas Indonesia
Gambar 2.7 Diagram Klasifikasi Kepemilikan Gedung Kantor Sumber: Sistem Bangunan Pintar, 2003
Agar semua aspek kantor terpenuhi, maka desainer, perusahaan
manufaktur dan pengguna/pemilik yang memakai kantornya masing-masing harus
saling membantu untuk perencanaan desain. Namun keadaan ideal tersebut
acapkali tidak dapat dipenuhi.
b. Menentukan Desain Kantor
Gedung kantor seperti yang diklasifikasikan sebelumnya memiliki karakter
dan konfigurasi masing-masing. Gedung yang dibangun untuk disewakan
didesain untuk fleksibilitas pembagian ruang. Ruangan disiapkan dengan
dilengkapi koridor dan siap untuk dibangun partisi. Untuk gedung milik
sendiri, ruang-ruang kantor telah didefinisikan. Koridor tidak perlu terpisah
karena kadang pemilik memilih untuk memakai tipe core dua sisi. Yang
paling penting dari perencanaan desain gedung kantor ini ialah komunikasi
antara pemilik dengan konsultan desainnya.
Hal-hal yang harus diperhatikan dalam desain gedung kantor ialah:
a) Sirkulasi
Sirkulasi pada kantor ditentukan oleh bentuk framework dari struktur
kantor tersebut. Baik dalam koridor tertutup maupun koridor terbuka,
sirkulasi dalam kantor dimaksudkan untuk mempermudah perpindahan
orang dari satu tempat ke tempat lainnya, dan juga untuk mengatur serta
menghubungkan tempat-tempat dengan pola tertentu yang teratur.
Circulation path yang baik, dapat memberikan seseorang mengenai sense
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
48
Universitas Indonesia
“di mana” mereka berada dari keseluruhan plan kantor serta
menyediakan informasi tentang “where they are going” melalui landmark
ataupun pola tertentu sepanjang path. Circulation path kantor yang buruk
dapat memberikan suatu perasaan kalustrophobik dan hilang arah [74].
Space adalah empty void yang dibentuk oleh solid yang mengelilingi
(dinding, langit-langit, lantai). Pada desain gedung kantor, solid adalah
building core dan ruang tertutup lainnya. Sementara void adalah koridor
dan open-work area. Pada space program pola solid dan void dengan
bentuk berbeda dan proporsi berbeda, memberikan dengan irama dan
pengulangan elemen dan simetri, sehingga penyusuan space menciptakan
a sense ozf order [75].
Gambar 2.8 Sirkulasi pada Gedung Kantor Sumber: Office Buildings, 2002
b) Akustik
Kualitas dari kondisi kerja suatu kantor dapat terpengaruh oleh
suara/noise. Untuk sistem ruangan tertutup pada kantor, semua suara
dapat dibilang disturbance (suara telepon, pengunjung, ketikan, dan lain-
lain). Sementara dalam open-plan office, berbagai macam suara
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
49
Universitas Indonesia
bergabung menjadi suara homogen, yang terkadang tidak menggangu,
yang disebut background noise. Sebagian besar gangguan suara
ditimbulkan oleh dua komponen: office noises (percakapan, suara
mengetik, dll) dan suara yang ditimbulkan oleh mesin (dengungan AC,
CPU komputer, dll). Pengontroloan noise dapat dilakukan dengan
menggunakan isolasi akustik pada partisi, memasang dry wall hingga
bagian bawah slab, menggunakan absortif ceiling tile. Selain itu
penggunaan panel pada kubik individu pada open-space office juga
membantu membangun ‘dinding’ untuk privasi akustik dan kontrol suara
untuk personal workspace. Ketinggian minimum untuk panel/screening
dengan privasi akustik ialah 60-66 inch atau sekitar 150 cm, serta lebih
baik dilapisi kain atau bahan penyerap suara lainnya [76].
Gambar 2.9 Tinggi Panel Optimum Sumber: Open Plan Office, 1977
c) Pencahayaan
Pencahayaan yang baik penting untuk memperkaya penampilan ruang
kerja, menciptakan penerangan yang nyaman, serta menciptakan suasana
hangat di tempat-tempat tertentu (seperti ruang lobby atau resepsionis).
Kriteria pencahayaan pada kantor yang baik, ialah penggunaan cahaya
matahari yang maksimal, beserta kombinasi penggunaan indirect light.
Pencahayaan alami (cahaya matahari) dapat diperoleh dengan
penggunaan jendela. Dengan mendesain floor plate yang tipis,
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
50
Universitas Indonesia
penggunaan kaca pada jendela, atau pintu kaca serta sidelight pada
ruangan kerja yang tertutup, pencahayaan natural dapat mencapai bagian
mana saja dari gedung kantor. Pencahayaan buatan dibuat untuk
mendukung pencahayaan alami. Indirect lighting lebih dianjurkan untuk
pencahayaan pada open office karena lebih ringan, mengurangi silau
(glare) pada layar komputer, dan mengoptimalkan fleksibilitas apabila
dibutuhkan re-konfigurasi ruangan di masa mendatang. Pengkombinasian
pencahayaan alami dan buatan dapat pula diatur dengan dimmer
otomatis, yang dapat melakukan pengaturan pada reduksi cahaya buatan
ketika dibutuhkan.
c. Survey Status Kantor
Survey ini bertujuan untuk menentukan tata ruang kantor, metodenya antara
lain menyusun rencana layout dari masukan infromasi berupa:
a) Analisis dari divisi/bagian/ruang. Divisional dan sectional common room
dapat menjadi pertimbangan pembagian ruang
b) Jumlah ruang rapat, resepsionis, dan sebagainya. Dalam gedung kantor
selain workspace pribadi terdapat ruang-ruang lainnya dengan peran
fungsional tertentu, partisi antar ruang tersebut juga berbeda-beda, yang
dapat menjadi masukan penyusunan tata ruang.
c) Dalam survey pengukuran daerah departemen, seksi-seksi, divisi tertentu,
kegiatan masing-masing harus dirinci yang merupakan informasi penting
untuk “tata ruang perabotan”. Diantaranya menentukan lokasi telepon,
personal computer, meja kerja, dan lain-lain.
d) Jalur pemakaian atau pergantian perabotan maupun peralatan dari
storeroom atau penyimpanan. Dapat ditentukan bersama dengan
penjelasan penggunaan fixture dari departemen yang bersangkutan.
Gambar skematik sudah diperlukan untuk survey ini. Di dalam suvey, posisi,
interval, dan dimensi-dimensi pada semua feature pada kantor akan
dibicarakan pada rapat bersama dengan klien. Semua bahan juga ditentukan
dan dipilah agar dapat ditentukan lebih awal. Dalam rapat, presentasi dengan
bantuan gambar atau foto, jika perlu, harus dipersiapkan. Setelah survey
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
51
Universitas Indonesia
selesai, hasilnya akan dimasukkan ke original survey papers yang akan
termasuk dalam gambar teknik perencanaan. Gambar tersebut berguna untuk
pekerjaan analisis lebih lanjut.
2.4.4. Spesifikasi Gedung Kantor yang Tersedia pada Tahap Perencanaan
Konseptual
Telah dijelaskan sebelumnya bahwa pada proses desain terdapat tahapan-
tahapan. Di tahap awal atau perencanaan konseptual, proses desain terdiri dari
fase Preliminary/Program dan fase Skematik. Spesifikasi yang dimaksud pada
penelitian ini ialah spesifikasi gedung pada tahapan desain skematik. Setelah
tahapan desain preliminary/program, tim desain melanjutkan ke tahap desain
skematik dengan dasar dari desain tahap preliminary serta tambahan gambaran
besar dari spesifikasi konstruksi [77].
a. Lokasi
Lokasi dapat mempengaruhi biaya gedung dengan berbagai aspek.
Diantaranya kondisi site, bearing capacity, tabel konten air, bebatuan yang
ada, dan lain-lain dapat mempengaruhi desain substruktur. Kondisi geografis
juga mempengaruhi proyek dengan faktor iklim, kemudahan akses, jarak dari
sumber material, kompetensi pekerja serta upahnya, dan lain-lain. Selain itu
biasanya terdapat regulasi khusus mengenai proyek di suatu daerah yang
mempengaruhi proteksi lingkungan, standar gedung, pekerja, dan juga regular
fee yang harus dibayar. Range lokasi yang digunakan dalam penelitian ini
tergantung dari data yang didapat.
b. Kondisi Tanah
Kondisi tanah yang dimaksud di sini ialah kondisi tanah di mana diperlukan
pengerukan atau penimbunan bagi perkerjaan gedung, seperti pembangunan
basement, sistem air bersih, dan lain-lain. Namun di Indonesia seringkali
tanah yang disediakan bagi proyek sudah siap bangun, atau berarti hanya
butuh pekerjaan pembersihan lahan saja. Oleh karena itu kategori kondisi
tanah pada penelitian ini dibagi menjadi cut, fill, cut and fill, serta perlu
oembersihan lahan saja.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
52
Universitas Indonesia
c. Tipe Pondasi
Meskipun pada dasarnya tidak sering tim structural engineer telah mendesain
pondasi di tahap ini, namun jenis pondasi tetap dapat ditentukan dari data
proyek masa lalu dengan bangunan yang memiliki tingkat, kondisi tanah, luas
area (footprint), serta properti tanah lain yang serupa [78]. Michael D.
Dell’Isola [79] berpendapat bahwa untuk menentukan tipe pondasi, variabel
utama yang digunakan ialah area ‘footprint’-nya, dengan tambahan variabel
sekunder berupa kondisi tanah, konfigurasi site, tabel air, zona seismik, berat
yang disuport, pembuangan tanah, dan spesifikasi slab. Hal-hal tersebut dapat
menentukan jenis pondasi apa yang akan dipakai. Dan tipe-tipe pondasi
tesebut antara lain terbagi menjadi pondasi jenis bore pile, pondasi tiang
pancang, pondasi mat, dan pondasi mat pile.
d. Luas Total Lantai Gedung Kantor
Luas lantai bangunan tinggi sangat tergantung dari program bangunan yang
tergantung pula pada jenis proyek. Lokasi dan bentuk tanah juga berpengaruh
karena menentukan luas lantai yang dapat dibangun [80]. Terdapat beberapa
literatur yang merekomendasikan luas lantai bagi gedung perkantoran, seperti
German Labour Protection Society, yang untuk kenyamanan akustik
menyarankan dua dinding paralel harus berjarak lebih dari 20 m. Juga
rekomendasi lain berupa satu lantai gedung kantor harus memiliki area
minimum sebesar 400 m2
[81]. Sementara itu, luas optimal satu lantai gedung
kantor berkisar antara 1000 m2–1300 m
2 yang didasarkan dari kalkulasi
journey time dari titik satu ke titik lainnya pada sebuah gedung [82]. Suatu
gedung dapat memiliki luas lantai yang tidak tipikal antar tingkatnya, maka
luas yang dipakai pada penelitian ini ialah luas keseluruhan lantai-lantai
gedung.
e. Jumlah Tingkat Bangunan
Yang membatasi jumlah lantai yang dapat dibangun tidak hanya berdasarkan
pertimbangan-pertimabangan tekno ekonomi saja. Daya dukung tanah juga
membatasi jumlah lantai bangunan yang dapat dibangun, di samping
peraturan-peraturan tata kota. Jadi, putusan terakhir merupakan sintesa dari
tekno ekonomi, pondasi, dan peraturan tata kota. Sementara peraturan tata
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
53
Universitas Indonesia
kota dibuat beradasarkan analisa tekno ekonomi, building engineering, dan
kualitas lingkunga kota [83]. Sebagai contoh, gedung yang dibangun di Pulau
Bali tidak dapat melebihi tinggi pohon kelapa atau sekitar tinggi Pura.
Sehingga peraturan tata kota menentukan jumlah lantai gedung kantor yang
dapat dibangun maksimal 4 lantai. Jumlah tingkat bangunan ynag dimaksud
di sini ialah jumlah tingkat bangunan gedung kantor yang berada di atas
permukaan tanah.
f. Jumlah Tingkat Bangunan yang Berada di Bawah Muka Tanah
Jumlah tingkat bangunan yang berada di bawah muka tanah berarti jumlah
lapis basement yang dimiliki suatu gedung kantor. Basement dari suatu kantor
dapat berfungsi sebagai tempat parkir namun juga dapat memiliki fungsi lain
seperti kantin, ruang musholla, dan dapat juga dibangun ruang fungsional
lain. Konstruksi basement menurut Michael Dell’Isola [84] tergantung dari
kondisi-kondisi seperti kondisi tanah, pembuangan tanah, tabel dan aliran air,
tipe retensi tanah, dan zona seismik. Jumlah tingkat bangunan yang dimaksud
di sini ialah jumlah lapis bangungan yang berada di bawah muka tanah.
g. Tipe Superstruktur
Superstruktur dari suatu gedung dipengaruhi oleh area dari lantai dan/atau
atap yang disuport. Selain itu faktor-faktor lain juga dapat mempengaruhi
pemilihan material superstruktur suatu gedung seperti, jumlah lantai, tinggi
floor-to-floor, konfiggurasi gedung, pembebanan, jarak span antar kolom,
zona seismik, dan tipe cladding [85]. Sehingga jenis superstruktur bangunan
dapat dibagi menjadi beton, baja, atau komposit.
h. Jarak antar Lantai (floor-to-floor height)
Tinggi ini bergantung kepada jenis proyek dan konstruksinya dalam relasinya
dengan kegunaan lantai. Misalnya, gedung kantor yang tingginya plafond-nya
2,6 m oleh karena itu memiliki floor-to-floor height 3,5 m. Jarak 0,8 atau 1 m
tersebut diperlukan untuk tinggi balok ditambah tabung-tabung kondisional
udara (AC). Dalam ilmu konstruksi bangunan tinggi, jarak ini selalu
diusahakan minimal. Sebab penghematan sebesar 10 cm saja apabila
dikalikan 30 lantai maka akan menghasilkan penghematan sebesar 3 m atau
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
54
Universitas Indonesia
setinggi 1 lantai [87]. Jarak antar lantai yang akan digunakan dipenelitian ini
adalah jarak antara lantai satu dengan lantai lain atasnya pada gedung kantor.
Gambar 2.10 Jarak antar Lantai/Floor-to-Floor Height Sumber: Office Buildings, 2002
i. Tinggi Bangunan
Gedung dengan tinggi bangunan yang besar cenderung lebih tidak efisien
dalam pemakaian spasinya. Gedung dengan lebih dari 6 atau 8 lantai
cenderung memiliki pembebanan, wind bracing, lift, dan kebutuhan fire code
yang bertambah. Vertikal elemen dari suatu gedung dapat memiliki jatah 25-
35% dari total biaya keseluruhan [86]. Tinggi bangunan yang dimaksud di
sini ialah tinggi total bangunan dalam satuan meter.
j. Bentuk/Footprint Shape
Bentuk atau footprint shape dari gedung mempengaruhi biaya dari segi
cladding-nya. Gedung dengan sisi lebih banyak akan memiliki keliling lebih
besar olh karena itu mempengaruhi komponen penutupnya/cladding. Selain
itu, penambahan sudut pada gedung cenderung meningkatkan kopleksitas
pengerjaan, dan seringkali diiringin dengan penambahan sumber daya
manusia. Tipe bentuk geudng kantor pada penelitian ini dikategorikan
menjadi segitiga, segiempat, segibanyak, dan lingkaran.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
55
Universitas Indonesia
k. Tipe Atap
Tipe atap dari suatu gedung dapat dipengaruhi oleh luas atap, konfigurasi
atap, jumlah dan tipe opening, kebutuhan insulasi termal serta suara, tingkat
glazing yang dibutuhkan [88]. Sesuai dengan penelitian yang dilakukan Sang-
Yong Kim et. al [89], tipe atap dapat dibagi menjadi kategori flat (dak beton),
pitched (rangka kayu), dan steel frame (rangka baja).
l. Durasi Proyek
Durasi proyek mempengaruhi biaya konstruksi dengan biaya overhead yang
dikeluarkan. Durasi proyek yang terlalu lama berarti meningkatkan biaya
overhead proyek. Namun biaya indiret yang terlalu cepat (fast track) juga
dapat meningkatkan biaya konstruksi diakibatkan overtime, jam kerja ekstra,
atau perihal lainnya. Durasi proyek yang dibicarakan di penelitian ialah
lamanya sutau pekerjaan konstruksi proyek dari mulai hingga selesai, dalam
satuan bulan.
m. Finishing Grade
Aspek estetika gedung yang diharapkan berhubungan dengan finishing grade.
Semakin tinggi kualitas finishing-nya tentu saja semakin tinggi biaya
konstruksi. Hal itu disebabkan oleh komplekitasnya yang meningkat sehingga
butuh pekerja dengan skill tertentu. Dan juga identik dengan material,
semakin tinggi kualitas finishing grade-nya maka semakin banyak biaya
untuk material dikeluarkan. Range finishing grade pada penelitian ini berkisar
anatara 1-3.
2.4.5. Metode Estimasi Biaya Tahap Konseptual pada Proyek Konstruksi
Gedung Kantor
Sebagai alat estimasi biaya pada tahap konseptual, di mana perhitungan
detail komponen tidak dapat dilakukan, digunakan metode lain yang
memungkinkan. Diantara lain ialah estimasi parametrik [90], yaitu suatu proses
estimasi biaya menggunakan beberapa faktor (engineering parameters) yang
dikembangkan dari databease historis, praktik konstuksi, dan engineering
technology lain. Parameter tersebut terdiri dari ukuran fisikal yang mempengaruhi
definisi karakter proyek (luas, tipe gedung, tipe pondasi, materi penutup eksterior,
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
56
Universitas Indonesia
tipe atap, jumlah lantai, komposisi dan material, dan lain-lain). Pemilihan
parameter untuk metode parametrik tersebut bergantung kepada definisi proyek
yang tersedia, kesamaan antara proyek dengan data historis, dan kemampuan
untuk mengkalkulasikan detail, serta parameter yang dapat diketahui dari proyek.
Metode parametrik juga biasanya digunakan pada fasilitas yang repetitif atau
replikasi teori analisa dari suatu program bangunan gedung, dan dalam prosesnya
fasilitas statistik dapat digunakan untuk memprediksi dan menganalisa biaya [91].
Menurut Michael D. Dell’Isola [92], estimasi juga dapat dilakukan
dengan permodelan estimasi biaya. Sebagai contoh, terdapat computer-based
system yang digunakan sebagai permodelan estimasi biaya yang disebut REVIT
Technology Corporation. Selain itu permodelan dapat pula dilakukan dengan
memanfaatkan artificial intelligent yang telah banyak berkembang.
Jaringan syaraf tiruan merupakan suatu cabang ilmu artificial intelligent
yang telah berkembang dan banyak diaplikasikan pada berbagai praktik ilmu.
Telah dilakukan aplikasi pada jaringan syaraf tiruan, khususnya pada permodelan
prediktif, untuk currency exchange, harga stok market, serta bond ratings sejak
awal tahun 1990. Aplikasi pada bidang konstruksi mulai diteliti dan
dipublikasikan di pertengahan tahun 1990an untuk faktor kontingensi pada
proyek, dan lalu estimasi biaya proyek dalam suatu sotware computing. salah
satunya konstruksi.
Praktik aplikasi jaringan syaraf tiruan untuk estimasi biaya proyek
konstuksi ini melebar menjadi aplikasi dalam vessel, jalan tol, dan salah satunya
gedung. Bina R. Setyawati, Sidharta Sahirman, dan Dr. Robert C. Creese, PE
CCE, meneliti aplikasi neural network untuk estimasi biaya pertama kali pada
tahun 2002 [93], lalu melakukan peneltian lanjutannya pada tahun 2003 [94].
Estimasi ini menggunakan basic cost driver yang dapat ditemukan pada estimasi
tahap konseptual, untuk 41 data proyek gedung edukasional historis. Sementara
Sang-Yong Kim, Jae-Won Choi, Gwang Hee Kim, dan Kyung Kang In pada
tahun 2005 [95] meneliti metode cost prediction berupa CBR dan ANN untuk
gedung-gedung apartemen dengan variabel yang dapat ditemukan di early project
stages. Di tahun 2008, Min-Yuang Cheng, Hsing-Chih Tsai, dan Wei-Shan Hsieh
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
57
Universitas Indonesia
[96] meneliti penggunaan neural network serta fuzzy model untuk perhitungan
biaya proyek gedung pada umumnya.
Penelitian mengenai penggunaan metode jaringan syaraf tiruan pada
estimasi tahap konseptual gedung kantor dilakukan oleh diantaranya Phabounjong
K. dan Popescu, C.M. pada tahun 2002 [97]. Selain itu T.M.S. Elhag serta A.H.
Boussabaine pada tahun 2005 [98] juga melakukan penelitian dalam estimasi
biaya gedung kantor untuk kepentingan harga tender. Menurut T.M.S Elhag dan
A.H Boussabaine [99] perlu dicari alternatif metode untuk perhitungan estimasi
biaya karena walaupun metode konvensional (dalam hal ini regresi linier) sudah
familiar, namun penggunaannya sangat bergantung pada linearity dan model
matematis variabelnya. ANN dapat belajar dari sampel dan melakukan
generalisasi agar dapat memecahkan masalah baru, oleh karena itu metode ini
memiliki potensi dalam estimasi biaya tahap konseptual pada gedung kantor.
2.5. Jaringan Syaraf Tiruan (Artificial Neural Network)
Jaringan syaraf buatan bisa dibayangkan seperti otak buatan. Ketika
manusia berpikir, aktivitas-aktivitas yang terjadi adalah aktivitas mengingat,
memahami, menyimpan, dan memanggil kembali apa yang pernah dipelajari oleh
otak. Artificial Neural Network bekerja dengan fungsi yang sama seperti otak
biologis tersebut. Salah satu contoh pengambilan ide dari jaringan syaraf biologis
adalah adanya elemen-elemen pemrosesan pada jaringan syaraf tiruan yang saling
terhubung dan beroperasi secara pararel. Pada dasarnya sel syaraf biologi
menerima masukan dari sumber yang lain dan mengkombinasikannya dengan
beberapa cara, melaksanakan suatu operasi yang non-linear untuk mendapatkan
hasil dan kemudian mengeluarkan hasil akhir tersebut.
Dalam tubuh manusia terdapat banyak syaraf, semua sel syaraf alami
mempunyai empat komponen dasar yang sama. Keempat komponen dasar ini
diketahui berdasarkan nama biologinya yaitu, dendrit, soma, akson, dan sinapsis.
Setiap sel syaraf akan memiliki satu inti sel, inti sel ini nanti yang akan bertugas
untuk melakukan pemrosesan informasi (Processing Element). Informasi yang
datang akan diterima oleh dendrit. Selain menerima informasi dendrit juga
menyertai akson sebagai keluaran dari suatu pemrosesan informasi. Informasi
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
58
Universitas Indonesia
hasil olahan ini akan menjadi masukan bagi neuron lain yang mana antar dendrite
kedua sel tersebut dipertemukan dengan sinapsis. Informasi yang dikirimkan antar
neuron ini berupa rangsangan yang dilewatkan melalui dendrit. Informasi yang
datang dan diterima oleh dendrit akan dijumlahkan dan dikirim melalui akson ke
dendrit akhir yang bersentuhan dengan dendrit dari neuron yang lain. Informasi
ini akan diterima oleh neuron lain jika memenuhi batasan tertentu, yang sering
dikenal dengan nama nilai ambang (threshold) yang dikatakan teraktivasi.
