Anda di halaman 1dari 29

Optimasi Proses Manajemen Pemeliharaan Gedung

Menggunakan Model Markov

1. PENDAHULUAN

Manajer-manager bangunan gedung semakin dihadapkan pada suatu


keharusan menjaga aset-aset mereka agar lebih efisien dan efektir antara lain
melalui pengurangan biaya pemeliharaan dan rehabilitasi jangka pendek dan
jangka panjang.

Pemeliharaan ( maintenance ), menurut The American Management


Association, Inc . (1971), adalah kegiatan rutin, pekerjaan berulang yang
dilakukan untuk menjaga kondisi fasilitas produksi agar dapat dipergunakan
sesuai dengan fungsi dan kapasitas sebenarnya secara efisien. Ini berbeda
dengan perbaikan. Pemeliharaan ( maintenance ) juga didefenisikan sebagai
suatu kombinasi dari berbagai tindakan yang dilakukan untuk menjaga suatu
barang dalam, atau memperbaikinya sampai suatu kondisi yang bisa diterima
( BS3811, 1974 dalam Corder, 1992).

Di Indonesia, istilah pemeliharaan dan atau perawatan itu sendiri telah


dimodifikasi oleh Menteri Pekerjaan Umum (Permen Pekerjaan Umum Nomor :
24/PRT/M/2008 tgl. 30 Desember 2008)

Pemeliharaan bangunan gedung adalah kegiatan menjaga keandalan


bangunan gedung beserta prasarana dan sarananya agar bangunan gedung
selalu laik fungsi. (Permen Pekerjaan Umum Nomor : 24/PRT/M/2008 tgl. 30
Desember 2008)

Perawatan bangunan gedung adalah kegiatan memperbaiki dan/atau


mengganti bagian bangunan gedung, komponen, bahan bangunan, dan/atau
prasarana dan sarana agar bangunan gedung tetap laik fungsi. (Permen

1
Pekerjaan Umum Nomor : 24/PRT/M/2008 tgl. 30 Desember 2008)

Sedangkan yang dimaksud dengan bangunan gedung adalah wujud fisik


hasil pekerjaan konstruksi yang menyatu dengan tempat kedudukannya, sebagian
atau seluruhnya berada di atas dan /atau di dalam tanah dan/atau air, yang
berfungsi sebagai tempat manusia melakukan kegiatannya, baik untuk hunian
atau tempat tinggal, kegiatan keagamaan, kegiatan usaha, kegiatan sosial,
budaya, maupun kegiatan khusus. (Permen Pekerjaan Umum Nomor :
24/PRT/M/2008 tgl. 30 Desember 2008)

Dalam lingkup infrastuktur, terdapat beberapa contoh pemeliharaan


infrastruktur yang menggunakan pendekatan Markov; misalnya :

1) Pemeliaharaan perkerasan jalan raya (Nesbitt et al 1993;


Durango-Cohen dan Mandanat 2006)
2) Pemeliharaan saluran pembuangan air limbah (Micevski et al
2002)
3) Pemeliharaan struktur jembatan (Al Cesare et. 1994)
4) Pemeliharaan bangunan gedung (Winden dan Dekker 1998,
Lounis dan Vanier 2000, Augenbroe dan Park 2002).
5) pemeliharaan fasad bangunan (Morcous et al. 2003 dan
Morcous dan Lounis 2006)

2. MANAJEMEN PEMELIHARAAN BANGUNAN GEDUNG

Model keputusan berbasis Markov untuk rasionalisasi pemeliharaan


gedung, yang dikembangkan oleh Van Winden dan Dekker (1998) digunakan
pada tingkat strategis untuk perencanaan pemeliharaan bangunan yang dimiliki
masyarakat. Nilai model sebagai instrumen manajemen dalam memperkirakan
dan mengalokasikan anggaran pemeliharaan telah didemonstrasikan dalam
kasus pemodelan empat (4) elemen bangunan, yaitu:

2
1) pondasi,
2) dinding,
3) bingkai jendela dan
4) atap bangunan.

Pemodelan kerusakan komponen ini untuk menentukan kebijakan


pemeliharaan dan perawatan yang menjamin tingkat kualitas rata-rata untuk
menetapkan biaya minimal. Lounis dan Vanier [2000] menggambarkan
pengembangan sistem manajemen pemeliharaan atap mengintegrasikan modul
penilaian kondisi eksisting (yaitu Roofer; [Bailey 1990]), dan kinerja prediksi
berdasarkan model Markov, dengan skema optimasi multi-objektif.

Optimasi pemeliharaan meliputi penentuan alokasi dana yang optimal


dan prioritas untuk pemeliharaan, perbaikan dan penggantian yang memenuhi:

1) minimalisasi biaya pemeliharaan dan perbaikan;


2) maksimalkan kinerja atap, dan
3) meminimalkan risiko kegagalan.

Kompromi programming digunakan untuk menyelesaikan masalah


optimasi dan sistem dimaksudkan untuk memberikan penguatan manajer suatu
dukungan yang efektif keputusan sistem yang optimal untuk mengidentifikasi
proyek-proyek perbaikan dan pengganti sementara mencapai perdagangan yang
memuaskan-off antara tujuan pemeliharaan bertentangan.

