Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

RUMAH TAHAN PANDEMI

Memodelkan kemacetan asrama untuk pengurangan penyebaran COVID-19

FREDERICK PETER ORTNER1dan JING ZHI TAY2 1,2

Universitas Teknologi dan Desain Singapura
1,2{peter_ortner|jingzhi_tay}@sutd.edu.sg

Abstrak.Menanggapi langkah-langkah jarak sosial terkait

pandemi, makalah ini menyajikan model komputasi untuk
mensimulasikan kepadatan penduduk di asrama pekerja
migran Singapura. Model ini disajikan sebagai alat untuk
mendukung desain dan manajemen bangunan berbasis bukti.
Berbeda dengan analisis bangunan berbasis agen atau
jaringan, kami mendemonstrasikan metode untuk menerapkan
simulasi bangunan berbasis jadwal. Dalam makalah ini kami
menyajikan fungsi utama dan output dari model komputasi
serta hasil dari analisis studi kasus dan varian desainnya.
Pembelajaran tentang keunggulan komparatif modifikasi
jadwal versus modifikasi desain fisik dalam membantu jarak
sosial disajikan dalam bagian diskusi.

Kata kunci.Desain kolektif, kolaboratif & interdisipliner; Penelitian

& pendidikan desain komputasi; Praktik yang terganggu,
ketahanan, dan keberlanjutan sosial; Simulasi, visualisasi dan
proyeksi dampak.

1. Perkenalan
1.1. RESPONS SINGAPURA TERHADAP COVID 19
Di awal tahun 2020, wabah pandemi COVID-19 semakin intensif di kawasan perumahan
perkotaan yang padat di seluruh dunia. Pada April 2020, ketika Singapura melihat lonjakan
kasus COVID-19 di asrama bertingkat tinggi untuk pekerja konstruksi migran. Sebagai
tanggapan, serangkaian rekomendasi jarak aman (misalnya, menjaga jarak setidaknya
satu meter antara individu) dan langkah-langkah de-densifikasi disahkan oleh pemerintah
Singapura di bawah Undang-Undang Penyakit Menular (Kementerian Kesehatan, 2020).
Sementara langkah-langkah ini telah berhasil mengurangi penyebaran penyakit selama
periode karantina, asrama pekerja sekarang dibuka kembali untuk fungsi normal bahkan
ketika pandemi global berlanjut.
Komunitas desain telah dipanggil untuk mendukung kembalinya ke 'normal baru' di
mana aktivitas sehari-hari dilanjutkan, tetapi dengan langkah-langkah jarak aman yang
baru. Dalam konteks perumahan pekerja migran di Singapura, Kementerian

PROYEKSI, Prosiding Konferensi Internasional ke-26 Asosiasi Riset Desain Arsitektur Berbantuan
Komputer di Asia (CAADRIA) 2021, Jilid 2, 589-598. © 2021 dan diterbitkan oleh Association for
Computer-Aided Architectural Design Research in Asia (CAADRIA), Hong Kong.
590 FP ORTNER DAN JZ TAY

Kementerian Tenaga Kerja secara bersamaan mengeluarkan imbauan untuk asrama yang ada
untuk menerapkan langkah-langkah hidup aman dan juga rilis media bersama dengan
Kementerian Pembangunan Nasional tentang peningkatan standar untuk desain asrama
(Kementerian Tenaga Kerja, 2020; Kementerian Pembangunan Nasional, 2020). Pelepasan
artikel-artikel ini menunjukkan bahwa pemerintah Singapura berinvestasi dalam menemukan
respons terhadap manajemen gedung dalam jangka pendek dan desain gedung dalam jangka
panjang, dengan implikasi bahwa perancang perumahan perkotaan dan pengelola gedung
harus bekerja sama untuk mengembangkan solusi untuk perumahan tahan pandemi. Kami
memahami ketahanan dalam konteks ini untuk merujuk pada kapasitas sistem sosio-teknis di
sekitar lingkungan binaan tidak hanya untuk pulih dari gangguan, tetapi untuk belajar dari,
mengantisipasi dan beradaptasi dengan gangguan ini (Hassler, 2014; Holnagel, 2014).

