SKRIPSI
LUDYA KESTURI
0806321215
FAKULTAS TEKNIK
PROGRAM SARJANA
DEPOK
JUNI 2012
UNIVERSITAS INDONESIA
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
NPM : 0806321215
Tanda Tangan :
ii
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
HALAMAN PENGESAHAN
DEWAN PENGUJI
Ditetapkan di : Depok
Tanggal : 22 Juni 2012
iii
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
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.
iv
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
(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.
Penulis
v
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI
TUGAS AKHIR UNTUK KEPENTINGAN AKADEMIS
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.
(Ludya Kesturi)
vi Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
ABSTRAK
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
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
DAFTAR ACUAN..............................................................................................148
DAFTAR REFERENSI.....................................................................................156
ix Universitas Indonesia
x Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
DAFTAR GAMBAR
xi Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
DAFTAR LAMPIRAN
1 Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
2
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
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
3
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
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
4
penelitian ini dapat memberikan hasil berupa estimasi biaya tahap konseptual
yang lebih baik dan memenuhi syarat.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
5
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].
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
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
6
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
7
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
8
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
9
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
10
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
11
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
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.
12 Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
13
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
14
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
15
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
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
16
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
17
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
18
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
19
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
20
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
21
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
22
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
23
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
24
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%.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
25
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
26
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%.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
27
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
28
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
29
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
30
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
31
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
32
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 X2E + …. (2.3)
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
33
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).
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
34
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
35
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
36
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
37
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
38
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
39
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
40
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 m2
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
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
41
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:
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
42
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
43
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:
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
44
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
45
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
46
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
47
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
48
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
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
49
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,
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
50
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
51
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
52
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 m2 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
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
53
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
54
setinggi 1 lantai [87]. Jarak antar lantai yang akan digunakan dipenelitian ini
adalah jarak antara lantai satu dengan lantai lain atasnya pada gedung kantor.
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
55
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
56
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
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
57
[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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
58
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
59
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
60
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
61
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
62
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
63
Dengan menambahkan bias dan fungsi transfer pada setiap neuron, maka
didapatkan bentuk dasar matematis sebuah neuron sebagai berikut:
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
64
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
65
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
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
66
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
67
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
68
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
69
(2.4)
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):
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
70
(2.13)
Kalikan nilai ini dengan turunan dari fungsi aktifasinya untuk menghitung
informasi error:
(2.14)
(2.15)
(2.16)
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
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
71
(2.24)
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
72
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)
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
73
(2.35)
(2.39)
Untuk epoh > 1 dan demikian pula untuk bobot bias, persamaan (2.18) berubah
menjadi :
(2.40)
(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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
74
(2.42)
(2.43)
Tabel 2.7 Variabel Biaya untuk Bangunan Gedung dari Kajian Literatur
No. PENELITI JUDUL METODE VARIABEL
PENELITIAN
1 Yokoyama, The Integrated Integrated Penggunaan bangunan
K. dan T. Cost Estimating Cost Lokasi
Tamiya Systems Estimating Luas lantai total
Technique for System Tipe struktur
Building Cost Jumlah lantai di atas
permukaan
Jumlah lantai di bawah
permukaan
Grade
Penggunaan zona
Luas lantai dari zona
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
75
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
76
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
77
1 LOKASI
2 DESAIN
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
78
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
79
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
80
Tipe atap Kategorial yang dimaksud tipe Kim, Choi & Kang
atap di sini ialah (2005)
Flat (Beton Dak) /
Rangka Kayu /
Rangka Baja
3 WAKTU
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
81
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
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.