Augenbroe dan Park [2002] menunjukkan bahwa masalah pemeliharaan


gedung dapat dirumuskan sebagai proses pengambilan keputusan Markov.
Mereka menunjukkan bahwa model rantai Markov diskrit tepat menggambarkan
baik ketergantungan waktu dan keacakan kinerja membangun sistem dan
dengan demikian dapat digunakan secara sistematis untuk keputusan mengenai

3
penggantian komponen bangunan yang mempengaruhi lingkup kegiatan
pemeliharaan tahunan. Pendekatan seperti ini memungkinkan perbandingan
berbagai kebijakan pemeliharaan yang dihasilkan biaya pemeliharaan dan
kualitas bangunan. Para penulis juga menyarankan bahwa pendekatan ini
memberikan wawasan tentang hubungan antara biaya pemeliharaan tahunan
dan kualitas bangunan, baik pada jangka pendek maupun jangka panjang.

Menurut Corder (1992), tujuan pemeliharaan yang utama dapat


didefenisikan dengan jelas sebagai berikut:

1. Memperpanjang usia kegunaan aset (yaitu setiap bagian dari suatu


tempat kerja, bangunan, dan isinya).
2. Menjamin ketersediaan optimum peralatan yang dipasang untuk
produksi (atau jasa) dan mendapatkan laba investasi ( return of
investment ) maksimum yang mungkin.
3. Menjamin kesiapan operasional dari seluruh peralatan yang diperlukan
dalam kegiatan darurat setiap waktu, misalnya unit cadangan, unit
pemadam kebakaran dan penyelamat, dan sebagainya.
4. Menjamin keselamatan orang yang menggunakan sarana tersebut.

3. MARKOVE CHAIN

Rantai Markov (Markov Chain) adalah suatu teknik matematika yang


biasa digunakan untuk pembuatan model (modelling) bermacam-macam sistem
dan proses bisnis. Teknik ini dapat digunakan untuk memperkirakan perubahan-
perubahan di waktu yang akan datang dalam variabel-variabel dinamis atas
dasar perubahan-perubahan dari variabel-variabel dinamis tersebut di waktu
yang lalu. Teknik ini dapat juga digunakan untuk menganalisa kejadian-kejadian
diwaktu-waktu mendatang secara matematis.

4
Teknik markov chains dapat digunakan untuk memperkirakan
perubahan – perubahan diwaktu yang akan datang dalam variabel – variabel
dinamis atas dasar perubahan – perubahan dari variabel – variabel dinamis
tersebut di waktu yang lalu. Teknik ini dapat juga digunakan untuk menganalisa
kejadian – kejadian di waktu – waktu mendatang secara sistematis.

Penerapan Proses Markov mula – mula adalah digunakan untuk


menganalisa dan memperkirakan perilaku partikel – pertikel gas dalam suatu
wadah (container) tertutup serta meramal keadaan cuaca. Sebagai suatu
peralatan riset operasi dalam pengambilam keputusan manajerial.Proses Markov
telah banyak diterapkan untuk menganalisa tentang perpindahan merek (brands
witching) dalam pemasaran, perhitungan rekening, jasa persewaan mobil,
perencanaan penjualan, masalah – masalah persediaan, pemeliharaan mesin,
antrian, perubahan harga pasar saham, dan administrasi rumah sakit. Dengan
adanya praktikum kali ini diharapkan para praktikan mampu mempelajari,
mengolah dan menyelesaikan suatu teknik markov chains dengan program QS
maupun secara manual sehingga nantinya bisa diterapkan para praktikan dalam
dunia kerja.

4. ANALYSIS MARKOVE CHAIN


( sumber : http://yasinta.wordpress.com/2008/09/16/analisa-rantai-
markov)

Analisa rantai Markov adalah suatu teknik probabilitas yang


menganalisis pergerakan probabilitas dari satu kondisi ke kondisi lainnya.
Dikenalkan oleh Andrey A. Markov, ahli matematika dari Rusia yang lahir tahun
1856. Analisa Markov hampir sama dengan decision analysis, bedanya adalah
analisa rantai Markov tidak memberikan keputusan rekomendasi, melainkan
hanya informasi probabilitas mengenai situasi keputusan yang dapat membantu
pengambil keputusan mengambil keputusan. Dengan demikian, analisa rantai

5
Markov bukanlah teknik optimisasi, tetapi adalah teknik deskriptif yang
menghasilkan informasi probabilitas dimasa mendatang.

Untuk dapat menerapkan analisa rantai Markov kedalam suatu kasus,


ada beberapa syarat yang harus dipenuhi :

1. Jumlah probabilitas transisi untuk suatu keadaan awal dari system sama
dengan 1
2. Probabilitas-probabilitas tersebut berlaku untuk semua partisipan dalam
system
3. Probabilitas transisi konstan sepanjang waktu
4. Kondisi merupakan kondisi yang independent sepanjang waktu.

Dalam realita, penerapan analisa Markov bias dibilang cukup terbatas


karena sulit menemukan masalah yang memenuhi semua sifat yang diperlukan
untuk analisa Markov, terutama persyaratan bahwa probabilitas transisi harus
konstan sepanjang waktu (probabilitas transisi adalah probabilitas yang terjadi
dalam pergerakan perpindahan kondisi dalam system).