1.2. PERUMAHAN PEKERJA MIGRAN DI SINGAPURA

Saat ini ada hampir 300.000 pekerja konstruksi migran yang tinggal di Singapura
(Kementerian Tenaga Kerja, 2020). Sebagian besar, mereka ditempatkan di asrama
pekerja dengan kepadatan tinggi. Pertimbangan etis untuk penelitian tentang
perumahan pekerja migran cukup besar. Penghuni asrama di Singapura seringkali
bergantung pada majikan mereka untuk mempertahankan status perumahan dan
imigrasi mereka (Moroz et al., 2020). Langkah-langkah respons pandemi, khususnya
karantina, baru-baru ini membatasi kebebasan bergerak mereka. Penelitian dalam
makalah ini dikembangkan dalam upaya membantu meningkatkan keamanan
lingkungan perumahan ini selama masa pandemi.

1.3. MODEL KOMPUTASI UNTUK KETAHANAN PANDEMI

Untuk mendukung pendekatan desain berbasis bukti untuk manajemen asrama pekerja
terkait pandemi dan modifikasi asrama, ada kesenjangan pengetahuan: desainer tidak
dapat memprediksi bagaimana tindakan pengurangan kepadatan akan berdampak pada
pola kontak sosial selama pergerakan dinamis penghuni. Pergerakan harian ini
menciptakan puncak kemacetan sesaat, di mana individu tiba secara bersamaan di area
terbatas seperti koridor, membuat langkah-langkah 'menjaga jarak aman' sulit untuk
diikuti.
Untuk mengatasi kesenjangan pengetahuan tentang pola dinamis
kemacetan dalam penggunaan asrama, kami telah mengembangkan model
komputasi pergerakan pekerja dalam asrama studi kasus. Model kami
dimaksudkan untuk mendukung manajer dan arsitek gedung saat mereka
berusaha menyesuaikan jadwal penggunaan gedung dan konfigurasi
gedung untuk mendukung langkah-langkah menjaga jarak aman selama
pandemi. Dalam model kami, jadwal pembangunan melengkapi aturan dan
perilaku biasanya dalam model multi-agen, menggunakan metode yang
mirip dengan model yang dikalibrasi jadwal (Goldstein et al., 2010; Goldstein
et al. 2011). Penggunaan jadwal pembangunan sebagai masukan utama
untuk model kami menyajikan nilai bagi manajer gedung yang ingin
mengkalibrasi ulang jadwal mereka,
 RUMAH TAHAN PANDEMI 591

2. Metode
Melalui tinjauan literatur kami, kami mengidentifikasi manajer bangunan dan arsitek
sebagai aktor utama dalam adaptasi asrama terhadap langkah-langkah jarak sosial
pandemi. Kami merancang model komputasi kami untuk menerima masukan dari kedua
aktor ini: jadwal bangunan yang disesuaikan dengan manajemen bangunan dan diagram
jaringan bangunan yang disesuaikan dengan konfigurasi spasial. Setiap input kunci
dijelaskan secara rinci bersama dengan fungsi terkait di bagian metode berikut. Alur kerja
kami, yang dijelaskan secara rinci di bawah, pertama-tama menghasilkan jadwal induk
untuk semua agen dalam simulasi melalui aPenjadwalfungsi, di mana setiap agen
mewakili penduduk. Berdasarkan jadwal induk, sedetikPelacak jalanfungsi menghasilkan
rencana perjalanan yang akurat secara dimensional untuk setiap agen dalam simulasi.
Dengan keluaran dari dua fungsi ini, kami melakukan dua bentuk analisis: ukuran global
intensitas penggunaan untuk ruang bangunan, dan analisis kemacetan yang memberikan
umpan balik tentang varian desain. Kami telah menggunakan antarmuka pemrograman
visual Grasshopper for Rhinoceros 3D dalam pembuatan model.

