Estimasi Biaya Struktur Gedung Rumah Sakit dengan Bentuk Persegi Panjang Menggunakan Metode Artificial Neural Network

Authors

  • Ratih Dewanti Universitas Gadjah Mada
  • Akhmad Aminullah Universitas Gadjah Mada
  • Henricus Priyosulistyo Universitas Gadjah Mada

DOI:

https://doi.org/10.37253/jcep.v2i2.5351

Keywords:

estimasi biaya, struktur beton bertulang, gedung rumah sakit, artificial neural network

Abstract

Estimasi biaya struktur memiliki peran penting pada tahap perencanaan. Penelitian ini memanfaatkan metode Artificial Neural Network (ANN) sebagai metode pendekatan untuk menghasilkan estimasi biaya struktur gedung yang keakuratannya dapat diuji. Permodelan gedung merupakan struktur beton bertulang dengan model tipikal bentuk persegi panjang yang berfungsi sebagai gedung rumah sakit. Estimasi biaya struktur terdiri dari biaya pekerjaan balok, kolom dan pelat. Tahap pelatihan permodelan ANN menggunakan 60 variasi data dari pengembangan variabel penelitian berupa luas lantai, jumlah lantai, tinggi kolom, kelas situs, dimensi balok dan dimensi kolom. Hasil permodelan ANN menunjukkan estimasi biaya struktur lebih sensitif terhadap variabel dimensi balok dan kolom. Permodelan ANN estimasi biaya struktur menghasilkan nilai persentase error/MMRE sebesar ±1,55% pada data learning dan ±9,75% pada data uji random.

Downloads

Download data is not yet available.

Author Biography

Ratih Dewanti, Universitas Gadjah Mada

The cost estimation of structure is important at the planning stage. This study uses the Artificial Neural Network (ANN) method as an approach method in providing the cost estimation of building structures where accuracy can be tested. The building model is a reinforced concrete structure with a rectangular shape that functions as a hospital building. The cost estimation of the structure consists of the cost of the beam, column, and slab. The ANN model training consists of 60 variations of research variables in the form of floor area, number of floors, column height, earthquake site class, dimension of beam and column. The results of the ANN modeling show that the estimated cost of the structure is more sensitive to the variable of beams and columns dimension. The cost estimation of structure using the ANN modelling produces a percentage of error/MMRE value of ±1.55% under learning data and ±9.75% under random test data.

 

Downloads

Published

2021-12-31

Issue

Section

Articles

Most read articles by the same author(s)