Contoh Aplikasi

Aplikasi analisa rantai Markov yang terkenal diantaranya adalah analisa


perpindahan merek dari pelanggan, analisa probabilitas kerusakan mesin,
analisa hutang tak tertagih, dan masih banyak lagi yang lainnya. Sebagai contoh
aplikasi, kelompok kami akan membuat sebuah model perpindahan merek
(karena cukup sederhana dibandingkan model lainnya) seperti dibawah ini :

Misalkan ada tiga perusahaan pengiriman barang disuatu kota dengan


penduduk 2000 orang, yaitu A, B, dan C. Setiap bulannya, penduduk di kota
tersebut menggunakan salah satu dari ketiga perusahaan tersebut. Setelah
diadakan survey, ternyata pelanggan tidak setia sepenuhnya pada perusahaan

6
pengiriman manapun. Pelanggan akan berpindah perusahaan sebagai akibat
adanya peningkatan kualitas pelayanan, periklanan, promosi, dan faktor lainnya.
Hasil surveinya adalah sebagai berikut :

a. Jika pelanggan melakukan transaksi dengan A bulan ini, ada


probabilitas sebesar 50% bahwa pelanggan akan melakukan
transaksi dengan A kembali dibulan berikutnya. Sedangkan
bahwa pelanggan akan berpindah ke B dan C, terdapat
probabilitas sebesar 30% dan 20%

b. Untuk pelanggan yang bulan ini mengadakan transaksi dengan


B, terdapat probabilitas sebesar 55% bahwa pelanggan
tersebut akan kembali pada mereka dibulan berikutnya.
Sedangkan bahwa pelanggan akan berpindah ke A dan C,
terdapat probabilitas sebesar 20% dan 25%

c. Untuk C, probabilitas bahwa pelanggan akan kembali pada


mereka dibulan berikutnya adalah 60%. Sedangkan
probabilitas pelanggan akan beralih ke A dan B adalah 20%
dan 20%.

Probabilitas pergerakan pelanggan perbulan tersebut dapat dijabarkan sebagai


berikut dalam matriks transisi:

Tabel 1 : Probabilitas kesetian pelanggan terhadap perusahaaan AB dan C

7
Jika ditetapkan event 1 = (0,3  0,35  0,35), hasil perkalian event dengan matriks
transisi diatas terlihat seperti dibawah ini :

Tabel 2 : Matrix kesetiaan Pelanggan pada Perusahaan A, B dan C

Dengan event sebesar (0,3  0,35  0,35) didapati equilibrium tercapai


pada bulan ke 12, yaitu sebesar : Perusahaan A = 29%Perusahaan B = 35%
Perusahaan C = 36%

8
Dengan demikian terlihat bahwa meskipun pangsa pasar A menurun
terus pada bulan-bulan pertama, ternyata akhirnya berhenti di 29% ketika
mencapai masa equilibriumnya. Demikian juga dengan pangsa pasar B dan C
yang mengalami kenaikan dan penurunan pada awal periode, namun akan tetap
konstan setelah masa equilibrium tercapai. Artinya pangsa pasar ketiga
perusahaan tidak akan berubah lagi, kecuali ada perubahan operasi yang dapat
mengakibatkan perubahan jumlah transaksi yang terjadi.

Maka, dengan penduduk sebesar 2000 orang, yang dilayani oleh


masing-masing perusahaan adalah :

Perusahaan A = 2000 x 29% = 580 orang


Perusahaan B = 2000 x 35% = 700 orang
Perusahaan C = 2000 x 36% = 720 orang

Sebagai tambahan, juga dilakukan percobaan  membuktikan hasil perhitungan


dari matriks kejadian pada hasil kerja yang pertama, yaitu dengan percobaan
awal terhadap MK (1  0  0), yang kemudian dibandingkan terhadap pembalikkan
apabila yang dijadikan MK awal adalah :

a. ( 0  1  0 )….apabila analisis dilakukan oleh perusahaan B, sehingga B = 1


b. ( 0  0  1 )…apabila analisis dilakukan oleh perusahaan C, sehingga C = 1

9
Tabel 3 : Matrix kesetiaan Pelanggan pada Perusahaan A, B dan C dengan
even awal 1 – 0 - 0

Dengan
event awal (1  0  0) (dengan asumsi analisa dilakukan oleh perusahaan A,
sehingga pada bulan 1 100% pelanggan yang melakukan transaksi dengan A
diwakili dengan variable 1. Pada bulan 2, dari 100% yang awalnya melakukan
transaksi dengan A terdapat 30% yang berpindah ke B dan 20% yang lari ke
perusahaan C), ternyata membawa hasil yang tidak jauh berbeda apabila analisa
Markov ini dilakukan oleh perusahaan B atau C. (dapat dilihat pada tabel
dibawah)

10
Dengan event awal (1  0  0) didapati equilibrium tercapai pada bulan ke 15,
dengan pangsa pasar :
A = 29%
B = 35%
C = 36%