82 Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
83
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
84
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
85
MULAI
SESUAI SESUAI
TDK SESUAI TDK SESUAI
PERMODELAN ANN
SELESAI
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
86
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
87
Tabel 3.2 Tabel Variabel Bebas (X) dan Variabel Terikat (Y)
No. VARIA KETERANGAN TIPE DESKRIPSI SATUAN
BEL
INPUT
1 LOKASI
X1 Lokasi gedung Katergorial lokasi bangunan adalah Kota -
kantor 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 Numerikal luas bangunan, dinding m2
gedung kantor terluar dari dinding kantor
dan tidak termasuk
bangunan diluar bangunan
gedung kantor
X5 Jumlah lapis Numerikal jumlah tingkat bangunan -
bangunan gedung kantor yang berada
di atas permukaaan tanah
X6 Jumlah lapis Numerikal jumlah tingkat gedung -
bangunan (di kantor yang berada di bawah
bawah muka tanah
tanah)
X7 Tipe Kategorial tipe superstruktur yang -
superstruktur digunakan untuk frame
bangunan gedung, apakah
dari material Baja / Beton /
Komposit
X8 Tinggi bangunan Numerikal tinggi total bangunan m
gedung kantor dari
permukaan tanah
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
88
OUTPUT
Y Biaya Aktual Numerikal Nilai kontrak sebenarnya Rp
dari pengerjaan proyek
gedung kantor
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
89
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
90
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
91
Pakar
Skala
Nama Keterangan Komentar
No Variabel Penilaian
Variabel Variabel / Perbaikan
Kategorial 1 2 3 4 5
1 Lokasi
X1 Lokasi lokasi Kota
bangunan
adalah kota
tempat akan
dibangunnya
gedung
kantor
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
92
Pakar
Skala
Nama Keterangan Komentar
No. Variabel Penilaian
Variabel Variabel / Perbaikan
Kategorial 1 2 3 4 5
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
93
Skala
Nama Keterangan Komentar
No. Variabel Penilaian 1 2 3 4 5
Variabel Variabel / Perbaikan
Kategorial
3 Waktu
X13 Durasi Lamanya Bulan
Proyek durasi proyek
(bulan) dimulai dari
proyek itu
selesai
X14 Tahun Tahun Tahun
Pemban dimulainya
gunan proyek
pembangunan
gedung
(3.1)
(3.2)
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
94
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
BAB 4
PENGUMPULAN DAN PENGOLAHAN DATA
4.1. Pendahuluan
95 Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
96
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
97
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
98
No Proyek Lokasi Kondisi Tipe Luas Jumlah Lapis Super Floor Tinggi Bentuk Konstr Finisihng Grade Tahun Durasi Nilai Kontrak
Tanah Pondasi (m2) Tingkat Base struktur to (m) uksi (bulan) (Rp)
ment Floor Atap
(m)
6 F Jakarta tanah pile cap 13549 10 3 beton 3.2 35 segi dak bata 2010 4 14,726,273,500.00
Pusat merah empat beton ringan/celconn,
keramik, plafond
gypsum, pintu
kayu
7 G Jakarta tanah tiang 3679.6 7 - beton 3.3 23.1 segi rangka bata 2010 13 65,970,000,000.00
Pusat merah pancang 62 empat baja ringan/celconn,
granit, plafond
gypsum, pintu
kayu kusen alm,
8 H Bandun tanah bore pile 3672 4 1 beton 4 19 segi rangka bata 2010 6 20,696,000,000.00
g merah empat baja ringan/celconn,
keramik, plafond
gypsum, pintu
alm,
9 I Jakarta tanah tiang 7670.6 7 - beton 4 24 segi rangka bata 2012 7.5 26,250,000,000.00
Utara merah pancang 2 empat baja ringan/celconn,
