ESTIMASI LABA KOTOR PROYEK BANGUNAN GEDUNG BERBASIS BOBOT BIAYA LANGSUNG DENGAN METODE FUZZY LOGIC DAN ARTIFICIAL NEURAL NETWORK

ESTIMASI LABA KOTOR PROYEK BANGUNAN GEDUNG BERBASIS BOBOT BIAYA LANGSUNG DENGAN METODE FUZZY LOGIC DAN ARTIFICIAL NEURAL NETWORK Hilda Jusuf, Yusuf Latief Teknik Sipil, Fakultas Teknik, Universitas Indonesia ABSTRAK Estimasi biaya merupakan kunci kesuksesan suatu proyek dari tahap konsep hingga tahap akhir. Dua komponen yang terdapat dalam estimasi biaya adalah biaya langsung dan biaya tidak langsung. Biaya langsung memegang peranan yang penting karena besarnya dominan terhadap total biaya. Efisiensi pada biaya langsung dapat berpengaruh terhadap laba kotor proyek. Dengan menggunakan data historis proyek, bobot laba kotor akan diketahui berdasarkan bobot biaya langsung yang ada. Metode yang digunakan dalam penelitian ini adalah Fuzzy Logic dan Artificial Neural Network menggunakan Matlab. Dari penelitian yang dilakukan, diketahui bahwa untuk proyek kampus, ANN memberikan hasil yang lebih akurat. Dengan menggunakan hasil ini, simulasi telah dilakukan dan diperoleh range laba kotor proyek sebesar (13,51-14,69%). Sementara itu range untuk komponen biaya langsungnya (25,93-34,13%) untuk biaya upah; (45,71-56,11%) untuk biaya bahan; (27,61-43,90%) untuk biaya subkontraktor; (5,74-14,3%) untuk biaya peralatan; dan (9,08-12,19%) untuk biaya overhead proyek. Sedangkan untuk proyek kantor, Fuzzy Logic memberikan hasil yang lebih akurat. Dengan menggunakan hasil tersebut, simulasi telah dilakukan dan diperoleh range laba kotor sebesar (13,09-16,74%). Range biaya langsungnya (23,32-31,33%) untuk biaya upah; (44,47-53,08%) untuk biaya bahan; (37,47-48,99%) untuk biaya subkontraktor; (8,2113,52%) untuk biaya peralatan; dan (11,87-16,09%) untuk biaya overhead proyek. Kata kunci: ANN; bobot biaya langsung; estimasi biaya; Fuzzy Logic; laba kotor ABSTRACT Cost estimate is the key to the success of a project from concept stage until the final stage. Two components are included in cost estimate are direct cost and indirect cost. Direct cost is important because of the large dominant to the total cost. Efficiency on direct cost can effecting gross profit project. With use historical data project, weight of gross profit will be known based on existing weight of direct cost. Methods used in this research are Fuzzy Logic and Artificial Neural Network with Matlab. From the research conducted, it is known that for college project, ANN produced more accurate output. With use this result, simulation have been done and obtained range of gross profit by (13,51-14,69%). While range components of direct cost are (25,93-34,13%) for wage cost; (45,71-56,11%) for materials cost; (27,6143,90%) for subcontractor cost; (5,74-14,3%) for equipment cost; and (9,08-12,19%) for overhead project cost. For office project, Fuzzy Logic gives more accurate result. With use this result, simulation have been done and obtained range of gross profit by (13,09-16,74%). Range components of direct cost are (23,32-31,33%) for wage cost; (44,47-53,08%) for materials cost; (37,47-48,99%) for subcontractor cost; (8,21-13,52%) for equipment cost, and (11,87-16,09%) for overhead project cost. Key words: ANN; cost estimate; Fuzzy Logic; gross profit; weight of direct cost

Estimasi laba..., Hilda jusuf, FT UI, 2014.

PENDAHULUAN

Sebagai negara berkembang, Indonesia tidak lepas dari kegiatan pembangunan yang terus mengalami peningkatan seperti pada proyek gedung, perumahan, ataupun jembatan. Pembangunan proyek gedung saat ini telah dilakukan di banyak tempat untuk menunjang kebutuhan masyarakat karena bangunan gedung memegang peranan yang sangat penting sebagai tempat dimana manusia melakukan kegiatannya sehari-hari.

Menurut Peraturan Menteri Pekerjaan Umum, bangunan gedung adalah wujud fisik hasil pekerjaan konstruksi yang menyatu dengan tempat kedudukannya, sebagian atau seluruhnya berada di atas dan/atau air, yang berfungsi sebagai tempat manusia melakukan kegiatannya, baik hunian atau tempat tinggal, kegiatan keagamaan, kegiatan usaha, kegiatan sosial, budaya, maupun kegiatan khusus1.

Dalam melaksanakan kegiatan pembangunan gedung ini, diperlukan perencanaan yang matang. Salah satu aspek penting yang mempengaruhi keberhasilan kontraktor dalam menyelesaikan kegiatan konstruksi adalah biaya. Estimasi biaya proyek konstruksi merupakan proses analisis perhitungan berdasarkan pada metode konstruksi, volume pekerjaan, dan ketersediaan berbagai sumber daya, dimana keseluruhannya membentuk operasi pelaksanaan optimal yang membutuhkan pembiayaan2. Estimasi biaya dilakukan untuk mengurangi ketidakpastian anggaran biaya. Jika estimasi biaya yang dilakukan menghasilkan perkiraan biaya yang terlalu tinggi (overestimate), pada tahap tender perusahaan bisa kalah dengan pesaing yang mampu menawarkan harga yang lebih rendah dengan kualitas yang sepadan. Jika estimasi biaya terlalu rendah (underestimate), kemungkinan perusahaan bisa menang melawan pesaing untuk mendapatkan proyek dalam tahap tender, tetapi perusahaan akan mengalami kesulitan dalam tahap pelaksanaan3.

