Hasil Pencarian  ::  Simpan CSV :: Kembali

"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.

---

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."

"ABSTRAKEstimasi biaya tahap konseptual pada konstruksi merupakan hal fundamental bagikeberlangsungan suatu proyek. Perlu dikembangkan suatu metode estimasi biayayang mampu memiliki performa serta akurasi tinggi. Penelitian ini dikhususkanuntuk memberikan gambaran mengenai metode jaringan syaraf tiruan padaestimasi biaya proyek tahap konseptual untuk proyek gedung perkuliahan. Untukmencapai optimasi model, perlu digunakan variabel-variabel yang tepat sebagaiinput sehingga kesahihan dan keakurasian output dapat dipertanggungjawabkan.Variabel yang mempengaruhi biaya proyek gedung perkuliahan yang tersediapada tahap konseptual antara lain, lokasi, pondasi, luas total, tingkat, konstruksiatap, finishing grade, tahun, dan durasi pembangunan. Variabel ini kemudiandimasukkan dalam suatu desain struktur jaringan yang paling cocok sehinggakeakurasiannya mencapai 2%, memenuhi standar AACE.

---

ABSTRACTConceptual estimation is one of the most fundamental part in constructionprojects. Thus, it needed a development in estimation methods in order to gainmore accuracy and better performance in cost estimations. This researchespecially provides an explanation in the implementation of Artificial NeuralNetwork method in lecture building construction cost estimation. To reach modeloptimization, correct variables are needed as inputs to gain output which isaccurate and reliable. The variables which affect the project cost and available atthe conceptual phase are, location, foundation, area, number of story, roofconstruction, finishing grade, year, and project duration. The variables then run inthe best network structure and most fitting model of artificial neural network toobtain the best result, which is 2% complimentary to AACE standard."

"Estimasi biaya proyek jalan layang dengan akurasi yang tinggi pada fase konseptual pengembangan proyek sangat penting untuk perencanaan dan studi kelayakan. Namun, sejumlah kesulitan muncul ketika melakukan estimasi biaya selama tahap konseptual. Mayor masalah yang dihadapi adalah kurangnya informasi awal, kurangnya database jalan layang, kurangnya metode estimasi biaya yang sesuai, dan faktor ketidakpastian. Untuk mencapai optimasi model, perlu digunakan variabel yang tepat dan baik sebagai input sehingga keakurasian output yang dihasilkan dapat dipertanggungjawabkan. Variabel yang mempengaruhi biaya proyek jalan layang yang digunakan pada penelitian ini adalah panjang, lebar, lokasi, tipe pondasi, tahun pembuatan. Variabel tersebut kemudian dimasukkan dalam arsitektur jaringan yang paling cocok dan terbaik sehingga akurasi mencapai 28% sesuai standar AACE.

---

Project cost estimating of flyover with high accuracy in the conceptual phase of project development is essential for planning and feasibility studies. However, a number of difficulties arise when performing cost estimates during the conceptual stage. The major problems encountered is the lack of initial information, the lack of database, the lack of appropriate methods of cost estimation, and uncertainty factors. To reach model optimization, correct and good variables are needed as inputs to gain output which is accurate and accountable. The variables which affect the project cost and use in this research are length, width, type of pondation, location and year. The variables then run in the most suitable network architecture and the best, so that the accuracy reached 28% according to the standard AACE."

"Keselamatan dan Kesehatan Kerja (K3) menjadi salah satu aspek yang wajib dilaksanakan oleh penyelenggara jasa konstruksi baik. Hal ini diatur dalam peraturan pemerintah mengenai pelaksanaan jasa konstruksi. Sektor konstruksi merupakan penyumbang kasus kecelakaan terbesar di Indonesia dengan rata-rata kejadian sekitar 32% setiap tahunnya Angka kecelakaan kerja didunia konstruksi setiap tahunnya terus meningkat. Salah satu aspek keberhasilan pelaksanaan keselamatan kerja adalah dengan tersedianya anggaran yang layak dan secara khusus dialokasikan untuk pelaksanaan K3 di proyek konstruksi, namun alokasi biaya K3 secara aktual pada sebagian besar proyek saat ini masih belum mencukupi apabila dibandingkan dengan pedoman yang berlaku di lingkungan Kementrian PUPR. Hal tersebut dapat meningkatkan anggaran biaya awal dan menyebabkan kerugian finansial. Sehingga perlu dikembangkan model estimasi biaya yang mampu melakukan estimasi biaya dengan cepat dan akurat. Tujuan dari penelitian ini adalah untuk melakukan estimasi biaya K3 Kontruksi dengan cepat dan mempunyai tingkat akurasi yang tinggi. Penelitian akan melakukan pembelajaran biaya K3 dengan metode fuzzy dan jaringan saraf tiruan (Artificial Neural Network). Hasil dari penelitian ini adalah model estimasi biaya K3 yang memiliki tingkat akurasi yang tinggi dengan nilai MAPE (Mean Absolute Percentage Error) sebesar 9,906%. Model yang didapat memiliki tingkat akurasi yang lebih baik apabila dibandingkan dengan perhitungan estimasi biaya menggunakan analisa regresi.