2.1. FUNGSI PENJADWA

Fungsi pertama dalam model komputasi kami menghasilkan jadwal induk untuk semua
gerakan agen dalam simulasi asrama dari satu set parameter sederhana yang disediakan
oleh pengguna (gambar 1). Pengguna diminta untuk memasukkan satu set titik data untuk
setiap aktivitas yang ditentukan yang terjadi dalam simulasi. Contoh aktivitas yang
termasuk dalam model saat ini termasuk 'bangun', 'mandi pagi', 'keberangkatan pagi', dll.
Daftar aktivitas terbuka untuk dimodifikasi oleh pengguna akhir.
Untuk setiap aktivitas, entri titik data berikut dimasukkan: 1) nama ruang; 2)
penggunaan paling awal; 3) penggunaan terakhir; 4) kunjungan minimum; 5)
kunjungan maksimum; 6) masa inap minimum; 7) tinggal maksimum. Pengguna juga
menentukan jumlah agen dalam simulasi. Dalam batasan yang ditentukan oleh input
di atas,penjadwalfungsi secara acak menghasilkan rencana perjalanan untuk semua
agen dalam simulasi. Keacakan dibatasi dalam batas yang ditentukan oleh input
pengguna. Dimulainya setiap aktivitas diperbolehkan untuk bervariasi secara acak
dalam batas input 2 dan 3. Jumlah pengulangan setiap aktivitas bervariasi secara
acak dalam batas yang ditentukan oleh input 4 dan 5. Durasi setiap aktivitas acak
dalam batas yang ditentukan oleh input 6 dan 7.
Itupenjadwalmengeluarkan lembar waktu berkode warna yang mewakili garis waktu untuk
semua agen dalam simulasi dengan setiap aktivitas diberi warna yang berbeda. Ini memberikan
umpan balik visual kepada pengguna akhir tentang distribusi aktivitas agen dari waktu ke waktu.
Data file .csv dari jadwal dikeluarkan dan dimasukkan ke dalamPelacak jalanfungsi.
592 FP ORTNER DAN JZ TAY

Gambar 1. Jadwal awal (kiri) lihat bagian 3.2, jadwal terhuyung-huyung dari skenario desain 1,
(kanan) lihat bagian 3.3.

2.2. FUNGSI PATH-TRACER

Fungsi path-tracer menghasilkan semua jalur yang dilalui oleh agen di asrama
berdasarkan jadwal induk. Masukan pengguna untuk fungsi ini adalah
representasi jaringan dari studi kasus asrama, sebagai daftar node dan tepi
berlabel. Node mewakili ruang fungsional, seperti kamar tidur, dan tepi mewakili
hubungan spasial, seperti koridor. Representasi jaringan ini adalah cerminan
geometri bangunan tiga dimensi dan akurat, yang dilacak dari denah lantai
bangunan. Penciptaan representasi jaringan adalah kegiatan manual non-sepele
yang membutuhkan bantuan seorang profesional desain yang berpengalaman.
Pembuatan representasi jaringan ini dirangkum pada gambar 2.

ItuPelacak jalanfungsi mencocokkan setiap agen ke node yang tersedia untuk

setiap aktivitas/ruangan dalam jadwal agen. Node tempat tidur 'check-out' setelah
penugasan, sedangkan node lain mengizinkan beberapa penugasan agen simultan.
Ketika ada pilihan antara ruang yang tersedia untuk suatu kegiatan, misalnya toilet,
agen diberi simpul yang paling dekat dengan titik asalnya.

Gambar 2. Konversi asrama studi kasus ke representasi jaringan. Model volumetrik (kiri)
diekstraksi dan dikonversi ke node dan tepi (tengah), yang akan ditandai sesuai
berfungsi (kanan atas) dan dimensi lateral (kanan bawah).