Secara umum, komponen biaya yang tercantum dalam estimasi biaya konstruksi meliputi biaya langsung (direct cost) dan biaya tidak langsung (indirect cost). Biaya langsung adalah seluruh biaya yang berkaitan langsung dengan fisik proyek, yaitu meliputi seluruh biaya dari kegiatan yang dilakukan di proyek (dari persiapan hingga penyelesaian) dan biaya mendatangkan seluruh sumber daya yang diperlukan oleh proyek tersebut4. Secara garis besar, biaya langsung pada proyek konstruksi terdiri dari biaya bahan/material, biaya upah kerja (tenaga), biaya alat, biaya subkontraktor, dan biaya overhead lapangan. Sedangkan yang


dimaksud dengan biaya tidak langsung adalah seluruh biaya yang terkait secara tidak langsung, yang dibebankan kepada proyek5. Biaya ini meliputi antara lain biaya overhead di kantor pusat/cabang, biaya kontingensi. Estimasi biaya langsung dihitung berdasarkan perkalian harga satuan penawaran dengan volume pekerjaan yang mengacu pada gambar dan spesifikasi teknis, sedangkan perkiraan biaya tidak langsung tidak mudah dilakukan karena tidak adanya rujukan informasi yang akurat sebagaimana halnya dengan gambar dan spesifikasi teknis.

Biaya langsung memegang peranan yang sangat penting sekali. Disamping besarnya dominan terhadap total biaya, juga sering dipakai sebagai dasar menetapkan biaya tidak langsung secara persentase. Angka yang ditunjukkan dalam biaya langsung merupakan tolok ukur kemampuan perusahaan dalam menjaga efisiensi. Masing-masing komponen biaya langsung dapat memberikan kontribusi terhadap laba proyek. Dengan mengetahui bobot dari masingmasing komponen biaya langsung ini, dapat diperkirakan berapa besarnya laba/profit maksimum yang akan diperoleh perusahaan.

Dalam melakukan estimasi biaya, perusahaan juga tentunya perlu mengetahui biaya-biaya apa saja yang termasuk dalam kegiatan proyek dimana biaya itulah yang akan menentukan seberapa besar laba/profit yang akan diperoleh. Mengingat bahwa alokasi biaya untuk sumberdaya proyek pada masa konstruksi adalah paling besar, sehingga apabila terdapat ketidaktepatan dalam perhitungan proporsi ini dapat mengakibatkan kerugian pada proyek6.

Pada pelaksanaan proyek konstruksi gedung, banyak dijumpai proyek yang mengalami pembengkakan biaya maupun keterlambatan waktu, bahkan dari peneliti terdahulu disebutkan bahwa delapan dari sepuluh proyek mengalami pembengkakan biaya7. Oleh karena itu diperlukan perencanaan yang baik dalam melakukan estimasi biaya yang meliputi biaya langsung dan laba proyek. Salah satu metode yang bisa digunakan untuk estimasi biaya adalah Fuzzy Logic dan Artificial Neural Network (ANN). Selanjutnya adalah bagaimana menetapkan laba kotor proyek bangunan gedung berbasis bobot biaya langsung dengan kedua metode tersebut. Dengan demikian, tujuan dari penelitian ini adalah menetapkan laba kotor proyek bangunan gedung berbasis bobot biaya langsung dengan metode Fuzzy Logic dan Artificial Neural Network (ANN).


TINJAUAN TEORITIS

Estimasi biaya proyek konstruksi dapat didefinisikan sebagai proses analisis perhitungan berdasarkan pada metode konstruksi, volume pekerjaan, dan ketersediaan berbagai sumber daya, dimana keseluruhan membentuk operasi pelaksanaan optimal yang membutuhkan pembiayaan. Biaya dalam proyek terbagi menjadi dua, yaitu biaya langsung dan biaya tidak langsung. Biaya langsung meliputi biaya upah, biaya bahan, biaya subkontraktor, biaya peralatan, dan biaya overhead lapangan.

Biaya upah tenaga kerja adalah biaya yang dikeluarkan untuk membayar tenaga kerja dalam pelaksanaan proyek. Besar kecilnya upah tenaga kerja ditentukan oleh keterampilan yang dimiliki. Sementara itu biaya bahan adalah harga bahan itu sendiri dan termasuk di dalamnya biaya transportasi (delivery cost) dan penyimpanan di gudang (storage cost). Juga perlu dipertimbangkan biaya resiko bagian yang tidak terpakai/terbuang (waste material) di lapangan karena menyesuaikan dengan dimensi di lapangan8.

Beberapa penelitian terdahulu mengenai biaya upah memberikan hasil yang berbeda-beda, diantaranya Ritz (1994) sebesar 60%, Satra (2003) sebesar 14,62-19,86; Soeharto (2005) sebesar 25-35%, Muzayanah (2008) sebesar 19%, dan Panggih (2011) sebesar 11,24%. Penelitian mengenai besarnya bobot biaya bahan telah dilakukan oleh peneliti sebelumnya, yaitu Ritz (1994) sebesar 25-40%, Satra (2003) sebesar 15,48-26,69%; Muzayanah (2008) sebesar 66%, Panggih (2011) seebsar 35,28%; Kaming (1997) sebesar 65%, Daryatno (2001) sebesar 40-60%, Bernold (1991) sebesar 60%, Stukhart (1995) sebesar 50-70%.

Komponen selanjutnya dari biaya langsung adalah biaya subkontraktor. Biaya subkontraktor merupakan biaya yang dikeluarkan kontraktor utama kepada subkontraktor karena sebagian pekerjaan dilaksanakan oleh subkontraktor. Secara khusus kontraktor utama tidak mengerjakan semua pekerjaan dalam suatu proyek. Pekerjaan yang dipercayakan kepada subkontraktor sesuai dengan bidang keahliannya masing-masing. Kebijakan subkontrak dalam suatu pelaksanaan proyek konstruksi, terutama bangunan gedung, dapat mencapai 8090% pekerjaan yang dikerjakan oleh subkontraktor (Hinze & Tracey, 1994)9. Menurut Dainty (2001), hampir 57% dari pekerjaan melibatkan subkontraktor, dan bobot ini bisa lebih besar lagi tergantung dari besarnya proyek. Selain itu, di Hong Kong 99% pekerjaan konstruksi disubkontrakkan10. Sementara itu hasil penelitian terdahulu untuk biaya subkontraktor adalah


Satra (2003) sebesar 40,19-48,39%; Panggih (2011) sebesar 29,39%; Randolph (2011) sebesar 40%, Hinze & Tracey (1994) sebesar 80-90%, serta Dainty (2001) sebesar 57%.