---

Occupational Safety and Health (OHS) is must be implemented in construction project. This is regulated in government regulations regarding the implementation of construction services. The construction sector is the biggest contributor to accident cases in Indonesia with an average occurrence of around 32% every year. The number of work accidents in the construction world continues to increase every year. Implementation of Occupational Safety and Health (OHS) can be success if the availability of budget are specifically allocated for the implementation of OHS in construction projects, but the actual allocation of OHS costs in most projects is still insufficient when compared with the applicable guidelines in Kementrian PUPR. This can increase the initial budget and cause financial losses. So it is necessary to develop a cost estimation model that is able to estimate costs quickly and accurately.

The purpose of this study is to estimate OHS Construction costs quickly and have a high degree of accuracy. The study will conduct OHS cost learning with fuzzy method and artificial neural network. The results of this study are the OHS cost estimation model that has a high level of accuracy with a MAPE (Mean Absolute Percentage Error) of 9.906%. The model has a higher accuracy than the calculation of estimated costs using regression analysis."

"Akurasi estimasi biaya konstruksi proyek jalan dalam tahap konseptual merupakan hal penting dalam proses perencanaan, pemrograman serta rencana studi kelayakan. Kesulitan-kesulitan yang muncul dalam menghitung estimasi biaya konstruksi dalam tahap konseptual diantaranya kekurangan sejumlah informasi awal, kekurangan basis data dari biaya pelaksanaan pekerjaan jalan, data-data yang hilang, metode perkiraan biaya yang tepat, dan sejumlah ketidakpastian. Biaya-biaya yang timbul dalam pengelolaan konstruksi jalan merupakan sesuatu yang 'noisy', yang diakibatkan oleh faktor-faktor yang tidak dapat diprediksi seperti judgement, fluktuasi harga pasar secara acak, dan kondisi cuaca. Artificial Neural Network (ANN) merupakan salah satu cabang dari Artificial Intelligence yang berguna dalam hal memecahkan masalah dengan meniru cara kerja otak manusia. Penelitian akan mengeksplorasi penggunaan teknik ANN dalam memodelkan estimasi biaya konseptual proyek konstruksi jalan. Pelatihan serta evaluasi kinerja untuk tiap model yang dibuat dilakukan dengan teknik heuristik dan trial error untuk mencari model yang tepat dan efisien dalam memprediksi estimasi biaya dari suatu pekerjaan konstruksi jalan dalam tahap konseptual. Model estimasi biaya berbasis ANN kemudian dikembangkan ke dalam suatu sistem prototype yang mampu mengestimasi biaya konseptual konstruksi jalan dengan akurat. Hasil estimasi dari sistem prototype menunjukan rata-rata kesalahan sebesar 11.44% untuk seluruh data pelatihan dan pengujian, dengan tingkat generalisasi prediksi lebih baik dibandingkan dengan keluaran Matlab.

---

Accuracy in conceptual cost estimation of highway construction is important to plan, program, and assess the feasibility of project. The difficulties arise in cost estimation as follow: lack of initial information and database of construction, lost of data, incompatible method of estimation, and uncertainties. Cost function in highway construction are very noisy caused by many unpredictable factors i.e. judgement, market price fluctuation randomly and weather condition.

Artificial Neural Network (ANN) is a branch of Artificial Intelligence which is very useful in problem solving by mimics the human brain function. This research explores the use of ANN to develop the model of conceptual cost estimation in highway construction. Training and performance evaluation have been performed by heuristic and trial-error to find the fit and proper model in cost prediction of conceptual stage.

Cost estimation model base ANN technique is developed into prototype system that could estimate the conceptual cost of highway construction accurately. Estimation result of prototype system shows average error reach 11.44% for all training and testing data where generalization of prototype system output is better than Matlab."