2.5.1. Deskripsi Jaringan Syaraf Tiruan (Artificial Neural Network)
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. Christos
Stergiou dan Dimitri Siganos [100] menyebutkan 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. Sama seperti otak manusia, metode ini dapat belajar dari
pengalaman, sehingga dikategorikan sebagai metode yang menggunakan artificial
intelegence.
ANN sederhana pertama kali diperkenalkan oleh Warren McCulloch dan
Walter Pitts di tahun 1943. McCulloch dan Pittsmenyebutkan ANN merupakan
salah satu sistem pemrosesan informasi yang didesain dengan menirukan cara
kerja otak manusia dalam menyelesaikan suatu masalah dengan melakukan proses
belajar melalui perubahan bobot sinapsisnya. McCulloch dan Pitts menyimpulkan
bahwa kombinasi beberapa neuron sederhana menjadi system neural yang akan
meningkatkan kemampuan komputasinya. Bobot dalam jaringan yang diusulkan
oleh McCulloch dan Pitts diatur untuk melakukan fungsi logika sederhana. Fungsi
aktifasi yang dipakai adalah fungsi threshold. Akan tetapi, keterbatasan teknologi
pada saat tersebut menyebabkan penggunaan yang sangat terbatas dari metode ini.
Pendekatan yang berbeda untuk AI dari teknik tradisional seperti sistem
pakar dengan mencoba untuk meniru mekanisme yang otak manusia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
59
Universitas Indonesia
memanipulasi data dan mencapai keputusan. Menurut Haykin S. [101], Neural
Network merupakan sebuah prosesor yang terdistribusi paralel dan mempuyai
kecenderungan untuk menyimpan pengetahuan yang didapatkannya dari
pengalaman dan membuatnya tetap tersedia untuk 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 merupakan
salah 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 [102].
Elemen yang paling mendasar dari jaringan syaraf adalah sel syaraf. Sel-sel syaraf
inilah membentuk bagian kesadaran manusia yang meliputi beberapa kemampuan
umum.
Hubungan antara jaringan syaraf biologis dan ANN menurut Medsker dan
Liwbowitz [103] terdapat pada tabel berikut:
Tabel 2.6 Analogi Jaringan Syaraf Biologis dengan ANN
Biologis ANN
Soma Node
Dendrit Input
Akson Output
Sinapsis Bobot
Laju Pelan Laju Cepat
Banyak Neuron(109) Sedikit Neuron
Sumber: Efrain Turban et.al., Decision Support Systems and Intelligent Systems, 2005.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
60
Universitas Indonesia
Beberapa sifat dan kelebihan ANN dengan teknik Artficial Intelligence
yang lain menurut Wassermann [104] ialah sebagai berikut :
a. Belajar Adaptif
ANN mempunyai kemampuan untuk belajar bagaimana melakukan tugas-
tugas didasarkan pada data yang diberikan untuk pelatihan atau pengalaman
awal. melalui contoh, tidak seperti expert systems, belajar daribanyak pola
contoh pelatihan dan asosiasinya misalnya output yang ditentukan. Contoh
pelatihan ini dapat dihasilkan dari ahli tanpa kebutuhan untuk meminta,
bagaimana ataupun mengapa sehingga sampai pada 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 unsupervised learning. ANN mampu mendistribusikan memori; bobot
koneksi merupakan unit memori 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 dua cara: (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. Satukumpulan bobot
jaringan berkemampuan merepresentasikan ruang yang besar dari pola yang
disimpan.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
61
Universitas Indonesia
Sedangkan beberapa kekurangan dalam pengembangan ANN adalah :
a. Penyelesaian masalah melalui ANN hanya didasarkan pada teknik heuristic.
b. Interaksi yang terjadi dalam ANN sangat kompleks.
c. Mempelajari ANN sangat susah dimengerti sehingga sering di sebut “black
box”
d. ANN memodelkan sesuatu berdasarkan pengalaman terdahulu tetapi ANN
tidak mampu menjelaskan dan menjustifikasi keputusan yang dihasilkan.
2.5.2. Konsep Dasar Model Artificial Neural Network
Seperti halnya otak manusia, jaringan saraf juga terdiri dari beberapa
neuron dan ada hubungan antara neuron-neuron tersebut. Beberapa neuron akan
mentransformasikan informasi yang diterimanya melalui sambungan keluaran
menuju neuron-neuron yang lain. Neuron adalah unit pemroses informasi yang
menjadi dasar dalam pengoperasian jaringan syaraf tiruan. Tiruan neuron dalam
struktur jaringan saraf tiruan adalah sebagai elemen pemroses yang dapat
berfungsi seperti halnya sebuah neuron. Sejumlah sinyal masukan a dikalikan
dengan masing-masing penimbang yang bersesuaian. Kemudian dilakukan
penjumlahan dari seluruh hasil perkalian tersebut dan keluaran yang dihasilkan
dilalukan kedalam fungsi pengaktif untuk mendapatkan tingkatan derajat sinyal
keluarannya. Walaupun masih jauh dari sempurna, namun kinerja dari tiruan
neuron ini identik dengan kinerja dari sel biologi yang kita kenal saat ini. 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.
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
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
62
Universitas Indonesia
c. Fungsi aktivasi yang akan menentukan apakah sinyal dari input neuron akan
diteruskan ke neuron lain atau tidak.
Dengan kata lain neuron/sel syaraf adalah sebuah unit pemrosesan
informasi yang merupakan dasar operasi jaringan syaraf 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 [105]. Gambar dibawah ini
menunjukkan contoh sederhana suatu neuron.
Gambar 2.11 Struktur Unit Jaringan Syaraf Tiruan Sumber : 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 pada tahun 1940.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
63
Universitas Indonesia
Gambar 2.12 Model neuron MCP dengan input terbobot Sumber : McCulloch and Pitts 1940
Sebuah model untuk meningkatkan performadari MCP model
diperkenalkan oleh Frank Rosenblatt pada tahun 60-an. Ia menambahkan pre-
processing pada input sebelum dikalikan bobotnya dan memasuki proses
perhitungan output [106].
Gambar 2.13 Perceptron Sumber : Christos dan Dimitri, 1996
Dengan menambahkan bias dan fungsi transfer pada setiap neuron, maka
didapatkan bentuk dasar matematis sebuah neuron sebagai berikut:
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
64
Universitas Indonesia
Gambar 2.14 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 [107].
2.5.3. Arsitektur Jaringan pada Artificial Neural Network
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 neuron dalam
ANN mengikuti pola tertentu tergantung pada arsitekturnya dan berhubungan
dengan algoritma pembelajaran yang digunakan untuk melatih network.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
65
Universitas Indonesia
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 2.15 Model ANN dengan Multi-Layer Sumber : Jerzy Moncincki, 1995
Berikut model ANN Jerzy Moncincki, dimana layer 1 adalah layer 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 tipe [108]:
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
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
66
Universitas Indonesia
berkesinambungan. Jaringan ini memiliki performance yang lebih baik karena
melakukan koreksi error yang terjadi.
Gambar 2.16 Feedback (Recurrent) Network Sumber : Jerzy Moncincki, 1995
2.5.4. Proses Pembelajaran Algoritma Artificial Neural Network
Salah satu bagian terpenting dari konsep ANN adalah terjadinya proses
pembelajaran [109]. Proses belajar yang dimaksud adalah kemampuan ANN untuk
mengingat pola-pola input beserta responnya. Tujuan utama dari proses
pembelajaran adalah melakukan pengaturan terhadap bobot-bobot yang ada pada
ANN, sehingga diperoleh bobot akhir yang tepat sesuai dengan pola data yang
dilatih. Selama proses pembelajaran akan terjadi perbaikan bobot-bobot
berdasarkan algoritma tertentu. Nilai bobot akan bertambah, jika informasi yang
diberikan oleh neuron yang bersangkutan tersampaikan, sebaliknya jika informasi
tidak disampaikan oleh suatu neuron ke neuron yang lain, maka nilai bobot yang
menghubungkan keduanya akan dikurangi. Pada saat pembelajaran dilakukan pada
input yang berbeda, maka nilai bobot akan diubah secara dinamis hingga mencapai
suatu nilai yang cukup seimbang. Apabila nilai ini telah tercapai mengindikasikan
bahwa tiap-tiap input telah berhubungan dengan output yang diharapkan.
Kemampuan pembelajaran dari suatu ANN dicapai dengan mengaplikasikan
algoritma pembelajaran.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
67
Universitas Indonesia
Proses belajar dari neural network itu sendiri menurut Nikola K. Kasabov
[110] dapat dibedakan menjadi 3 (tiga) klasifikasi yaitu sebagai berikut:
a. Supervised Learning
Metode pembelajaran terawasi dimana contoh pelatihan sebagai pembelajaran
terdiri dari input vektor x dan output vektor y yang ditentukan. Pelatihan
dilakukan sampai ANN “belajar” mengetahui hubungan tiap input vektor x
dengan output vektor y. Sebagai contoh ANN dapat mempelajari pendekatan
fungsi y=f(x) yang direpresentasikan dengan kumpulan pelatihan (x,y). Tipe
Algoritma pembelajaran yang termasuk ke dalam golongan ini adalah
backpropagation, jaringan Hopfield, perceptron, dan sebagainya.
b. Unsupervised Learning
Metode pembelajaran tidak diawasi dimana hanya input vektor x yang
diberikan dan ANN mempelajari beberapa karakteristik dari pola yang terjadi.
Tipe Algoritma pembelajaran yang termasuk ke dalam golongan ini
diantaranya adalah teori resonansi adaptif, learning vector quantization, self
organizing kohonen, dan sebagainya.
c. Reinforced / Reward-Penalty Learning,
Yaitu kombinasi dari dua paradigma di mana didasarkan pada input vektor x
kepada ANN dan melihat output vectoryang dihasilkan jaringan. Jika
dipertimbangkan hasilnya baik maka memberikan “reward” kepada jaringan
dengan menambah bobot hubungan dan sebaliknya.
2.5.5. Penggunaan Algoritma Back Propagation
Jaringan back propagation merupakan salah satu algoritma yang sering
digunakan dalam menyelesaikan masalah-masalah yang rumit. Algoritma
propagasi balik, pertama kali dirumuskan oleh Werbos dan dipopulerkan oleh
Rumelhart dan McClelland untuk dipakai pada ANN. Algoritma telah
diaplikasikan di berbagai bidang, diantaranya diterapkan di bidang finansial,
pengenalan pola tulisan tangan, pengenalan pola suara, sistem kendali, pengolah
citra medika dan masih banyak lagi keberhasilan BP sebagai salah satu metoda
komputasi yang handal.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
68
Universitas Indonesia
Algoritma ini juga banyak dipakai pada aplikasi pengaturan karena
proses pelatihannya didasarkan pada hubungan yang sederhana, yaitu: Jika
keluaran memberikan hasil yang salah, maka penimbang (weight) dikoreksi
supaya galatnya dapat diperkecil dan respon jaringan selanjutnya diharapkan akan
lebih mendekati harga yang benar. BP juga berkemampuan untuk memperbaiki
penimbang pada lapisan tersembunyi (hidden layer).
Ketika Jaringan diberikan pola masukan sebagai pola pelatihan maka
pola tersebut menuju ke unit-unit pada lapisan tersembunyi untuk diteruskan ke
unit-unit lapisan keluaran. Kemudian unit-unit lapisan keluaran memberikan
tanggapan yang disebut sebagai keluaran jaringan. Saat keluaran jaringan tidak
sama dengan keluaran yang diharapkan maka keluaran akan menyebar mundur
(backward) pada lapisan tersembunyi diteruskan ke unit pada lapisan masukan.
Oleh karenanya maka mekanisme pelatihan tersebut dinamakan backpropagation/
propagasi balik. Tahap pelatihan ini merupakan langkah bagaimana suatu jaringan
saraf itu berlatih, yaitu dengan cara melakukan perubahan penimbang (sambungan
antar lapisan yang membentuk jaringan melalui masing-masing unitnya).
Sedangkan pemecahan masalah baru akan dilakukan jika proses pelatihan tersebut
selesai, fase tersebut adalah fase mapping atau proses pengujian/testing.
Prosedur pembelajaran algoritma backpropagation ialah sebagai berikut:
a. Inisiasi bobot (ambil bobot awal dengan nilai acak yang cukup kecil)
b. Tetapkan : Nilai maksimum Epoch, Target Epoch dan Learning Rate (a)
c. Inisialisasi Epoch = 0
d. Kerjakan langkah-langkah berikut selama (Epoch < Maksimum Epoch) dan
(MSE < Target Error):
Epoch = Epoch + 1
Untuk tiap-tiap pasangan elemen yang akan dilakukan pembelajaran, dimulai
dengan mengerjakan :
Feedforward :
e. Tiap-tiap unit input (Xi i= 1,2,3,……..,n) menerima sinyal xi dan meneruskan
sinyal tersebut kesemua unit pada lapisan yang ada diatasnya (hidden layer)
f. Tiap-tiap unit pada suatu hidden layer (Zi j= 1,2,3, ……, p) menjumlahkan
sinyal-sinyal input terbobot:
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
69
Universitas Indonesia
(2.4)
Gunakan fungsi aktifasi untuk menghitung sinyal outputnya:
(2.5)
Dan kirim sinyal tersebut kesemua unit dilapisan atasnya (unit-unit
outputnya).
g. Tiap-tiap unit outputnya (Yk, k= 1,2,3,….. ,m) menjumlahkan sinyal-sinyal
input terbobotnya.
(2.6)
Gunakan fungsi aktifasi untuk menghitung sinyal outputnya :
(2.7)
Dan kirim sinyal tersebut ke semua unit dilapisan atasnya (unit-unit output).
Catatan :
Langkah (b) dilakukan sebanyak jumlah hidden layer
Back Propagation
h. Tiap-tiap unit outputnya (Yk, K = 1,2,3, ….. ,m) menerima target pola yang
berhubungan dengan pola input pembelajaran , hitung informasi errornya:
(2.8)
(2.9)
(2.10)
Kemudian hitung koreksi bobot (yang nantinya akan digunakan untuk
memperbaiki nilai wjk ) dengan fungsi gradient descent:
(2.11)
Hitung juga koreksi bias (yang nantinya akan digunakan untuk memperbaiki
nilai b2k ) dengan fungsi gradient desent :
(2.12)
Langkah (d) ini juga dilakukan sebanyak jumlah hidden layer, yaitu dengan
menghitung informasi error dari suatu hidden layer ke hidden layer
sebelumnya.
i. Tiap-tiap unit tersembunyi (Zj, j= 1,2,3,…, p) menjumlahkan delta inputnya
(dari unit-unit yang berada pada lapisan diatasnya):
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
70
Universitas Indonesia
(2.13)
Kalikan nilai ini dengan turunan dari fungsi aktifasinya untuk menghitung
informasi error:
(2.14)
(2.15)
(2.16)
Kemudian hitung koreksi bobot (yang nantinya akan digunakan untuk
memperbaiki nilai vij ) dengan fungsi gradient descent :
(2.17)
Hitung juga koreksi bias (yang nantinya akan digunakan untuk memperbaiki
nilai b1j) dengan fungsi gradient descent :
(2.18)
j. Tiap-tiap output (Yk, k= 1,2,3,….,m) memperbaiki bias dan bobotnya
(j=0,1,2,…..,p):
(2.19)
(2.20)
Tiap-tiap tersembunyi (Zj, j = 1,2,3,….,p) memperbaiki bias dan bobotnya
(i= 0,1,2,…,n):
(2.21)
(2.22)
k. Hitung MSE
Pemilihan bobot awal sangat mempengaruhi ANN dalam mencapai minimum
global (satu local saja) terhadap nilai error, serta cepat tidaknya suatu proses
pelatihan menuju kekonvergenan. Apabila nilai bobot awal terlalu besar,
maka input ke setiap hidden layer atau lapisan output akan jatuh pada daerah
dimana turunan fungsi sigmoidnya akan sangat kecil, sebaliknya apabila nilai
bobot awal terlalu kecil, maka input ke setiap hidden layer atau lapisan output
akan sangat kecil yang akan menyebabkan proses pelatihan akan berjalan
sangat lambat. Biasanya bobot awal diinisialisaikan secara random dengan
nilai antara -0,5 sampai 0,5 (atau -1 sampai 1 atau interval lainnya). Ada
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
71
Universitas Indonesia
alternative lainnya selain inisialisasi secara random, yaitu dengan cara
Metode Nguyen-Windrow. Metode Nguyen-Windrow akan menginisialisasi
bobot-bobot dari lapisan input ke hidden layer dirancang sedemikian rupa
sehingga dapat meningkatkan kemampuan hidden layer dalam melakukan
proses pembelajaran. Metode Nguyen-Windrow secara sederhana dapat
diimplementasikan dengan prosedur sebagai berikut :
(a) Tetapkan :
n = jumlah neuron (unit) pada lapisan input
P = jumlah neuron (unit) pada hidden layer
Beta = factor pengskalaan
dimana, beta = 0.7 (p) 1/n
(2.23)
Kerjakan untuk setiap unit pada hidden layer (j =1,2,….,p):
(b) Inisialisasi bobot bobot dari lapisan input ke hidden layer
Vij = bilangan random antara -0,5 sampai 0,5 (atau antara –g sampai g).
(c) Hitung
(2.24)
(d) Inisialisasi ulang bobot-bobot :
(2.25)
(e) Set Bias
B1j = bilangan random antara –β sampai β analisis Nguyen –Windrow
didasarkan atas fungsi aktifasi tangent hiperbolik.
Fungsi kinerja jaringan yang sering digunakan untuk backpropagation
adalah Mean Square Error (MSE), fungsi ini akan mengambil rata-rata kuadrat
error yang terjadi antara output, jaringan dan target. Sebagian besar algoritma
pelatihan untuk jaringan feedforward menggunakan gradient dari fungsi kinerja
untuk menentukan bagaimana mengatur bobot-bobot dalam rangka
meminimumkan kinerja. Gradien ini ditentukan dengan menggunakan suatu teknik
yang disebut dengan nama backpropagation akan menggerakkan bobot dengan
arah gradient negative. Prosedur pembelajaran algoritma backpropagation diatas
melakukan perbaikan bobot dengan fungsi pembelajaran gradient descent.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
72
Universitas Indonesia
Adakalanya fungsi tersebut hanya merespon gradien lokal saja. Oleh karena itu
berkembang modifikasi fungsi tersebut dengan gradient descent with momentum
yang tidak hanya merespon gradien lokal saja, namun juga mempertimbangkan
kecenderungan yang baru saja terjadi pada suatu permukaan error. Besarnya
perubahan bobot ini dipengaruhi oleh suatu konstanta (yang dikenal dengan nama
momentum) mc, yang bernilai antara 0 sampai 1) Perubahan bobot pada persamaan
(2.11), berubah menjadi :
(2.26)
Untuk epoh = 1, dan
(2.27)
Untuk epoh >1
Demikian pula untuk bobot bias, persamaan (2.12) berubah menjadi :
(2.28)
Untuk epoh = 1, dan
(2.29)
Untuk epoh >1 ,
Perubahan bobot pada persamaan (2.17), berubah menjadi :
(2.30)
Untuk epoh = 1, dan
(2.31)
Untuk epoh > 1 , dan
Demikian pula untuk bobot bias, persamaan (2.18) berubah menjadi :
(2.32)
Untuk epoh = 1, dan
(2.33)
Untuk epoh > 1
Pada piranti lunak Matlab yang dapat digunakan untuk analsis ANN,
pengalian dengan momentum juga dilakukan terhadap gradient kinerja, yaitu ,
perubahan bobot pada persamaan (2.11), berubah menjadi:
(2.34)
Untuk epoh = 1 dan ,
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
73
Universitas Indonesia
(2.35)
Untuk epoh >1
Demikian pula untuk bobot bias , persamaan (2.12) berubah menjadi ;
(2.36)
Untuk epoh = 1, dan
(2.37)
Untuk epoh > 1
Perubahan bobot pada persamaan (2.17), berubah menjadi ;
(2.38)
Untuk epoh = 1, dan
(2.39)
Untuk epoh > 1 dan demikian pula untuk bobot bias, persamaan (2.18) berubah
menjadi :
(2.40)
Untuk epoh = 1, dan
(2.41)
Untuk epoh > 1
Dengan demikian apabila nilai mc = 0 maka perubahan bobot hanya akan
dipengaruhi oleh gradiennya. Namun apabila mc = 1, maka perubahan bobot akan
sama dengan perubahan bobot sebelumnya.
2.5.6. Evaluasi Kinerja Model ANN
Keberhasilan dari pengaplikasian model ANN tidak tergantung hanya dari
banyaknya kualitas data yang digunakan untuk pelatihan, tetapi juga tipe dan
struktur dari ANN yang diterapkan, metode pelatihan dan bagaimana data input
dan output model ANN itu distrukturkan dan diaplikasikan. Evaluasi kinerja
pemodelan ANN harus dievaluasi agar model estimasi biaya yang dihasilkan
akurat berdasarkan data-data yang direpresentasikan berdasarkan tipe data proyek
yang sejenis [111]. Evalusi akurasi estimasi biaya yang umum dilakukan adalah
dengan membandingkan biaya aktual (data historis) dengan biaya estimasi
Menurut Hegazy, T. dan Ayed, A. [112] dan Sodikov [113] pendekatan yang biasa
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
74
Universitas Indonesia
dilakukan dalam mengevaluasi akurasi estimasi tersebut adalah dengan
menghitung MSE (Mean Square Error) dan MMRE (Mean Magnitude of Relative
Error).
(2.42)
(2.43)
2.5.7. Variabel-Variabel yang Digunakan dalam Model Artificial Neural
Network
Untuk menentukan parameter-parameter yang akan digunakan pada
proses penelitian selanjutny, penulis melakukan kajian literatur terhadap
penelitian-penelitian yang telah dilakukan. Dari kajian diperoleh daftar variabel
yang digunakan pada estimasi biaya tahap konseptual, antara lain:
Tabel 2.7 Variabel Biaya untuk Bangunan Gedung dari Kajian Literatur
No. PENELITI JUDUL
PENELITIAN
METODE VARIABEL
1 Yokoyama,
K. dan T.
Tamiya
The Integrated
Cost Estimating
Systems
Technique for
Building Cost
Integrated
Cost
Estimating
System
Penggunaan bangunan
Lokasi
Luas lantai total
Tipe struktur
Jumlah lantai di atas
permukaan
Jumlah lantai di bawah
permukaan
Grade
Penggunaan zona
Luas lantai dari zona
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
75
Universitas Indonesia
Tabel 2.6 (Sambungan)
No. PENELITI JUDUL
PENELITIAN
METODE VARIABEL
2 Anoli, D.L.
dan Masi
J.G.
Development
and
Maintenance of
a Parametric
Building
Estimate System
Parametric
Building
Estimating
System
Area lantai yang dapat
digunakan
Tinggi rata-rata dari
lantai ke lantai
Jumlah lantai
Jumlah sudut
Faktor lokasi
Produktivitas pekerja
Rate dari superstruktur
& substruktur
Index kualitas finishing
untuk eksterior &
interior
3 Setyawati
B.R., S.
Sahirman,
dan R.C.
