PENDEKATAN ANN (ARTIFICIAL NEURAL NETWORK) UNTUK PENENTUAN PROSENTASE BOBOT PEKERJAAN DAN ESTIMASI NILAI PEKERJAAN STRUKTUR PADA RUMAH SAKIT PRATAMA
Aulia Yudha Prathama(1*)
(1) Universitas Gadjah Mada
(*) Corresponding Author
Abstract
Pengambilan keputusan dalam estimasi biaya dalam proses perancangan bangunan memiliki peranan penting. Oleh sebab itu kebutuhan akan alat estimasi baik dari sisi desain perencanaan maupun manajemen proyek perlu dikembangkan. Makalah ini membahas manfaat metodologi jaringan syaraf tiruan (Artificial Neural Network) untuk mengatasi masalah estimasi biaya nilai pekerjaan struktural pada tahap proses perancangan bangunan. Nilai pekerjaan struktural sendiri memiliki alokasi yang cukup besar dari total kontrak dan merupakan item pekerjaan yang cukup penting dalam suatu pekerjaan konstruksi bangunan. Data terkait nilai pekerjaan struktural dan desain item pekerjaan dari 8 proyek digunakan untuk pelatihan dan pengujian Metode Artificial Neural Network (ANN) dengan tujuh variabel desain digunakan dalam memprakirakan nilai biaya pekerjaan struktural dari bangunan Rumah Sakit Pratama pada daerah terpencil di Indonesia. Dari simulasi ANN diperoleh persamaan empiris terbaik untuk prakiraan harga kontrak gedung rumah sakit pada tahap perencanaan dengan struktur ANN terbaik 7-9-1 (7 variabel input, 1 hidden layer dengan 9 neuron dan 1 output) dengan hasil akurasi estimasi biaya rata – rata 96.51% tercapai.
Keywords
Full Text:
PDFReferences
Al-Tabtabai H, Alex AP. Modeling The Cost Of Political Risk In International Construction Projects. Project Manage J2000;31(3):4–13.
Aptiyasa, P.A.A.., 2014. Cost Model Konseptual Untuk Bangunan Gedung Rumah Sakit, Yogyakarta: Tesis. Universitas Atmajaya.
Arditi D. Cross-Impact Analysis Of Information Technologies And Project Management Knowledge Areas In The Building Design Process. Pennsylvania: PMI; 2002 [p. 435–54, Chapter 26].
Erlianingsih, H., 2016. Prakiraan Harga Gedung Kampus dengan Menggunakan Pemodelan ANN (Studi Kasus : Gedung Universitas Gadjah Mada). Yogyakarta: Tesis. Universitas Gadjah Mada.
Hegazy, T. and A. Ayed., 1998. A Neural Network Model for Parametric Cost Estimation of Highway Projects. Journal of Construction Engineering and Management, ASCE, Vol. 24 No.3,210-218.
Kalogirou SA. Artificial Neural Networks In Renewable Energy Systems Applications: A Review. Renew Sust Energ Rev 2001;5:37
Kesturi, L., 2012. Estimasi Biaya Tahap Konseptual pada Konstruksi Gedung Perkantoran dengan Metode Artificial Neural Network. Jakarta: Tesis. Universitas Indonesia.
Kim, G.H, Sung, H.A., Kyung I.K., 2004. Comparison of construction cost estimating models based on regression analysis, neural networks, and casebased reasoning. Elsevier.
Kusumadewi, S., 2004, Membangun Jaringan Saraf Tiruan Menggunakan MATLAB & Excel Link. Yogyakarta: Penerbit Graha Ilmu.
Mohamed A, Celik T. Knowledge Based-System For Alternative Design, Cost Estimating And Scheduling. Knowl Based Syst 2002;15:177–88.
Priyatno, D., 2013. Analisis Korelasi, Regresi dan Multivariate dengan SPSS. Yogyakarta: Gava Media.
Rumelhart D., Hinton G. and Williams R., 1986. Learning Internal Representations by Error Propagation. U.S.A: Cambridge: MIT Press.
S.Zeynep. Dogan, 2004. A Neural Network Approach for Early Cost Estimation of Structural System of Buildings www.elsevier.com/locate/ijproman
Saner C., 1993. A Proposal For Cost-Estimation For Structural Systems Of 4–8 Storey Residential Buildings. MSc Thesis, Istanbul Technical University
Setyawati, Dkk, 2002. Neural Network for Cost Estimation. AACE InternationalTransaction,ES131.
Shtub A, Versano R. Estimating The Cost Of Steel Pipe Bending, A Comparison Between Neural Networks Andregression Analysis. Prod Econ 1999;62:201–7.
Shottlander, E.D., 2006. How Accurate are Your Estimates? AACE International Transactions.
Squeira I., 1999. Neural Network-Based Cost Estimating, Master’s Thesis. Department of Building, Civil and Environmental Engineering, Concordia University
Wartati, D., Nur A.E., 2016. Aplikasi Jaringan Saraf Tiruan dan Particle Swarm Optimization untuk Peramalan Indeks Harga Saham Bursa Efek Indonesia. Jurnal Teknosains UGM Vol.6, ISSN: 2089-6131 (Print), ISSN: 2443-1311 (Online)
Wijiyanto, N.A, Kusrini D.E., Irhamah, 2012. Peramalan Nilai Kontrak Konstruksi PT’X’ dengan Menggunakan Pendekatan Regeresi Time Series dan ANFIS. Jurnal Sains dan Seni ITS Vol.1,ISSN:2301-928X.
Zhang YF, Fuh JYH, 1998. A Neural Network Approach For Early Cost Estimation Of Packaging Products. Comput Ind Eng 1998;34(2):433–50.
DOI: https://doi.org/10.22146/teknosains.30139
Article Metrics
Abstract views : 40943 | views : 40170Refbacks
- There are currently no refbacks.
Copyright (c) 2018 Aulia Yudha Prathama
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright © 2024 Jurnal Teknosains Submit an Article Tracking Your Submission
Editorial Policies Publishing System Copyright Notice Site Map Journal History Visitor Statistics Abstracting & Indexing