"Estimasi biaya konseptual merupakan hal yang fundamental dalam suatu proyek konstruksi, dimana akan menentukan kelayakan dan budget pendanaan suatu proyek. Namun, kurangnya informasi dan gambar design yang belum lengkap pada tahapan konseptual, membuat estimasi ini sulit untuk dilakukan. Penelitian ini membahas faktor-faktor yang mempengaruhi biaya konstruksi suatu gedung perkantoran dan membuat suatu permodelan estimasi biaya konseptual pada gedung perkantoran dengan fuzzy logic. Hasil penelitian ini menunjukkan bahwa terdapat enam faktor utama yang mempengaruhi biaya konseptual pada konstruksi gedung perkantoran. Dengan keenam faktor ini, suatu permodelan estimasi biaya konseptual akan dibentuk dan dapat digunakan untuk memprediksi suatu proyek di masa mendatang.

---

Conceptual cost estimation plays an important role in the construction projects, where this estimation will determine the project‟s feasibility and budget funds for a projects. However, due to the lack of information and incomplete construction drawings during the conceptual phase, the cost estimation becomes difficult task to do. This research identifies office building factors that significantly influence the cost of construction projects using fuzzy logic and develop a reasonably accurate conceptual cost prototype that can be used in the office building construction projects The results showed that there are six main factors affecting significantly conceptual cost estimation in office building construction. Along with these factors, a conceptual cost prototype is identified and can be used in construction projects later on."

"Estimasi biaya merupakan kunci kesuksesan suatu proyek dari tahap konsep hingga tahap akhir. Dua komponen yang terdapat dalam estimasi biaya adalah biaya langsung dan biaya tidak langsung. Biaya langsung memegang peranan yang penting karena besarnya dominan terhadap total biaya. Efisiensi pada biaya langsung dapat berpengaruh terhadap laba kotor proyek. Dengan menggunakan data historis proyek, bobot laba kotor akan diketahui berdasarkan bobot biaya langsung yang ada. Metode yang digunakan dalam penelitian ini adalah Fuzzy Logic dan Artificial Neural Network menggunakan Matlab. Dari penelitian yang dilakukan, diketahui bahwa untuk proyek kampus, ANN memberikan hasil yang lebih akurat. Dengan menggunakan hasil ini, simulasi telah dilakukan dan diperoleh range laba kotor proyek sebesar (13,51-14,69%). Sementara itu range untuk komponen biaya langsungnya (25,93-34,13%) untuk biaya upah; (45,71-56,11%) untuk biaya bahan; (27,61-43,90%) untuk biaya subkontraktor; (5,74-14,3%) untuk biaya peralatan; dan (9,08-12,19%) untuk biaya overhead proyek. Sedangkan untuk proyek kantor, Fuzzy Logic memberikan hasil yang lebih akurat. Dengan menggunakan hasil tersebut, simulasi telah dilakukan dan diperoleh range laba kotor sebesar (13,09-16,74%). Range biaya langsungnya (23,32-31,33%) untuk biaya upah; (44,47-53,08%) untuk biaya bahan; (37,47-48,99%) untuk biaya subkontraktor; (8,21-13,52%) untuk biaya peralatan; dan (11,87-16,09%) untuk biaya overhead proyek.

---

Cost estimate is the key to the success of a project from concept stage until the final stage. Two components are included in cost estimate are direct cost and indirect cost. Direct cost is important because of the large dominant to the total cost. Efficiency on direct cost can effecting gross profit project. With use historical data project, weight of gross profit will be known based on existing weight of direct cost. Methods used in this research are Fuzzy Logic and Artificial Neural Network with Matlab. From the research conducted, it is known that for college project, ANN produced more accurate output. With use this result, simulation have been done and obtained range of gross profit by (13,51-14,69%). While range components of direct cost are (25,93-34,13%) for wage cost; (45,71- 56,11%) for materials cost; (27,61-43,90%) for subcontractor cost; (5,74-14,3%) for equipment cost; and (9,08-12,19%) for overhead project cost. For office project, Fuzzy Logic gives more accurate result. With use this result, simulation have been done and obtained range of gross profit by (13,09-16,74%). Range components of direct cost are (23,32-31,33%) for wage cost; (44,47-53,08%) for materials cost; (37,47-48,99%) for subcontractor cost; (8,21-13,52%) for equipment cost, and (11,87-16,09%) for overhead project cost."