Creese
Neural Network
for Cost
Estimation
Artificial
Neural
Netwrok,
hyperbolic
tangent
function
Jumlah bangunan
Jumlah lantai
Area total (ft sq)
Tinggi gedung
Tipe pondasi
Jumlah sudut
Luas lantai dasar
Ketinggian rata-rata
lantai antar lantai
4 Sang-Yong
Kim, Jae-
Won Choi,
Gwang Hee
Kim,
Kyung In
Kang
Apartment
Building in
South Korea
Artificial
Neural
Network
Lokasi
Luas
Jumlah lantai
Tipe atap
Unit total
Unit per lantai
Luas per unit
Tipe Pondasi
Basement
Finishing grade
Durasi
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
76
Universitas Indonesia
Tabel 2.6 (Sambungan)
No. PENELITI JUDUL
PENELITIAN
METODE VARIABEL
5 Setyawati
B.R., S.
Sahirman,
dan R.C.
Creese
Neural Network
for Cost
Estimation (Part
2)
Artificial
Neural
Network
Luas area total
Jumlah lantai
Tipe pondasi
Tinggi gedung
6 Min-Yuang
Cheng,
Hsing-Chih
Tsai, Wen-
Shan Hsieh
Web-based
conceptual cost
estimates for
construction
projects using
Evolutionary
Fuzzy Neural
Interference
Model
Evolutionary
Fuzzy Neural
Interference
Lantai di bawah
permukaan (jumlah)
Luas total lantai
Jumlah lantai di atas
tanah
Area site
Jumlah unit
Kondisi tanah
Zona seismic
Dekorasi interior
Infrastruktur M&E
Sumber : Hasi Olahan
2.6. Kerangka Pikir dan Hipotesa
Berdasarkan kajian yang dilakukan terkait permasalahan penelitian,
penulis menarik hipotesa penelitian berupa penggunaan metode Artificial Neural
Network (ANN) pada estimasi biaya tahap konseptual gedung kantor dapat
meningkatkan tingkat akurasi, dengan menggunakan variabel bebas antara lain:
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
77
Universitas Indonesia
Tabel 2.8 Variabel Penelitian
No. VARIABEL TIPE DESKRIPSI REFERENSI
1 LOKASI
Lokasi gedung
kantor
Kategorial lokasi bangunan
disini adalah Kota
tempat akan
dibangunnya
gedung kantor
Yokoyama & Tomiya
(1988),
Anoli & Masi (2002),
Kim, Choi, & Kang
(2005)
Kondisi
Tanah
Kategorial pekerjaan yang
paling dominan
dilakukan adalah
Cut / Fill /Cut and
Fill atau hanya
Pembersihan
Lahan saja
Elhag & Boussabaine
(2002)
2 DESAIN
Tipe Pondasi Kategorial yang dimaksud
tipe pondasi disini
ialah gedung
kantor
menggunakan
pondasi jenis
Bore Pile / Tiang
Pancang / Mat /
Mat Pile
Kim, Choi & Kang
(2005),
Setyawati, Sahirman &
Creese (2002),
Elhag & Boussabaine
(2002)
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
78
Universitas Indonesia
Tabel 2.7 (Sambungan)
No. VARIABEL TIPE DESKRIPSI REFERENSI
Luas total
lantai gedung
kantor (m2)
Numerikal Total luas
bangunan gedung
kantor di sini
adalah luas
bangunan,
dinding terluar
dari dinding
kantor dan tidak
termasuk
bangunan diluar
bangunan gedung
kantor
Yokoyama & Tomiya
(1988),
Anoli & Masi (2002),
Setyawati, Sahirman &
Creese (2002)
Jumlah Lapis
Bangunan
Numerikal Jumlah lapis
bangunan dsini
ialah jumlah
tingkat bangunan
gedung kantor
yang berada di
atas permukaaan
tanah
Yokoyama & Tamiya
(1988),
Anoli & Masi (2002),
Setyawati,
Sahirman&Creese
(2002),
Kim, Choi & Kang
(2005)
Jumlah Lapis
Bangunan (di
bawah muka
tanah)
Numerikal Jumlah lapis
bangunan adalah
jumlah tingkat
gedung kantor
yang berada di
bawah tanah
Yokoyama & Tamiya
(1988)
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
79
Universitas Indonesia
Tabel 2.7 (Sambungan)
No. VARIABEL TIPE DESKRIPSI REFERENSI
Tipe
Superstruktur
Kategorial yang dimaksud
tipe bangunan
gedung kantor
disini adalah tipe
superstruktur yang
digunakan untuk
frame bangunan
gedung, apakah
dari material Baja
/ Beton / Komposit
Yokoyama & Tomiya
(1988)
Tinggi
bangunan
(meter)
Numerikal yang dimaksud
tinggi bangunan
disni adalah tinggi
total bangunan
gedung kantor
Setyawati, Sahirman &
Creese (2002)
Jarak antar
lantai (m)
Numerikal Yang dimaksud
jarak antar lantai
bangunan disini
adalah jarak antara
lantai satu dengan
lantai lain atasnya
pada gedung
Anoli & Masi (2002),
Setyawati, Sahirman,
& Creese (2002)
Tipe atap Kategorial yang dimaksud
tipe atap di sini
ialah Flat (Beton
Dak) / Rangka
Kayu / Rangka
Baja
Kim, Choi & Kang
(2005)
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
80
Universitas Indonesia
Tabel 2.7 (Sambungan)
No VARIABEL TIPE DESKRIPSI REFERENSI
Tipe atap Kategorial yang dimaksud tipe
atap di sini ialah
Flat (Beton Dak) /
Rangka Kayu /
Rangka Baja
Kim, Choi & Kang
(2005)
Finishing
Grade
Kategorial tingkat finishing
gedung dari aspek
bahan penutup
lantai, dinding luar,
dan dinding dalam
menurut PERMEN
PU No.
45/PRT/M/2007
yang kemudian
terbagi menjadi
kategori Sederhana
/ Tidak Sederhana /
Khusus
Kim, Choi & Kang
(2005)
3 WAKTU
Durasi Proyek
(bulan)
Bulan Lamanya durasi
proyek dimulai dari
proyek itu selesai
Kim, Choi & Kang
(2005),
Elhag & Boussabaine
(2002)
Tahun
Pembangunan
Tahun Tahun dimulainya
proyek
pembangunan
gedung
Kim, Choi & Kang
(2005)
Sumber: Hasil Olahan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
81
Universitas Indonesia
Gambar 2.17 Kerangka Pikir
Sumber: Hasil Olahan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 1: (Lanjutan)
82 Universitas Indonesia
BAB 3
METODOLOGI PENELITIAN
3.1. Pendahuluan
Metodologi penelitian adalah logika keterkaitan antara data yang harus
dikumpulkan, dan kesimpulan-kesimpulan yang akan dihasilkan, dengan
pertanyaan awal suatu penelitian [114]. Pada penelitian ini, penulis bermaksud
untuk membangun model estimasi biaya tahap konseptual menggunkan metode
Artificial Neural Network bagi proyek gedung kantor. Untuk mencapai maksud
tersebut, diperlukan perencanaan langkah-langkah yang sesuai yang akan diambil
guna membantu dalam proses penelitian.
Oleh karena itu, pada bab ini akan dijelaskan pilihan strategi penelitian
berdasarkan masalah dari penelitian, lalu dilanjutkan dengan penjelasan proses
penelitian berupa urut-urutan langkah penelitian, yang pada sub-bab berikutnya
dilengkapi dengan variabel-variabel yang akan digunakan pada penelitian, lalu
dilanjutkan dengan pemaparan instrumen penelitian demi mencapai tujuan
penelitian, dan metode pengumpulan data serta format pengambilan data dari
responden (kuesioner). Pada bagian sub-bab 3.6 dijelaskan mengenai analisis data
yang akan dilakukan. Kemudian pada sub bab 3.7 akan disimpulkan metodologi
penelitian menurut keseluruhan bab.
3.2. Pemilihan Strategi Penelitian
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.
Pemilihan metode penelitian yang akan digunakan menjadi esensial adanya,
karena harus sesuai dengan masalah yang menjadi dasar penelitian ini.
Penggunaan suatu metode memiliki keuntungan dan kerugian masing-
masing, tergantung kepada tipe pertanyaan penelitian yang akan diajukan, kontrol
yang dimiliki peneliti terhadap peristiwa perilaku yang akan ditelitinya, dan fokus
terhadap fenomena penelitiannya. Berdasarkan skema kategori dasar dari tipe-tipe
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
83
Universitas Indonesia
pertanyaan penelitian “siapa”, “apa”, “di mana”, “bagaimana”, dan “mengapa”,
strategi penelitian menurut Robert K. Yin [115] dibagi menjadi:
Tabel 3.1 Strategi Penelitian Berdasarkan Research Question
Strategi Bentuk Pertanyaan Penelitian Kendali
terhadap
peristiwa yang
diteliti
Fokus terhadap
peristiwa yang
berjalan/baru
diselesaikan
(Kontemporer)
Eksperimen Bagaimana, mengapa Ya Ya
Survey Siapa, dimana, berapa banyak,
berapa besar
Tidak Ya
Analisis
Arsip
Siapa, apa, dimana, berapa
banyak, berapa besar.
Tidak Ya/ Tidak
Historis Bagaimana, mengapa Tidak Tidak
Studi Kasus Bagaimana, mengapa Tidak Ya
Sumber: Studi Kasus: Desain & Metode, 2002
Pertanyaan-pertanyaan seperti “bagaimana” dan “mengapa” pada
dasarnya lebih eksplanatoris dan lebih mengarah pada penggunaan strategi studi
kasus, historis, dan eksperiman. Pertanyaan-pertanyaan seperti itu berkaitan
dengan kaitan-kaitan operasional yang menuntut pelacakan waktu tersendiri, dan
bukan sekedar frekuensi dan kemunculan.
Dengan pemahaman bahwa bentuk pertanyaan memberi rambu-rambu
penting dalam pemilihan strategi penelitian yang sesuai. Jenis research question
pada sub bab 1.2.3 Rumusan Masalah penelitian, dapat dikelompokkan sebagai
berikut:
a. Faktor-faktor ’apa’ saja yang berpengaruh terhadap pembangunan kontruksi
pabrik?
b. ‘Bagaimana’ membuat suatu model berdasarkan faktor-faktor yang
berpengaruh terhadap biaya pembangunan pabrik dengan menggunakan teknik
jaringan saraf tiruan (ANN) dalam rangka meningkatkan akurasi estimasi
biaya ditahap konseptual?
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
84
Universitas Indonesia
Jika pertanyaan-pertanyaan penelitian berfokus kepada “apakah”, atau
yang berbentuk inkuiri, maka strategi penelitian yang tepat ialah survey atau
analisa arsip. Di mana survey dilakukan dalam penelitian ini dengan penelahaan
kajian literatur serta pembagian kuesioner kepada pakar. Keduanya dilakukan
untuk mendapat validasi mengenai faktor “apa” yang mempengaruhi biaya
pembangunan konstruksi gedung.
Sementara pertanyaan ”bagaimana” dapat dijawab dalam hal ini dengan
studi kasus. Hal tersebut berarti penulis harus melakukan analisa pada suatu data
yang tersedia, demi pemecahan masalah yang dihubungkan dengan masa kini.
3.3. Proses Penelitian
Dalam melakukan proses penelitian, perlu dilakukan urutan tahapan yang
benar agar hasil akhir penelitian dapat mencapai optimalisasi. Untuk dapat
melaksanakan penelitian sesuai dengan tujuan yang diharapkan, penulis
menggunakan alur proses penelitian sebagai berikut :
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
85
Universitas Indonesia
MULAI
STUDI LITERATUR & ANALISA METODE
IDENTIFIKASI VARIABEL PENGUMPULAN DATA
VALIDASI VARIABEL VALIDASI DATA
Transformasi & Pembagian Data Training-Uji
PERMODELAN ANN
Pemilihan Algoritma &
Fungsi Aktivasi
Perancangan Arsitektur Jaringan
Penentuan Training Parameter
TRAINING
SIMULAS I PADA DATA TES
Evaluasi/Measure Modelling Performance
Model ANN OPTIMUM
SESUAI SESUAITDK SESUAITDK SESUAI
Pembuktian Hipotesa & Kesimpulan
SELESAI
di lakukan
beberapa tria l
Gambar 3 1 Diagram Alur Penelitian Sumber : Hasil olahan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
86
Universitas Indonesia
3.4. Variabel Penelitian
Pada penelitian ini akan ditelaah variabel mengenai faktor yang
mempengaruhi suatu biaya gedung perkantoran, namun yang tersedia pada tahap
konseptual. Oleh karena itu, untuk memperoleh variabel yang akan digunakan
pada permodelan ANN tersebut, perlu dilakukan identifikasi. Adapun terdapat dua
jenis tipe variabel yang akan digunakan pada permodelan ANN untuk estimasi
biaya gedung kantor tahap konseptual ialah:
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.
Berdasarkan penelitian-penelitian pendahulu pada tipe bangunan serupa,
serta didukung oleh kajian literatur lain, maka diperoleh parameter-parameter dari
sumber-sumber tersebut sebagai variabel penyusun model estimasi penelitian ini.
Variabel tersebut akan menjadi proses elemen atau sebagai neuron pada lapisan
input dan lapisan output di dalam sturktur jaringan ANN. Variabel–variabel
penelitian yang merupakan variabel bebas (berada pada lapisan input) berasal dari
lingkup pekerjaan proyek kontruksi gedung kantor yang mempengaruhi
karateristik biaya kontruksi gedung kantor, yang tersedia pada estimasi biaya
tahap konseptual. Sedangkan variabel yang merupakan neuron pada lapisan output
atau variable terikat yaitu besaran biaya kontruksi final aktual/harga kontrak
gedung kantor.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
87
Universitas Indonesia
Tabel 3.2 Tabel Variabel Bebas (X) dan Variabel Terikat (Y)
No. VARIA
BEL
KETERANGAN TIPE DESKRIPSI SATUAN
INPUT
1 LOKASI
X1 Lokasi gedung
kantor
Katergorial lokasi bangunan adalah Kota
tempat dibangunnya gedung
kantor
-
X2 Kondisi Tanah Kategorial pekerjaan PTM yang paling
dominan dilakukan adalah
Cut / Fill /Cut and Fill atau
hanya Pembersihan Lahan
saja
-
2 DESAIN
X3 Tipe pondasi Kategorial gedung kantor menggunakan
pondasi jenis Bore Pile /
Tiang Pancang / Mat / Mat
Pile
-
X4 Luas total lantai
gedung kantor
Numerikal luas bangunan, dinding
terluar dari dinding kantor
dan tidak termasuk
bangunan diluar bangunan
gedung kantor
m2
X5 Jumlah lapis
bangunan
Numerikal jumlah tingkat bangunan
gedung kantor yang berada
di atas permukaaan tanah
-
X6 Jumlah lapis
bangunan (di
bawah muka
tanah)
Numerikal jumlah tingkat gedung
kantor yang berada di bawah
tanah
-
X7 Tipe
superstruktur
Kategorial tipe superstruktur yang
digunakan untuk frame
bangunan gedung, apakah
dari material Baja / Beton /
Komposit
-
X8 Tinggi bangunan Numerikal tinggi total bangunan
gedung kantor dari
permukaan tanah
m
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
88
Universitas Indonesia
Tabel 3.2 (Sambungan)
X9 Jarak antar
lantai
Numerikal jarak antara lantai satu
dengan lantai lain atasnya
pada gedung
m
X10 Bentuk
(Footprint
Shape)
Numerikal jumlah sudut/sisi pada
bangunan baik segitiga /
segiempat / segibanyak /
lingkaran
X11 Tipe atap Kategorial tipe konstruksi atap apakah
Flat (Beton Dak) / Rangka
Kayu / Rangka Baja
-
X12 Finishing Grade Kategorial tingkat finishing gedung
menurut PERMEN PU No.
45/PRT/M/2007 yang
kemudian terbagi menjadi
kategori Sederhana / Tidak
Sederhana / Khusus
-
3 WAKTU
X13 Durasi proyek Numerikal lamanya proyek berlangsung
mulai dari proyek tersebut
dimulai sampai dengan
proyek selesai (masa
pemeliharaan tidak
termasuk)
bulan
X14 Tahun
Pembangunan
Numerikal tahun dimulainya proyek
pembangunan gedung
-
OUTPUT
Y Biaya Aktual Numerikal Nilai kontrak sebenarnya
dari pengerjaan proyek
gedung kantor
Rp
Sumber : Hasil olahan
Dari variabel di atas kemudian dicari tingkat pengaruh dari masing-
masing variabel. Selain itu variabel-variabel tersebut kemudian divalidasi, apakah
memiliki pengaruh signifikan terhadap biaya gedung kantor atau tidak. Validasi
variabel diperoleh dari survey kepada para pakar.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
89
Universitas Indonesia
3.4.1 Instrumen Penelitian
Instrumen yang dipakai pada penelitian ini ialah variabel-variabel pada
permodelan ANN yang akan mempengaruhi bentuk dari jaringan model. Masing-
masing variabel, termasuk salah satu dari tipe variabel, numerikal atau kategorial.
Di mana masing-masing variabel tersebut akan menyumbangkan bobotnya pada
model sesuai nilai yang diberikan masing-masing variabel. Untuk variabel tipe
numerikal, nilai yang di input berbentuk numerik. Untuk variabel kategorial,
kemudaian akan diubah ke dalam besaran angka agar dapat diinterpretasikan
ketika permodelan ANN dilakukan untuk pada MATLAB.
Data yang telah ditabulasi lalu disusun untuk memudahkan dalam
mencari maupun menyortir pembentuk variabel-variabel. Variabel pada penelitian
akan dirubah kedalam bentuk matriks dan vektor, hal ini berguna untuk proses
komputasi dalam mencari model jaringan yang terbaik dan mengurangin
kesalahan dalam membuat model. Instrumen lainnya antara lain piranti lunak serta
aplikasi pendukung, software Matlab versi 7.8, dalam melakukan pengujian
terhadap data-data yang telah ditabulasi untuk proses pelatihan dan dalam rangka
mencari model ANN yang terbaik. Alat ini merupakan instrumen yang memiliki
reliabilitas dalam mengumpulkan keterangan-keterangan yang diperlukan bagi
menguji hipotesis.
3.5. Pengumpulan Data
Proses pengumpulan bergantung kepada jenis data yang akan
dikumpulkan dan teknik pengumpulan datanya harus sesuai sehingga mendukung
secara penuh penelitian yang akan dilakukan. Menurut Prof. Dr. Robert K. Yin,
pada pengumpulan data dapat diterapkan penggunaan:
a. Berbagai sumber, yaitu bukti dari dua atau lebih sumber, tetapi menyatu
dengan serangkaian fakta atau temuan yang sama
b. Data dasar, yaitu kumpulan formal bukti yang berlainan dari laporan akhir
studi kasus yang bersangkutan
c. Serangkaian bukti, yaitu keterkaitan yang eksplisit antara pertanyaan-
pertanyaan yang diajukan, data yang terkumpul, dan konklusi-konklusi yang
ditarik.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
90
Universitas Indonesia
Yang digunakan pada penelitian ini adalah data dasar dan serangkaian
bukti. Pengacuan pada prinsip-prinsip ini akan meningkatkan kualitas susbtansial
studi kasus yang bersangkutan. Pengumpulan data dilakukan dalam 5 (lima)
tahap, yaitu:
a. Pengumpulan data historis berupa dokumen-dokumen sehubungan biaya pada
proyek konstruksi gedung kantor yang telah berjalan.
b. Pengkompilasian variabel-variabel yang mempengaruhi biaya konstruksi
gedung kantor menurut penelitian yang telah berlangsung
c. Survey dan wawancara kepada pakar untuk mengetahui variabel-variabel dari
faktor yang mempengaruhi biaya pada tahap awal proyek konstruksi gedung
kantor. Pada tahap ini dilakukan validasi variabel yang telah dikompilasi
terlebih dahulu, dan juga dilakukan pemintaan saran akan
penambahan/pengurangan variabel.
d. Setelah didapatkan data-data tersebut, selanjutnya adalah memasukkan input
data dan melakukan pelatihan backpropagation dengan menggunakan aplikasi
software Matlab R2009a untuk mencari model ANN yang terbaik.
Persyaratan pengumpulan data:
a. Penelitian dilakukan terhadap proyek pembangunan gedung kantor
b. Responden penelitian ini adalah mereka yang secara purposif terpilih menjadi
sampel penelitian. Sampel yang digunakan adalah responden yang memenuhi
kriteria dalam penelitian ini yang memiliki pengalaman, reputasi dan bersedia
berkerjasama.
c. Bagi kontraktor pelaksana memiliki pengalaman dalam pembangunan proyek
kontruksi gedung kantor.
Lalu persyaratan survey validasi variabel sebagai berikut :
a. Memiliki reputasi yang baik dan memiliki pendidikan yang menunjang
dibidangnya.
b. Memiliki pengalaman dalam proyek kontruksi gedung kantor di suatu
perusahaan jasa konstruksi atau instansi yang terkait lainnya selama minimal
15 tahun
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
91
Universitas Indonesia
Tabel 3.3 Format Formulir Validasi Pakar
No Variabel Nama
Variabel
Keterangan
Variabel
Skala
Penilaian
Kategorial
Pakar
Komentar
/ Perbaikan 1 2 3 4 5
1 Lokasi
X1 Lokasi lokasi
bangunan
adalah kota
tempat akan
dibangunnya
gedung
kantor
Kota
X2 Kondisi
Tanah
pekerjaan
yang paling
dominan
pada
pemindahan
tanah
mekanik
Cut / Fill /
Cut and Fill
/ Pembersih
an Lahan
2 Desain
X3 Tipe
pondasi
jenis pondasi
yang
digunakan
pada gedung
kantor
Bore Pile /
Tiang
Pancang /
Mat / Mat
Pile
X4 Luas
total
gedung
kantor
(m2)
luas
bangunan,
dinding
terluar dari
dinding
kantor
X5 Jumlah
lapis
banguna
n
jumlah
tingkat
bangunan
gedung
kantor yang
berada di atas
permukaaan
tanah
X6 Jumlah
lapis
banguna
n (di
bawah
muka
tanah)
jumlah
tingkat
bangunan
gedung
kantor di
bawah
permukaan
tanah (tingkat
basement)
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
92
Universitas Indonesia
Tabel 3.3 (Sambungan)
No. Variabel Nama
Variabel
Keterangan
Variabel
Skala
Penilaian
Kategorial
Pakar
Komentar
/ Perbaikan 1 2 3 4 5
X7 Tipe
superstr
uktur
bangunan
gedung
kantor
menggunakan
superstruktur
dari material
apa
Baja / Beton
/ Komposit
X8 Tinggi
banguna
n (m)
tinggi total
bangunan
gedung
kantor dari
muka tanah
X9 Jarak
antar
lantai
(m)
jarak antara
lantai satu
dengan lantai
lain atasnya
pada gedung
X10 Bentuk
(Footpri
nt
Shape)
ialah jumlah
sudut/sisi
pada tapak
bangunan
Segitiga /
Segiempat /
Segibanyak
/Llingkaran
X11 Tipe
atap
Struktur atap
pada
bangunan
gedung
kantor
Flat (Beton
Dak) /
Rangka
Kayu /
Rangka
Baja
X12 Finishin
g Grade
tingkat
finishing
gedung dari
aspek bahan
penutup
lantai,
dinding luar,
dan dinding
dalam
menurut
PERMEN PU
No. 45/PRT
/M/2007
Sederhana /
Tidak
Sederhana /
Khusus
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
93
Universitas Indonesia
Tabel 3.3 (Sambungan)
No. Variabel Nama
Variabel
Keterangan
Variabel
Skala
Penilaian
Kategorial
1 2 3 4 5 Komentar
/ Perbaikan
3 Waktu
X13 Durasi
Proyek
(bulan)
Lamanya
durasi proyek
dimulai dari
proyek itu
selesai
Bulan
X14 Tahun
Pemban
gunan
Tahun
dimulainya
proyek
pembangunan
gedung
Tahun
Sumber: Hasil Olahan
3.6. Metode Analisa
Data dan informasi yang dikumpulkan dari kuesioner diharapkan dapat
menghasilkan suatu analisis yang tepat terhadap faktor-faktor yang paling
dominan dalam estimasi biaya tahap awal proyek konstruksi gedung kantor,
sehingga hasil yang diperoleh sesuai dengan topik dan tujuan. Analisis penelitian
berupa deskripsi dalam menjawab rumusan permasalahan pertama, serta trial dan
error terhadap rumusan permasalahan kedua. Model estimasi biaya dengan dinilai
kinerjanya sesuai dengan kajian teori (akurasi estimasi biaya AACE). Deviasi
akurasi tersebut didapatdari rata-rata error paling sedikit antara prediksi biaya hasil
model ANN dengan biaya aktual pada konstruksi proyek gedung kantor dari data
historis.