Jalur agen melalui asrama dihasilkan menggunakan algoritma jalur terpendek

untuk mengidentifikasi rute antara pasangan asal/tujuan. Kami telah menggunakan
 RUMAH TAHAN PANDEMI 593

Sebuah algoritma bintang (Hart, Nilsson, dan Raphael, 1968). Waktu yang dibutuhkan agen
untuk berpindah dari asal ke tujuan dihitung dengan membagi panjang lintasan dengan
kecepatan berjalan yang konstan. Kami memperhitungkan waktu berjalan dengan mengganti
waktu yang dihabiskan oleh agen di tempat asal, yaitu agen meninggalkan ruang asal lebih awal
dan tiba di tujuan tepat waktu.
Fungsi menampilkan lokasi setiap agen untuk setiap detik dalam periode simulasi
sebagai pohon data titik di mana setiap cabang berisi daftar titik yang mewakili lokasi
agen tunggal pada interval waktu tertentu. Simulasi yang disajikan dalam makalah ini
dimulai dari pukul 00:00:00 hingga pukul 23:59:59; untuk total 86400 detik.

2.3. METRIK EVALUASI

Kami menggunakan dua metrik untuk mengevaluasi keluaran simulasi. Metrik pertama,
Penggunaan, didefinisikan sebagai waktu total suatu edge telah ditempati oleh agen mana
pun selama periode simulasi. Metrik kedua,Penyumbatan, didefinisikan sebagai rasio
jumlah total agen di tepi pada interval waktu tertentu dengan kapasitas tepi itu seperti
yang ditentukan oleh area dan pedoman jarak sosial (gambar 3).
Kedua metrik ini akan akrab bagi pembaca analisis jaringan perkotaan atau simulasi
lalu lintas. Penggunaannya mirip dengan betweenness meskipun seperti yang dijelaskan
di atas itu bukan perhitungan all-to-all (Sevtsuk, A. 2017). Kemacetan dalam simulasi lalu
lintas didefinisikan sebagai rasio lalu lintas di sepanjang tepi dengan kapasitas tepi itu, dan
mirip dengan definisi yang kami berikan untuk tujuan model kami (Poon et al 2004).

Untuk menghitung kemacetan pada waktu t dilambangkan sebagaiCsaya(t), pertama-tama kita

menghitung volume lalu lintas di tepiEsaya,dilambangkan sebagaiTsaya(t).SEBUAHtmewakili posisi agen
pada waktu t dalam himpunan tertentu S. adalah konstanta yang mewakili area minimum yang
diperlukan per agen berdasarkan pembatasan jarak sosial yang berlaku. Dalam kasus Singapura, kami
menggunakan nilai1m2.Daerahsayaadalah luas lantai dariEsaya.

Gambar 3. Definisi kode semu indeks kemacetan.

2.4. VISUALISASI HASIL

Kami memvisualisasikan hasil simulasi yang dievaluasi menggunakan representasi
spasial 3 dimensi dan representasi temporal dua dimensi. Dua keluaran visualisasi
pertama adalah tampilan tiga dimensi dari model grafik, yang mewakili metrik
Penggunaan (gambar 4 kiri) dan Kemacetan (gambar 4 kanan) melalui warna dan
ketebalan tepi grafik. gambar 4 menunjukkan hasil dari skenario dasar studi kasus
kami. Representasi tiga dimensi menekankan pemahaman spasial gerakan agen,
menyoroti area di mana penggunaan atau kemacetan relatif
594 FP ORTNER DAN JZ TAY

tinggi.

Gambar 4. Diagram penggunaan konfigurasi baseline (kiri). Diagram kemacetan maksimum

dari konfigurasi dasar (tengah). Turunan deviasi dari kemacetan kumulatif antara baseline
dan dan merancang skenario 1 selama 04:30 sampai 07:30 (kanan) (lihat bagian 3.2 dan 3.3). .

