PEMODELAN ESTIMASI BIAYA KONSEPTUAL PROYEK GEDUNG SEKOLAH DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK

Fuk Jin Oei; Kevin Pratama Surya

doi:10.33541/cen.v5i2.6261

Fuk Jin Oei Universitas Tarumanegara Jakarta
Kevin Pratama Surya Universitas Kristen Indonesia

DOI: https://doi.org/10.33541/cen.v5i2.6261

Kata Kunci: Artificial Neural Network; Estimasi Biaya; Sekolah; Konseptual; Model

Abstrak

Berdasarkan data Badan Pusat Statistik, pada tahun 2015 jumlah penduduk di Provinsi DKI Jakarta adalah 10.177.900 jiwa dengan laju pertumbuhan 1,02% per tahun. Ada sekitar 14,7% berada di usia sekolah. Untuk memenuhi permintaan akan pendidikan yang berkualitas, pengurus yayasan sekolah X terus mengembangkan dan membangun sekolah-sekolah baru di Jakarta dan sekitarnya. Perencanaan pembangunan sekolah harus dilakukan dengan baik. Salah satu langkah awalnya adalah dengan melakukan studi kelayakan. Estimasi biaya konseptual merupakan hal yang penting pada tahap ini. Ada beberapa kesulitan dalam melakukan estimasi biaya pada tahap konseptual, antara lain adalah kurangnya informasi awal mengenai proyek, kurangnya data biaya proyek, data yang tidak lengkap, dan lain sebagainya. Seiring dengan kemajuan teknologi komputer, berkembanglah metode baru seperti Artificial Neural Network yang dapat digunakan sebagai pendekatan alternatif untuk mengestimasi biaya. Tujuan dari penelitian ini adalah untuk membuat model dengan Artificial Neural Network dengan mengambil 15 data proyek gedung sekolah di Jakarta. Penelitian ini menggunakan analisis faktor untuk menentukan variabel yang akan menjadi input model. Dengan menggunakan program Matlab, hasil dari penelitian ini menunjukkan bahwa pemodelan Artificial Neural Network yang terbaik dari penelitian ini adalah dengan arsitektur jaringan 7-5-1 dengan algoritma backpropagation.

Referensi

Al-Tawal D.R., Arafah M. and Sweis G.J. (2021). A Model Utilizing the Artificial Neural Network in Cost Estimation of Construction Projects in Jordan. Engineering Construction and Architectural Management Vol. 28 No. 9, pp. 2466-2488. https://doi.org/10.1108/ECAM-06-2020-0402

Arafa, M. and Alqedra, M. (2011). Early Stage Cost Estimation of Buildings Construction Projects using Artificial Neural Networks. Journal of Artificial Intelligence 4.

Association for the Advancement of Cost Engineering. (2012). AACE International Recommended Practice No. 56S-08, Cost Estimate Classification System-as Applied for the Building and General Construction Industries, TCM Framework: 7.3-Cost Estimating and Budgeting. Morgantown: AACE International.

Badan Pusat Statistik (2016). Profil Penduduk Indonesia Hasil Supas 2015. Badan Pusat Statistik.

Cheng, M.Y., Hsing, C.T., and Hsieh, W.S. (2009). Web-based Conceptual Cost Estimates for Construction Projects Using Evalutionary Fuzzy Neural Inference Model. Automation in Construction, Vol. 18.

Cirilovic, J., Vajdic, N., Mladenovic, G., and Queiroz, C. (2014). Developing Cost Estimation Models for Road Rehabilitation and Reconstruction: Case Study of Projects in Europe and Central Asia. Journal of Construction Engineering & Management, ASCE 140.

Emsley, M.W., Lowe, D.J., Duff, A.R., Harding A., and Hickson, A. (2002). Data Modelling and The Application of a Neural Network Approach to the Prediction of Total Construction Cost. Journal of Construction Management and Economics, Vol. 20.

Gunaydin, M.H. and Dogan, S.Z. (2004). A Neural Network Approach for Early Cost Estimation of Structural Systems of Buildings. Int. J. Project Manage., 22: 595-602.

Jong, J.S. (2005). Jaringan Syaraf Tiruan & Pemrogramannya Menggunakan Matlab. Yogyakarta: Andi Offset. 2005.

Kim, G.H., Yoon, J.E., An, S.H., Cho, H.H., and Kang, Kl. (2004). Neural Network Model Incorporating a Genetic Algorithm in Estimating Construction Costs. Journal of Building and Environment, Vol. 39.

Nia S. B., Taheri M., and Jamalpour R. (2023). Achieving Realistic Cost Estimates in Building Construction Projects: A Reliability Assessment of Pre-Construction Stage Cost Estimates. International Journal of Construction Engineering and Management, Vol. 12, No. 3, pp. 81-90.

Oei, F. J., Tampubolon, S. P., & Finella, C. (2023). Tinjauan Produktivitas Pekerja Pada Dua Proyek Serta Faktor Yang Mempengaruhinya. Jurnal Rekayasa Teknik Sipil Dan Lingkungan-CENTECH, 4(1), 15-24.

Pettang, C. Mbumbia, L. and Foudjet, A. (1997). Estimating Building Materials Cost in Urban Housing Construction Projects, based on Matrix Calculation. Construct. Build. Mater.

Pemerintah Republik Indonesia. Peraturan Menteri Pekerjaan Umum Nomor 45/PRT/M/2007 Tentang Pedoman Teknis Pembangunan Bangunan Gedung Negara.

Putra A. B. dan Setyandito O. (2023). Analysis of Construction Cost Estimation Ministry Regulation Year 2016 and Year 2022 for Construction Projects. Jurnal Sains Teknologi dan Industri, Vol. 20, No. 2, pp. 611-622.

Sodikov, Jamshid. (2005). Cost Estimation of Highway Projects in Developing Countries: Artificial Neural Network Approach. Journal of the Eastern Asia Society. Transport Stud. 6.

Wang, R., Salleh H., Abdul-Samad Z., Radzuan N.F.M., and Kok C.W. (2024). Fundamentals of Developing Conceptual Cost Estimation Models Using Machine Learning Techniques: Selection and Measurement of Building Attributes. Planning Malaysia: Journal of the Malaysian Institute of Planners, Vol. 22, No. 3, pp. 242-256.

Zhang J., Yuan , J., Mahmoudi A., Ji W., and Fang Q. (2024). A Data-Driven Framework for Conceptual Cost Estimation of Infrastructure Projects Using XGBoost and Bayesian Optimization. Journal of Asian Architecture and Building Engineering, January. https://doi.org/10.1080/13467581.2023.2294871