Metode MSE (Mean Square Error) untuk data trial dan MMRE/MAPE
(Mean Magnitude of Relative Error) untuk data tes dilakukan dengan persamaan:
(3.1)
(3.2)
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
94
Universitas Indonesia
3.7. Kesimpulan
Untuk dapat menghasilkan permodelan estimasi biaya tahap konseptual
pada gedung kantor yang terbaik, input variabel harus teridentifikasi secara jelas.
Untuk mencapai tujuan tersebut, strategi penelitian yang akan ditempuh yaitu
mempelajari data proyek historis sejenis, validasi dari pakar, serta pendapat dari
praktisi konstruksi. Pengambilan data yang digunakan ialah mengumpulkan data
historis dari proyek-proyek sejenis, dalam hal ini gedung perkantoran. Analisa
permodelan dilakukan dengan menggunakan piranti lunak Matlab versi 7.8 yang
dimana langkah awal dimulai dengan menentukan arsitektur jaringan ANN, lalu
dengan membuat model yang cocok sesuai pola data yang dilakukan, sampai
akhirnya didapat pemodelan estimasi biaya terbaik. Hal tersebut dicapai dengan
menggunakan kriteria kinerja MSE dan MMRE yang didasarkan atas tingkat
kesalahan data aktual terhadap data prediksi yang dihasilkan dari model ANN.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 1: (Lanjutan)
95 Universitas Indonesia
BAB 4
PENGUMPULAN DAN PENGOLAHAN DATA
4.1. Pendahuluan
Sesuai dengan penjelasan pada bab metodologi penelitan mengenai
pengumpulan dan pengolahan data, di bab ini akan dijelaskan lebih lanjut
prosesnya. Proyek-proyek gedung kantor dikumpulkan untuk input data, dan
diseleksi agar memenuhi persyaratan penelitian atau mendukung permodelan.
Untuk penetapan variabel, dimulai dari kajian literatur sehingga dapat
diidentifikasi variabel-variabel cost driver dari proyek gedung perkantoran yang
tersedia di tahap estimasi konseptual. Setelah melakukan kajian literarur, variabel
yang didapat tersebut divalidasi ke pakar untuk menilai relevansinya dan perlu
atau tidaknya digunakan pada permodelan. Setelah itu, dilakukan proses input
data ke program di mana data akan diolah. Pada Bab 4 ini akan dijelaskan proses
penelitian dari mulai pengumpulan data, penetapan variabel, sampai dengan
penggunan program MATLAB R2009a dalam mengolah data.
4.2. Pengumpulan Data
Pada penelitian ini, data yang dibutuhkan diperoleh dari informasi
mengenai proyek-proyek kantor terdahulu, beserta nilai kontraknya. Informasi
tersebut nantinya akan diinput sebagai variabel yang akan dimasukkan ke dalam
permodelan. Untuk mendapatkan data tersebut tidak mudah karena pada
umumnya perusahaan merahasiakan informasi khususnya data yang melingkup
nilai kontrak. Dalam hal ini, penulis mendapat kontributor dari satu perusahaan
kontraktor PT. X yang bersedia memberikan data dari pembukuan proyek-proyek
terdahulu yang telah dikerjakan perusahaan tersebut. Data diberikan dalam bentuk
hardcopy sebanyak 34 buah, dan dalam bentuk softcopy 6 buah, sehingga total
data awal yang diperoleh 40 buah. Kemudian dilakukan pemeriksaan data dan
penyeleksian karena hasil akhir model ANN bergantung sekali dari data yang
diinput sebagai pembentuk pattern (bobot, bias, dan arsitektur jaringan).
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
96
Universitas Indonesia
Ternyata dari 40 data tersebut, tercampur dengan proyek-proyek yang
tidak sesuai fokus penelitian (gedung kantor), diantaranya ada 1 buah proyek
apartemen, 3 proyek kondominium (gedung berisi office, mall, dan apartemen), 1
proyek function hall, 2 proyek laboratorium, dan 1 proyek Rumah Sakit. Sehingga
kedelapan proyek tersebut tidak dapat dipakai karena tiap-tiap jenis gedung dapat
memiliki efek yang berbeda pada cost driver.
Setelah itu dilakukan pemeriksaan pada data yang tersisa dalam jenis
proyek, karena penelitian ini hanya berfokus pada proyek pembangunan saja,
sehingga proyek renovasi tidak termasuk. Dari 32 data proyek gedung kantor
tersebut, ternyata 7 proyeknya renovasi kantor sehingga data-data tersebut juga
dieliminasi. Sementara, ketika diperiksai lebih lanjut, 1 hardcopy data proyek
tidak memiliki halaman yang memuat nilai kontrak. Sehingga data yang tersisa
sementara 24 buah.
Kemudian, dilakukan penyeleksian berdasar harga/m2 proyek, dengan
membagi nilai kontrak dengan luas total gedung kantor yang terdapat pada data
yang tersisa. Ternyata terdapat 1 proyek yang memiliki harga.m2
sangat besar,
yaitu Rp 26.789.072,16, melebihi normalnya harga/m2 proyek gedung kantor di
lokasi proyek (Jakarta). Sehingga data tersebut dieliminasi dan menyisakan 23
data proyek gedung kantor yang siap diolah.
Dari data pembukuan proyek dalam bentuk hardcopy, kemudian data
yang dibutuhkan menurut variabel penelitian ditabulasi, sebagai berikut:
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
97
Universitas Indonesia
Tabel 4.1 Rekap Data
No Proyek Lokasi Kondisi
Tanah
Tipe
Pondasi
Luas
(m2)
Jumlah
Tingkat
Lapis
Base
ment
Super
struktur
Floor
to
Floor
(m)
Tinggi
(m)
Bentuk Konstr
uksi
Atap
Finisihng Grade Tahun Durasi
(bulan)
Nilai Kontrak
(Rp)
1 A Jakarta
Pusat
tanah
merah
bore pile 16800 12 - beton 4 56 segi
empat
dak
beton
bata
ringan/celconn,
keramik, plafond
gypsum, pintu
alm
2011 4 84,267,990,000.00
2 B Bandun
g
tanah
merah
tiang
pancang
5019.7
6
6 1 beton 3.5 24 segi
empat
rangka
baja
bata
ringan/celconn ,
keramik
homogenus tile,
plafond gypsum ,
pintu alm
2011 3 7,513,241,000.00
3 C Jakarta
Selatan
tanah
merah
bore pile 62675 31 3 beton 3.5 119 segi
empat
rangka
baja
bata
ringan/celconn,
keramik, plafond
gypsum, pintu
alm
2011 15 165,000,000,000.00
4 D Jakarta
Pusat
tanah
merah
borepile 45672.
93
32 - beton 4 124 segi
empat
dak
beton
bata
ringan/celconn,
granit, plafond
gypsum,
pintu/jend
alumunium,
2011 16 93,720,000,000.00
5 E Tangge
rang
tanah
merah
borepile 9633.1
7
9 - beton 3.2 33 segi
empat
dak
beton
bata
ringan/celconn,
keramik, plafond
gypsum,
pintu/jend
alumunium
2010 8 35,300,000,000.00
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
98
Universitas Indonesia
Tabel 4.1 (Sambungan)
No Proyek Lokasi Kondisi
Tanah
Tipe
Pondasi
Luas
(m2)
Jumlah
Tingkat
Lapis
Base
ment
Super
struktur
Floor
to
Floor
(m)
Tinggi
(m)
Bentuk Konstr
uksi
Atap
Finisihng Grade Tahun Durasi
(bulan)
Nilai Kontrak
(Rp)
6 F Jakarta
Pusat
tanah
merah
pile cap 13549 10 3 beton 3.2 35 segi
empat
dak
beton
bata
ringan/celconn,
keramik, plafond
gypsum, pintu
kayu
2010 4 14,726,273,500.00
7 G Jakarta
Pusat
tanah
merah
tiang
pancang
3679.6
62
7 - beton 3.3 23.1 segi
empat
rangka
baja
bata
ringan/celconn,
granit, plafond
gypsum, pintu
kayu kusen alm,
2010 13 65,970,000,000.00
8 H Bandun
g
tanah
merah
bore pile 3672 4 1 beton 4 19 segi
empat
rangka
baja
bata
ringan/celconn,
keramik, plafond
gypsum, pintu
alm,
2010 6 20,696,000,000.00
9 I Jakarta
Utara
tanah
merah
tiang
pancang
7670.6
2
7 - beton 4 24 segi
empat
rangka
baja
bata
ringan/celconn,
keramik, plafond
gypsum, pintu
kayu,
2012 7.5 26,250,000,000.00
10 J Jakarta
Pusat
tanah
merah
bore pile 6745 7 - beton 3 21.5 segi
empat
rangka
baja
bata
ringan/celconn,
keramik, plafond
gypsum, pintu
kayu
2011 6 18,132,567,930.00
11 K Bandun
g
tanah
merah
bore pile 7963.5 3 - beton 3.75 11.25 segi
empat
rangka
baja
bata
ringan/celconn,
keramik, plafond
gypsum, pintu
alm
2012 3 68,260,522,999.90
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
99
Universitas Indonesia
Tabel 4.1 (Sambungan)
No Proyek Lokasi Kondisi
Tanah
Tipe
Pondasi
Luas
(m2)
Jumlah
Tingkat
Lapis
Base
ment
Super
struktur
Floor
to
Floor
(m)
Tinggi
(m)
Bentuk Konstr
uksi
Atap
Finisihng Grade Tahun Durasi
(bulan)
Nilai Kontrak
(Rp)
12 L Jakarta
Pusat
tanah
merah
bore pile 4324.5
4
4 1 beton 3.5 16 segi
empat
dak
beton
bata
ringan/celconn,
keramik, plafon
gypsum, pintu
kayu
2007 3 37,548,072,000.00
13 M Jakarta tanah
merah
bore pile 7200 8 - beton 3.9 34 segi
empat
dak
beton
bata
ringan/celconn,
keramik, plafond
gypsum, pintu
alm, konsep
green building
2011 13 95,231,227,000.01
14 N Jakarta
Selatan
tanah
merah
bore pile 111489 42 5 beton 3.5 210.55 segi
empat
dak
beton
bata
ringan/celconn,
keramik, plafon
gypsum, pintu
alm
2006 21 248,050,000,000.00
15 O Bekasi tanah
merah
bore pile 2910 3 - beton 3.5 10.5 segi
empat
rangka
baja
bata
ringan/celconn,
keramik, plafond
gypsum, pintu
alm
2009 6 20,271,000,000.00
16 P Jakarta
Pusat
tanah
merah
mat pile 1752.0
3
4 - beton 3.2 10 segi
empat
rangka
baja
bata
ringan/celconn
keramik, plafon
gypsum, pintu
alm,
2008 5 8,268,000,000.00
17 Q Batam tanah
merah
bore pile 5958.5
61
7 - beton 3.75 26.25 segi
empat
dak
beton
celconn, keramik
homogenus tile,
plafond gypsum ,
pintu alm
2009 12 87,900,000,000.00
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
100
Universitas Indonesia
Tabel 4.1 (Sambungan)
No Proyek Lokasi Kondisi
Tanah
Tipe
Pondasi
Luas
(m2)
Jumlah
Tingkat
Lapis
Base
ment
Super
struktur
Floor
to
Floor
(m)
Tinggi
(m)
Bentuk Konstr
uksi
Atap
Finisihng Grade Tahun Durasi
(bulan)
Nilai Kontrak
(Rp)
18 R Batam tanah
merah
bore pile 3404.8
92
4 - beton 3.75 15 segi
empat
dak
beton
bata
ringan/celconn,
keramik
homogenus tile,
plafond gypsum ,
pintu alm
2010 12 57,302,260,000.00
19 S Batam tanah
merah
bore pile 6809.7
84
8 - beton 3.75 30 segi
empat
dak
beton
bata
ringan/celconn,
keramik
homogenus tile,
plafond gypsum ,
pintu alm
2011 12 100,457,142,857.14
20 T Bengku
lu
tanah
merah
tiang
pancang
3450 3 - beton 4.25 12.75 segi
empat
rangka
baja
bata
ringan/celconn,
keramik
homogenus tile,
plafond gypsum ,
pintu alm
2009 6 27,963,037,622.65
21 U Belitun
g
tanah
merah
borepile 3009 3 - beton 4 12 segi
empat
rangka
baja
bata
ringan/celconn,
keramik
homogenus tile,
plafond gypsum ,
pintu alm
2009 6 26,185,014,943.54
22 V Tangge
rang
tanah
merah
bore pile 19527 15 2 beton 3.5 56 segi
empat
rangka
baja
bata
ringan/celconn,
keramik, plafond
gypsum, pintu
alm, panel tr
2008 9 121,852,500,000.00
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
101
Universitas Indonesia
Tabel 4.1 (Sambungan)
No Proyek Lokasi Kondisi
Tanah
Tipe
Pondasi
Luas
(m2)
Jumlah
Tingkat
Lapis
Base
ment
Super
struktur
Floor
to
Floor
(m)
Tinggi
(m)
Bentuk Konstr
uksi
Atap
Finisihng Grade Tahun Durasi
(bulan)
Nilai Kontrak
(Rp)
23 W Jakarta
Barat
tanah
merah
bore pile 5004 4 - beton 3.75 15 segi
empat
dak
beton
bata
ringan/celconn,
keramik
homogenus tile,
plafond gypsum ,
pintu alm
2011 12 48,117,090,738.20
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
102
Universitas Indonesia
4.3. Penetapan Variabel
Penelitian ini memiliki dua tipe variabel, yaitu variabel bebas dan
variabel terikat. Variabel bebas berupa X input yang cost drivers gedung kantor
yang tersedia pada tahap konseptual. Dan variabel terikat Y yang berisi nilai
kontrak proyek. Untuk menentukan variabel-variabel tersebut, khsusunya variabel
bebas, maka dilakukan identifikasi dari literatur, yang kemudian kesahihannya
akan diuji dengan validasi kepada para-pakar, lalu akhirnya di lihat
ketersediaannya maupun kondisinya berdasar data yang telah didapat untuk
kemudian ditetapkan sebagai variabel yang akan diinput pada pengolahan. Hal
tersebut akan dijelaskan lebih lanjut pada sub bab ini.
4.3.1. Identifikasi Variabel
Dalam menentukan variabel-variabel yang akan digunakan pada
permodelan estimasi biaya tahap konseptual gedung kantor dengan ANN, penulis
melakukan identifikasi awal variabel berdasar kajian-kajian literatur mengenai
topik tersebut. Keterangan mengenai sumber literatur untuk masing-masing
variabel dapat dilihat pada atabel 2.7. Untuk lebih jelasnya, variabel-variabel
tersebut dideskripsikan pada tabel berikut.
Tabel 4.2 Identifikasi Variabel
No Variabel Nama
Variabel
Keterangan
Variabel Tipe
Kategori
Satuan
1 2 3 4 5
INPUT
1 Lokasi
X1 Lokasi lokasi
bangunan
adalah kota
tempat akan
dibangunnya
gedung
kantor
Kategorial Jabo
tabe
k
Ban
dung Bata
m
Beng
kulu Belitu
ng -
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
103
Universitas Indonesia
Tabel 4.2 (Sambungan)
No Variabel Nama
Variabel
Keterangan
Variabel Tipe
Kategori
Satuan
1 2 3 4 5
X2 Kondisi
Tanah
pekerjaan
yang paling
dominan
pada
pemindahan
tanah
mekanik
kategorial cut fill cut
&
fill
pem
ber
siha
n
laha
n
-
2 Desain
X3 Tipe
pondasi
jenis pondasi
yang
digunakan
pada gedung
kantor
kategorial bore
pile
tiang
panc
ang
mat mat
pile
-
X4 Luas
total
gedung
kantor
luas
bangunan,
dinding
terluar dari
dinding
kantor
numerikal m2
X5 Jumlah
lapis
banguna
n
jumlah
tingkat
bangunan
gedung
kantor yang
berada di atas
permukaaan
tanah
numerikal -
X6 Jumlah
lapis
banguna
n (di
bawah
muka
tanah)
jumlah
tingkat
bangunan
gedung
kantor di
bawah
permukaan
tanah (tingkat
basement)
numerikal -
X7 Tipe
superstru
ktur
bangunan
gedung
kantor
menggunakan
superstruktur
dari material
apa
kategorial baja beton kom
posit
-
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
104
Universitas Indonesia
Tabel 4.2 (Sambungan)
No Variabel Nama
Variabel
Keterangan
Variabel Tipe
Kategori
Satuan
1 2 3 4 5
X8 Tinggi
gedung
tinggi total
bangunan
gedung
kantor dari
muka tanah
numerikal m
X9 Jarak
antar
lantai
jarak antara
lantai satu
dengan lantai
lain atasnya
pada gedung
numerikal m
X10 Bentuk
(Footprint
Shape)
ialah jumlah
sudut/sisi
pada tapak
bangunan
kategorial segi
tiga
segi
empat
segi
bany
ak
ling
kara
n
-
X11 Tipe atap Struktur atap
pada
bangunan
gedung
kantor
kategorial
dak
beton
rang
ka
kayu
rang
ka
baja
-
X12 Finishing
Grade
finishing
gedung dari
aspek bahan
penutup
lantai,
dinding luar,
dan dinding
dalam
menurut
PERMEN PU
No. 45/PRT
/M/2007
kategorial
seder
hana
tidak
seder
hana
khu
sus
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
105
Universitas Indonesia
Tabel 4.2 (Sambungan)
No Variabel Nama
Variabel
Keterangan
Variabel Tipe
Kategori
Satuan
1 2 3 4 5
3 Waktu
X13 Durasi
Proyek
Lamanya
durasi proyek
dimulai dari
proyek itu
selesai
numerikal
bulan
X14 Tahun Tahun
dimulainya
proyek
pembangunan
gedung
numerikal
Tahun OUTPUT
Y Biaya
Aktual
Nilai kontrak
sebenarnya
dari
pengerjaan
proyek
gedung
kantor
numerikal
Sumber: Hasil Olahan
4.3.2. Validasi Variabel
Dari semua variabel yang telah diidentifikasi, dilakukan validasi kepada
pakar untuk mengetahui pendapat pakar mengenai relevansi variabel, khususnya
pada variabel input (X), yang telah dipilih dalam mempengaruhi nilai kontrak
proyek gedung kantor. Pakar yang dituju ialah 5 orang pakar yang berpengalaman
lebih dari 15 tahun. Dari hasil kuesioner tiap-tiap pakar kemudian ditabulasi untuk
melihat mayoritas jawaban, dalam hal ini berarti minimal 3 suara dari masing-
masing variabel untuk variabel tersebut diputuskan digunakan atau tidak.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
106
Universitas Indonesia
Tabel 4.3 Tabulasi Kuesioner Validasi Pakar
No Variabel Indikator Keterangan
Variabel
Skala
Penilaian
Kategorial
Pakar Jumlah
Kesimpulan
1 2 3 4 5 Ya Tidak
1 Lokasi
X1 Lokasi lokasi
bangunan
adalah kota
tempat akan
dibangunnya
gedung
kantor
Kota √ √ √
√ √ 5 0 Variabel dipakai
X2 Kondisi
Tanah
pekerjaan
yang paling
dominan
pada
pemindahan
tanah
mekanik
Cut / Fill /
Cut and Fill
/ Pembersih
an Lahan
√ √ √ √ √ 5 0 Variabel dipakai
2 Desain
X3 Tipe
pondasi
jenis pondasi
yang
digunakan
pada gedung
kantor
Bore Pile /
Tiang
Pancang /
Mat / Mat
Pile
√ √ √ √ √ 5 0 Variabel dipakai
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
107
Universitas Indonesia
Tabel 4.3 (Sambungan)
No Variabel Indikator Keterangan
Variabel
Skala
Penilaian
Kategorial
Pakar Jumlah
Kesimpulan
1 2 3 4 5 Ya Tidak
X4 Luas
total
gedung
kantor
(m2)
luas
bangunan,
dinding
terluar dari
dinding
kantor
√ √ √ √ √ 5
0 Variabel dipakai
X5 Jumlah
lapis
banguna
n
jumlah
tingkat
bangunan
gedung
kantor yang
berada di atas
permukaaan
tanah
√ √ √ √ √ 5 0 Variabel dipakai
X6 Jumlah
lapis
banguna
n (di
bawah
muka
tanah)
jumlah
tingkat
bangunan
gedung
kantor di
bawah
permukaan
tanah (tingkat
basement)
√ √ √ √ √ 5 0 Variabel dipakai
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
108
Universitas Indonesia
Tabel 4.3 (Sambungan)
No Variabel Indikator Keterangan
Variabel
Skala
Penilaian
Kategorial
Pakar Jumlah
Kesimpulan
1 2 3 4 5 Ya Tidak
X7 Tipe
superstru
ktur
bangunan
gedung
kantor
menggunaka
n
superstruktur
dari material
apa
Baja / Beton
/ Komposit
√ √ √ √ √ 5 0 Variabel dipakai
X8 Tinggi
banguna
n (m)
tinggi total
bangunan
gedung
kantor dari
muka tanah
√ √ √ √ √ 5 0 Variabel dipakai
X9 Jarak
antar
lantai (m)
jarak antara
lantai satu
dengan lantai
lain atasnya
pada gedung
√ √ √ √ √ 5 0 Variabel dipakai
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
109
Universitas Indonesia
Tabel 4.3 (Sambungan)
No Variabel Indikator Keterangan
Variabel
Skala
Penilaian
Kategorial
Pakar Jumlah
Kesimpulan
1 2 3 4 5 Ya Tidak
X10 Bentuk (Footprint
Shape)
ialah jumlah
sudut/sisi
pada tapak
bangunan
Segitiga/
Segiempat/
Segibanyak/
Lingkaran
√ √ √ √ √ 5 0 Variabel dipakai
X11 Tipe atap Struktur atap
pada
bangunan
gedung
kantor
Flat (Beton
Dak) /
Rangka
Kayu /
Rangka
Baja
√ √ √ X √ 4 1 Variabel dipakai
X12 Finishing
Grade
finishing
gedung dari
aspek bahan
penutup
lantai,
dinding luar,
dan dinding
dalam
menurut
PERMEN PU
No. 45/PRT
/M/2007
Sederhana /
Tidak
Sederhana /
Khusus
√ √ √ X √ 4 1 Variabel dipakai
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
110
Universitas Indonesia
Tabel 4.3 (Sambungan)
No. Variabel Indikator Keterangan
Variabel
Skala
Penilaian
Kategorial
Pakar Jumlah
Kesimpulan
1 2 3 4 5 Ya Tidak
3 Waktu
X13 Durasi
Proyek
(bulan)
Lamanya
durasi proyek
dimulai dari
proyek itu
selesai
Bulan √ √ √ X √ 4 1 Variabel dipakai
X14 Tahun Tahun
dimulainya
proyek
pembangunan
gedung
Tahun √ √ √ √ √ 5 0 Variabel dipakai
Sumber: Hasil Olahan
Keterangan Nama Pakar:
1. Dr. Ir. Heru Purnomo
2. Ir. Eddy Subiyanto, MM. MT.
3. Ir. Lilik Sumarliadi, MT.
4. Dr. Ir. Ismeth S. Abidin, Ph.D
5. Suratman, ST. MT.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
111
Universitas Indonesia
4.3.3. Penetapan Variabel
Dari hasil tabulasi variabel pakar, dapat dilihat bahwa semua variabel
awal yang penulis identifikasi ditentukan untuk digunakan pada permodelan.