Visualisasi tiga dimensi, bagaimanapun, tidak dapat memberi tahu kita kapan saat-saat
kemacetan tinggi terjadi. Untuk memahami kemacetan sementara kami menampilkan grafik
deret waktu linier yang menunjukkan kemacetan kumulatif dalam jaringan dari waktu ke waktu.
Kemacetan kumulatif mengacu pada jumlah pengukuran kemacetan untuk semua tepi dalam
jaringan pada interval waktu tertentu.
Dalam hasil kami, kami menyajikan perbandingan antara simulasi dasar yang dijalankan
untuk studi kasus dan serangkaian varian desain. Untuk mengartikulasikan perbandingan ini
dengan lebih baik, grafik deret waktu yang disajikan adalah perbedaan atau penyimpangan
antara varian desain dan kemacetan garis dasar. Metode penghitungan nilai deviasi ini
ditunjukkan pada gambar 4 di sebelah kanan: kemacetan kumulatif untuk skenario baseline dan
skenario desain 1 masing-masing ditunjukkan dengan warna abu-abu dan kuning.
Penyimpangan antara dua nilai ditunjukkan dengan warna hijau (lihat bagian 3.2 dan 3.3).

3. Hasil dan Pembahasan

3.1. STUDI KASUS Asrama Pekerja Migran

Di bagian ini kami menyajikan hasil dari penerapan model komputasi kami ke studi
kasus asrama pekerja dan serangkaian varian desain. Kami memperoleh dataset
anonim dari denah lantai dan gambar studi kasus kami dengan berhubungan
dengan kontak industri lokal. Asrama terdiri dari dua blok perumahan dua belas
lantai dan struktur terpisah untuk kantin.
Dalam semua simulasi yang dijelaskan dalam makalah ini, kami telah menggunakan
256 agen, dibatasi pada tiga lantai pertama gedung studi kasus, dengan agen lebih lanjut
dibatasi untuk hanya menggunakan inti sirkulasi vertikal yang paling dekat dengan kamar
tidur yang dialokasikan. Kendala ini diberlakukan karena biaya komputasi untuk
mensimulasikan bangunan penuh dengan total populasi 1024. Alih-alih mensimulasikan
bangunan penuh dengan populasi jarang, kami memilih untuk mensimulasikan sebagian
bangunan dengan populasi penuh.
 RUMAH TAHAN PANDEMI 595

3.2. SKENARIO ASAS BURUH MIGRAN DASAR

Dalam model dasar kami, kami menetapkan jadwal yang sesuai dengan hari kerja biasa di
asrama pekerja migran berdasarkan tinjauan literatur kami (gambar 1, kiri). Jadwal dasar
meliputi: persiapan pagi, transportasi ke lokasi, kembali dari lokasi, makan malam di
asrama dan kegiatan rekreasi lainnya di dalam fasilitas. Waktu mulai agen berkisar antara
pukul 04:30 hingga 05:30, dengan keberangkatan pada pukul 06:30, karena waktu mulai
dan akhir kerja yang diatur oleh pemerintah jatuh antara pukul 07.00 hingga 19.00 (Badan
Lingkungan Nasional, 2007). Waktu makan malam antara 19:00 hingga 21:30 diblokir,
dengan akhir hari berikutnya antara 10:00 hingga 23:00.

Diagram penggunaan (gambar 4, kiri) menunjukkan bahwa ruang yang paling banyak
digunakan terletak di antara kantin dan titik antar jemput serta titik sirkulasi vertikal di
permukaan tanah. Diagram kemacetan (gambar 4, kanan) memberikan tampilan yang lebih
bernuansa, menunjukkan kepada kita bahwa area sirkulasi vertikal di setiap tingkat adalah titik
kemacetan yang lebih tinggi. Skenario desain selanjutnya yang disajikan dalam makalah ini
adalah upaya untuk mengurangi kemacetan di ruang yang banyak digunakan ini melalui
perubahan jadwal dan intervensi desain.

Gambar 5. Akumulasi simpangan indeks kemacetan per menit yang dihasilkan untuk setiap desain
konfigurasi.