keramik, plafond
gypsum, pintu
kayu,
10 J Jakarta tanah bore pile 6745 7 - beton 3 21.5 segi rangka bata 2011 6 18,132,567,930.00
Pusat merah empat baja ringan/celconn,
keramik, plafond
gypsum, pintu
kayu
11 K Bandun tanah bore pile 7963.5 3 - beton 3.75 11.25 segi rangka bata 2012 3 68,260,522,999.90
g merah empat baja ringan/celconn,
keramik, plafond
gypsum, pintu
alm
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
99
No Proyek Lokasi Kondisi Tipe Luas Jumlah Lapis Super Floor Tinggi Bentuk Konstr Finisihng Grade Tahun Durasi Nilai Kontrak
Tanah Pondasi (m2) Tingkat Base struktur to (m) uksi (bulan) (Rp)
ment Floor Atap
(m)
12 L Jakarta tanah bore pile 4324.5 4 1 beton 3.5 16 segi dak bata 2007 3 37,548,072,000.00
Pusat merah 4 empat beton ringan/celconn,
keramik, plafon
gypsum, pintu
kayu
13 M Jakarta tanah bore pile 7200 8 - beton 3.9 34 segi dak bata 2011 13 95,231,227,000.01
merah empat beton ringan/celconn,
keramik, plafond
gypsum, pintu
alm, konsep
green building
14 N Jakarta tanah bore pile 111489 42 5 beton 3.5 210.55 segi dak bata 2006 21 248,050,000,000.00
Selatan merah empat beton ringan/celconn,
keramik, plafon
gypsum, pintu
alm
15 O Bekasi tanah bore pile 2910 3 - beton 3.5 10.5 segi rangka bata 2009 6 20,271,000,000.00
merah empat baja ringan/celconn,
keramik, plafond
gypsum, pintu
alm
16 P Jakarta tanah mat pile 1752.0 4 - beton 3.2 10 segi rangka bata 2008 5 8,268,000,000.00
Pusat merah 3 empat baja ringan/celconn
keramik, plafon
gypsum, pintu
alm,
17 Q Batam tanah bore pile 5958.5 7 - beton 3.75 26.25 segi dak celconn, keramik 2009 12 87,900,000,000.00
merah 61 empat beton homogenus tile,
plafond gypsum ,
pintu alm
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
100
No Proyek Lokasi Kondisi Tipe Luas Jumlah Lapis Super Floor Tinggi Bentuk Konstr Finisihng Grade Tahun Durasi Nilai Kontrak
Tanah Pondasi (m2) Tingkat Base struktur to (m) uksi (bulan) (Rp)
ment Floor Atap
(m)
18 R Batam tanah bore pile 3404.8 4 - beton 3.75 15 segi dak bata 2010 12 57,302,260,000.00
merah 92 empat beton ringan/celconn,
keramik
homogenus tile,
plafond gypsum ,
pintu alm
19 S Batam tanah bore pile 6809.7 8 - beton 3.75 30 segi dak bata 2011 12 100,457,142,857.14
merah 84 empat beton ringan/celconn,
keramik
homogenus tile,
plafond gypsum ,
pintu alm
20 T Bengku tanah tiang 3450 3 - beton 4.25 12.75 segi rangka bata 2009 6 27,963,037,622.65
lu merah pancang empat baja ringan/celconn,
keramik
homogenus tile,
plafond gypsum ,
pintu alm
21 U Belitun tanah borepile 3009 3 - beton 4 12 segi rangka bata 2009 6 26,185,014,943.54
g merah empat baja ringan/celconn,
keramik
homogenus tile,
plafond gypsum ,
pintu alm
22 V Tangge tanah bore pile 19527 15 2 beton 3.5 56 segi rangka bata 2008 9 121,852,500,000.00
rang merah empat baja ringan/celconn,
keramik, plafond
gypsum, pintu
alm, panel tr
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
101
No Proyek Lokasi Kondisi Tipe Luas Jumlah Lapis Super Floor Tinggi Bentuk Konstr Finisihng Grade Tahun Durasi Nilai Kontrak
Tanah Pondasi (m2) Tingkat Base struktur to (m) uksi (bulan) (Rp)
ment Floor Atap
(m)
23 W Jakarta tanah bore pile 5004 4 - beton 3.75 15 segi dak bata 2011 12 48,117,090,738.20
Barat merah empat beton ringan/celconn,
keramik
homogenus tile,
plafond gypsum ,
pintu alm
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
102
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.