Sehingga variabel-variabel tersebut ialah:
Tabel 4.4 Variabel Setelah Validasi Pakar
Variabel Faktor Keterangan Kategori
X1= Lokasi Kota -
X2= Kondisi Tanah PTM dominan cut fill cut&fill
X3= Tipe Pondasi tipe pondasi bore
pile
tiang
pancang mat
X4= Luas Total total luas gedung (m2) -
X5= Tingkat tingkat di atas muka
tanah -
X6= Lapis Basement tingkat di bawah muka
tanah -
X7= Tipe
Superstruktur
superstruktur gedung beton baja komposit
X8= Jarak Floor-to-
Floor
jarak antar lantai
gedung (m) -
X9= Tinggi
Bangunan
tingkat keseluruhan
gedung (m) -
X10= Bentuk
(Footprint
Shape)
jumlah sudut bangunan segi
empat
segi
tiga
segi
banyak
lingka
ran
X11= Konstruksi
Atap
konstruksi atap gedung dak
beton
rangka
baja
rangka
kayu
X12= Finishing Grade kategori grade
finishing grade seder
hana
tidak
sederhan
a
khusus
X13= Tahun tahun dimulainya
proyek -
X14= Durasi durasi proyek -
Y= Nilai Kontrak nilai kontrak proyek
(Rp) -
Sumber: Hasil Olahan
Namun apabila dilihat pada rekap data (tabel 4.1), variabel ‘Kondisi
Tanah’ tidak memiliki deskripsi yang sama dengan deskripsi variabel pada tahap
identifikasi. Deskripsi variabel pada tahap identifikasi ialah pekerjaan PTM
dominan, namun yang diperoleh ialah jenis tanah proyek. Selain itu, variabel
tersebut tidak memiliki variansi. Variabel yang tidak memiliki variansi, tidak akan
memberi pengaruh pada saat diinput pada permodelan. Justru hal tersebut malah
mungkin akan menimbulkan ambiguitas pada saat model akan dimasukkan data
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
112
Universitas Indonesia
baru. Oleh karena itu variabel ‘Kondisi Tanah’ tersebut harus dieliminasi. Maka,
variabel lain yang tidak memiliki variansi juga harus dieliminasi. Dalam hal ini,
terdapat variabel ‘Superstruktur’ dan ‘Bentuk’.
Tabel 4.5 Variabel yang Dieliminasi
Variabel yang Dieliminasi Alasan
Kondisi Tanah tidak mencakup informasi yang sesuai, tidak memiliki variansi
Superstruktur tidak memiliki variansi
Bentuk tidak memiliki variansi
Sumber: Hasil Olahan
Sementara untuk variabel ‘Finishing Grade’ yang menjadi acuan
spesifikasi ialah Permenpu No. 45 Tahun 2007, tabel A1 Persyaratan Bahan
Bangunan Gedung.
Tabel 4.6 Spesifikasi Bangunan Gedung Permenpu No. 45 Tahun 2007
No Uraian
Klasifikasi
Sederhana Tidak
Sederhana Khusus
B Persyaratan Bahan Bangunan
1 Bahan Penutup Lantai keramik, vinil,
tegel PC
marmer lokal,
keramik, vinil,
kayu
marmer lokal,
keramik, vinil
kayu
2 Bahan Dinding Luar
bata, batako,
diplester dan
dicat, kaca
bata, batako
diplester
dicat/dilapis
keramik, kaca,
panil beton
ringan
bata, batako
diplester
dicat/dilapis
keramik, kaca,
panil beton
ringan
3 Bahan Dinding Dalam bata, batako
diplester dan
dicat, kaca,
partisi kayu
lapis
bata, batako
diplester dan
dicat, kaca,
partisi gipsum
bata, batako
diplester dan
dicat, kaca,
partisi gipsum
4 Bahan Penutup Plafond kayu-lapis dicat
gipsum, kayu-
lapis dicat
gipsum, kayu-
lapis dicat
5 Bahan Penutup Atap
genteng, asbes,
seng, sirap
genteng keramik,
alumunium,
gelombang dicat
genteng
keramik,
alumunium,
gelombang
dicat
6 Bahan Kusen dan Daun Pintu kayu
dicat/alumunium
kayu dipelitur,
anodized
alumunium
kayu dipelitur,
anodized
alumunium
Sumber: PERMENPU No.45 Tahun 2007
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
113
Universitas Indonesia
Dapat dilihat pula pada rekap data, informasi yang didapat pada data
mengenai finshing grade meliputi bahan dinding luar dan dalam, bahan penutup
lantai, penutup plafond, serta bahan kusen dan daun pintu. Juga ada temuan
khusus pada finishing grade proyek yang memiliki konsep green building begitu
pula pada pekerjaan finishing-nya. Oleh karena itu penulis mengelompokkan
finishing grade tersebut menjadi kategori ‘khusus’ pada finishing grade.
Tabel 4.7 Tabel Kategori Finishing Grade Penelitian
Finishing
Grade Persyaratan Bahan Bangunan Kategori
sederhana bata ringan/celconn, plafond gypsum, pintu
kayu/alm keramik 1
tidak
sederhana
bata ringan/celconn, plafond gypsum, pintu
kayu/alm granit/marmer 2
khusus konsep green building 3
Sumber: Hasil Olahan
Sementara itu, selain dari variabel di atas, pada pengisian kuesioner
validasi variabel pada pakar, terdapat saran mengenai variabel tambahan. Namun
hasil tabulasi dari masing-masing saran tidak mencapai mayoritas (3 dari 5 pakar),
sehingga berarti pemakaiannya tidak terlalu dianjurkan. Variabel-variabel
tambahan dari saran pakar tersebut juga tidak memiliki ketersediaan pada data
sehingga diputuskan variabel-variabel tersebut tidak digunakan. Berikut variabel-
variabel tambahan yang disarankan pakar tersebut:
Tabel 4.8 Saran Pakar Mengenai Variabel Tambahan
No Variabel Peniliaian Keterangan Alasan Pakar
1 Metode Pelaksanaan kualitas
metode
bagaimana cara
melaksanakan
pembangunan
mempengaruhi
biaya alat
material
pendukung dan
tenaga kerja
3 dan 5
2 Elevasi air tanah 4
3 Lokasi Proyek
jarak
perjalanan
suppy chain
dan barang jasa
4
4 Jarak ke Lapangan
Udara km
pembatasan
ketinggian 4
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
114
Universitas Indonesia
Tabel 4.8 (Sambungan)
No Variabel Peniliaian Keterangan Alasan Pakar
5
Keterbatasan
ketersediaan pada
listrik/air/pembuangan
limbah cair
kebutuhan
tambahan
desain khusus
dan biaya
inverstasi
4
6
Keterbatasan
ketersediaan tenaga
kerja terampil lokal
penyediaan
labor supply
khusus
4
7
Keterbatasan
ketersediaan bahan
utama
semen/baja/batuan
penyediaan
secara khusus
dari daerah
terdekat
4
Sumber: Hasil Olahan
Sehingga, untuk sementara, variabel yang akan digunakan pada
permodelan antara lain:
Tabel 4.9 Variabel yang Akan Digunakan untuk Permodelan
Variabel Keterangan Kategori
1 2 3
X1 = Lokasi Kota
X2 = Pondasi Bore Pile Tiang Pancang Mat
X3 = Luas Total -
X4 = Tingkat -
X5 = Lapis Basement -
X6 = Floor-to-floor -
X7 = Tinggi Gedung -
X8 = Konstruksi Atap Dak beton Rangka Baja Rangka Kayu
X9 = Finishing Grade Sederhana Tidak Sederhana Khusus
X10= Tahun -
X11= Durasi bulan
Y = Nilai Kontrak -
Sumber: Hasil Olahan
4.4. Pengolahan Data
Kedua langkah sebelumnya dilakukan untuk mendapatkan input dari
pembentukkan permodelan, yang dalam penelitian ini, menggunakan metode
artificial neural network. Dalam permodelannya, olah data menggunakan metode
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
115
Universitas Indonesia
artificial neural network tersebut dibantu menggunakan software MATLAB versi
R2009a. Pada subbab ini akan dijelaskan lebih jauh proses permodelan tersebut.
Proses peremodelan AAN dapat digambarkan dalam flow chart seperti
berikut:
Transformasi & Pembagian Data Training-Uji
PERMODELAN ANN
Pemilihan Algoritma &
Fungsi Aktivasi
Perancangan Arsitektur Jaringan
Penentuan Training Parameter
TRAINING
SIMULAS I PADA DATA TES
Evaluasi/Measure Modelling Performance
Model ANN OPTIMUM
di lakukan beberapa tria l
Gambar 4.1 Flow Chart Permodelan Artificial Neural Network
Sumber: Hasil Olahan
Adapun penjelasan langkahnya sebagai berikut:
a. Transformasi Data
Setelah mendapat data beserta variabelnya yang sesuai, kedua komponen
tersebut kemudain akan menjadi input pada permodelan. Di mana permodelan
tersebut yang diolah dengan MATLAB harus diubah menjadi informasi
numerik. Sehingga apabila ada variabel permodelan yang bersifat deskriptif
atau kategorial, harus diubah terlebih dahulu menjadi angka. Selain itu data
yang telah diperoleh di bagi untuk keperluan training dan keperluan validasi.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
116
Universitas Indonesia
Rasio dari pembagian sebaiknya diutamakan untuk training agar permodelan
mengalami cukup pelatihan dan siap untuk menghasilkan output yang baik
pada tahap validasi. Dalam penelitian ini, data tes untuk validasi ialah data V
dan W.
b. Pemilihan Algortima dan Fungsi Aktivasi
Sebelumnya, permodelan ANN estimasi biaya pada penelitian ini termasuk ke
dalam fungsi peramalan pada aplikasinya. Dalam hal ini, jaringan dapat
dipakai untuk meramalkan apa yang akan terjadi berdasarkan pola yang ada
di masa lampau. Ini dapat dilakukan mengingat kemampuan jaringan syaraf
tiruan untuk mengingat dan membuat generalisasi dari apa yang diberikan
sebelumnya. Oleh karena itu, tipe pelatihan jaringan yang harus digunakan
ialah ‘supervised’ di mana jaringan akan melakukan penyesuaian dan
melakukan perubahan bobot dari perbedaan nilai output aktual dan ANN
sehingga kedua nilai tersebut semakin mendekati kesamaan. Oleh karena itu,
terkadang jaringan yang memiliki banyak input butuh memiliki banyak layar
agar pengenalan pola dapat dilakukan dengan baik. Keseluruhan kriteria
tersebut dapat dipenuhi dengan algoritma pembelajaran tipe
‘Backpropagation’. Backpropagation banyak dilakukan untuk aplikasi ANN
dalam peramalan karena dapat melatih jaringan untuk mendapatkan
keseimbangan antara kemampuan jaringan untuk menganali pola yang akan
digunakan selama pelatihan, serta kemampuan jaringan untuk memberikan
respon yang benar terhadap pola masukan yang serupa (tapi tidak sama)
dengan pola yang dipakai selama pelatihan. Selanjutnya penentuan fungsi
aktivasi, di mana dalam backpropagation fungsi aktivasi harus kontinu,
terdiferensial dengan mudah, serta merupakan fungsi yang tidak turun. Fungsi
yang memenuhi ketiga ktriteria tersebut dan sering dipakai pada
backpropagation ialah ‘Sigmoid Biner”.
c. Proses Trial dan Error Pelatihan
Pada tahap ini, data-data pelatihan dirun pada MATLAB dengan hal-hal yang
harus dipilih hingga mencapai hasil optimum berupa:
a) Arsitektur Jaringan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
117
Universitas Indonesia
Jumlah neuron pada lapisan input jaringan adalah sebanyak jumlah
variabel penelitian, sementara jumlah neuron/node lapisan output
sebanyak 1 buah, dalam hal ini nilai kontrak proyek kontruksi.
Backpropagation sebenarnya merupakan algoritma pelatihan yang
mampu memiliki banyak hidden layer (multilayer feedforward). Namun
karena semakin banyak hidden layer maka semakin lama waktu
pelatihan, maka lebih baik pelatihan diawali dengan single hidden layer
dahulu. Selain itu menurut Hegazy [116], jumlah hidden layer boleh
lebih dari satu asalkan data pelatihan mencukupi. Berikutnya, penentuan
arsitektur jaringan dilakukan dalam mencoba jumlah nodes pada hidden
layer yang tebaik. Penulis melakukan percobaan untuk jumlah nodes
dimulai dari 2 kali jumlah input (variabel) yang digunakan pada
permodelan hingga satu node.
b) Training Parameter
Pemilihan training parameter dilakukan untuk mencapai optimalisasi
pelatihan. Parameter epoch menentukan berapa banyak iterasi maksimal
yang dilakukan. Kemudian parameter goal dimasukkan untuk
menentukan berapa MSE yang ingin dicapai. Parameter lr
menggambarkan laju percepatan (ɑ) untuk mengubah bobot pada tiap
langkah iterasi. Sementara mc merupakan salah satu bentuk variasi
backpropagation yang dimasukkan untuk menghindari perubahan bobot
yang mencolok akibat adanya data yang sangat berbeda dengan yang
lain. Lalu parameter min-grad menunjukkan gradien penurunan pelatihan
minimal, karena apabila gradien terlalu kecil berarti proses generalisasi
model sudah tidak terlalu signifikan. Parameter max-fail menentukan
maximum gagal running pada pelatihan (akibat gradien lebih kecil dari
min_grad). Sementara show berarti jumlah iterasi untuk menampilkan
tiap hasil permodelan. Pelatihan akan berhenti jika salah satu dari
parameter tersebut telah tercapai.
c) Training
Setelah menentukan kedua properti di atas, dilakukan training pada data
yang dimaksudkan sebagai pelatihan model.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
118
Universitas Indonesia
d) Simulasi
Setelah model terbentuk dari pelatihan, data tes di simulasi pada model.
Koding pada MATLAB untuk langkah-langkah ini dan sebelumnya pada
terdapat di lampiran
e) Evaluasi dan Measure Performance dari Model
Mengevaluasi kinerja model dan validasinya dengan mencari MMRE
untuk tiap input terhadap output, demi mencari tingkat keakurasian yang
dicapai..
d. Pemilihan Model Optimal
Setelah dilakukan langkah-langkah di atas, dan didapatkan nilai MMRE
untuk tiap-tiap permodelan, pilih yang memasuki range persentase eror sesuai
ketentuan AACE dan yang memiliki MMRE data tes terkecil. Dalam
penelitian ini terdapat beberapa skenario percobaan untuk mendapat model
yang menghasilkan nilai MMRE terkecil. Skenario-skenario tersebut antara
lain:
a) Skenario 1
Pada skenario 1 data yang digunakan 23 data dari proyek gedung kantor
di Jakarta, Bekasi, dan Tanggerang (lokasi Jabotabek), Bandung, Batam,
Bengkulu, Belitung. Dengan 2 data (V dan W) sebagai data tes.
Sementara variabel yang digunakan ialah 11 variabel.
Tabel 4.10 Variabel Skenario 1
Variabel Keterangan Kategori
1 2 3 4 5
X1 = Lokasi Jabodetabek Bandung Batam Bengkulu Belitung
X2 = Pondasi Bore Pile Tiang Pancang Mat - -
X3 = Luas Total -
X4 = Tingkat -
X5 = Lapis Basement -
X6 = Floor-to-floor -
X7 = Tinggi Gedung -
X8 = Konstruksi Atap Dak beton Rangka Baja - - -
X9 = Finishing Grade Sederhana Tidak Sederhana Khusus - -
X10= Tahun -
X11= Durasi -
Y = Nilai Kontrak -
Sumber: Hasil Olahan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
119
Universitas Indonesia
Tabel 4.11 Data untuk Skenario 1
No Nama
Proyek
Lokasi Tipe
Pondasi
Luas Total
(m2)
Lapis Lapis
Basement
Floor to
Floor (m)
Tinggi
Bangunan
Tipe Konst.
Atap
Finishing
Grade
Tahun Durasi
(bulan)
Nilai Kontrak
(Rp M)
1 A 1 1 16,800.00 12 0 4.00 56.00 1 1 2011 4.0 84.26799000000
2 B 2 2 5,019.76 6 1 3.50 24.00 2 1 2011 3.0 7.51324100000
3 C 1 1 62,675.00 31 3 3.50 119.00 2 1 2011 15.0 165.00000000000
4 D 1 1 45,672.93 32 0 4.00 124.00 1 2 2011 16.0 93.72000000000
5 E 1 1 9,633.17 9 0 3.20 33.00 1 1 2010 8.0 35.30000000000
6 F 1 3 13,549.00 10 3 3.20 35.00 1 1 2010 4.0 14.72627350000
7 G 1 2 3,679.66 7 0 3.30 23.10 2 2 2010 13.0 65.97000000000
8 H 2 1 3,672.00 4 1 4.00 19.00 2 1 2010 6.0 20.69600000000
9 I 1 2 7,670.62 7 0 4.00 24.00 2 1 2012 7.5 26.25000000000
10 J 1 1 6,745.00 7 0 3.00 21.50 2 1 2011 6.0 18.13256793000
11 K 2 1 7,963.50 3 0 3.75 11.25 2 1 2012 3.0 68.26052299990
12 L 1 1 4,324.54 4 1 3.50 16.00 1 1 2007 3.0 37.54807200000
13 M 1 1 7,200.00 8 0 3.90 34.00 1 3 2011 13.0 95.23122700001
14 N 1 1 111,489.00 42 5 3.50 210.55 1 1 2006 21.0 248.05000000000
15 O 1 1 2,910.00 3 0 3.50 10.50 2 1 2009 6.0 20.27100000000
16 P 1 3 1,752.03 4 0 3.20 10.00 2 1 2008 5.0 8.26800000000
17 Q 3 1 5,958.56 7 0 3.75 26.25 1 1 2009 12.0 87.90000000000
18 R 3 1 3,404.89 4 0 3.75 15.00 1 1 2010 12.0 57.30226000000
19 S 3 1 6,809.78 8 0 3.75 30.00 1 1 2011 12.0 100.45714285714
20 T 4 2 3,450.00 3 0 4.25 12.75 2 1 2009 6.0 25.45723547862
21 U 5 1 3,009.00 3 0 4.00 12.00 2 1 2009 6.0 26.18501494354
22 V 1 1 19,527.00 15 2 3.50 56.00 2 1 2008 9.0 47.12992873878
23 W 1 1 5,004.00 4 0 3.75 15.00 1 1 2011 12.0 48.11709073820
Sumber: Hasil Olahan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
120
Universitas Indonesia
Model estimasi skenario satu memiliki 1 hidden layer. Untuk mencari
hasil optimal dicoba model dengan node pada hidden layer dari 1 buah
hingga 22 buah. Saat dilakukan percobaan, training banyak yang tidak
konvergen. Sehingga hanya training model dengan jumlah node 4, 5, dan
7 pada hidden layer yang memberikan hasil. Rekap hasil percobaan
tersebut ialah:
Tabel 4.12 Rekap Hasil Skenario 1
Arsitektur Proyek Aktual ANN MMRE MMRE
total
11 - 4 - 1 V 47.12993 6.9458 85.26%
63.23% W 48.11709 28.2914 41.20%
11 - 5 - 1 V 47.12993 12.7231 73.00%
54.57%
W 48.11709 65.5005
-
36.13%
11 - 7 - 1 V 47.12993 6.1251 87.00%
54.47% W 48.11709 37.5574 21.95%
Sumber: Hasil Olahan
b) Skenario 2
Dari percobaan pada skenario 1, diperoleh hasil yang kurang memuaskan
dimana MMRE antara hasil permodelan ANN dengan data aktual masih
besar. Pada skenario 2 dilakukan permodelan dengan data sebanyak 18
buah, dengan proyek gedung kantor yang berlokasi di Jakarta,
Tanggerang, Bekasi, dan Bandung saja. Pertimbangan penulis data yang
berlokasi di Batam, Bengkulu, maupun Belitung memberikan selisih
perbedaan yang terlalu besar dengan data-data lainnya, selain itu data
dengan lokasi tersebut juga memiliki jumlah sedikit sehingga
memberikan pengaruh buruk pada pelatihan. Data tes tetap data V dan
W. Variabel yang digunakan ialah 11 variabel.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
121
Universitas Indonesia
Tabel 4.13 Data untuk Skenario 2
No Nama
Proyek
Lokasi Tipe
Pondasi
Luas Total
(m2)
Lapis Lapis
Basement
Floor to
Floor (m)
Tinggi
Bangunan
Tipe Konst.