"Salah satu hal penting dalam manajemen proyek konstruksi adalah tahap estirnasi awal (conceptual). Menurut AACE tahap konseptual dibuat dengan keterbatasan informasi pada lingkup proyek, belum masuk dalarn tahap desain dan engineering. Menurut AACE akurasi tahap konseptual berada pada rentang -20% sampai +30% dari biaya proyek sebenarnya. Teknik jaringan saraf timan merupakan salah satu cabang dari Artificial Intelegence yang berguna memecahkan masalah dengan meniru cara keija otak manusia. Penelitian ini mengeksplorasi penggunaan teknik JST dalam memodelkan estirnasi biaya konseptual proyek konstruksi bangunan pabrik. Model estirnasi biaya berbasis JST kemudian dikembangkan ke dalam sistem prototype yang mampu mengestirnasi biaya konseptual konstruksi bangunan pabrik dengan waktu yang relative singkat dan akurat.

---

One of the important things in construction project management is the stage of initial estimates (conceptual). AACE in the conceptual stage is made with limited information on the scope of the project ang has not entered into the stage of design and engineering. The conceptual stage by AACE as accuracy in the estimation of conceptual expected to be in the range -20% to +30% of actual project costs. Artificial Neural Network (ANN) is onebrach of Artificial Intelligence which is useful in terms of solving problems by Artificial Intelligence which is useful in terms mimicking the workings of the human brain.

This study will explore the use of ANN techniques in modeling the estimated cost of plant construction project conceptually. ANN-based cost estimation model and then developed into a prototype system that is able to estimate the cost of conceptual of factory building with a relatively short time and accurate."

"Peralatan Perangkat Pelepas Tekanan (PRD) dioperasikan dengan tujuan untuk melindungi kehidupan dan keselamatan dalam suatu sistem bertekanan. Peralatan akan mengalami penurunan kondisi seiring berjalannya waktu pemakaian. Ketidakmampuan PRD untuk melakukan fungsinya perlu diidentifikasi sebagai mode kegagalan. Untuk mengurangi risiko apabila terjadi kegagalan, suatu pendekatan seperti Risk Based Inspection (RBI) dapat dilakukan. Metode RBI yang umum digunakan masih menggunakan pendekatan kualitatif, sehingga menghasilkan variasi yang cukup besar. Penelitian ini mengusulkan metode analisa risiko dengan menggunakan pembelajaran mesin berbasis deep learning untuk mengembangkan suatu model penilaian risiko pada PRD akibat mode kegagalan fail on demand (POFOD) yang diharapakan dapat mempersingkat waktu, meningkatkan akurasi, efisiensi dalam pengolahan data hasil inspeksi, serta biaya; dengan menawarkan hasil akurasi perhitungan yang tinggi. Penelitian ini menghasilkan program prediksi risiko dengan menggunakan metode klasifikasi pembelajaran mesin berbasis deep learning akibat mode kegagalan fail on demand pada peralatan perangkat pelepas tekanan. Pembuatan dataset yang digunakan pada model bersumber dari 160 data yang diolah dengan menggunakan standar API 581. Penelitian ini menggunakan beberapa parameter model seperti test size sebesar 20%, random state bernilai 0, penggunaan jumlah epoch sebesar 150, learning rate sebesar 0.001, dan layer berjumlah 3 dengan dense 64,64,8; yang menghasilkan akurasi model sebesar 91%, dari validasi confusion matrix.

---

Pressure Relief Device (PRD) equipment is operated with the aim of protecting the lives and safety within a pressurized system. An equipment experiences deterioration over time. The inability of PRD equipment to perform its design function needs to be identified as a failure mode. To reduce the risk in case of failure, an approach such as Risk Based Inspection (RBI) can be implemented. The commonly used RBI methods still rely on qualitative approaches, leading to significant variations. This research proposes a method using deep learning to develop a risk assessment model for PRD due to the failure on demand. This is expected to shorten the assessment time, improve accuracy, efficiency, and reduce costs by offering highly accurate calculation results. This research produces a risk prediction program using a deep learning classification method for POFOD in pressure relief device equipment. The dataset used in the model consists of 160 data processed according to API 581 standards. This research utilizes several model parameters, including a test size of 20%, 0 value of random state, 150 epochs, a learning rate of 0.001, and 3 layers with dense of 64, 64, 8. The model achieves an accuracy of 91% from the validation confusion matrix."