Biaya peralatan adalah biaya yang dikeluarkan untuk membayar semua keperluan yang berhubungan dengan perlengkapan yang digunakan dalam pelaksanaan item pekerjaan dalam sebuah proyek. Banyak jenis pekerjaan yang memerlukan peranan alat dalam proses pelaksanaannya. Oleh karena itu bila dalam pelaksanaan suatu item pekerjaan tertentu memerlukan penggunaan alat-alat konstruksi, terutama sekali alat-alat berat, maka sub harga satuan alat harus dihitung tersendiri seperti halnya sub harga bahan. Dasar perhitungan sub harga satuan alat ini sama dengan sub harga satuan upah, yaitu mempertimbangkan tingkat produktivitas alat tersebut. Penelitian terdahulu mengenai biaya peralatan dilakukan oleh Satra (2003) dengan hasil 2-18%; Muzayanah (2008) sebesar 15%, Panggih (2011) sebesar 5,5%; Daryatno (2001) sebesar 3-6%, dan Fahan (2005) sebesar 7-13%.

Biaya overhead lapangan merupakan biaya yang tak dapat dibebankan pada harga bahanbahan, upah pekerja dan peralatan, seperti telepon di proyek, pengamanan, dan sebagainya. Overhead lapangan meliputi supervision, site set up, utilities, small tools/consumables, transportation/equipment dan clean up crews. Pembayaran untuk overhead proyek/lapangan termasuk pembayaran yang rutin dan jumlahnya relatif tetap. Dengan demikian jadwal pembayarannya dilakukan rutin, tiap minggu/bulan, dari awal proyek sampai penyelesaian proyek11. Penelitian sebelumnya mengenai biaya overhead lapangan member hasil yang bervariasi, seperti Satra (2003) sebesar 10-12,63%; Panggih (2011) sebesar 9,05%; dan Assaf (1999) sebesar 11-20%.

Dari kelima komponen biaya tersebut, maka perusahaan akan memperoleh profit. Profit atau keuntungan adalah salah satu bentuk insentif yang diberikan kepada kontraktor pelaksana sebagai penyedia jasa oleh pemilik selaku pengguna jasa untuk bersedia melaksanakan pekerjaan konstruksi sesuai dokumen kontrak. Satu literatur yang sangat baik tentang profit junstru dijumpai dalam US Army Corps of Engineers (1997) tentang sistem unified facilities criteria (UFC). Dalam UFC profit secara tegas didefinisikan sebagai return on investment yang memberikan insentif bagi kontraktor untuk melaksanakan pekerjaan seefisien mungkin. UFC merekomendasikan profit dalam rentang antara 3 sampai 12%, tergantung pada karakteristik proyek12.


Metode yang digunakan dalam penelitian ini adalah Fuzzy Logic dan ANN menggunakan Matlab. Fuzzy Logic merupakan metode yang mempunyai kemampuan untuk memproses variabel yang bersifat kabur atau yang tidak dapat dideskripsikan secara eksak/pasti. Dalam Fuzzy Logic, variabel yang bersifat kabur tersebut direpresentasikan sebagai sebuah himpunan yang anggotanya adalah suatu nilai crisp dan derajat keanggotaannya (membership function) dalam himpunan tersebut13. Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain: 1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti 2. Logika fuzzy sangat fleksibel 3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat 4. Logika fuzzy mampu memodelkan fungsi-fungsi non linear yang sangat kompleks 5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan 6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional 7. Logika fuzzy didasarkan pada bahasa alami

Sementara itu, jaringan syaraf (ANN) merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut. Istilah buatan di sini digunakan karena jaringan syaraf ini diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran (Fausset, 1994)14.

METODE PENELITIAN

Metode yang digunakan dalam penelitian ini adalah Fuzzy Logic dan Artificial Neural Network (ANN) menggunakan Matlab. Selanjutnya hasil dari penelitian ini akan divalidasi kepada tiga orang pakar.

Data yang digunakan adalah 19 buah data proyek kampus dan 20 buah data proyek kantor. Data-data ini diperoleh dengan menggunakan kuisioner penelitian yang diberikan pada satu kontraktor. Data tersebut juga merupakan data yang digunakan dalam penelitian sebelumnya yang dilakukan oleh Panggih Widodo pada tahun 2011. Dalam penelitian ini terdapat dua buah kuisioner. Kuisioner pertama adalah kuisioner yang digunakan untuk mengumpulkan


data, sementara kuisioner kedua digunakan untuk validasi pakar. Data yang digunakan dalam penelitian ini terdapat dalam Tabel 1 dan Tabel 2.

Tabel 1. Persentase Komponen Biaya Langsung dan Laba Gedung Kampus Biaya Langsung (%) No.

Laba

Proyek Upah

Bahan

Subkon

Alat

Overhead

(%)

1.

POLTEKES Semarang

23,94

32,35

25,29

3,30

15,11

10,70

2.

Asrama UNDIKSHA Bali

29,50

26,65

32,05

5,32

6,48

13,01

3.

COE ITS Surabaya

11,16

33,40

38,43

8,36

8,66

11,13

4.

UNIMA Manado

41,91

43,25

1,69

5,92

7,22

13,18

5.

UNES Semarang

37,19

32,77

4,54

17,50

8,00

14,14

6.

POLTEKES Surakarta

16,55

47,20

18,22

9,68

8,35

7,93

7.

UNDIKSHA Tahap 1

27,02

33,51

29,07

4,59

5,82

13,59

8.

BALPEKES Batam III

12,82

33,33

45,00

2,24

6,61

9,99

9.

UGM Kampus

8,81

36,26

36,64

8,45

9,84

11,01

10.

UNESA Tahap 1

20,11

60,71

12,91

0,68

5,60

13,11

11.

Asrama UNESA

19,33

62,57

13,14

0,33

4,63

12,21

12.