Dengan jumlah penduduk 2000 orang, maka total yang dilayani oleh perusahaan
A, B, dan C adalah :
A = 29% x 2000 = 580 orang
B = 35% x 2000 = 700 orang
C = 36% x 2000 = 720 orang

Pembuktiannya adalah hasil perhitungan matriks berikut seandainya analisis


dilakukan oleh perusahaan B dengan event (0  1  0) dikalikan terhadap matriks
transisi diatas :

Tabel 4 : Matrix kesetiaan Pelanggan pada Perusahaan A, B dan C dengan


even awal 0 – 1 - 0

11
Dengan event awal (0  1  0), dapat dilihat bahwa masa equilibrium dicapai pada
bulan ke 14, dengan pangsa pasar equilibrium yang sama, yaitu :

A = 29%
B = 35%
C = 36%

Sedangkan apabila MK awal adalah (0  0  1), yaitu dilakukan oleh perusahaan C,
dapat dilihat bahwa equilibrium tercapai pada

Bulan (e) 15, dengan jumlah pangsa pasar yang sama dengan 2 event diatas,
yaitu : (tabel dibawah) :

A = 29%
B = 35%
C = 36%

Tabel 5 : Matrix kesetiaan Pelanggan pada Perusahaan A, B dan C dengan


even awal 0 – 0 - 1

12
Dengan MK awal seperti hasil kerja kami yang pertama, meskipun tidak
menghasil e2, e3, e4,….en yang tidak sama apabila MK dibolak-balik, namun
nilai pada e equilibrium sama pada pembalikkan manapun.

Keterangan :

Apabila menggunakan Solver, persamaan-persamaan yang harus dimasukkan


adalah persamaan berikut ini :

A = 0.5 A + 0.2 B + 0.2 C


B = 0.3 A + 0.55 B + 0.2 C
C = 0.2 A + 0.25 B + 0.6 C

1=A+B+C
A=1–B–C

Dari hasil perhitungan manual (dengan cara substitusi) persamaan-persamaan


diatas, diketahui equilibrium dari ketiga perusahaan adalah :

A = 29%
B = 35%
C = 36%

Dengan contoh aplikasi diatas, dapat dilihat bahwa analisa rantai Markov hanya
menghasilkan informasi, bukan keputusan.

13
Misalkan analisa diatas dilakukan oleh perusahaan pengiriman barang A, maka
A telah memperoleh informasi berharga untuk masa yang akan datang bahwa :

1. Probabilitas untuk pelanggan yang setia dengan A setelah equilibrium


dicapai adalah 580 orang atau 29% dari total jumlah penduduk.
2. Pangsa pasar A adalah yang paling rendah, yaitu hanya 29%

Dengan diketahuinya hal ini, pengambil keputusan pihak A dapat memikirkan


rencana jangka panjangnya untuk meningkatkan pangsa pasar. Misalnya saja A
dapat menambah kualitas pelayanannya sehingga probabilitas bahwa pada
bulan kedua pelanggan akan kembali pada A dapat bertambah. Dengan
demikian, dalam jangka waktu tertentu ketika A, B, dan C mencapai masa
equilibrium, pangsa pasar A akan bertambah besar.

5. BANGUNAN DENGAN 4FACADE SYSTEMS

Sistim bangunan gedung tinggi menggunakan selimut bangunan yang lebih


dikenal sistim fasad (façade system). Jenis dan tipe selimut bangunan gedung
ini antara lain :

1) Curtain Facades
2) Sun-Blades Special System
3) Ventilated Curtain Facades
4) Photovoltaic Curtain Facades
5) Partition Internal Walls
6) Curtain Sky Glass Wall System

Semua fasad dibuat di Italia oleh CIMA S.R.L. yang menggunakan


sistem ekstrusi profil dari produsen terkemuka profil seperti METRA (Italia) dan
SCHUCO (Jerman). Selama lebih dari 30 tahun CIMA telah di garis-depan dalam
penelitian dan mampu menjamin tingkat tertinggi kualitas, kehandalan dan
layanan.

14
Qualital telah fasad untuk bangunan dengan tipologi estetika yang
berbeda dan berbagai macam warna (RAL warna diklasifikasikan dan khusus).

Mengapa Sistem Kaca Jendela Facade?

1) Penghematan energi: Simpan dan mengontrol keseimbangan


energi, juga membantu lingkungan - membantu produk dengan
konservasi energi dan menghormati lingkungan karena
berbagai faktor (transmitansi termal, pengurangan akustik, fisika
bangunan, pembangunan berkelanjutan).
2) Keamanan: perasaan yang baik dimulai keamanan di rumah.
Berbagai produk kami memberikan perlindungan terhadap
pencuri.
3) Comfort: Meningkatkan rasa kesejahteraan pribadi dan
mendedikasikan diri untuk kenyamanan hidup.
4) Desain: Buat gaya pribadi Anda sendiri dan membangun
dengan berbagai desain.
5) Kualitas: Kami menggunakan bahan berkualitas dalam realisasi
proyek untuk menjamin kinerja optimal dan daya tahan dalam
jangka panjang.