3.3. SKENARIO 1: JADWAL TERJANGKAU

Dalam skenario pertama kami mensimulasikan jadwal yang dimodifikasi yang membagi populasi agen
menjadi tiga kelompok (gambar 1, kanan). Kelompok-kelompok ini diberi waktu kerja dan makan
malam yang terhuyung-huyung. Waktu buffer 15 menit antara waktu makan malam ditambahkan
untuk memungkinkan desinfeksi meja antara kelompok.
Di pagi hari, sebelum 06:30, skor deviasi secara konsisten positif untuk varian yang
menunjukkan lebih sedikit kemacetan (gambar 5). Skor negatif untuk skenario ini terjadi
antara pukul 06:30 hingga 07:30 karena fakta bahwa semua agen di baseline telah
meninggalkan asrama pada saat ini. Di malam hari saat agen kembali ke asrama,
keuntungan dari jadwal kedatangan/keberangkatan yang tidak menentu lagi-lagi
ditunjukkan oleh skor deviasi positif yang konsisten antara pukul 5:00 hingga 6:00 sore.
596 FP ORTNER DAN JZ TAY

Kekurangan dari jadwal asrama yang terhuyung-huyung muncul selama waktu makan
malam. Skor deviasi sangat berfluktuasi antara pukul 18:00 hingga 20:45. Fluktuasi ini
dapat dipecah menjadi 3 pasang "penurunan" dalam grafik, yang terjadi selama masing-
masing dari tiga periode makan malam, yang disebabkan oleh sejumlah besar agen yang
keluar masuk kantin dalam waktu singkat. Puncak kemacetan ini adalah hasil dari agen
yang memiliki rentang waktu masuk/keluar yang lebih kecil dalam periode 45 menit yang
lebih pendek.

3.4. SKENARIO 2: DESAIN ULANG RUANG UMUM

Dalam rangkaian simulasi kedua, kami menguji apakah kami dapat meningkatkan
kemacetan di ruang bersama dengan menambahkan titik antar jemput ekstra dan jalur
tambahan ke kantin. Konfigurasi 2a menambahkan rute alternatif ke kantin. Berdasarkan
studi denah yang ada, kami menemukan bahwa ada kemungkinan besar untuk
membangun jalur kedua ke kantin melalui pusat blok perumahan. Konfigurasi 2b
menambahkan titik penjemputan tambahan. Penambahan titik PUDO kedua di lokasi akan
mengharuskan pemilik bangunan untuk memperpanjang jalan masuk dari tempat parkir
untuk mencapai lokasi yang diusulkan, kemungkinan intervensi desain. Konfigurasi 2c
menggabungkan kedua proposal bersama-sama.

Gambar 6. Diagram indeks penggunaan (baris atas) dan diagram indeks kemacetan maksimum (bawah
baris) untuk konfigurasi 2a, 2b dan 2c (kiri ke kanan).

Setiap perubahan desain meningkatkan kemacetan asrama selama periode

penggunaannya seperti yang ditunjukkan pada gambar 6. Membuat rute
sirkulasi tambahan ke kantin (2a) menciptakan pengurangan kemacetan selama
jam makan (18:30-20:30). Penambahan titik penjemputan baru menghasilkan
penurunan kemacetan pada saat agen berangkat dan tiba di asrama (5:30-6:30,
17:00-18:30).
Sementara kombinasi dari dua skenario desain (2c) menghasilkan konsolidasi manfaat
masing-masing, namun ada beberapa konsekuensi tak terduga dari kombinasi tersebut.
Penggabungan kedua skenario tersebut menghasilkan peningkatan penggunaan dan
kemacetan area di mana titik PUDO baru terhubung dengan jalur menuju kantin (gambar
6). Kemampuan untuk mengantisipasi hal yang tidak terduga ini
 RUMAH TAHAN PANDEMI 597

efek tambahan dari menggabungkan skenario desain adalah salah satu keuntungan yang dapat
diberikan alat kami kepada pengguna akhir yang bergulat dengan pengorbanan antara cara
menerapkan jarak sosial di asrama pekerja.