Asrama UNIMA Manado

34,64

45,04

9,60

3,45

7,27

11,55

13.

RSA UGM

31,68

38,70

12,93

10,92

5,77

14,30

14.

BALPEKES Semarang

10,80

52,17

20,66

10,86

5,51

11,11

15.

Kampus ISI

16,55

43,25

34,64

1,65

3,91

12,24

16.

STKIP Manado

27,61

47,25

11,02

4,10

10,03

12,67

17.

POLTEKES Padang

15,63

38,08

30,61

7,17

8,51

11,37

18.

ITS Tahap 1

20,87

57,27

13,10

1,26

7,50

12,35

19.

BALPEKES Batam

8,00

33,48

47,41

3,66

7,45

9,37

Sumber: Hasil Olahan

Tabel 2. Persentase Komponen Biaya Langsung dan Laba Gedung Kantor Biaya Langsung (%) No.

Laba

Proyek Upah

Bahan

Subkon

Alat

Overhead

(%)

1.

Menara Top Food

6,58

47,62

23,39

11,63

10,77

8,54

2.

Bank Saudara

8,00

48,67

24,39

9,99

8,95

9,13

3.

Lemigas

26,8

26,88

28,81

7,19

10,32

11,32

4.

Kantor BPK Bangka Belitung Proyek LAN Gedung B

10,08

33,20

38,19

6,00

12,53

11,79

7,28

31,73

49,13

3,20

8,65

7,05

5.


Tabel 2. (Sambungan) Biaya Langsung (%) No.

Proyek

Laba

Upah

Bahan

Subkon

Alat

Overhead

(%)

6.

Sekjen DEPKEU RI

5,97

39,60

44,91

4,17

5,35

8,75

7.

Gedung Arsip

7,08

34,15

47,52

2,42

8,83

13,77

8.

KPP Banten

8,84

35,79

42,22

3,80

9,34

7,90

9.

17,23

21,59

33,88

7,34

19,96

10,89

10.

Function Hall Graha Energi Gedung Pusat Rehab

18,80

44,01

22,49

5,18

9,52

10,29

11.

Griya Niaga 2

4,34

52,74

29,83

6,95

6,13

2,93

12.

DPP P3

10,27

22,60

49,94

4,18

13,01

11,24

13.

Hanggar Halim

25,86

45,04

16,25

3,27

9,58

13,16

14.

Plaza Pondok Gedhe

23,11

36,51

27,36

3,59

9,43

16,79

15.

Pulomas Palace

9,43

50,33

9,37

18,12

12,75

8,17

16.

Pajak Pusat 27 Lantai

4,53

29,93

59,48

0,91

5,16

7,63

17.

BPK Bengkulu

22,70

29,87

29,94

2,98

14,51

10,10

18.

8,26

39,53

36,74

8,57

6,90

5,42

19.

Pasar Tanah Abang Blok B BPK Bengkulu Tahap 2

18,54

44,71

21,63

2,95

12,17

11,21

20.

BI Solo

7,95

62,29

14,26

8,29

7,21

4,68


Lima komponen biaya langsung yang ada menjadi variabel bebas, yaitu biaya upah (x1), biaya bahan (x2), biaya subkontraktor (x3), biaya peralatan (x4), dan biaya overhead lapangan (x5). Variabel ini akan digunakan sebagai variabel input ketika dimasukkan dalam Matlab. Sementara itu variabel terikat, yang mejadi variabel outputnya adalah laba kotor proyek (y). Pengolahan data menggunakan Fuzzy Logic diawali dengan membuka Matlab dan memunculkan tampilan awal Fuzzy. Dengan memasukkan variabel input serta output seperti yang telah ditetapkan sebelumnya, pembentukan membership function untuk setiap variabel dapat dilakukan. Setelah seluruh membership function pada setiap variabel telah dibuat, langkah selanjutnya adalah membuat IF-THEN Rules pada Rule Editor dengan menggunakan operator AND. Rules dibuat berdasarkan data historis proyek yang ada sehingga pada proyek kampus dihasilkan 96 rules dan pada proyek kantor diperoleh 71 rules untuk membuat pemodelan ini.


Setelah semua rules dimasukkan pada Rule Editor, maka hasil pemetaan ini dapat dilihat pada Rule Viewer. Pada Rule Viewer ini dimasukkan data untuk setiap variabel input berdasarkan data historis, sementara itu Matlab akan mencari hasil keluarannya (output). Nilai yang tertera pada laba adalah hasil Fuzzy Matlabnya. Semua data, baik data yang digunakan untuk pemodelan maupun data untuk uji validasi, dimasukkan satu per satu untuk melihat apakah model yang sudah dibuat sudah menghasilkan keluaran yang cukup baik.

Setelah meakukan proses estimasi menggunakan Fuzzy Matlab, dilakukan juga estimasi laba kotor proyek dengan menggunakan Fuzzy, namun secara manual. Adapun tahap-tahap Fuzzy manual ini meliputi pembuatan Membership Function, Fuzzifikasi, Operasi Fuzzy Logic, Implikasi, Agregasi, dan Defuzzifikasi. 1. Membership Function Sama seperti yang dilakukan pada Matlab, membership function yang dibuat di sini dilakukan pada setiap variabel input dan output. Jenis membership function yang digunakan adalah segitiga, yang merupakan gabungan dari dua garis linear. 2. Fuzzifikasi Proses selanjutnya adalah fuzzifikasi, yaitu proses inferensi fuzzy yang mengambil masukan-masukan dan menentukan derajat keanggotaannya dalam semua fuzzy set menggunakan fungsi keanggotaan masing-masing fuzzy set. Derajat keanggotaan diperoleh dengan memasukkan input data ke fungsi keanggotaan masing-masing fuzzy set. 3. Operasi Fuzzy Logic Operasi ini dilakukan jika bagian antecedent lebih dari satu pernyataan dengan hasil akhir berupa derajat kebenaran antecedent yang berupa bilangan tunggal. Bilangan ini akan diteruskan ke consequent. Input dari operasi ini terdiri dari dua atau lebih derajat keanggotaan dari variabel input. 4. Implikasi dan Agregasi Implikasi adalah proses mendapatkan keluaran sebuah IF-THEN rule berdasarkan derajat kebenaran (α min). Agregasi merupakan proses yang mengkombinasikan keluaran semua IF-THEN rule. 5. Defuzzifikasi Defuzzifikasi merupakan kebalikan dari fuzzifikasi. Masukan dari defuzzifikasi adalah sebuah fuzzy set dan keluarannya adalah bilangan tunggal. Metode yang digunakan untuk menghasilkan keluarannya adalah metode centroid (composite moment). Metode ini dilakukan dengan mengambil titik pusat pada daerah fuzzy output.