6. MANAJEMEN PEMELIHARAAN BANGUNAN FAÇADE SYSTEM


BERBASIS MARKOV

Kompromi programming digunakan untuk menyelesaikan masalah


optimasi dan sistem dimaksudkan untuk memberikan penguatan manajer suatu
dukungan yang efektif keputusan sistem yang optimal untuk mengidentifikasi
proyek-proyek perbaikan dan pengganti sementara mencapai perdagangan yang
memuaskan-off antara tujuan pemeliharaan bertentangan.

Augenbroe dan Park [2002] menunjukkan bahwa masalah pemeliharaan


gedung dapat dirumuskan sebagai proses pengambilan keputusan Markov.

15
Mereka menunjukkan bahwa model rantai Markov diskrit tepat menggambarkan
baik ketergantungan waktu dan keacakan kinerja membangun sistem dan
dengan demikian dapat digunakan secara sistematis untuk keputusan mengenai
penggantian komponen bangunan yang mempengaruhi lingkup kegiatan
pemeliharaan tahunan. Pendekatan seperti ini memungkinkan perbandingan
berbagai kebijakan pemeliharaan yang dihasilkan biaya pemeliharaan dan
kualitas bangunan. Para penulis juga menyarankan bahwa pendekatan ini
memberikan wawasan tentang hubungan antara biaya pemeliharaan tahunan
dan kualitas bangunan, baik pada jangka pendek maupun jangka panjang.
Manajemen pemeliharaan bangunan façade berbasis Markov (BMM)
model memungkinkan optimasi perencanaan pemeliharaan, dan
memperkenalkan perangkat lunak yang memungkinkan pengguna untuk
memulai bangunan tindakan pemeliharaan. Tujuannya adalah untuk
menyediakan manajer bangunan yang berhadapan dengan harus menjaga aset
bangunan mereka lebih efisien, dengan alat yang dapat mengurangi pendek dan
jangka panjang Beban pemeliharaan dan rehabilitasi. Pada dasarnya, perangkat
lunak BMM bisa baik mengoptimalkan pemeliharaan tindakan perencanaan
berdasarkan anggaran pemeliharaan yang diharapkan atau menentukan
anggaran diharuskan untuk mempertahankan facade ke tingkat yang dapat
diterima minimum kinerja. Skema dari komponen utama dari software ini
diberikan pada Gambar 1. façade ini pertama kali dipertimbangkan dalam
pengembangan perangkat lunak BMM mengingat bahwa itu merupakan unsur
yang signifikan dari selubung bangunan dan bangunan itu sendiri.

Cladding Response Model Input

Selection of Façade Type ( of 3) GIS Data Local Conditions FMECA Performance analysis

Maintenance Planning Maintenance Optimamisation Cladding Response Model Input

16
Makovian Maintenance Management

Gambar 1 : Skema Pemeliharaan model Building Façade Maintenance


Management (BMM)

Pertimbangkan untuk contoh, pemeliharaan beberapa komponen dari


suatu sistem façade panel beton di konteks kedua perencanaan pemeliharaan
tahunan dan jangka panjang. Signifikansi yang berbeda

Input Kelongsong respon model komponen dalam kaitannya dengan


orang lain dalam sistem ditentukan dengan terlebih dahulu melakukan Efek
Kegagalan Mode dan Analisis Kekritisan (FMECA) pada semua komponen
façade. Hal ini memungkinkan pengembangan komponen kritikalitas indeks dari
mana kepentingan relatif mereka ditugaskan di antara façade yang berbeda
komponen. Sebuah optimasi yang berbeda maka tindakan perawatan yang
mungkin dapat dipertimbangkan dalam sehubungan dengan biaya tindakan
tertentu atau penggantian komponen. Namun, sarana yang berkaitan tujuan
perawatan bersaing diperlukan bahwa biaya pemeliharaan kontrol intervensi
sementara mempertahankan peringkat kondisi komponen.

17
7. SEKILAS TENTANG FMECA DALAM KONTEKS MANAJEMEN
PEMELIHARAAN

Dari beberapa bagian yang terdiri model BMM, salah satu komponen
kunci Kegagalan Mode Efek dan Analisis Kekritisan (FMECA) dan kinerja
analisis façade dan terkait komponen; beberapa langkah-langkah proses ini
diberikan pada Gambar 2. Langkah pertama terdiri dari mengembangkan indeks
kekritisan komponen façade yang didasarkan pada hasil dari sebuah FMECA.
Hal ini memungkinkan menentukan kepentingan relatif yang ditetapkan antara
komponen façade yang berbeda, seperti yang diusulkan oleh Talon [2006].

Mengingat bahwa para manajer bangunan tidak harus membuang


anggaran terbatas untuk tindakan pemeliharaan, hanya mengatur yang paling
penting dari komponen dianalisa lebih lanjut oleh simulasi kerusakan yang
proses. Simulasi mencerminkan perubahan dalam keadaan kondisi komponen
façade dan dengan demikian tingkat kerusakan secara keseluruhan dari waktu
ke waktu.