Atap
Finishing
Grade
Tahun Durasi
(bulan)
Nilai Kontrak
(Rp M)
1 A 1 1 16,800.00 12 0 4.00 56.00 1 1 2011 4.0 84.26799000000
2 B 2 2 5,019.76 6 1 3.50 24.00 2 1 2011 3.0 7.51324100000
3 C 1 1 62,675.00 31 3 3.50 119.00 2 1 2011 15.0 165.00000000000
4 D 1 1 45,672.93 32 0 4.00 124.00 1 2 2011 16.0 93.72000000000
5 E 1 1 9,633.17 9 0 3.20 33.00 1 1 2010 8.0 35.30000000000
6 F 1 3 13,549.00 10 3 3.20 35.00 1 1 2010 4.0 14.72627350000
7 G 1 2 3,679.66 7 0 3.30 23.10 2 2 2010 13.0 65.97000000000
8 H 2 1 3,672.00 4 1 4.00 19.00 2 1 2010 6.0 20.69600000000
9 I 1 2 7,670.62 7 0 4.00 24.00 2 1 2012 7.5 26.25000000000
10 J 1 1 6,745.00 7 0 3.00 21.50 2 1 2011 6.0 18.13256793000
11 K 2 1 7,963.50 3 0 3.75 11.25 2 1 2012 3.0 68.26052299990
12 L 1 1 4,324.54 4 1 3.50 16.00 1 1 2007 3.0 37.54807200000
13 M 1 1 7,200.00 8 0 3.90 34.00 1 3 2011 13.0 95.23122700001
14 N 1 1 111,489.00 42 5 3.50 210.55 1 1 2006 21.0 248.05000000000
15 O 1 1 2,910.00 3 0 3.50 10.50 2 1 2009 6.0 20.27100000000
16 P 1 3 1,752.03 4 0 3.20 10.00 2 1 2008 5.0 8.26800000000
17 V 1 1 19,527.00 15 2 3.50 56.00 2 1 2008 9.0 47.12992873878
18 W 1 1 5,004.00 4 0 3.75 15.00 1 1 2011 12.0 48.11709073820
Sumber: Hasil Olahan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
122
Universitas Indonesia
Tabel 4.14 Variabel Skenario 2
Variabel Keterangan Kategori
1 2 3 4
X1 = Lokasi Jakarta Tanggerang Bekasi Bandung
X2 = Pondasi Bore Pile Tiang Pancang Mat -
X3 = Luas Total -
X4 = Tingkat -
X5 = Lapis Basement -
X6 = Floor-to-floor -
X7 = Tinggi Gedung -
X8 = Konstruksi Atap Dak beton Rangka Baja - -
X9 = Finishing Grade Sederhana Tidak Sederhana Khusus -
X10= Tahun -
X11= Durasi -
Y = Nilai Kontrak -
Sumber: Hasil Olahan
Permodelan pada skenario 2 memiliki 1 hidden layer. Jumlah node pada
hidden layer dicoba mulai dari 1 hingga 22 buah. Pelatihan yang konvergen dan
memberikan hasil antara lain:
Tabel 4.15 Rekap Hasil Skenario 2
Arsitektur Proyek Aktual ANN MMRE MMRE
total
11 - 3 - 1 V 47.12993 24.528 47.96%
27.35% W 48.11709 44.8723 6.74%
11 - 4 - 1 V 47.12993 9.0673 80.76%
63.79% W 48.11709 70.6492 -46.83%
11 - 5 - 1 V 47.12993 2.0665 95.62%
84.12% W 48.11709 83.0665 -72.63%
11 - 6 - 1 V 47.12993 -27.6963 158.77%
83.17% W 48.11709 51.7632 -7.58%
11 - 7 - 1 V 47.12993 -30.6064 164.94%
110.53% W 48.11709 21.1106 56.13%
11 - 8 - 1 V 47.12993 -0.5011 101.06%
101.05% W 48.11709 -0.5011 101.04%
11 - 9 - 1 V 47.12993 -10.9773 123.29%
95.75% W 48.11709 80.9324 -68.20%
Sumber: Hasil Olahan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
123
Universitas Indonesia
c) Skenario 3
Pada skenario 3, penulis tetap menggunakan 18 data, karena skenario 2
menunjukkan kemajuan. Untuk skenario 3, penulis mencoba
mengeliminasi variabel, karena 18 data berarti data berkurang dari
jumlah awal. Sesuai pernyataan Bina R. Setyawati et. al [117], yaitu
semakin banyak variabel semakin kompleks stuktur jaringan ANN,
sehingga data training yang dibutuhkan makin banyak untuk
memperbaiki akurasi. Variabel yang penulis kurangi yaitu variabel ‘jarak
antar lantai’ dan ‘tinggi bangunan’, karena pertimbangan penulis ialah
kedua variabel tersebut telah didefinisikan oleh variabel ‘jumlah tingkat’.
Jumlah hidden layer permodelan yang digunakan tetap 1. Penulis
mencoba jumlah node pada hidden layer sebanyak 1 sampai 18. Data tes
tetap V dan W.
Tabel 4.16 Variabel Skenario 3
Variabel Keterangan Kategori
1 2 3 4
X1 = Lokasi Jakarta Tanggerang Bekasi Bandung
X2 = Pondasi
Bore Pile
Tiang
Pancang Mat -
X3 = Luas Total -
X4 = Tingkat -
X5 =
Lapis
Basement -
X6 =
Konstruksi
Atap Dak beton
Rangka
Baja - -
X7 =
Finishing
Grade Sederhana
Tidak
Sederhana Khusus -
X8= Tahun -
X9= Durasi -
Y = Nilai Kontrak -
Sumber: Hasil Olahan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
124
Universitas Indonesia
Tabel 4.17 Data untuk Skenario 3
No Nama
Proyek
Lokasi Tipe
Pondasi
Luas Total
(m2)
Lapis Lapis
Basement
Tipe Konst.
Atap
Finishing
Grade
Tahun Durasi
(bulan)
Nilai Kontrak
(Rp M)
1 A 1 1 16,800.00 12 0 1 1 2011 4.0 84.26799000000
2 B 2 2 5,019.76 6 1 2 1 2011 3.0 7.51324100000
3 C 1 1 62,675.00 31 3 2 1 2011 15.0 165.00000000000
4 D 1 1 45,672.93 32 0 1 2 2011 16.0 93.72000000000
5 E 1 1 9,633.17 9 0 1 1 2010 8.0 35.30000000000
6 F 1 3 13,549.00 10 3 1 1 2010 4.0 14.72627350000
7 G 1 2 3,679.66 7 0 2 2 2010 13.0 65.97000000000
8 H 2 1 3,672.00 4 1 2 1 2010 6.0 20.69600000000
9 I 1 2 7,670.62 7 0 2 1 2012 7.5 26.25000000000
10 J 1 1 6,745.00 7 0 2 1 2011 6.0 18.13256793000
11 K 2 1 7,963.50 3 0 2 1 2012 3.0 68.26052299990
12 L 1 1 4,324.54 4 1 1 1 2007 3.0 37.54807200000
13 M 1 1 7,200.00 8 0 1 3 2011 13.0 95.23122700001
14 N 1 1 111,489.00 42 5 1 1 2006 21.0 248.05000000000
15 O 1 1 2,910.00 3 0 2 1 2009 6.0 20.27100000000
16 P 1 3 1,752.03 4 0 2 1 2008 5.0 8.26800000000
17 V 1 1 19,527.00 15 2 2 1 2008 9.0 47.12992873878
18 W 1 1 5,004.00 4 0 1 1 2011 12.0 48.11709073820
Sumber: Hasil Olahan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
125
Universitas Indonesia
Sejauh ini permodelan pada data skenario 3 memiliki hasil yang paling
baik, di mana ada percobaan yang menghasilkan MMRE paling kecil.
Dari percobaan dengan hidden node 1 sampai 18, percobaan yang
konvergen dan memberikan hasil ialah:
Tabel 4.18 Rekap Hasil Skenario 3
Arsitektur Proyek Aktual ANN MMRE MMRE
total
9 - 2 - 1 V 47.12992874 61.23353 -0.29925
26.24% W 48.11709074 37.26534 0.225528
9 - 3 - 1 V 47.12992874 -56.1744 2.191906
123.02% W 48.11709074 61.03158 -0.2684
9 - 4 - 1 V 47.12992874 42.59826 0.096153
7.79% W 48.11709074 45.24378 0.059715
9 - 5 - 1 V 47.12992874 -28.3644 1.601834
119.99% W 48.11709074 86.5133 -0.79797
9 - 6 - 1 V 47.12992874 5.9035 0.87474
76.40% W 48.11709074 79.5474 -0.6532
9 - 7 - 1 V 47.12992874 19.6204 0.583696
102.13% W 48.11709074 118.3185 -1.45897
9 - 8 - 1 V 47.12992874 55.1037 -0.16919
36.07% W 48.11709074 74.6905 -0.55227
9 - 9 - 1 V 47.12992874 54.5623 -0.1577
24.11% W 48.11709074 32.4983 0.3246
9 - 12 - 1 V 47.12992874 40.3661 0.143515
72.20% W 48.11709074 -14.4627 1.300573
Sumber: Hasil Olahan
d) Skenario 4
Untuk skenario 4 ini, dicoba membuat permodelan dengan arsitektur
jaringan lain yaitu 2 hidden layer. Data input dan variabel yang
digunakan tetap sama seperti skenario 3. Akan dilihat apakah permodelan
mengalami perbaikan atau malah kemunduran.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
126
Universitas Indonesia
Tabel 4.19 Data untuk Skenario 4
No Nama
Proyek
Lokasi Tipe
Pondasi
Luas Total
(m2)
Lapis Lapis
Basement
Tipe Konst.
Atap
Finishing
Grade
Tahun Durasi
(bulan)
Nilai Kontrak
(Rp M)
1 A 1 1 16,800.00 12 0 1 1 2011 4.0 84.26799000000
2 B 2 2 5,019.76 6 1 2 1 2011 3.0 7.51324100000
3 C 1 1 62,675.00 31 3 2 1 2011 15.0 165.00000000000
4 D 1 1 45,672.93 32 0 1 2 2011 16.0 93.72000000000
5 E 1 1 9,633.17 9 0 1 1 2010 8.0 35.30000000000
6 F 1 3 13,549.00 10 3 1 1 2010 4.0 14.72627350000
7 G 1 2 3,679.66 7 0 2 2 2010 13.0 65.97000000000
8 H 2 1 3,672.00 4 1 2 1 2010 6.0 20.69600000000
9 I 1 2 7,670.62 7 0 2 1 2012 7.5 26.25000000000
10 J 1 1 6,745.00 7 0 2 1 2011 6.0 18.13256793000
11 K 2 1 7,963.50 3 0 2 1 2012 3.0 68.26052299990
12 L 1 1 4,324.54 4 1 1 1 2007 3.0 37.54807200000
13 M 1 1 7,200.00 8 0 1 3 2011 13.0 95.23122700001
14 N 1 1 111,489.00 42 5 1 1 2006 21.0 248.05000000000
15 O 1 1 2,910.00 3 0 2 1 2009 6.0 20.27100000000
16 P 1 3 1,752.03 4 0 2 1 2008 5.0 8.26800000000
17 V 1 1 19,527.00 15 2 2 1 2008 9.0 47.12992873878
18 W 1 1 5,004.00 4 0 1 1 2011 12.0 48.11709073820
Sumber: Hasil Olahan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
127
Universitas Indonesia
Tabel 4.20 Variabel Skenario 4
Variabel Keterangan Kategori
1 2 3 4
X1 = Lokasi Jakarta Tanggerang Bekasi Bandung
X2 = Pondasi
Bore Pile
Tiang
Pancang Mat -
X3 = Luas Total -
X4 = Tingkat -
X5 =
Lapis
Basement -
X6 =
Konstruksi
Atap Dak beton Rangka Baja - -
X7 =
Finishing
Grade Sederhana
Tidak
Sederhana Khusus -
X8= Tahun -
X9= Durasi -
Y = Nilai Kontrak -
Sumber: Hasil Olahan
Percobaan pada skenario 3 ini dilakukan dengan memberi 2 hidden layer
pada jaringan. Namun ternyata hasil yang didapat mngalami penurunan
dari skenario 3. Hal ini sesuai dengan pernyataan Hegazy [118], bahwa
hidden layer yang berlebih bagus diterapkan pada pelatihan permodelan
dengan data input yang banyak. Data pada penelitian ini termasuk
sedikit, sehingga percobaan dengan hidden layer lebih dari satu
mengalami penurunan. Rekap hasil percobaan dengan skenario 3 ialah:
Tabel 4.21 Rekap Hasil Skenario 4
Arsitektur Proyek Aktual ANN MMRE MMRE
total
9 - 2 -1 - 1 V 47.12993 32.7159 30.58%
32.96% W 48.11709 31.1123 35.34%
9 - 3 - 2 - 1 V 47.12993 31.4253 33.32%
34.42% W 48.11709 31.0296 35.51%
9 - 4 - 3 - 1 V 47.12993 31.8643 32.39%
33.93% W 48.11709 31.0515 35.47%
9 - 5 - 4 - 1 V 47.12993 32.9284 30.13%
32.72% W 48.11709 31.1299 35.30%
9 - 6 - 5 - 1 V 47.12993 32.1195 31.85%
32.55% W 48.11709 32.1195 33.25%
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
128
Universitas Indonesia
Tabel 4.21 (Sambungan)
Arsitektur Proyek Aktual ANN MMRE MMRE
total
9 - 7 - 6 - 1 V 47.12993 31.9611 32.19%
33.82% W 48.11709 31.0574 35.45%
9 - 8 - 7 - 1 V 47.12993 32.0676 31.96%
33.70% W 48.11709 31.0643 35.44%
9 - 10 - 9 - 1 V 47.12993 31.3262 33.53%
34.53% W 48.11709 31.0261 35.52%
9 - 12 - 11 -
1
V 47.12993 32.2024 31.67% 33.55%
W 48.11709 31.0735 35.42%
Sumber: Hasil Olahan
Sejauh ini, permodelan yang menghasilkan nilai MMRE untuk data tes
terkecil terdapat pada skenario 3. Dengan 16 data training pada proyek
gedung perkantoran di daerah Jakarta, Tanggerang, Bekasi, Bandung,
dan 2 buah data tes. Variabel yang digunakan ialah 9 variabel, yaitu
lokasi, tipe pondasi, luas total, jumlah tingkat, lapis basement, jarak antar
lantai, tinggi bangunan, tipe konstuksi atap, finishing grade, tahun, serta
durasi. Deviasi antara nilai kontrak aktual dengan hasil model ANN
terkecil ialah 7,79%, pada arsitektur jaringan 9-4-1. Yaitu 9 node input
variabel X, 4 node pada hidden layer, serta 1 node output variabel Y.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 1: (Lanjutan)
129 Universitas Indonesia
BAB 5
TEMUAN DAN PEMBAHASAN
5.1. Pendahuluan
Dari proses yang penulis jalani dalam penelitian, berupa penentuan
variabel serta pengumpulan data, dan pengolahan data ditemukan beberapa
temuan penting yang akan dibahas pada bab ini. Hasil akhir penelitian secara
keseluruhan juga akan dianalisa dalam pembahasan.
5.2. Temuan
Dari proses penelitian berupa penentuan variabel, pengumpulan data,
hingga pengolahan data pada permodelan ANN terdapat beberapa temuan yang
akan dijabarkan masing-masing.
a. Data dan Penetapan Variabel
Dari data awal yang penulis dapat dari kontributor sebanyak 40 buah,
terdapat 17 data yang harus dieliminasi, karena alasan:
Tidak sesuai fokus penelitian : 8 data
Proyek renovasi gedung kantor : 7 data
Halaman data tidak lengkap : 1 data
Harga proyek/m2 terlalu besar : 1 data
Sehingga menyisakan 23 data yang siap pakai untuk permodelan.
Identifikasi variabel dari kajian literatur, menghasilkan 14 variabel untuk
estimasi biaya proyek gedung tahap konseptual. Keempatbelas variabel tersebut
kemudian divalidasi ke pakar-pakar konstruksi untuk melihat signifikansinya.
Hasil tabulasi validasi tersebut menunjukkan semua variabel tetap digunakan.
Variabel-variabel tersebut antara lain:
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
130
Universitas Indonesia
Tabel 5.1 Variabel Permodelan Hasil Identifikasi dan Validasi Pakar
Variabel Keterangan Variabel
X1 Lokasi
X2 Kondisi Tanah
X3 Tipe Pondasi
X4 Luas Total
X5 Jumlah Tingkat
X6 Lapis Basement
X7 Superstruktur
X8 Jarak Antar Lantai
X9 Tinggi Bangunan
X10 Bentuk
X11 Tipe Atap
X12 Finishing Grade
X13 Tahun
X14 Durasi
Y Nilai Kontrak
Sumber: Hasil Olahan
Ketersediaan seluruh variabel di atas pada data lengkap, namun ada yang
tidak menunjukkan variansi. Dalam hal ini, variabel tidak akan membantu
permodelan, malah akan menimbulkan ambiguitas pada pemasukkan data baru
pada permodelan nantinya. Variabel-variabel tersebut kemudian harus dieliminasi,
yaitu variabel ‘Kondisi Tanah’, ‘Superstruktur’, dan ‘Bentuk’. Untuk variabel
kondisi tanah berupa PTM dominan, menurut praktisi, proyek gedung kantor di
Indonesia umumnya dibangun dari tanah yang siap dibangun, telah berkontur rata
saat diserahterimakan oleh pemilik tanahnya. Sementara bentuk dari gedung
kantor umumnya segiempat serta superstruktur dari gedung kantor saat ini
umumnya masih terbuat dari beton. Oleh karena itu variabel ini tidak memiliki
variansi, khususnya pada proyek-proyek yang penulis jadikan objek.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
131
Universitas Indonesia
Tabel 5.2 Variabel Berdasarkan Data Proyek
Variabel Keterangan Variabel
X1 Lokasi
X2 Tipe Pondasi
X3 Luas Total
X4 Jumlah Tingkat
X5 Lapis Basement
X6 Jarak Antar Lantai
X7 Tinggi Bangunan
X8 Tipe Atap
X9 Finishing Grade
X10 Tahun
X11 Durasi
Y Nilai Kontrak
Sumber: Hasil Olahan
2. Permodelan ANN
Demi mencapai hasil permodelan yang paling akurat, penulis melakukan
beberapa skenario percobaan. Skenario tersebut memvariasikan data (sehubungan
dengan lokasi proyek), variabel, dan hidden layer pada jaringan permodelan.
Masing-masing skenario dirunning dengan jumlah nodes pada hidden layer dari
dua kali jumlah variabelnya (node input) hingga satu node. Masing-masing
skenario dengan nilai MMRE terkecilnya ialah sebagai berikut:
a) Skenario 1
Data : - 21 data training
- 2 data tes
Lokasi : Jabotabek, Bandung, Batam, Bengkulu, Belitung
Variabel (11) : Lokasi, Tipe Pondasi, Luas Total, Jumlah Tingkat,
Lapis Basement, Jarak Antar Lantai, Tinggi
Bangunan, Tipe Konstruksi Atap, Finishing Grade,
Tahun, Durasi
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
132
Universitas Indonesia
Arsitektur Jaringan : 1 hidden layer
MMRE terkecil : 54,47%
b) Skenario 2
Data : - 16 data training
- 2 data tes
Lokasi : Jakarta, Tanggerang, Bekasi, Bandung
Variabel (11) : Lokasi, Tipe Pondasi, Luas Total, Jumlah Tingkat,
Lapis Basement, Jarak Antar Lantai, Tinggi
Bangunan, Tipe Konstruksi Atap, Finishing Grade,
Tahun, Durasi
Arsitektur Jaringan : 1 hidden layer
MMRE terkecil : 27,35%
c) Skenario 3
Data : - 16 data training
- 2 data tes
Lokasi : Jakarta, Tanggerang, Bekasi, Bandung
Variabel (9) : Lokasi, Tipe Pondasi, Luas Total, Jumlah Tingkat,
Lapis Basement, Tipe Konstruksi Atap, Finishing
Grade, Tahun, Durasi
Arsitektur Jaringan : 1 hidden layer
MMRE terkecil : 7,79%
d) Skenario 4
Data : - 16 data training
- 2 data tes
Lokasi : Jakarta, Tanggerang, Bekasi, Bandung
Variabel (9) : Lokasi, Tipe Pondasi, Luas Total, Jumlah Tingkat,
Lapis Basement, Tipe Konstruksi Atap, Finishing
Grade, Tahun, Durasi
Arsitektur Jaringan : 2 hidden layer
MMRE terkecil : 32,55%
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
133
Universitas Indonesia
Dapat dilihat bahwa, MMRE terkecil pada data tes dicapai oleh jaringan
pada skenario 3. Hasil pada skenario 3 dicapai setelah penulis mengeliminasi data
proyek yang berlokasi di Batam, Bengkulu, Belitung dengan alasan jumlah data
pada lokasi tersebut yang tidak banyak dapat mengakibatkan data-data tersebut
menjadi outlier. Menurut Bina R. Setyawati et. al (2003) [119], mengeliminasi
outlier dapat meningkatkan kinerja jaringan. Selain itu, percobaan pada skenario 3
mengalami kemajuan setelah 2 variabel yaitu ‘Jarak Antar Lantai’ serta ‘Tinggi
Bangunan’ dieliminasi. Sesuai pendapat Bina R. Setyawati et. al [120] bahwa
semakin banyak variabel sebagai input suatu jaringan, semakin kompleks
arsitektur jaringan, sehingga dibutuhkan makin banyak data training. Penelitian ini
memiliki data training yang relatif kecil yaitu 16 buah, sehingga pengurangan
variabel yang tidak terlalu signifikan (kedua variabel telah diinterpretasikan oleh
variabel ‘Jumlah Tingkat’) membantu pelatihan. Sementara jumlah hidden layer
yang terbaik untuk pelatihan ini ialah 1 hidden layer. Hegazy dan Ayed [121]
menyatakan bahwa jaringan dengan lebih dari satu hidden layer bagus untuk
permodelan dengan banyak data, sementara pada penelitian ini data yang dipakai
termasuk sedikit.
Pelatihan dilakukan dengan properti yang telah ditentukan, penjelasan
masing-masing properti telah dicantumkan dalam sub bab 4.4 dan kodingnya pada
MATLAB R2009a terdapat pada lampiran. Namun secara ringkas properti
pelatihan yaitu:
Tabel 5.3 Properti Pelatihan
Properti Pelatihan Jenis/Nilai Deskripsi
Algoritma Pelatihan Back Propagation baik untuk ANN tipe peramalan;
memiliki keseimbangan antara
pengenalan pola secara supervised
serta baik dengan respon pada data
baru sejenis
Fungsi Aktivasi Sigmoid Biner baik untuk Back Propagation;
bersifat kontinu, terdiferensial
dengan baik, bukan fungsi turun
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
134
Universitas Indonesia
Tabel 5.3 (Sambungan)
Properti Pelatihan Jenis/Nilai Deskripsi
Metode Penurunan
Gradien
Gradient Descent menghindari pencapaian titik
minimum lokal; perhitungan bobot
sebelumnya juga diperhitungkan
pada perubahan bobot sesudahnya
Training Parameter :
Maksimum Epoch 5000 maksimum 5000 iterasi
Goal (MSE
minimum)
10-3
target nilai fungsi kinerja jaringan
Learning Rate 0,5 laju percepatan untuk mengubah
bobot pada tiap iterasi
Momentum 0,5 konstanta percepatan gradient
descent
Maksimum Fail 5 maksimum tercapai gradien lebih
kecil dari gradien minimum
Gradien Minimum 10-10
gradien (perubahan antar iterasi)
terkecil Sumber: Hasil Olahan
Pada skenario terbaik yaitu skenario 3, variabel yang digunakan yaitu:
Tabel 5.4 Variabel Pada Skenario Terbaik (3)
Variabel Keterangan Kategori
1 2 3 4
X1 = Lokasi Jakarta Tanggerang Bekasi Bandung
X2 = Pondasi
Bore Pile
Tiang
Pancang Mat -
X3 = Luas Total -
X4 = Tingkat -
X5 =
Lapis
Basement -
X6 =
Konstruksi
Atap Dak beton Rangka Baja - -
X7 =
Finishing
Grade Sederhana
Tidak
Sederhana Khusus -
X8= Tahun -
X9= Durasi -
Y = Nilai Kontrak -
Sumber: Hasil Olahan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
135
Universitas Indonesia
Sehingga 18 data yang merupakan 16 data training dan V, W sebagai data
tes, yang telah ditransformasi menjadi:
Tabel 5.5 Data Pada Skenario Terbaik (3)
No Proyek X1 X2 X3 X4 X5 X6 X7 X8 X9 Y
1 A 1 1 16,800.00 12 0 1 1 2011 4.0 84.26799000000
2 B 2 2 5,019.76 6 1 2 1 2011 3.0 7.51324100000
3 C 1 1 62,675.00 31 3 2 1 2011 15.0 165.00000000000
4 D 1 1 45,672.93 32 0 1 2 2011 16.0 93.72000000000
5 E 1 1 9,633.17 9 0 1 1 2010 8.0 35.30000000000
6 F 1 3 13,549.00 10 3 1 1 2010 4.0 14.72627350000
7 G 1 2 3,679.66 7 0 2 2 2010 13.0 65.97000000000
8 H 2 1 3,672.00 4 1 2 1 2010 6.0 20.69600000000
9 I 1 2 7,670.62 7 0 2 1 2012 7.5 26.25000000000
10 J 1 1 6,745.00 7 0 2 1 2011 6.0 18.13256793000
11 K 2 1 7,963.50 3 0 2 1 2012 3.0 68.26052299990
12 L 1 1 4,324.54 4 1 1 1 2007 3.0 37.54807200000
13 M 1 1 7,200.00 8 0 1 3 2011 13.0 95.23122700001
14 N 1 1 111,489.00 42 5 1 1 2006 21.0 248.05000000000
15 O 1 1 2,910.00 3 0 2 1 2009 6.0 20.27100000000
16 P 1 3 1,752.03 4 0 2 1 2008 5.0 8.26800000000
17 V 1 1 19,527.00 15 2 2 1 2008 9.0 47.12992873878
18 W 1 1 5,004.00 4 0 1 1 2011 12.0 48.11709073820
Sumber: Hasil Olahan
Pelatihan dilakukan dengan 1 hidden layer, dan jumlah node pada hidden
layer tersebut dicoba dari dua kali variabel (node input) yaitu sebanyak 18, hingga
1 node. Rekap hasil seluruh pelatihan tersebut tercantum di tabel 4.18. Pelatihan
dengan hasil MMRE pada data tes terbaik diraih oleh jaringan dengan 4 node pada
hidden layer, atau arsitektur jaringan 9-4-1.