Sama seperti Fuzzy, Matlab juga diperlukan untuk pengolahan data menggunakan ANN. Data yang ada dipisah menjadi data untuk pelatihan dan data yang akan digunakan untuk validasi. Proses pembuatan model menggunakan ANN ini digambarkan dalam flow berikut ini.

Gambar 1. Proses pemodelan ANN Sumber: Hasil Olahan

1. Mengumpulkan data Seperti yang telah dijelaskan sebelumnya, data yang digunakan dalam ANN ini sama seperti yang digunakan dalam membuat pemodelan Fuzzy Logic. Data yang ada terdiri dari data proyek bangunan gedung kampus dan kantor, masing-masing 19 dan 20 buah. 2. Pemisahan Data Pada bangunan gedung kampus, data yang digunakan sebagai data pelatihan adalah data 1 sampai 17, sedangkan data ke-18 dan 19 digunakan untuk uji validasi. Sementara itu, pada bangunan gedung kantor, data 1 sampai 18 digunakan untuk pelatihan, dan data 19 serta 20 digunakan untuk uji validasi. Data yang digunakan untuk pelatihan akan lebih banyak, hal ini ditujukan agar model yang akan dibangun memiliki pelatihan yang cukup untuk menghasilkan output yang sesuai.


3. Mendesain struktur jaringan syaraf Jumlah neuron yang digunakan pada lapisan input adalah 5 buah, sesuai dengan jumlah variabel input yang ada. Untuk output, jumlah neuron yang digunakan adalah 1 buah, yaitu bobot laba kotor proyek. Selain itu terdapat juga 1 buah hidden layer. Hidden layer boleh lebih dari 1 asalkan data pelatihannya mencukupi. Arsitektur jaringan ditentukan dengan mencoba jumlah nodes pada hidden layer. Pada penelitian ini, penulis mencoba memasukkan nodes mulai dari 1 sampai dengan 19 buah. Dari hasil pengamatan, diketahui bahwa semakin bertambah nodes, maka hasil errornya akan semakin kecil. Oleh karena itu, penulis menggunakan 19 nodes pada hidden layer sehingga kombinasi layernya 5-19-1 untuk proyek kampus dan 5-20-1 untuk proyek kantor. 4. Menentukan algoritma pembelajaran Algoritma pembelajaran yang digunakan dalam penelitian ini adalah backpropagation. Hal ini dikarenakan backpropagation cocok untuk peramalan, estimasi, dan prediksi. 5. Menentukan training parameter Penentuan training parameter dilakukan untuk mencapai optimalisasi pelatihan. Parameter epoch menentukan banyaknya iterasi yang dilakukan, dalam penelitian ini untuk proyek kampus digunakan 10000 epoch, sedangkan untuk proyek kantor digunakan 5000 epoch. Parameter goal dimasukkan untuk menentukkan MSE yang ingin dicapai, dalam hal ini digunakan 10 3. Parameter lr menunjukkan percepatan untuk mengubah bobot pada setiap iterasi, dalam penelitian ini digunakan 0,5. Selain itu, ada juga parameter min-grad, yaitu gradien penurunan pelatihan minimal, dalam penelitian ini digunakan 10-10. Parameter max-fail menunjukkan maksimum gagal yang diijinkan, disini digunakan 5. Pelatihan akan berhenti ketika salah satu parameter ini telah tercapai. Setelah semua parameter dimasukkan, maka pelatihan dimulai.

Ketika semua hasil dari Fuzzy Matlab, Fuzzy Manual, maupun ANN telah diperoleh, maka ketiganya dibandingkan. Untuk masing-masing proyek kampus dan kantor akan diketahui metode mana yang memberikan hasil nilai laba kotor proyek yang lebih akurat. Dengan menggunakan hasil yang ada, maka dilakukan simulasi menggunakan Crystal Ball untuk menentukan range komponen biaya langsung. Range yang diperoleh ini selanjutnya dibawa kepada pakar untuk validasi.


HASIL PENELITIAN

Setelah dilakukan pengolahan data menggunakan Fuzzy Matlab, Fuzzy Manual, dan ANN, maka hasil dari ketiganya dapat dilihat pada Tabel 3. Untuk proyek kampus, pengolahan data menggunakan Fuzzy, terkhusus Fuzzy Manual memberikan hasil yang lebih akurat. Sedangkan dilihat dari hasil Matlab, ANN memberikan hasil yang lebih akurat daripada Fuzzy Logic. Hal ini dilihat dari rata-rata selisih atau error dari seluruh data yang ada. Hasil ini merupakan penggabungan dari data yang digunakan untuk pelatihan maupun data yang digunakan untuk validasi.

Tabel 3. Hasil Pengolahan Data Fuzzy Matlab, Fuzzy Manual, dan ANN Proyek Kampus


Sementara itu hasil pengolahan data untuk proyek kantor ditampilkan dalam Tabel 4. Sama seperti proyek kampus, pada proyek kantor ini Fuzzy Manual memberikan hasil yang lebih akurat dalam menentukan besarnya bobot laba kotor proyek untuk 20 data yang ada. Sementara itu untuk hasil Matlab, Fuzzy Logic memberikan hasil yang lebih baik dibandingkan dengan ANN.