Menyatakan kondisi yang berbeda yang harus didefinisikan dengan


demikian memastikan bahwa adalah mungkin untuk mengamati gejala kondisi ini
selama inspeksi. The kondisi negara vektor (Dt), diberikan pada Gambar 2,
memberikan informasi mengenai kondisi saat ini, setiap elemen dalam vektor
yang memiliki kondisi negara S, merupakan estimasi persentase semua
komponen seperti dalam kondisi tertentu negara setelah waktu t, yang t,
dinyatakan dalam masa transisi, atau misalnya, periode antara inspeksi.
Kemungkinan komponen sisa atau mengubah negara di inspeksi diberikan
interval menyediakan probabilitas transisi (pi, j), yaitu, probabilitas mengubah
(atau tidak) kondisi

[T72] Optimasi Proses Manajemen Pemeliharaan Gedung Menggunakan Model


Markov;

18
Michael A. Lacasse, Kyle Brian, Talon Aurélie, Boissier Daniel, Thibaut Berbukit,
Khaled Abdulghani

11DBMC Konferensi Internasional Durability Bahan Bangunan dan Komponen


Istanbul, Turki 11-14 Mei 2008 dari state i ke keadaan yang lebih rendah j, dan
untuk yang sesuai matriks transisi probabilitas (P) diperoleh. Semacam matriks
(S x S), ditunjukkan dalam Gambar 2, izin memperkirakan umur komponen, atau
perakitan komponen, melalui analisis dengan menggunakan model Markov.
Mengingat sekarang kondisi vektor dari komponen (Dt), vektor kondisi masa
depan (Dt + n) dapat diperoleh sebagai: Dt + n = Dt × Pn, dimana n, adalah
masa transisi nomor di masa depan.

Gambar 2 : Deskripsi dari Analisis performans dan pengembangan tingkat


kondisi Markovian didalam memperkirakan servis hidup

19
8. MANAJEMEN PENGELOLAAN BANGUNAN GEDUNG
MENGGUNAKAN METODE MARKOV

Ada tindakan perawatan yang berbeda yang manajer pemeliharaan


dapat mengambil alih proses mengelola status komponen kondisi façade.
Sebagai contoh, komponen mungkin diperbaiki seperti bahwa kondisi dapat
terjaga atau mungkin sepenuhnya diganti. Jika diperbaiki, pertimbangan harus
diberikan kepada bagaimana setuju untuk memperbaiki komponen. Komponen
dapat diperbaiki lebih dari sekali? Kemudian lagi, bisa komponen diperbaiki
tanpa batas? Disediakan komponen siap diakses maka kemungkinan perbaikan
mungkin. Namun, tidak mungkin bahwa setiap komponen bangunan façade
dapat diperbaiki tanpa batas waktu demikian maka perbaikan harus dianggap
sebagai tindakan yang mampu memperlambat proses degradasi namun akhirnya
tidak mencegah kebutuhan penggantian pada beberapa waktu di masa depan.
Oleh karena itu tindakan perbaikan yang dilakukan pada komponen biasanya
tidak akan memperbarui komponen untuk perusahaan Kondisi keadaan semula
tetapi tindakan tersebut akan memperbaiki kondisinya ke tingkat lain yang lebih
tinggi. Namun, jika komponen diganti maka negara kondisinya akan diperbaharui
dengan yang baru komponen. Sebuah contoh khas komponen dalam sebuah
façade bangunan lebih mungkin diganti sebagai lawan diperbaiki akan menjadi
kaca terisolasi (IG) komponen jendela. Unit IG adalah baik, berfungsi memadai
(yaitu unit IG adalah transparan, dan masih memegang gas inert antara Lites
kaca), atau segel yang telah gagal dan unit sekarang keruh, seperti yang terbukti
dengan adanya kelembaban pada Lites kaca interior.
Juga, mungkin memutuskan bahwa tidak ada tindakan perawatan
akan diambil, dalam hal kerugian dalam kinerja dari waktu ke waktu akan terus
dilanjutkan di tingkat yang ditentukan oleh proses kerusakan. Untuk setiap
tindakan ini (digambarkan sebagai vektor pemeliharaan, MCT), termasuk tidak
ada pemeliharaan tindakan, terdapat matriks transisi yang mencerminkan

20
tindakan yang dilakukan (misalnya Persen) dan terkait dengan masing-masing ini
biaya untuk perbaikan atau penggantian, dan mungkin dalam beberapa kasus,
biaya tidak ada tindakan juga (CCT). The tahapan umum dalam pendekatan
tindakan pemeliharaan disediakan skematik pada Gambar 3. Setelah
konsekuensi dari tindakan pemeliharaan ditetapkan, satu maka dapat
mempertimbangkan optimasi tindakan pemeliharaan.

[T72] Optimasi Proses Manajemen Pemeliharaan Gedung Menggunakan Model


Markov;
Michael A. Lacasse, Kyle Brian, Talon Aurélie, Boissier Daniel, Thibaut Berbukit,
Khaled Abdulghani

Gambar 3 : Description of maintenance analysis – possible choice of


maintenance actions, associated maintenance vector, transition
matrix and cost matrix

21
22
9. OPTIMASI PEMELIHARAAN

Sebuah optimasi yang berbeda mungkin menganggap tindakan


pemeliharaan tiga skenario yang berkaitan agregat penilaian kondisi komponen
(Dewasa) ke anggaran pemeliharaan yang diinginkan atau tersedia.