Kategori
Nama Keterangan
No Variabel Tipe Satuan
Variabel Variabel
1 2 3 4 5
INPUT
1 Lokasi
X1 Lokasi lokasi Kategorial Jabo Ban Bata Beng Belitu -
bangunan tabe dung m kulu ng
adalah kota k
tempat akan
dibangunnya
gedung
kantor
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
103
Kategori
Nama Keterangan
No Variabel Tipe Satuan
Variabel Variabel
1 2 3 4 5
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
104
Kategori
Nama Keterangan
No Variabel Tipe Satuan
Variabel Variabel
1 2 3 4 5
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
105
Kategori
Nama Keterangan
No Variabel Tipe Satuan
Variabel Variabel
1 2 3 4 5
3 Waktu
X13 Durasi Lamanya numerikal
Proyek durasi proyek
dimulai dari
proyek itu
selesai
bulan
X14 Tahun Tahun numerikal
dimulainya
proyek
pembangunan
gedung
Tahun
OUTPUT
Y Biaya Nilai kontrak numerikal
sebenarnya
Aktual
dari
pengerjaan
proyek
gedung
kantor
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
106
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
107
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
108
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
109
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
110
3 Waktu
X13 Durasi Lamanya Bulan √ √ √ X √ 4 1 Variabel dipakai
Proyek durasi proyek
(bulan) dimulai dari
proyek itu
selesai
X14 Tahun Tahun Tahun √ √ √ √ √ 5 0 Variabel dipakai
dimulainya
proyek
pembangunan
gedung
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
111
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
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
112
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’.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
113
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
114
Kategori
Variabel Keterangan
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 -
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
115
PERMODELAN ANN
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
116
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
117
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
118
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
119
Tabel 4.11 Data untuk Skenario 1
No Nama Lokasi Tipe Luas Total Lapis Lapis Floor to Tinggi Tipe Konst. Finishing Tahun Durasi Nilai Kontrak
Proyek Pondasi (m2) Basement Floor (m) Bangunan Atap Grade (bulan) (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
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
120
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
121
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
122
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
123
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
124
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
125
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:
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
126
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
127
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
128
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
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.
X1 Lokasi
X2 Kondisi Tanah
X3 Tipe Pondasi
X4 Luas Total
X5 Jumlah Tingkat
X6 Lapis Basement
X7 Superstruktur
X9 Tinggi Bangunan
X10 Bentuk
X13 Tahun
X14 Durasi
Y Nilai Kontrak
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
131
X1 Lokasi
X2 Tipe Pondasi
X3 Luas Total
X4 Jumlah Tingkat
X5 Lapis Basement
X7 Tinggi Bangunan
X8 Tipe Atap
X9 Finishing Grade
X10 Tahun
X11 Durasi
Y Nilai Kontrak
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
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
132
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%
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
133
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:
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
134
Kategori
Variabel Keterangan
1 2 3 4
X1 = Lokasi Jakarta Tanggerang Bekasi Bandung
Tiang
Pondasi
X2 = Bore Pile Pancang Mat -
X3 = Luas Total -
X4 = Tingkat -
Lapis
X5 = Basement -
Konstruksi
X6 = Atap Dak beton Rangka Baja - -
Finishing Tidak
X7 = Grade Sederhana Sederhana Khusus -
X8= Tahun -
X9= Durasi -
Y= Nilai Kontrak -
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
135
No Proyek X1 X2 X3 X4 X5 X6 X7 X8 X9 Y
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
136
Selain itu dapat dilihat masing-masing regresi dari data training dan data
tes. Keduanya menunjukkan garis regresi yang tidak terlalu melenceng.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
137
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
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
138
Sementara itu 16 data training dan 2 data tes tersebut dilatih dan divalidasi
pada jaringan terbaik 9-4-1 dengan arsitektur jaringan:
(5.1)
Sementara fungsi aktivasinya, dalam hal ini sigmoid bipolar, ialah:
(5.2)
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
139
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
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
140
(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
(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).
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
141
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
142
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
143
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
144
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
147
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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
148
DAFTAR ACUAN
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
149
[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
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
150
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
151
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
152
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
153
[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.
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
154
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
155
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
156
DAFTAR REFERENSI
Yin, Robert K. Studi Kasus: Desain & Metode. PT. Raja Grafindo Persada. 2002
Universitas Indonesia
Estimasi biaya..., Ludya Kesturi, FTUI, 2012
LAMPIRAN 1
KUESIONER VALIDASI VARIABEL
ESTIMASI BIAYA TAHAP KONSEPTUAL KONSTRUKSI GEDUNG PERKANTORAN DENGAN MENGGUNAKAN METODE
ARTIFICIAL NEURAL NETWORK
LUDYA KESTURI
0806321215
FAKULTAS TEKNIK
2012
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.