Tabel 4. Hasil Pengolahan Data Fuzzy Matlab, Fuzzy Manual, dan ANN Proyek Kantor No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Aktual Nama Proyek Lemigas Kantor BPK Bangka Belitung Proyek LAN Gedung B Sekjen DEPKEU RI Gedung Arsip KPP Banten Function Hall Graha Energi Gedung Pusat Rehab Griya Niaga 2 DPP P3 Hanggar Halim Plaza Pondok Gedhe Pulomas Palace Pajak Pusat 27 Lantai BPK Bengkulu Pasar Tanah Abang Blok B BPK Bengkulu Tahap 2 BI Solo Menara Top Food Bank Saudara

Y 11,32 11,79 7,05 8,75 13,77 7,9 10,89 10,29 2,93 11,24 13,16 16,79 8,17 7,63 10,1 5,42 11,21 4,68 8,54 9,13

Matlab 11,3 11,9 7,12 8,93 13,7 7,73 10,7 10,1 3,05 11,3 13,1 16,6 8,33 7,73 10,1 9,86 9,86 4,73 8,63 9,23 Rata-rata

Fuzzy Selisih Manual 0,176678 11,33 11,93 0,93299 7,13 0,99291 8,93 2,05714 13,73 0,508351 7,73 2,151899 10,73 1,74472 10,13 1,846453 2,93 4,09556 11,33 0,53381 13,13 0,455927 1,131626 16,79 1,95838 8,33 1,31062 7,73 0 10,13 81,9188 5,33 12,04282 11,33 1,06838 4,73 1,05386 8,63 1,09529 9,23 5,853811

Selisih 0,08834 1,18745 1,13475 2,05714 0,290487 2,151899 1,469238 1,554908 0 0,80071 0,227964 0 1,95838 1,31062 0,29703 1,660517 1,07047 1,06838 1,05386 1,09529 1,023872

ANN

Selisih

11,27809 11,58352 6,872478 8,203191 12,9712 8,55501 10,82844 9,512298 3,24726 11,34538 13,33646 17,01203 8,271248 8,524891 10,66289 5,538541 10,9066 4,97529 10,6881 10,6352

0,370238 1,751304 2,518046 6,24925 5,801011 8,29127 0,565266 7,557842 10,828 0,93757 1,3409 1,32239 1,23926 11,7286 5,57316 2,18711 2,706503 6,30962 25,1534 16,4863 5,945852


Berdasarkan hasil yang telah diperoleh ini, maka dilakukan simulasi menggunakan Crystal Ball untuk menentukan range komponen biaya langsung. Dari simulasi yang telah dilakukan, diperoleh hasil range pada proyek kampus untuk laba proyek sebesar (13,51-14,69%). Untuk komponen biaya langsungnya, biaya upah (25,93-34,13%), biaya bahan (45,71-56,11%), biaya subkontraktor (27,61-43,90%), biaya peralatan (5,74-14,3%), dan biaya overhead lapangan (9,08-12,19%).

Sementara itu untuk proyek kantor, dari simulasi yang dilakukan diperoleh hasil range untuk laba proyek (13,09-16,74%), biaya upah (23,32-31,33%), biaya bahan (44,47-53,08%), biaya subkontraktor (37,47-48,99%), biaya alat (8,21-13,52%), dan biaya overhead lapangan (11,87-16,09%).

Tiga orang pakar yang telah ditentukan sebelumnya memberikan gambaran mengenai bobot biaya langsung ini. Hasil rangkuman dari ketiganya telah diolah pada tabel berikut.


Tabel 5. Hasil Validasi Pakar No.

1

2

Pertanyaan Pakar 1 Apakah nilai masing-masing Untuk biaya langsung, biaya upah tidak mungkin komponen sudah mewakili bobot lebih besar dari biaya material dan biaya biaya langsung proyek kampus dan subkontraktor, khusus untuk proyek kampus dan kantor? proyek kantor. * Biaya upah umumnya berkisar antara 10-20% * Biaya peralatan 2-10% * Biaya subkon 13-15% * Biaya subkon menjadi lebih besar dari material apabila pekerjaan material ditangani oleh subkon (supplier) * Biaya overhead proyek 3-7% Berapa bobot komponen biaya Bobot biaya langsung khusus untuk bangunan langsung yang ideal? gedung kantor dan kampus adalah:

Pakar 2 Bobot biaya langsung tergantung dari struktur bangunannya, spesifikasi, serta kebijakan di lapangan. Kebijakan yang dimaksud adalah pekerjaan tersebut disubkan atau tidak.

Pakar 3 Sudah mewakili untuk pembagian presentase proyek kampus dan kantor. Prosentase akan lebih besar atau berbeda lagi untuk proyek apartemen atau hotel.

Besarnya bobot tergantung dari kebijakan di lapangan, berapa yang disubkan dan berapa yang dikerjakan sendiri.

Untuk komponen biaya langsung ideal adalah 85%-90%

* Biaya material 25-60% apabila hampir keseluruhan Untuk proyek gedung, upahnya cenderung rendah material tidak disubkontraktorkan dan materialnya tinggi. * Biaya upah 10-20% Pada bangunan gedung, besar biaya upah sekitar * Biaya peralatan 2-10% 30%, biaya material 60%, dan alat 10%. Semua ini * Biaya subkon 25-60% akan bekurang jika ada subkontraktor karena biaya subkontraktor meliputi ketiga biaya tersebut. Pada umumnya untuk proyek kantor-gedung pelaksanaannya lebih banyak ditangani oleh subkontraktor mampu sehingga komposisi biaya langsung secara umum adalah: * Biaya material 15% * Biaya upah 15% * Biaya peralatan 20% (terutama alat berat seperti Tower Crane dan concrete pump

3

* Biaya subkon 50% Bagaimana kontribusi masing- Untuk mendapatkan laba kotor dari biaya langsung masing komponen biaya langsung antara lain: tersebut terhadap laba kotor proyek? * Biaya material → dengan melakukan kontrak payung jangka panjang dengan supplier * Biaya upah → dengan melakukan upah borongan untuk pekerjaan-pekerjaan terukur dan upah harian untuk pekerjaan yang tidak terukur * Biaya peralatan → dengan melakukan penggunaan alat yang tepat guna sehingga produktivitas alat maksimal * Biaya subkontraktor → dengan melakukan tender terhadap subkontraktor mampu yang sudah terseleksi oleh perusahaan (tender tidak boleh lebih besar dari anggaran budget proyek)

Cara mencari laba melalui efisensi biaya. Usaha yang dilakukan:

Sangat berkaitan erat. Jika kita bisa mengurangi biaya langsung seperti melakukan percepatan, mengurangi waste material, menggunakan metode pelaksanaan yang tepat guna, down spec material akan berdampak pada laba kotor, dimana laba kotor akan naik.