Skenario ini mencakup:

 Memaksimalkan penilaian kondisi komponen untuk anggaran


pemeliharaan yang diberikan tahunan.
 Meminimalkan anggaran pemeliharaan untuk keadaan kondisi yang
ditargetkan (keadaan kondisi agregat untuk semua komponen)
 Penggunaan indeks multi-objektif ketika anggaran tidak didefinisikan
atau bukan adalah diharapkan Kondisi negara - sebuah solusi
kompromi antara memaksimalkan anggaran dan minimalisasi kondisi
negara dari waktu ke waktu.

Kondisi rating komponen agregasi (AACR) berasal dari pengetahuan


dari nomor dari "bagian" dalam keadaan kondisi yang ada pada saat tertentu,
bagian yang didefinisikan sebagai bagian terukur atau bagian dari seluruh
himpunan bagian yang bersama-sama membentuk wakil "massa" untuk
diberikan komponen tipe. Seperti diilustrasikan dalam Gambar 4, pada setiap t,
timer diberikan, bagian komponen akan di mereka kondisi masing-masing
negara. Indeks multi-tujuan (MOI), yang diperoleh dari Morcous dan Lounis
[2006], dengan kriteria evaluasi, i, seperangkat kriteria, m, dan dengan asumsi
solusi metrik dengan p = 1, diberikan oleh:

23
Di mana, wi adalah bobot yang diberikan kepada i kriteria, fi (x) nilai
fungsi objektif, dan fi max (x) dan min fi (x) nilai maksimum dan minimum dari
fungsi yang sama masing-masing. Pilihan (p) menunjukkan semua
penyimpangan dari solusi ideal dianggap berbanding lurus dengan besarnya
mereka Lounis dan Vanier [2000]. Jika diasumsikan bahwa tujuan bersaing
dianggarkan pemeliharaan biaya dan AACR (yaitu m = 2), maka indeks ini
menyediakan sarana untuk berhubungan pemeliharaan bersaing tujuan, bahwa
biaya pemeliharaan intervensi pengendalian dan kondisi komponen
memeliharaperingkat.

11DBMC International Conference on Durability of Building


Materials and Components ISTANBUL, Turkey 11-14 May 2008

Gambar 4 : Condition state mass functions that define the aggregated


component condition rating (AACR)

24
Jika seorang manajer pemeliharaan gedung menyadari anggaran
tahunan yang diharapkan atau telah membuat yang diperlukan ketentuan untuk
memperoleh dana yang diperlukan untuk melakukan program pemeliharaan
yangtepat maka dalam kasus ini, strategi pemeliharaan untuk memaksimalkan
komponen penilaian kondisi secara keseluruhan. Pada dasarnya, manajer
memiliki kepentingan untuk memaksimalkan keuntungan yang diberikan oleh
alokasi anggaran pemeliharaan yang diberikan tahunan.

Skenario lainnya adalah salah satu tempat palungan bangunan dapat


mengetahui komponen penilaian kondisi secara keseluruhan untuk mencapai,
atau mempertahankan, namun ingin meminimalkan kebutuhan anggaran.
Sedangkan lebih mungkin skenario, seperti dalam kasus ketiga, adalah satu di
mana manajer tidak mungkin belum memiliki program anggaran persyaratan dan
juga, tidak menyadari keadaan kondisi rata-rata agregat di mana ia harus akan
mengoperasikan fasilitas di luar tingkat yang dapat diterima minimum. Memang,
manajer bangunan mungkin memerlukan beberapa wawasan ke dalam biaya
pemeliharaan yang paling efektif dia bisa mengharapkan lebih dari suatu horizon
jangka panjang dan masih mengoperasikan fasilitas di atas keadaan kondisi
minimum yang dapat diterima. Ini adalah kasus di mana kompromi yang akan
dicapai antara dua tujuan bersaing: memelihara AACR minimum yang dapat
diterima sehubungan dengan anggaran pemeliharaan tahunan. Tujuannya
adalah untuk menentukan yang AACR dicapai tertinggi untuk setiap anggaran
pemeliharaan yang diberikan tahunan. Dengan demikian, multi-objektif indeks
(MOI) digunakan pendekatan yang didasarkan pada: tingkat kekritisan antara
komponen; jumlah komponen yang dipertimbangkan; kondisi vektor keadaan;
relatif penting dibawa ke anggaran sehubungan dengan keadaan kondisi
bangunan, dan AACR, dan nilai batas untuk Dewasa (yaitu ACCRmin dan
ACCRmax).

25
Sehubungan dengan nilai batas untuk AACR, nilai-nilai yang dipilih
oleh manajer bangunan untuk lebih mengelola proses pemeliharaan. Sebagai
contoh, kemungkinan bahwa unit jendela baru harus mewajibkan penggantian
dalam tahun-tahun awal penggunaan; juga orang akan berharap bahwa unit
gagal akan diganti. Oleh karena itu, manajer dapat menetapkan batas nilai
minimum dan maksimum Dewasa untuk setiap façade komponen. Sebagai
contoh, manajer gedung dapat menentukan bahwa jika AACR komponen
kebohongan antara "kondisi baru" (negara misalnya 6) dan "rata-rata" kondisi
(misalnya negara 4), maka tidak ada tindakan untuk pertimbangkan untuk
mengganti unit harus diambil. Sedangkan perbaikan bisa dipesan seandainya
komponen dipertimbangkan dalam miskin, mendesak negara-negara penting
(misalnya kondisi negara 3, 2, 1 Resp.). Penentuan batas-batas tersebut
sehingga memungkinkan manajer bangunan untuk membuat kebijakan tentang
kapan tindakan harus diambil dan memang sistem yang dapat digunakan untuk
menentukan bagaimana kebijakan tersebut akan mempengaruhi keseluruhan
biaya pemeliharaan.