Tabel 5.6 Pelatihan dengan Nilai MMRE Terbaik
Arsitektur Proyek Aktual ANN MMRE MMRE
total
9 - 4 - 1 V 47.12992874 42.59826 0.096153
7.79% W 48.11709074 45.24378 0.059715
Sumber: Hasil Olahan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
136
Universitas Indonesia
Performance pelatihan tersebut berhenti pada training parameter goal atau
tercapai MSE minimum berupa 10-3
pada epoch ke 404. Maksimum fail juga tidak
tercapai (tidak terjadi fail sama sekali) berarti gradien tidak melebihi batas
minimum (10-10
) selama pelatihan.
Gambar 5.1 Performance Pelatihan
Sumber: Hasil Olahan
Selain itu dapat dilihat masing-masing regresi dari data training dan data
tes. Keduanya menunjukkan garis regresi yang tidak terlalu melenceng.
Gambar 5.2 Regresi untuk Data Training dan Data Tes Sumber: Hasil Olahan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
137
Universitas Indonesia
5.3. Pembahasan
Setelah dilakukan percobaan dengan berbagai skenario, penelitian
permodelan estimasi biaya tahap konseptual pada gedung kantor ini mendapatkan
model terbaik pada skenario 3. Pada skenario tersebut data yang digunakan ialah
sebanyak 18 buah, dengan 16 data training dan 2 data tes. Parameter yang
digunakan ialah 9 variabel yaitu; lokasi, tipe pondasi, luas total, jumlah tingkat,
lapis basement, tipe konstruksi atap, finishing grade, tahun dan durasi. Dengan
range dan karakter statistik variabel yang digunakan pada penelitian yaitu:
Tabel 5.7 Range dan Karakter Statistik Variabel Model ANN Terbaik
VARIABEL KETERANGAN RANGE MEAN MODUS
X1 Lokasi Jakarta, Tanggerang, Bekasi, Bandung - Jakarta
X2 Pondasi Bore Pile, Tiang Pancang - tiang pancang
X3 Luas 1752,03 - 111489 m2 18627.07 -
X4 Lapis 3 s/d 42 lantai 11.55556 -
X5 Basement 0 - 5 0.888889 0
X6 Tipe Konstruksi Atap dak beton, rangka baja - rangka baja
X7 Finishing Grade sederhana, tidak sederhana, khusus - sederhana
X8 Tahun 2006 - 2012 2009.94 2011
X9 Durasi 3 s/d 21 bulan 8.583 6 & 3
Y Nilai Kontrak 7,513241 - 248,05 61.35844 -
Sumber: Hasil Olahan
Pelatihan dilakukan dengan kriteria-kriteria sebagai berikut:
Tabel 5.8 Tabel Properti Pelatihan Model ANN Terbaik
Properti Pelatihan Jenis/Nilai
Sifat Pembelajaran Supervised
Algoritma Pelatihan Back Propagation
Fungsi Aktivasi Sigmoid Biner
Metode Penurunan Gradien Gradient Descent
Momentum
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
138
Universitas Indonesia
Tabel 5.8 (Sambungan)
Properti Pelatihan Jenis/Nilai
Training Parameter:
Learning Rate
Momentum
Epoch Maksimum
Goal (min. MSE)
Maksimum Gagal
Gradien Minimum
0,5
0,5
5000
10-3
5
10-10
Sumber: Hasil Olahan
Sementara itu 16 data training dan 2 data tes tersebut dilatih dan divalidasi
pada jaringan terbaik 9-4-1 dengan arsitektur jaringan:
Tabel 5.9 Tabel Arsitektur Model ANN Terbaik (Sambungan)
Arsitektur Jaringan Jumlah
Neuron Input 9
Neuron Output 1
Hidden Layer 1
Neuron pada Hidden Layer 4
Sumber: Hasil Olahan
Sehingga akan terbentuk jaringan input yang terdiri dari 10 masukan, 9
variabel (xi) dan bias (b1). Dan sebuah layar tersembunyi yang terdiri dari 5 unit 4
neuron (zj) dan bias (b2). Lalu 1 unit keluaran (yk). Bias merupakan unit tambahan
yang nilainya selalu 1 dan berfungsi untuk mengubah nilai treshold menjadi 0.
Dalam jaringan syaraf tiruan, untuk menampilkan keluaran suatu neuron
digunakan fungsi aktivasi. Sehingga jika bobot ialah w, maka keluaran jaringan
kedua j dari jaringan pertama i ialah:
(5.1)
Sementara fungsi aktivasinya, dalam hal ini sigmoid bipolar, ialah:
(5.2)
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
139
Universitas Indonesia
Gambar 5.3 Jaringan Permodelan ANN Terbaik
Sumber: Hasil Olahan
Setelah dilakukan pelatihan, didapatkan bobot akhir dari layar masukan ke
layar tersembunyi (vji) dan dan bobot dari layar tersembunyi ke layar output (wkj).
Tabel 5.10 Bobot dari Layar Masukan (xi) ke Layar Tersembunyi (zj)
Z1 Z2 Z3 Z4
X1 0.8214 0.6579 -0.4429 0.4576
X2 0.3015 -0.7833 -0.7165 -0.0448
X3 0.7699 0.4078 0.0183 0.4351
X4 0.7625 -0.1347 0.9563 -0.5635
X5 -0.3566 0.8328 0.9713 0.6699
X6 0.5 -0.6644 0.6073 0.9245
X7 0.0685 0.533 0.7375 -0.54
X8 0.5354 -0.1597 -0.5149 -0.3547
X9 -0.6345 -0.8314 0.1747 0.7053
1 -1.3492 -0.7865 -0.5937 1.9462
Sumber: Hasil Olahan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
140
Universitas Indonesia
Sehingga ekspresi matematis untuk keluaran unit tersembunyi (zj):
(5.3)
(5.4)
(5.5)
(5.6)
Tabel 5.11 Bobot dari Layar Tersembunyi (zj) ke Layar Keluaran (yk)
Y
Z1 0.4544
Z2 -0.5397
Z3 1.173
Z4 -0.4361
1 0.5424
Sumber: Hasil Olahan
Sehingga ekspresi matematis untuk keluaran unit tersembunyi (Yk):
(5.7)
(5.8)
(5.9)
Tentunya proses ini akan berlangsung secara iteratif, di mana akan dicari
selisih antara keluaran hasil iterasi pertama dengan keluaran target yang akan
mempengaruhi bobot baru yang akan dikembalikan ke layar tersembunyi dan
kemudian layar masukan. Lalu perhitungan kembali dilakukan dan begitu
seterusnya hingga didapatkan hasil yang memuaskan (sesuai training parameter).
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
141
Universitas Indonesia
Pada penelitian ini, pelatihan dilakukan hingga 404 iterasi dan telah
tercapai nilai MSE minimal yaitu 10-3
. Model kemudian di simulasikan kepada
dua data baru (yang tidak ikut di training) yaitu data V dan W. Validasi tersebut
menghasilkan nilai MMRE 7,79% yang memenuhi atau lebih baik dari nilai
deviasi tahap konseptual kelas 4 menurut AACE yaitu -15% - 30% atau +20% -
+50%.
Untuk melihat hubungan antara variabel-variabel permodelan dengan nilai
kontrak proyek gedung kantor, dilakukan sensitivity analysis terhadap variabel-
variabel yang kenaikan harganya dapat terukur. Analisa didapatkan denga cara
memasukkan data baru pada permodelan dengan variabel selain yang ingin diteliti
bernilai tetap, sementara variabel yang ingin diteliti divariasikan dengan interval
tertentu. Dari grafik dapat diperhatikan tingkat pengaruh kenaikan variabel
tertentu terhadap nilai kontrak.
Gambar 5.4 Grafik Luas Bangunan Terhadap Nilai Kontrak
Sumber: Hasil Olahan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
142
Universitas Indonesia
Gambar 5.5 Grafik Sensitivitas Jumlah Tingkat Terhadap Nilai Kontrak
Sumber: Hasil Olahan
Gambar 5.6 Grafik Sensitivitas Finishing Grade Terhadap Nilai Kontrak
Sumber: Hasil Olahan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
143
Universitas Indonesia
Gambar 5.7 Grafik Sensitivitas Tahun Pembangunan Terhadap Nilai Kontrak
Sumber: Hasil Olahan
Gambar 5.8 Grafik Sensitivitas Durasi Terhadap Nilai Kontrak
Sumber: Hasil Olahan
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
144
Universitas Indonesia
Dari grafik juga dapat dilihat bentuk hubungan antara variabel dengan
nilai kontrak. Dengan R2
terbaik (mendekati 1) dapat diketahui persamaan yang
merepresentasikan grafik. Dari grafik di atas peningkatan ‘Luas Total’ dan
‘Jumlah Tingkat’ memberikan pengaruh kenaikan nilai kontrak.yang bersifat
linier. Sementara keningkatan variabel ‘Lapis Basement’, ‘Finishing Grade’,
‘Tahun’, dan ‘Durasi’ memiliki pengaruh yang bersifat polinomial tingkat 2
terhadap nilai kontrak.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 1: (Lanjutan)
145 Universitas Indonesia
BAB 6
KESIMPULAN DAN SARAN
6.1. Kesimpulan
Dari penelitian yang telah dilakukan, dapat dicapai tujuan
mengindentifikasi faktor-faktor yang berpengaruh terhadap biaya pembangunan
kontruksi gedung kantor, serta membuat permodelan estimasi biaya gedung kantor
dengan metode jaringan syaraf tiruan demi meningkatkan akurasi estimasi.
a. Faktor-faktor yang mempengaruhi biaya pembangunan gedung kantor yang
digunakan pada estimasi tahap konseptual yaitu Lokasi, Pondasi, Luas Total,
Tingkat, Lapis Basement, Konstruksi Atap, Finishing Grade, Tahun, dan
Durasi Pembangunan. Adapun kategori yang digunakan pada variabel untuk
penelitian ini mencakup:
Tabel 6.1 Variabel yang Berpengaruh Terhadap Biaya Pembangunan Gedung
Kantor
Variabel Faktor Keterangan Kategori
1 2 3 4
X1 = Lokasi tempat dibangunnya
gedung kantor
Jakarta Tanggerang Bekasi Bandung
X2 = Pondasi jenis pondasi yang
digunakan
Bore Pile Tiang Pancang Mat -
X3 = Luas
Total
luas bangunan
hingga dinding
terluar kantor
-
X4 = Tingkat jumlah tingkat
bangunan gedung
kantor yang berada
di atas permukaan
tanah\
-
X5 = Lapis
Baseme
nt
jumlah tingkat
bangunan gedung
kantor di bawah
permukaan tanah
(basement)
X6 = Konstru
ksi Atap
struktur atap pada
bangunan gedung
kantor
Dak beton Rangka Baja - -
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
146
Universitas Indonesia
Tabel 6.1 (Sambungan)
Variabel Faktor Keterangan Kategori
1 2 3 4
X6 = Konstru
ksi Atap
struktur atap pada
bangunan gedung
kantor
Dak beton Rangka Baja - -
X7 = Finishin
g Grade
tingkat finishing
gedung dari aspek
bahan penutup
lantai, dinding luar,
dinding dalam,
kusen pintu menurut
PERMEN PU No.
45/PRT/M/2007
Sederhana Tidak
Sederhana
Khusus -
X8= Tahun tahun dimulainya
proyek
-
X9= Durasi lamanya durasi
pembanguna gedung
-
Sumber: Hasil Olahan
b. Permodelan estimasi biaya gedung kantor pada tahap konseptual dengan
jaringan syaraf tiruan pada penelitian ini menggunakan kriteria permodelan
sebagai berikut:
Tabel 6.2 Kriteria Permodelan ANN
Kriteria Nilai Deskripsi
Data 18 data input 16 data pelatihan dan 2 data
validasi
Jumlah Neuron Input 9 Variabel input
Jumlah Neuron Output 1 Biaya Proyek
Jumlah Hidden Layer 1 Hasil Trial Terbaik
Jumlah Neuron Hidden
Layer
4 Hasil Trial Terbaik
Arsitektur Jaringan Multilayer Feedforward
Algoritma Pembelajaran Backpropagation
Sifat Pembelajaran Supervised Learning
Fungsi Pembelajaran Gradien Descent
Momentum
Fungsi Aktivasi Sigmoid Bipolar (tansig)
Leraning Rate 0.5
Constanta Momentum 0.5
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
147
Universitas Indonesia
Tabel 6.2 (Sambungan)
Kriteria Nilai Deskripsi
Parameter Pelatihan
Maksimum Epoch 5000
Goal (min MSE) 10-3
Maksimum Kegagalan 5
Gradien Minimum 10-10
Iterasi 404
Sumber: Hasil Olahan
Permodelan menghasilkan deviasi (nilai MMRE) sebesar 7,79%, lebih baik
dari kriteria deviasi estimasi tahap konseptual menurut AACE, yaitu kelas 4
dengan range deviasi -15 - -30% dan +25 - +50%.
6.2. Saran
Berdasarkan proses yang penulis lakukan dan hasil dari penelitian ini,
maka saran penulis bagi penelitian selanjutnya ialah :
a. Apabila menggunakan metode jaringan syaraf tiruan untuk penelitian yang
lain perhatikan data yang menjadi input. Karena pembentukan jaringan pada
model ANN tergantung pada data yang menjadi input pelatihan. Gunakan data
dengan range yang lebih beragam agar data dapat terlatih dengan baik dan
dapat memecahkan masalah pada data baru dengan baik. Penggunaan data
pelatihan lebih banyak lebih baik, karena itu berarti model yang dihasilkan
telah membangun lebih banyak pola dan terlatih dengan baik untuk bisa
memprediksi input data baru dengan akurat.
b. Dilakukan penelitian lanjutan dengan objek penelitian sama (gedung kantor)
dengan data yang lebih banyak, untuk meningkatkan hasil permodelan. Karena
elain itu, peneletian juga sebaiknya dilakukan dalam cakupan wilayah lain
yang lebih luas. Atau penelitian dengan objek yang berbeda agar lebih
memberikan gambaran mengenai metode estimasi biaya ini.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
148
Universitas Indonesia
DAFTAR ACUAN
[1] Gould, F.E. Managing the Construction Process (Estimating Schedulingand
Project Control). New Jersey, Prantice Hall. 1997
[2] Cheng, Min-Yuang, Hsing-Chih Tsai, Wen-Shan Hsieh. Web-Based
Conceptual Cost Estimate’s for Construction Projects Using Evolutionary
Fuzzy Neural Interference Model. Automation In Construction 18, 164-172.
Department of Construction Engineering, National Taiwan University of
Science and Technology. 2008
[3] Scheutte, S.D., and Liska, R.W. Building Construction Estimating,
Singapore: McGraw Hill. 1998
[4] Scheutte, S.D., and Liska, R.W. Building Construction Estimating,
Singapore: McGraw Hill. 1998
[5] S., Singh. Cost Model for Reinforced Concrete Beam and Slab Structures in
Building. Journal of Construction Engineering and Management 116 (1),
54–67. 1990
[6] P.A., Bowen, P.J. Edwards. Cost Modeling and Price Forecasting; Practice
and Theory in Perspective. Construction Management and Economics 3,
199–215. 1985
[7] F., Khosrowshahi, A.P. Kaka. Estimation of Project Total Cost and
Duration for Housing Projects in the UK. Building and Environment 31 (4),
373–383. 1996
[8] Cheng, Min-Yuang, Hsing-Chih Tsai, Wen-Shan Hsieh. Web-Based
Conceptual Cost Estimate’s for Construction Projects Using Evolutionary
Fuzzy Neural Interference Model. Automation In Construction 18, 164-172.
Department of Construction Engineering, National Taiwan University of
Science and Technology. 2008
[9] Bagus, Julian H. Permodelan Estimasi Biaya Konseptual pada Proyek
Konstruksi Bangunan Pabrik dengan Teknik Jaringan Syaraf Tiruan. Tesis
Program Pascasarjana Fakultas Teknik Sipil UI, Depok, 2007
[10] Setyawati, Bina R., Sidharta Sahirman, Dr. Robert C. Creese, PE CCE.
Neural Network for Cost Estimation. AACE International Transaction,
ES131. 2002
[11] Garza, J., and Rouhanna, K. Neural Network Versus Parameter-Based
Application. Cost Engineering ., AACE International, 3792, 14-18. 1995
[12] Phaobunjong, K., dan Popescu, C.M. Parametric Cost Estimating Model for
Conceptual Cost Estimating of Building Construction Projects. Texas
University. 2002.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
149
Universitas Indonesia
[13] Uppal, Mr. Kul B. PE. So-Is this the Estimate? AACE International
Transactions, ES71. 2006
[14] Bode, Jurgen. Neural Network for Cost Estimation. Cost Engineering Vol.
40/ No.1. 1998
[15] Dell’Isola, Michael D.. Architect’s Essentials of Cost Management. John
Wiley & Sons Inc. 2002
[16] Harding, Anthony dan David Lowe et. al. The Role of Neural Networks in
Early Stage Cost Estimation in the 21st Century. Department of Building
Engineering, UMIST, UK. 2002
[17] Schexnayder, Clifford J. dan Richard E. Mayo. Construction Management
Fundamentals. McGraw Hill Construction, New York. 2003
[18] Sodikov, Jamshid. Cost Estimation of Highway Projects in Developing
Countries: Artificial Neural Network Approach. Journal of the Eastern Asia
Society for Transportation Studies, Vol. 6, 1036-1047. 2005
[19] Funahashi, K. On the Approximate Realization of Continous Mappings by
Neural Networks. Neural Networks 2, 183-192. 1989
[20] Setyawati, Bina R., Sidharta Sahirman, Dr. Robert C. Creese, PE CCE.
Neural Network for Cost Estimation. AACE International Transaction,
ES131. 2002
[21] Kosko, B. Neural Networks and Fuzzy Systems--A Dynamical Approach to
Machine Intelligence. Prentice-Hall, Englewood Cliffs, NJ. 1992
[22] Shottlander, E.D. How Accurate are Your Estimates? AACE Internationat
Transactions. 2006
[23] Dysert, R. Larry. An Introduction to Parametric Estimating. AACE
International Transactions. 2005
[24] Shottlander, E.D. How Accurate are Your Estimates? AACE Internationat
Transactions. 2006
[25] Pratt, Shannon. Cost of Capital: Estimation and Applications. The CPA
Journal 69.1. 1999
[26] Soeharto, Iman. Manajemen Proyek: Dari Konseptual Sampai Operasional.
PT. Gelora Aksara Pratama. 1995
[27] Shottlander, E.D. How Accurate are Your Estimates? AACE Internationat
Transactions. 2006
[28] Barrie, D.S., dan B.C. Paulson. Professional Construction Engineering and
Management. New York: McGraw Hill Series in Construction Engineering
and Management. 1992
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
150
Universitas Indonesia
[29] Dysert, R. Larry. An Introduction to Parametric Estimating. AACE
International Transactions. 2005
[30] Shottlander, E.D. How Accurate are Your Estimates? AACE Internationat
Transactions. 2006
[31] Soeharto, Iman. Manajemen Proyek: Dari Konseptual Sampai Operasional.
PT. Gelora Aksara Pratama. 1995
[32] Clifford J. Schexnayder dan Richard E. Mayo. Construction Management
Fundamentals. McGraw Hill Construction, New York. 2003
[33] Jamshid Sodikov. Cost Estimation of Highway Projects in Developing
Countries: Artificial Neural Network Approach. Journal of the Eastern Asia
Society for Transportation Studies, Vol. 6, 1036-1047. 2005
[34] Dell’Isola, Michael D.. Architect’s Essentials of Cost Management. John
Wiley & Sons Inc. 2002
[35] Scheutte, S.D., and Liska, R.W. Building Construction Estimating,
Singapore: McGraw Hill. 1998
[36] Scheutte, S.D., and Liska, R.W. Building Construction Estimating,
Singapore: McGraw Hill. 1998
[37] Scheutte, S.D., and Liska, R.W. Building Construction Estimating,
Singapore: McGraw Hill. 1998
[38] Sodikov, Jamshid. Cost Estimation of Highway Projects in Developing
Countries: Artificial Neural Network Approach. Journal of the Eastern Asia
Society for Transportation Studies, Vol. 6, 1036-1047. 2005Hal 26
[39] Scheutte, S.D., and Liska, R.W. Building Construction Estimating,
Singapore: McGraw Hill. 1998
[40] Karshenas, S., Yousuf Z.S. Predesign Cost Estimating Method for
Multistory Buildings. Journal of Construction Engineering Management
110, 79-86. 1984
[41] Gould, F.E. Managing the Construction Process (Estimating Schedulingand
Project Control). New Jersey: Prantice Hall. 1997
[42] Scheutte, S.D., and Liska, R.W. Building Construction Estimating,
Singapore: McGraw Hill. 1998
[43] Helyar, Frank W. Construction Estimating and Costing. Mc- Graw Hill.
1978
[44] Helyar, Frank W. Construction Estimating and Costing. Mc- Graw Hill.
1978
[45] Soeharto, Iman. Manajemen Proyek: Dari Konseptual Sampai Operasional.