* Biaya material → pengelolaan waste * Biaya peralatan dan upah → meningkatkan produktivitas * Biaya subkontraktor → berdasarkan negosiasi awal


PEMBAHASAN Dari pengolahan menggunakan Fuzzy dan ANN telah diperoleh nilai bobot laba kotor proyek. Dengan menggunakan hasil yang memiliki error terkecil, dilakukan simulasi menggunakan Crystal Ball untuk menentukan range komponen biaya langsung. Perbandingan hasil tersebut dengan hasil penelitian sebelumnya ditampilkan dalam tabel berikut.

Tabel 6. Perbandingan Hasil Bobot Komponen Biaya Langsung Proyek Kampus dan Kantor Peneliti Bernold Hinze & Tracey Ritz Stukhart Kaming Assaf

Tahun 1991 1994 1994 1995 1997 1999

Upah (%)

Bahan (%) 60

60

25-40 50-70 65

Subkon (%)

Alat (%)

Overhead (%)

80-90

11-20


Tabel 6. (Sambungan) Peneliti Dainty Daryatno Satra Fahan Soeharto Muzayanah Panggih Randolph Hasil Proyek Kampus Hasil Proyek Kantor

Tahun 2001 2001 2003 2005 2005 2008 2011 2011

Upah (%)

Bahan (%)

14,62-19,86

40-60 15,48-26,69

25-35 19 19,29

66 35,81

2012

25,93-34,13

45,71-56,11

2012

23,22-31,33

44,47-53,08

Subkon (%) 57 40,19-48,39

Alat (%)

Overhead (%)

3-6 2-18 7-13

10-12,63

15 5,03

6,67

27,61-43,90

5,74-14,3

9,08-12,19

37,47-48,99

8,21-13,52

11,87-16,09

21,22 40


A. PROYEK KAMPUS 1. Biaya upah Dari simulasi yang dilakukan, diperoleh range untuk biaya upah sebesar 25,93-34,13%. Jika dibandingkan dengan hasil penelitian sebelumnya, range ini berada pada rentang dari hasil penelitian yang dilakukan oleh Soeharto pada tahun 2005, yaitu 25-35%. Dengan menggunakan data yang sama pada penelitian yang dilakukan oleh Panggih pada tahun 2011, ternyata memberikan hasil yang berbeda. Persentase biaya upah pada penelitian tersebut sebesar 19,29%, lebih kecil dari hasil penelitian ini.

2. Biaya bahan Dari simulasi yang telah dilakukan, biaya bahan pada penelitian ini berkisar dari 45,7156,11%. Dibandingkan dengan hasil penelitian sebelumnya, nilai range ini berada pada kisaran range dari hasil penelitian yang dilakukan oleh Daryatno pada tahun 2001, yaitu sebesar 40-60%. Hasil yang berbeda diperoleh pada penelitian Panggih tahun 2011; yaitu 35,81% dengan menggunakan data penelitian yang sama.

3. Biaya subkontraktor Dari simulasi yang dilakukan, diperoleh range untuk biaya subkontraktor sebesar 27,6143,90%. Nilai maksimum dari penelitian ini termasuk dalam range dari hasil penelitian yang dilakukan oleh Satra pada tahun 2003, yaitu sebesar 40,19-48,39%. Dengan data yang sama, hasil penelitian ini berbeda dengan hasil penelitian Panggih pada tahun 2011, yaitu sebesar


21,22%. Pada data penelitian ini terdapat beberapa proyek yang dikerjakan dalam tahun yang sama. Hal ini memungkinkan proporsi subkontraktor untuk satu proyek akan berbeda dengan proyek lainnya.

4. Biaya peralatan Simulasi Crystal Ball memberikan hasil range 5,74-14,3% untuk biaya peralatan. Hasil ini termasuk dalam range hasil penelitian dari Satra pada tahun 2003, yaitu sebesar 2-18%. Hasil ini berbeda dengan hasil penelitian Panggih pada tahun 2011, yaitu sebesar 5,03%; yang nilainya lebih kecil dari hasil penelitian ini.

5. Biaya overhead lapangan Dari simulasi yang dilakukan, range biaya overhead lapangan berkisar dari 9,08-12,19%. Nilai ini mendekati hasil penelitian dari Satra pada tahun 2003, yaitu sebesar 10-12,63%. Hasil ini juga berbeda dari hasil penelitian Panggih pada tahun 2011, yaitu sebesar 6,67%.

B. PROYEK KANTOR 1. Biaya upah Dari simulasi Crystal Ball, diperoleh range biaya upah untuk proyek kantor sebesar 23,3231,33%. Jika dibandingkan dengan hasil penelitian sebelumnya, range ini nilainya lebih besar dan masuk dalam range hasil penelitian yang dilakukan oleh Soeharto pada tahun 2005, yaitu sebesar 25-35%. Dengan data yang sama pada penelitian Panggih, diperoleh hasil yang berbeda dimana hasil penelitian Panggih lebih kecil dari hasil penelitian ini, yaitu sebesar 19,29%.

2. Biaya bahan Berdasarkan simulasi yang dilakukan, diperoleh range biaya bahan 44,47-53,08%. Dibandingkan dengan hasil penelitian sebelumnya, nilai ini mendekati beberapa hasil penelitian seperti Bernold pada tahun 1991 (60%), Stukhart pada tahun 1995 (50-70%), dan Daryatno pada tahun 2001 sebesar 40-60%. Sementara itu penelitian yang dilakukan Panggih hasilnya lebih kecil yaitu 35,81%.