Ringkasan dari tiga skenario pemeliharaan yang berbeda diberikan


pada Gambar 5. Pada intinya, façade yang sistem BMM menyediakan biaya
pemeliharaan tahunan komponen individu untuk sistem dinding yang diberikan
selama horizon jangka panjang yang rentang kehidupan dari sistem façade.

[T72] Optimization Of The Building Maintenance Management Process


Using A Markovian Model; Michael A. Lacasse, Brian Kyle, Aurélie Talon,
Daniel Boissier, Thibaut Hilly, Khaled Abdulghani
11DBMC International Conference on Durability of Building Materials and
Components ISTANBUL, Turkey 11-14 May 2008

26
10. RINGKASAN

Sebuah manajemen pemeliharaan sistem façade bangunan diusulkan


yang mempertimbangkan efek yang berbeda pemeliharaan pilihan pada
keseluruhan biaya pemeliharaan atas skala tahunan dan waktu yang lebih
lama.Kinerja prediksi berkenaan dengan keadaan kondisi komponen didasarkan
pada satu langkah Markovmodel. Sebuah optimasi yang berbeda tindakan
pemeliharaan mungkin dianggap dalam kaitannya dengan biayatindakan
tertentu, atau penggantian, komponen berdasarkan indeks multi-objektif. Indeks
ini menyediakan sarana yang berkaitan tujuan pemeliharaan bersaing, bahwa
pemeliharaan pengendalianintervensi biaya dan peringkat komponen menjaga
kondisi bangunan.

27
DAFTAR PUSTAKA :

Clermont Ferrand : Blaise Pascal Clermont II, 2006 Van Winden, C. and Dekker,
R. (1998), Rationalisation of Building Maintenance by Markov Decision
Models: A Pilot Case Study, J. Operations Research Society, Vol. 49,
pp. 928-935.

International Conference on Durability of Building Materials and


ComponentsISTANBUL, Turkey 11-14 May 2008

Kyle, B.R.; Vanier, D.J.; Lounis, Z. (2002a), The BELCAM Project: A Summary of
Three Years of Research in Service Life Prediction and Information
Technology, 9 th Intl. Conf., Durability of Building Materials and
Components, Brisbane, AU, Mar. 17-20, Paper 138, pp. 1-10

Lounis and Vanier (2000), A Multi-Objective and Stochastic System for Building
Maintenance Management, Computer-Aided Civil and Infrastructure
Engineering, Vol.15, pp.320-329

Lounis, Z.; Vanier, D.J. (1998) "Optimization of bridge maintenance management


using Markovian models", In: Developments in Short and Medium
Span Bridge Engineering '98 (Calgary, Alberta, 13 July), pp. 1045-
1053

Micevski, T., Kuczera, G. and Coombes, P. (2002), Markov Model for Storm
Water Pipe Deterioration, J. Infrastructure Systems, Vol. 8(2), pp. 49-
56

Morcous, G. and Lounis, Z. (2006), Integration of Stochastic Deterioration Models


with Multicriteria Decision Theory for Optimizing Maintenance of

28
Bridge Decks, Can. J. Civ. Engrg., Vol. 33(6), pp.756-765

Morcous, G., Lounis, Z. and Mirza, M.S. (2003), Identification of Environmental


Categories for Markovian Deterioration Models of Bridge Decks, J.
Bridge Engrg., Vol. 8(6), pp. 353-361

Nesbitt, D. M., Sparks, G. A. and Neudorf, R. D. (1993), A Semi-Markov


Formulation of the Pavement Maintenance Optimization Problem, Can.
J. Civ. Engrg., Vol. 20(3), pp.436-447

Peratutan Menteri Pekerjaan Umum Nomor 24 Tahun 2008, 30 Desember 2008

Robelin, C. A. and Madanat, S. (2007), History-Dependent Bridge Deck


Maintenance and Replacement Optimization with Markov Decision
Process, Journal of Infrastructure Systems, Vol. 13(3), pp.195-201

Talon, A. (2006), Évaluation des scénarii de dégradation des produits de


construction, Thèse préparée au Centre Scientifique et Technique du
Bâtiment – Département Développement Durable – Division
Environnement, Produits et Ouvrages Durables et au Laboratoire
Génie Civil.

Undang-undang Nomor 24 Tahun 2009 Tentang Bangunan Gedung

Undang-undang Nomor 28 Tahun 2002 Tentang Bangunan gedung


http://wartawarga.gunadarma.ac.id/2010/01/markov-chain-2

http://yasinta.wordpress.com/2008/09/16/analisa-rantai-markov

29