3.5. DISKUSI
Model kemacetan asrama kami telah memungkinkan kami untuk menunjukkan manfaat
komparatif dari perubahan jadwal dan perubahan desain sehubungan dengan konfigurasi
dasar studi kasus. Dengan memvisualisasikan manfaat ini baik secara spasial maupun
temporal, kami dapat menarik kesimpulan yang lebih bernuansa tentang setiap skenario
dan membandingkan intervensi berbasis jadwal dan adaptasi desain fisik.
Hasil kami menunjukkan bahwa sementara jadwal yang terhuyung-huyung memang mengurangi
kemacetan rata-rata selama simulasi, itu juga menyebabkan lonjakan kemacetan sesaat namun
dramatis saat agen bergerak masuk dan keluar dari ruang (seperti kantin) selama periode waktu yang
singkat (gambar 5 ). Hasil ini membantu kami memahami bagaimana jadwal yang terhuyung-huyung
menyebabkan periode pemanfaatan ruang yang berlebihan dan kurang, dan menciptakan hambatan
terhadap langkah-langkah jarak sosial. Pekerjaan di masa depan dapat memungkinkan kami untuk
merekomendasikan pengaturan waktu yang memadai, fleksibilitas tambahan, atau ruang tambahan
untuk jarak masuk dan keluar secara sosial ke/dari ruang komunal.
Hasil kami juga menunjukkan bahwa menerapkan beberapa perubahan desain secara
bersamaan tidak selalu memiliki dampak yang sama seperti menerapkannya secara
terpisah. Ini adalah kasus, misalnya, dalam konfigurasi 2c di mana kombinasi jalur baru ke
kantin dan titik antar jemput tambahan telah mengakibatkan pemanfaatan titik drop-off
awal yang kurang, seperti yang terlihat dalam Penggunaan diagram pada gambar 6. Hasil
ini menunjukkan bahwa model dapat membantu pengguna akhir untuk merencanakan
kombinasi intervensi desain yang melengkapi daripada mengganggu satu sama lain.

Perbandingan efektivitas perubahan jadwal terhadap perubahan desain fisik untuk jarak
sosial juga diizinkan oleh hasil kami. Pada Gambar 5 kita melihat bahwa sementara perubahan
spasial (2a-c) telah menawarkan pengurangan kemacetan yang moderat, perubahan jadwal yang
kontras telah menghasilkan amplitudo perubahan yang jauh lebih luas dengan pengurangan
kemacetan yang lebih besar, tetapi juga momen peningkatan yang tajam. Temuan awal ini
menunjukkan bahwa modifikasi jadwal dapat menjadi manfaat potensial yang besar dalam jarak
sosial, tetapi dapat menyebabkan kepadatan mendadak di titik-titik spasial dan temporal jika
tidak direncanakan dengan benar. Alat komputasi semacam yang diusulkan dalam makalah ini
dapat membantu mengantisipasi konsekuensi ini dan menginformasikan perubahan desain
untuk menghindari titik tersedak.

4. Kesimpulan
Dalam makalah ini kami telah menyajikan model komputasi untuk memahami kepadatan
penduduk dalam konteks kelembagaan yang padat, diterapkan di sini untuk menjaga jarak
sosial dalam pandemi COVID-19. Model ini menyajikan kemampuan baru untuk
memungkinkan eksplorasi skenario spasial dan temporal dan membandingkan tradeoff
antara keduanya. Hasil awal yang ditunjukkan di sini menunjukkan potensi pendekatan ini
untuk memfasilitasi pengambilan keputusan berdasarkan informasi di seluruh desain
gedung dan silo manajemen gedung.
598 FP ORTNER DAN JZ TAY