3. Biaya subkontraktor Dari simulasi yang dilakukan, range untuk biaya subkontraktor adalah 37,47-48,99%. Dibandingkan dengan hasil penelitian sebelumnya, nilai ini mendekati hasil penelitian dari


Satra pada tahun 2003, yaitu sebesar 40,19-48,39%. Sementara itu hasil penelitian ini lebih besar dari hasil penelitian yang dilakukan Panggih pada tahun 2011, yaitu sebesar 21,22%. Sama pada proyek kantor, data untuk proyek kampus pun terdapat proyek yang dikerjakan dalam tahun yang sama. Jika sumberdaya yang ada terbatas, maka ada kemungkinan proyekproyek yang lain lebih banyak disubkonkan daripada dikerjakan sendiri.

4. Biaya peralatan Range yang dihasilkan dari simulasi untuk biaya peralatan pada proyek kantor adalah 8,2113,52%. Dibandingkan dengan hasil penelitian sebelumnya, nilai ini mendekati beberapa hasil penelitian, seperti penelitian yang dilakukan oleh Satra pada tahun 2003 sebesar 2-18% dan penelitian yang dilakukan Fahan pada tahun 2005 yaitu sebesar 7-13%. Sementara itu hasil ini lebih besar dibandingkan dengan hasil penelitian Panggih pada tahun 2011 yang sebesar 5,03%.

5. Biaya overhead lapangan Dari simulasi yang dilakukan, diperoleh range 11,87-16,09% untuk biaya overhead lapangan. Hasil ini masuk dalam range hasil penelitian yang dilakukan oleh Assaf pada tahun 1999 yaitu 11-20%. Sementara itu hasil penelitian ini nilainya lebih besar dari hasil penelitian yang dilakukan oleh Panggih pada tahun 2011 yaitu 6,67%.

KESIMPULAN

Dalam penelitian ini Fuzzy Logic dan Artificial Neural Network dapat digunakan untuk menetapkan bobot laba kotor proyek bangunan gedung dengan tingkat akurasi masing-masing 2,168716% dan 1,540265% untuk proyek kampus serta 5,853811% dan 5,945852% untuk proyek kantor. Untuk proyek kampus, ANN menghasilkan output yang lebih akurat. Sedangkan untuk proyek kantor, Fuzzy Logic memberi output yang lebih akurat. Selain itu, diperoleh juga range untuk lima komponen biaya langsung yang dirangkum dalam Tabel 7 untuk proyek kampus dan proyek kantor.


Tabel 7. Hasil Range Laba dan Bobot Biaya Langsung Komponen Biaya Upah Biaya Bahan Biaya Subkontraktor Biaya Peralatan Biaya Overhead Lapangan Laba Kotor

Proyek Kampus 25,93-34,13 45,71-56,11 27,61-43,90 5,74-14,3 9,08-12,19 13,51-14,69

Proyek Kantor 23,32-31,33 44,47-53,08 37,47-48,99 8,21-13,52 11,87-16,09 13,09-16,74


SARAN

Dari pembahasan yang telah dilakukan, maka terdapat masukan atau saran untuk penelitian yang relevan yang akan dilakukan ke depannya, yaitu data yang akan digunakan untuk penelitian lebih banyak lagi jumlahnya agar pemodelan yang akan dibuat memiliki pelatihan yang cukup. Selain itu, data yang digunakan juga sebaiknya konvergen, dalam artian data satu dengan yang lain tidak memiliki perbedaan yang sangat jauh. Hal ini terkhusus untuk ANN sehingga hasil performancenya bisa lebih baik lagi.

KEPUSTAKAAN 1) Peraturan Menteri Pekerjaan Umum No. 26/PRT/M/2008 tentang Pedoman Persyaratan Teknis Sistem Proteksi Kebakaran pada Bangunan Gedung dan Lingkungan, Bab 1 Pasal 1 nomor 2 2) Muzayanah, Yannu. (2008). Pemodelan Proporsi Sumber Daya Proyek Konstruksi. Tesis Program Magister Universitas Diponegoro.

3) Schwalbe, Kathy. 2008. IT Project Management. Course Technology. 4) Asiyanto. (2010). Construction Project Cost Management. Jakarta: PT. Pradnya Paramita, p.29. 5) Asiyanto. (2010). Construction Project Cost Management. Jakarta: PT. Pradnya Paramita, p.29. 6) Widodo, Panggih. (2011). Model Hubungan antara Biaya Langsung Proyek dengan Laba Proyek. Skripsi Teknik Sipil Universitas Indonesia.

7) Santoso, Indriani. (1999). Analisa Overruns Biaya Pada Beberapa Tipe Proyek Konstruksi. Universitas Kristen Petra, p.1.


8) Mangitung, Donny M. (Januari, 2007). Aplikasi Teknis Statistika Nonparametrik Untuk Data Nominal (Studi Kasus:Variabel yang mempengaruhi biaya langsung konstruksi bangunan gedung). Majalah Imliah Mektek Tahun IX No.1, p.15-21. 9) Hinze, Jimmie dan Andrew Tracey. (1994). The Contractor-Subcontractor Relationship: The Subcontractor’s View. Journsl of Construction Engineering and Management, Vol. 120, No. 2, p. 274-287. 10) Choudhry, Rafiq M. et al. (2012). Subcontracting Practices in the Construction Industry of Pakistan. Journal of Construction Engineering and Management. 11) Asiyanto. (2010). Construction Project Cost Management. Jakarta: PT. Pradnya Paramita, p. 170-171. 12) Wibowo, Andreas dan Wahyu Wuryanti. (2008). Model Matematis Penentuan Interval Profit yang Wajar untuk Pelaksanaan Proyek Konstruksi. Jurnal Teoritis dan Terapan Bidang Rekayasa Sipil Vol. 15 No. 1. 13) Hermawanto,

Denny.

Tutorial

Pemrograman

Fuzzy

Logic.

http://ilmukomputer.org/2008/02/24/tutorial-pemrograman-fuzzy-logic/ 14) Kusumadewi, Sri. (2010). Neuro-Fuzzy Integrasi Sistem Fuzzy & Jaringan Staraf Edisi 2. Jakarta: Graha Ilmu, p.69.



ESTIMASI LABA KOTOR PROYEK BANGUNAN GEDUNG BERBASIS BOBOT BIAYA LANGSUNG DENGAN METODE FUZZY LOGIC DAN ARTIFICIAL NEURAL NETWORK

Recommend Documents