KERAHASIAAN INFORMASI
Seluruh informasi yang telah Bapak/ Ibu berikan dalam kuesioner akan dijaga kerahasiaannya.
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 : wisnu.isvara@gmail.com
3. Pembimbing 2 : Prof. Dr. Ir. Yusuf Latief, MT pada HP 08158977999 atau e-mail : latief73@eng.ui.ac.id
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
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 :
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.
Bagian 1
Variabel Indikator Penilaian Keterangan Referensi Ya Tdk Tanggapan
Faktor Lokasi
X1 Lokasi Gedung Kota Berkaitan dengan akses, Yokoyama & Tomiya (1988),
Kantor mobilisasi alat, kondisi Anoli & Masi (2002),
site Kim, Choi, & Kang (2005)
X2 Kondisi Tanah cut, fill, cut Berkaitan dengan Elhag & Boussabaine (2002)
& fill, kebutuhan pekerjaan
pembersihan pengerukan atau
lahan penimbunan lahan
Faktor Desain
X3 Tipe Pondasi Bore Pile, Berkaitan dengan tipe Kim, Choi, &Kang (2005),
Tiang pondasi yang digunakan Setyawati, Sahirman,Creese
Pancang, pada gedung kantor (2002), Elhag & Boussabaine
Mat, Mat (2002)
Pile
2
X4 Luas Total m Total luas keseluruhan Yokoyama & Tomiya (1988),
Gedung Kantor lantai gedung kantor Anoli & Masi (2002), Setyawati,
Sahirman, Creese (2002)
X5 Jumlah Lapis numerikal Jumlah tingkat gedung Yokoyama & Tamiya (1988),
Bangunan kantor yang berada di Anoli & Masi (2002), Setyawati,
atas muka tanah Sahirman, Creese (2002), Kim,
Choi, Kang (2005)
X6 Jumlah Lapis numerikal Jumlah lapis bangunan Yokoyama & Tamiya (1988)
Bangunan di yang berada di bawah
Bawah Muka muka tanah (basement)
Tanah
X7 Tipe beton, baja, Jenis superstuktur yang Yokoyama & Tomiya (1988),
Superstuktur komposit digunakan pada gedung Gould (1997)
kantor
X8 Jarak Floor-to- meter Jarak antara satu lantai Anoli & Masi (2002), Setyawati &
Floor dengan lantai lain di Sahirman (2002)
atasnya pada gedung
X10 Bentuk segitiga, Berkaitan dengan plan Anoli & Masi (2002), Setyawati &
(Shape) segiempat, shape dari gedung yang Sahirman (2002)
segibanyak, dihitung dari sisi
lingkaran maupun sudut yang
dimilikinya
X11 Tipe Atap Flat (dak Tipe material yang Kim, Choi, Kang (2005)
beton), digunakan untuk atap
Wood gedung
Frame, Steel
Frame
X12 Finishing Rate 1 - 3 Grade dari finishing Kim, Choi, Kang (2005)
Grade berdasarkan indeks
kualitas dari PERMEN PU
No. 45/PRT/2007
Faktor Waktu
X13 Tahun Tahun Tahun mulai pembuatan Kim, Choi, Kang (2005)
Pembangunan gedung kantor
X14 Durasi Proyek Bulan Lamanya pembangunan Kim, Choi, Kang (2005), Elhag
konstruksi gedung kantor & Boussabaine (2002)
berlangsung
Apabila ada kriteria desain diluar daripada yang tertera dalam tabel di atas, maka dapat Bapak/Ibu tambahkan beserta dengan
tanggapannya.
UNIVERSITAS INDONESIA
FAKULTAS TEKNIK
PROGRAM STUDI TEKNIK SIPIL
DEPOK
NPM : 0806321215
Dan dinyatakan harus menyelesaikan perbaikan Skripsi yang diminta oleh Dosen
Penguji, yaitu:
Skripsi ini telah selesai diperbaiki sesuai dengan keputusan sidang skripsi Jumat,
22 Juni 2012 dan telah mendapat persetujuan dari dosen dan pembimbing.
Ir. Wisnu Isvara, M.T. Prof. DR. Ir. Yusuf Latief, M.T.