Keterbatasan model seperti yang ditunjukkan di sini adalah ketergantungannya pada

perkiraan jadwal asrama dan operasi daripada pengukuran berbasis lapangan. Data
lapangan akan memungkinkan pembuatan model dasar yang lebih akurat, serta validasi
hasil simulasi relatif terhadap nilai dunia nyata. Sayangnya, kontrol pandemi pada
pergerakan dan akses bebas telah mencegah kami mengumpulkan data ini hingga tulisan
ini dibuat. Kami terus mencari cara untuk memperoleh data ini secara etis dan aman, dan
berharap dapat mempresentasikan temuan ini di masa mendatang.
Akhirnya, di luar cakrawala pandemi COVID-19, kami percaya bahwa metode dan temuan
yang dijelaskan dalam makalah ini dapat berkontribusi pada penciptaan habitat perkotaan yang
lebih tangguh di mana desain bangunan/penggunaan kembali adaptif dan pengelolaan
bangunan dapat direncanakan bersama. Di luar kekokohan konstruksi, kami percaya bahwa
kapasitas konfigurasi bangunan untuk membatasi kemacetan dan beradaptasi dengan
penggunaan baru (seperti jarak sosial) harus menjadi pusat pemahaman kami tentang
ketahanannya. Metode komputasi, seperti yang disajikan dalam makalah ini, menawarkan jalan
menuju kuantifikasi ketahanan konfigurasional dan menggabungkannya dalam proses desain
berbasis bukti.

Referensi
“Konstruksi Kebisingan Kontrol” : 2007. Tersedia dari Badan Lingkungan Nasional
Singapura<https://www.nea.gov.sg/>.
“Nomor Tenaga Kerja Asing” : 24 September 2020. Tersedia dari Kementerian Tenaga Kerja
Singapura<https://www.mom.gov.sg>.
Peraturan “Penyakit Menular (Langkah Pencegahan Penyebaran Covid-19)” : 26 Maret 2020.
Tersedia dari Subsidiary Legislation Supplement Singapura<https://sso.agc.gov.sg/>. “Pemberitahuan
kepada operator asrama tentang penerapan langkah-langkah Hidup Aman pada pekerja asing
dormitaries” : 30 Mei 2020. Tersedia dari Ministry of Manpower Singapore<https://ww
w.mom.gov.sg>.
“Rilis Media Bersama MND-MOM tentang Asrama Baru dengan Peningkatan Standar untuk Migran
Pekerja” : Juni 2020. Tersedia dari Kementerian Pembangunan Nasional Singapura<https://
www.mnd.gov.sg/>.
Goldstein, R., Tessier, A. dan Khan, A.: 2010, Perilaku Penghuni yang Dikalibrasi Jadwal
Simulasi,Prosiding Multikonferensi Simulasi Musim Semi 2010, 1–8. SpringSim '10, San
Diego, CA, AS, Masyarakat untuk Simulasi Komputer Internasional.
Goldstein, R., Tessier, A. dan Khan, A.: 2011, Tata Letak Ruang dalam Simulasi Perilaku Penghuni,
Prosiding Konferensi: Konferensi Simulasi Gedung IBPSA-AIRAH.
Hart, PE, Nilsson, NJ dan Raphael, B.: 1968, 'Sebuah Dasar Formal untuk Penentuan Heuristik
dari Jalur Biaya Minimum',Transaksi IEEE pada Ilmu Sistem dan Sibernetika, 4(2), 100–
107.
Hassler, U. dan Kohler, N.: 2014, Ketahanan dalam lingkungan binaan,Membangun Penelitian &
Informasi,42(2), 119-129.
Hollnagel, E.: 2014, Resilience engineering dan lingkungan binaan,Membangun Penelitian &
Informasi,42(2), 221-228.
Moroz, H., Shrestha, M. dan Testaverde, M.: 2020, Potensi Tanggapan terhadap COVID-19
Wabah dalam Mendukung Pekerja Migran,Kertas Kerja Bank Dunia..
Poon, MH, Wong, SC dan Tong, CO: 2004, 'Model berbasis jadwal dinamis untuk kemacetan
jaringan transit',Penelitian Transportasi Bagian B: Metodologi, 38(4), 343–368.
A. Sevtsuk (ed.): 2017,Analisis dan Perencanaan Jaringan Perkotaan, Pegas.
Ulicny, B. dan Thalmann, D.: 2003, Towards Interactive Real Time Crowd Behavior,
Forum Grafik Komputer,21(4), 767-775.