PT. Gelora Aksara Pratama. 1995
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
151
Universitas Indonesia
[46] Dell’Isola, Michael D.. Architect’s Essentials of Cost Management. John
Wiley & Sons Inc. 2002
[47] Dell’Isola, Michael D.. Architect’s Essentials of Cost Management. John
Wiley & Sons Inc. 2002
[48] Serpell, A.F. Improving Conceptual Cost Estimating Performance. AACE
International Transactions. 2006
[49] Harding, Anthony dan David Lowe et. al. The Role of Neural Networks in
Early Stage Cost Estimation in the 21st Century. Department of Building
Engineering, UMIST, UK. 2002
[50] Fortune, C., dan M. Lees. Early Cost Advice for Clients-yhe Practitioners’
Verdict. Proc., Association of Researchers in Construction Management
(ARCOM) 10th
Annual Conf. Loughborough Univ. of Technology, UK, 422-
432. 1994
[51] Harding, Anthony dan David Lowe et. al. The Role of Neural Networks in
Early Stage Cost Estimation in the 21st Century. Department of Building
Engineering, UMIST, UK. 2002
[52] Ross, A. A Price on Design. The Royal Institute of Chartered Surveyors,
London. 1998
[53] Bagus, Julian H. Permodelan Estimasi Biaya Konseptual pada Proyek
Konstruksi Bangunan Pabrik dengan Teknik Jaringan Syaraf Tiruan. Tesis
Program Pascasarjana Fakultas Teknik Sipil UI, Depok, 2007
[54] Menteri Pekerjaan Umum Republik Indonesia. Pedoman Teknis
Pembangunan Bangunan Geudng Negara. Peraturan Menteri Pekerjaan
Umum, No. 45/PRT/M/2007
[55] Lembaran Negara Republik Indonesia. Undang-Undang RI Tentang Jasa
Konstruksi. UU RI No 28 Tahun 2002
[56] Menteri Pekerjaan Umum Republik Indonesia. Pedoman Teknis
Pembangunan Bangunan Geudng Negara. Peraturan Menteri Pekerjaan
Umum, No. 45/PRT/M/2007
[57] Menteri Pekerjaan Umum Republik Indonesia. Pedoman Teknis
Pembangunan Bangunan Geudng Negara. Peraturan Menteri Pekerjaan
Umum, No. 45/PRT/M/2007
[58] Herbert, Swinburne. Design Cost Anaysis. McGraw-Hill Book Company.
1980
[59] Helyar, Frank W. Construction Estimating and Costing. Mc- Graw Hill.
1978
[60] Herbert, Swinburne. Design Cost Anaysis. McGraw-Hill Book Company.
1980
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
152
Universitas Indonesia
[61] Herbert, Swinburne. Design Cost Anaysis. McGraw-Hill Book Company.
1980
[62] Dell’Isola, Michael D.. Architect’s Essentials of Cost Management. John
Wiley & Sons Inc. 2002
[63] Dell’Isola, Michael D.. Architect’s Essentials of Cost Management. John
Wiley & Sons Inc. 2002
[64] Brandt, Peter B. Office Design. Watson-Guptill Publications. 1992
[65] Herbert, Swinburne. Design Cost Anaysis. McGraw-Hill Book Company.
1980
[66] AIA Best Practices. Factors Affecting Building Costs. The Architect’s
Handbook of Professional Practice, 13th
Edition. 2007
[67] Helyar, Frank W. Construction Estimating and Costing. Mc- Graw Hill.
1978
[68] Helyar, Frank W. Construction Estimating and Costing. Mc- Graw Hill.
1978
[69] Herbert, Swinburne. Design Cost Anaysis. McGraw-Hill Book Company.
1980
[70] AIA Best Practices. Factors Affecting Building Costs. The Architect’s
Handbook of Professional Practice, 13th
Edition. 2007
[71] Dirdjojuwono, Roestanto W. Sistem Bangunan Pintar. Pustaka Wirausaha
Muda. 2003
[72] Brandt, Peter B. Office Design. Watson-Guptill Publications. 1992
[73] Dirdjojuwono, Roestanto W. Sistem Bangunan Pintar. Pustaka Wirausaha
Muda. 2003
[74] Brandt, Peter B. Office Design. Watson-Guptill Publications. 1992
[75] Brandt, Peter B. Office Design. Watson-Guptill Publications. 1992
[76] Kreamer, Sieverts. Open Plan Offices. McGraw Hill Book Company UK.
1977
[77] Helyar, Frank W. Construction Estimating and Costing. Mc- Graw Hill.
1978
[78] Helyar, Frank W. Construction Estimating and Costing. Mc- Graw Hill.
1978
[79] Dell’Isola, Michael D.. Architect’s Essentials of Cost Management. John
Wiley & Sons Inc. 2002
[80] Poerbo, Hartono. Tekno Ekonomi Bangunan Bertingkat Banyak. Penerbit
Djambatan. 1998
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
153
Universitas Indonesia
[81] Kreamer, Sieverts. Open Plan Offices. McGraw Hill Book Company UK.
1977
[82] Boje, Axel. Open-Plan Offices. Business Books Ltd. 1971
[83] Poerbo, Hartono. Tekno Ekonomi Bangunan Bertingkat Banyak. Penerbit
Djambatan. 1998
[84] Dell’Isola, Michael D.. Architect’s Essentials of Cost Management. John
Wiley & Sons Inc. 2002
[85] Dell’Isola, Michael D.. Architect’s Essentials of Cost Management. John
Wiley & Sons Inc. 2002
[86] AIA Best Practices. Factors Affecting Building Costs. The Architect’s
Handbook of Professional Practice, 13th
Edition. 2007
[87] Poerbo, Hartono. Tekno Ekonomi Bangunan Bertingkat Banyak. Penerbit
Djambatan. 1998
[88] Dell’Isola, Michael D.. Architect’s Essentials of Cost Management. John
Wiley & Sons Inc. 2002
[89] Kim, Sang-Yong, Jae Won Choi, Gwang Hee Kim. Comparing Cost
Prediction Methods for Apartment Housing Projects: CBR versus ANN.
Journal of Asian Architecture and Building Engineering. 2005
[90] Dell’Isola, Michael D.. Architect’s Essentials of Cost Management. John
Wiley & Sons Inc, hal 136-137. 2002.
[91] Dell’Isola, Michael D.. Architect’s Essentials of Cost Management. John
Wiley & Sons Inc, hal. 107. 2002.
[92] Dell’Isola, Michael D.. Architect’s Essentials of Cost Management. John
Wiley & Sons Inc, hal. 107. 2002.
[93] Setyawati, Bina R., Sidharta Sahirman, Dr. Robert C. Creese, PE CCE.
Neural Network for Cost Estimation. AACE International Transaction,
ES131. 2002
[94] Setyawati, Bina R., Sidharta Sahirman, Dr. Robert C. Creese, PE CCE.
Neural Network for Cost Estimation (Part 2). AACE International
Transaction, ES131. 2003
[95] Kim, Sang-Yong, Jae Won Choi, Gwang Hee Kim. Comparing Cost
Prediction Methods for Apartment Housing Projects: CBR versus ANN.
Journal of Asian Architecture and Building Engineering. 2005
[96] Cheng, Min-Yuang, Hsing-Chih Tsai, Wen-Shan Hsieh. Web-Based
Conceptual Cost Estimate’s for Construction Projects Using Evolutionary
Fuzzy Neural Interference Model. Automation In Construction 18, 164-172.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
154
Universitas Indonesia
Department of Construction Engineering, National Taiwan University of
Science and Technology. 2008
[97] Phaobunjong, K., dan Popescu, C.M. Parametric Cost Estimating Model for
Conceptual Cost Estimating of Building Construction Projects. Texas
University. 2002
[98] Elhag, T.M.S. dan A.H. Boussabaine. Tender Price Estimation: Neural
Network VS Regression Analysis. School of Architecture and Building
Engineering, The University of Liverpool, UK.
[99] Elhag, T.M.S. dan A.H. Boussabaine. Tender Price Estimation: Neural
Network VS Regression Analysis. School of Architecture and Building
Engineering, The University of Liverpool, UK
[100] Stergiou, Christos dan Dimitrios Siganos. Neural Networks:
http://www.doc.ic.ac.uk/~nd/surprise_96/journal/vol4/cs11/report.html
diakses tanggal 10 November 2011
[101] Haykin, S. Neural Networks: A Comprehensive Foundation 2nd
Edition.
Pearson Prentice Hall. 1999
[102] Fausett, L. Fundamentals of Neural Networks: Architectures, Algorithm,
and Applications. New Jersey: Prentice-Hall International, Eaglewood
Cliffs. 1994
[103] Medsker, L dan Liebowitz J. Design and Develop of Expert Systems and Neural Networks. Macmillan, U.S.A. 1994
[104] Wasserman, P. D. Neural Computing—Theory and Practice. New York:
Van Nostrand Reinhold. 1989
[105] Stergiou, Christos dan Dimitrios Siganos. Neural Networks:
http://www.doc.ic.ac.uk/~nd/surprise_96/journal/vol4/cs11/report.html
diakses tanggal 10 November 2011
[106] Stergiou, Christos dan Dimitrios Siganos. Neural Networks:
http://www.doc.ic.ac.uk/~nd/surprise_96/journal/vol4/cs11/report.html
diakses tanggal 10 November 2011
[107] Hola, Jerzy dan Krzysztof Schabowicz. Application of Artificial Neural
Netwroks to Determine Concrete Compressive Strength Based on Non-
Destructive Tests. Journal of Civil Engineering and Management, Vol. XI,
No.1, 23-32. 2005
[108] Stergiou, Christos dan Dimitrios Siganos. Neural Networks:
http://www.doc.ic.ac.uk/~nd/surprise_96/journal/vol4/cs11/report.html
diakses tanggal 10 November 2011
[109] Bagus, Julian H. Permodelan Estimasi Biaya Konseptual pada Proyek
Konstruksi Bangunan Pabrik dengan Teknik Jaringan Syaraf Tiruan. Tesis
Program Pascasarjana Fakultas Teknik Sipil UI, Depok, 2007
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
155
Universitas Indonesia
[110] Bagus, Julian H. Permodelan Estimasi Biaya Konseptual pada Proyek
Konstruksi Bangunan Pabrik dengan Teknik Jaringan Syaraf Tiruan. Tesis
Program Pascasarjana Fakultas Teknik Sipil UI, Depok, 2007
[111] Kasabov, Nikola K. Foundation of Neural Networks, Fuzzy Systems, and
Knowledge Engineering. 2nd
Printing, The MIT Press. 1998
[112] Hegazy, T. dan A. Ayed. A Neural Network Model for Parametric Cost
Estimation of Highway Projects. Journal of Construction Engineering and
Management, ASCE, Vol. 24 No.3, 210-218. 1998
[113] Sodikov, Jamshid. Cost Estimation of Highway Projects in Developing
Countries: Artificial Neural Network Approach. Journal of the Eastern Asia
Society for Transportation Studies, Vol. 6, 1036-1047. 2005Hal 26
[114] Yin, Robert K. Studi Kasus: Desain & Metode. PT. RajaGrafindo Persada.
2002
[115] Yin, Robert K. Studi Kasus: Desain & Metode. PT. RajaGrafindo Persada.
2002
[116] Hegazy, T. dan A. Ayed. A Neural Network Model for Parametric Cost
Estimation of Highway Projects. Journal of Construction Engineering and
Management, ASCE, Vol. 24 No.3, 210-218. 1998
[117] Setyawati, Bina R., Sidharta Sahirman, Dr. Robert C. Creese, PE CCE.
Neural Network for Cost Estimation (Part 2). AACE International
Transaction, ES131. 2003
[118] Hegazy, T. dan A. Ayed. A Neural Network Model for Parametric Cost
Estimation of Highway Projects. Journal of Construction Engineering and
Management, ASCE, Vol. 24 No.3, 210-218. 1998
[119] Setyawati, Bina R., Sidharta Sahirman, Dr. Robert C. Creese, PE CCE.
Neural Network for Cost Estimation (Part 2). AACE International
Transaction, ES131. 2003
[120] Setyawati, Bina R., Sidharta Sahirman, Dr. Robert C. Creese, PE CCE.
Neural Network for Cost Estimation (Part 2). AACE International
Transaction, ES131. 2003
[121] Hegazy, T. dan A. Ayed. A Neural Network Model for Parametric Cost
Estimation of Highway Projects. Journal of Construction Engineering and
Management, ASCE, Vol. 24 No.3, 210-218. 1998
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
156
Universitas Indonesia
DAFTAR REFERENSI
Asiyanto. Construction Project Cost Management. PT. Pradnya Paramita, 2010
Brandt, Peter B. Office Design. Watson-Guptill Publications. 1992
Chester, Michael. Neural Networks, A Tutorial. PTR Prentice-Hall, Inc. 1993
D. Dell’Isola, Michael. Architect’s Essentials of Cost Management. John Wiley &
Sons, Inc.
Dirdjojuwono, Roestanto W. Sistem Bangunan Pintar. Pustaka Wirausaha Muda.
2003
Helyar, Frank W. Construction Estimating and Costing. Mc- Graw Hill. 1978
Herbert, Swinburne. Design Cost Anaysis. McGraw-Hill Book Company. 1980
Irwin, G. W., Hunt K. J., Warwick, K. Neural Network Appications in Control.
IEE Control Engineering Series 53. 1995
Kohn, A. Eugene. Office Buildings. John Wiley & Sons. 2002
Kreamer, Sieverts. Open Plan Offices. McGraw Hill Book Company UK. 1977
Latief, Yusuf. Conceptual Cost Estimatimg. Kuliah Manajemen Biaya. 2010
Mayo, Richard E; Schexnayder, Cifford J. Construction Management
Fundamentals. McGraw Hill Book Company. 2003
Poerbo, Hartono. Tekno Ekonomi Bangunan Bertingkat Banyak. Penerbit
Djambatan. 1998
Puspitaningrum, Diyah. Pengantar Jaringan Syaraf Tiruan. ANDI Yogyakarta.
2006
Schuette, Stephen D; Liska, Roger W. Building Construction Estimating.
McGraw-Hill. 1994
Siang, Jong Jek. Jaringan Syaraf Tiruan dan Pemogramannya Menggunakan
MATLAB. Penerbit ANDI. 2009
Soeharto, Iman. Manajemen Proyek: Dari Konseptual Sampai Operasional. PT.
Gelora Aksara Pratama. 1995
Yin, Robert K. Studi Kasus: Desain & Metode. PT. Raja Grafindo Persada. 2002
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
LAMPIRAN 1
KUESIONER VALIDASI VARIABEL
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 1: Kuesioner Validasi Variabel
L1-1 Universitas Indonesia
ESTIMASI BIAYA TAHAP KONSEPTUAL KONSTRUKSI GEDUNG PERKANTORAN DENGAN MENGGUNAKAN METODE
ARTIFICIAL NEURAL NETWORK
KUESIONER PENELITIAN VALIDASI PAKAR DAN PELAKU KONSTRUKSI
(IDENTIFIKASI VARIABEL-VARIABEL DESAIN GEDUNG KANTOR PADA TAHAP KONSEPTUAL)
LUDYA KESTURI
0806321215
FAKULTAS TEKNIK
DEPARTEMEN TEKNIK SIPIL
2012
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 1: (Lanjutan)
L1-2 Universitas Indonesia
LATAR BELAKANG
Estimasi biaya tahap konspetual pada gedung kantor bertujuan untuk memberikan gambaran mengenai biaya proyek gedung kantor
yang kemudian dapat digunakan sebgaai 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 kantor pada tahap estimasi dan mengembangkan model estimasi tersebut, estimator dapat
merencanakan biaya pembangunan gedung kantor yang dibutuhkan. Hal yang dibutuhkan untuk memenuhi tujuan tersebut adalah data-
data lampau terkait proyek gedung perkantoran yang lampau, berikut variabel-variabel desain atau karakteristik dari gedung perkantoran
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 perkantoran
khususnya, pada tahap konseptual. Dengan output berupa model berdasarkan Artificial Neural Network tersebut, dapat digunakan di
kemudian hari saat mengestimasi biaya pembangunan konstruksi gedung kantor 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 kantor.
2. Mengembangkan model estimasi biaya tahap konseptual gedung kantor dengan menggunakan metode jaringan syaraf tiruan.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 1: (Lanjutan)
L1-3 Universitas Indonesia
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 : Ludya Kesturi pada HP : 08561641125 atau e-mail : ludya.kesturi @gmail.com
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,
Ludya Kesturi
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 1: (Lanjutan)
L1-4 Universitas Indonesia
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..., Ludya Kesturi, FTUI, 2012
Lampiran 1: (Lanjutan)
L1-5 Universitas Indonesia
PETUNJUK PENGISIAN KUESIONER
1. Jawaban merupakan komentar/presepsi/pendapat Bapak/Ibu mengenai variabel-variabel apa saja yang mempengaruhi biaya
konstruksi pembangunan gedung kantor.
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..., Ludya Kesturi, FTUI, 2012
Lampiran 1: (Lanjutan)
L1-6 Universitas Indonesia
Bagian 1
Variabel Indikator Penilaian Keterangan Referensi Ya Tdk Tanggapan
Faktor Lokasi
X1 Lokasi Gedung
Kantor
Kota Berkaitan dengan akses,
mobilisasi alat, kondisi
site
Yokoyama & Tomiya (1988),
Anoli & Masi (2002),
Kim, Choi, & Kang (2005)
X2 Kondisi Tanah cut, fill, cut
& fill,
pembersihan
lahan
Berkaitan dengan
kebutuhan pekerjaan
pengerukan atau
penimbunan lahan
Elhag & Boussabaine (2002)
Faktor Desain
X3 Tipe Pondasi Bore Pile,
Tiang
Pancang,
Mat, Mat
Pile
Berkaitan dengan tipe
pondasi yang digunakan
pada gedung kantor
Kim, Choi, &Kang (2005),
Setyawati, Sahirman,Creese
(2002), Elhag & Boussabaine
(2002)
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 1: (Lanjutan)
L1-7 Universitas Indonesia
Variabel Indikator Penilaian Keterangan Referensi Ya Tdk Tanggapan
X4 Luas Total
Gedung Kantor
m2 Total luas keseluruhan
lantai gedung kantor
Yokoyama & Tomiya (1988),
Anoli & Masi (2002), Setyawati,
Sahirman, Creese (2002)
X5 Jumlah Lapis
Bangunan
numerikal Jumlah tingkat gedung
kantor yang berada di
atas muka tanah
Yokoyama & Tamiya (1988),
Anoli & Masi (2002), Setyawati,
Sahirman, Creese (2002), Kim,
Choi, Kang (2005)
X6 Jumlah Lapis
Bangunan di
Bawah Muka
Tanah
numerikal Jumlah lapis bangunan
yang berada di bawah
muka tanah (basement)
Yokoyama & Tamiya (1988)
X7 Tipe
Superstuktur
beton, baja,
komposit
Jenis superstuktur yang
digunakan pada gedung
kantor
Yokoyama & Tomiya (1988),
Gould (1997)
X8 Jarak Floor-to-
Floor
meter Jarak antara satu lantai
dengan lantai lain di
atasnya pada gedung
Anoli & Masi (2002), Setyawati &
Sahirman (2002)
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 1: (Lanjutan)
L1-8 Universitas Indonesia
Variabel Indikator Penilaian Keterangan Referensi Ya Tdk Tanggapan
X9 Tinggi
Bangunan
meter Tinggi keseluruhan
gedung dari muka tanah
Ferry., Dj (1999), johnson R
(1990), Marshal & Swift (2005)
X10 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)
X11 Tipe Atap Flat (dak
beton),
Wood
Frame, Steel
Frame
Tipe material yang
digunakan untuk atap
gedung
Kim, Choi, Kang (2005)
X12 Finishing
Grade
Rate 1 - 3 Grade dari finishing
berdasarkan indeks
kualitas dari PERMEN PU
No. 45/PRT/2007
Kim, Choi, Kang (2005)
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 1: (Lanjutan)
L1-9 Universitas Indonesia
Faktor Waktu
X13 Tahun
Pembangunan
Tahun Tahun mulai pembuatan
gedung kantor
Kim, Choi, Kang (2005)
X14 Durasi Proyek Bulan Lamanya pembangunan
konstruksi gedung kantor
berlangsung
Kim, Choi, Kang (2005), Elhag
& Boussabaine (2002)
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 1: (Lanjutan)
L1-10 Universitas Indonesia
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..., Ludya Kesturi, FTUI, 2012
LAMPIRAN 2
COMMAND MATLAB ANN
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 2: Command MATLAB ANN
L2-1 Universitas Indonesia Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 2: (Lanjutan)
L2-2 Universitas Indonesia Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 2: (Lanjutan)
L2-3 Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 2: (Lanjutan)
L2-4 Universitas Indonesia Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 2: (Lanjutan)
L2-5 Universitas Indonesia Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 2: (Lanjutan)
L2-6 Universitas Indonesia Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 2: (Lanjutan)
L2-7 Universitas Indonesia Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 2: (Lanjutan)
L2-8 Universitas Indonesia Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 2: (Lanjutan)
L2-9 Universitas Indonesia Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 2: (Lanjutan)
L2-10 Universitas Indonesia Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 2: (Lanjutan)
L2-11 Universitas Indonesia Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 2: (Lanjutan)
L2-12 Universitas Indonesia Estimasi biaya..., Ludya Kesturi, FTUI, 2012
LAMPIRAN 3
RISALAH SIDANG SKRIPSI
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 3: Risalah Sidang Skripsi
L3-1 Universitas Indonesia
UNIVERSITAS INDONESIA
FAKULTAS TEKNIK
PROGRAM STUDI TEKNIK SIPIL
DEPOK
RISALAH PERBAIKAN SIDANG SKRIPSI
Dengan ini menyatakan bahwa pada:
Hari : Jumat, 22 Juni 2012
Jam : 11.00 WIB – selesai
Tempat : Ruang K 105 Telah berlangsung Ujian Sidang Skripsi Semester Genap 2011/2012 Program
Studi Teknik Sipil, Program Pendidikan Sarjana Reguler, Fakultas Teknik
Universitas Indonesia dengan peserta :
Nama : Ludya Kesturi
NPM : 0806321215
Judul Seminar Skripsi : Estimasi Biaya Tahap Konseptual pada Konstruksi
Gedung
Perkantoran dengan Metode Artificial Neural Network
Dan dinyatakan harus menyelesaikan perbaikan Skripsi yang diminta oleh Dosen
Penguji, yaitu:
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 3: (Lanjutan)
L3-2 Universitas Indonesia
Dosen Pembimbing : Ir. Wisnu Isvara, M.T.
No Rekomendasi Koreksi yang dilakukan
1 Penjelasan tambahan deskripsi variabel berupa
range, nilai minimum dan maksimum
pada hal. 137
2 Merekam bobot model dan menggunakannya untuk
run model baru
sudah dilakukan
3 Mencoba variasi hidden layer pada model pada hal. 125 - 128
4 Menambahkan rumus matematis model pada hal. 138 -140
Dosen Pembimbing : Prof. DR. Ir. Yusuf Latief, M.T. No Rekomendasi Koreksi yang dilakukan
1 Perbaiki Daftar Isi dan Daftar Lampiran pada hal. vii-ix dan xii 2 Perbaiki Lampiran sudah dilakukan
3 Perbaiki penulisan tabel yang terputus pada hal. 22 & 41
4 Tambahkan pada subbab 2.4 mengenai aplikasi ANN
pada estimasi tahap konseptual gedung kantor pada hal. 55 - 57
5 Skenario Pelatihan dijelaskan Secara Lebih Rinci pada hal 118 - 128
Dosen Penguji : Ir. Setyo Supriadji, M.S.
No Rekomendasi Koreksi yang dilakukan
1 Digambarkan korelasi masing-masing variabel pada
Nilai Kontrak (Sensitivity Analysis)
pada hal. 141-143
2 Pencantuman range agar tahu batas minimum dan
maksimum variabel
pada hal. 137
Dosen Penguji : Rosmarini, S.T.,M.T. No Rekomendasi Koreksi yang dilakukan
1 Ditambahkan penjelasan lebih merinci mengenai proses
permodelan dengan ANN pada hal. 114-118
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
Lampiran 3: (Lanjutan)
L3-3 Universitas Indonesia
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 I Dosen Penguji II
Ir. Setyo Supriadji, M.S. Rosmariani, S.T.,M.T.
Estimasi biaya..., Ludya Kesturi, FTUI, 2012