Peningkatan Hasil Dari Earned Value Management Menggunakan Jaringan Syaraf Tiruan Pada Proyek Epc Pembangunan Pabrik Fasilitas Gas Kompressor Pada PT."R"

Joko Priyono, Traino (2022) Peningkatan Hasil Dari Earned Value Management Menggunakan Jaringan Syaraf Tiruan Pada Proyek Epc Pembangunan Pabrik Fasilitas Gas Kompressor Pada PT."R". Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 01 Thesis estimasi EPC menggunakan EVM & JST Rev1 20220208 Revision printed.pdf - Accepted Version Restricted to Repository staff only until 1 April 2024. Download (5MB) | Request a copy

Abstract

Manajemen biaya, kualitas, waktu, dan ruang lingkup merupakan parameter kunci
keberhasilan dalam melakukan penyelesaian EPC Project (Engineering, Procurement, dan
Construction). Beberapa pengendalian dan estimasi biaya penyelesaian proyek EPC sangat
dinamis dimana jadwal dan biaya aktual lebih besar dari anggaran biaya perencanan. Oleh karena
itu, keakurasian dari estimasi atau perkiraan biaya akhir dari suatu proyek sangat penting untuk
menentukan berapa biaya yang akan dikeluarkan untuk menyelesaikan proyek hingga selesai.
Prediksi yang benar dan akurat dari biaya selama kemajuan proyek memberi manajer proyek
kesempatan untuk mengidentifikasi proyek yang memerlukan revisi dalam jadwal untuk
menghasilkan keuntungan yang maksimal. Tujuan dari penelitian ini adalah untuk melakukan
identifikasi parameter paling menonjol yang mempengaruhi keakuratan perkiraan biaya
penyelesaian proyek EPC atau Cost Estimate at Completion (EAC) dengan mengembangkan alat
yang komprehensif untuk estimasi biaya parametrik menggunakan penggabungan Earned Value
Mangament dan model Jaringan Syaraf Tiruan (JST) yang optimal. Proyek instalasi gas
compressor disebut juga proyek “A” pada pembangunan pabrik industri EPC pada PT.”R” dipilih
untuk dianalisis dalam penelitian ini. Model Jaringan Syaraf Tiruan (JST) digunakan untuk
memprediksi indeks kinerja biaya (CPI) proyek, sehingga menciptakan kesimetrisan yang lebih
akurat antara biaya yang diprediksi dan biaya aktual dengan mempertimbangkan faktor-faktor
yang memengaruhi keberhasilan proyek. Input data dari model arsitektural JST akan dianalisis
dengan software MATLAB. Hasil penelitian ini menunjukkan bahwa penggabungan model JST
menghasilkan Mean Squere Error (MSE) sebesar 0.0011674 dan Mean Relative Error (MRE)
yang lebih rendah sebesar 6,97%. Sedangkan perhitungan menggunakan model EVM tradisional
yang mempunyai nilai 17,43%.
======================================================================================================
Management of cost, quality, time, and scope are key parameters in the successful of EPC Project (Engineering, Procurement, and Construction) completion. Cost estimation for completion of EPC projects are very dynamic where the actual schedule and Costs are greater than the planning cost budget. Therefore, the cost estimate at completion accuracy of the project is very important for determining how much cost to expend to complete the project until completion. Correct and accurate prediction of costs during project progress gives project managers the opportunity to identify projects that the revision is required in the project schedule in order to generate maximum profit. This research is to identify the most predominant parameters that affect the accuracy of the Cost Estimate at Completion (CEAC or EAC) of the EPC project and developing with comprehensive tool for estimating parametric costs using a combination of Earned Value Management (EVM) and optimal Artificial Neural Network models (ANN). The gas compressor installation project, also known as the “A” project for the construction of an EPC industrial plant at PT. “R”, was selected for analysis in this study. The Artificial Neural Network (ANN) model is used to predict the cost performance index (CPI) of the project, thereby creating a more accurate symmetry between the predicted cost and the actual cost by considering the factors that affect the project's success. The input data from the ANN architectural model will be analyzed using MATLAB software. The results of this study show that combining the ANN models produces a Mean Square Error (MSE) of 0.0011674 and Mean Relative Error (MRE) of 6.97% are lower value than uses the traditional EVM model which has a value of 17.43%.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Proyek EPC, Earned Value Management, Estimasi Biaya Proyek, Jaringan Syaraf tiruan, EPC Project, Earned Value Management, Cost Estimate at Completion, Artificial Neural Network.
Subjects:	Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) T Technology > T Technology (General) > T56.8 Project Management
Divisions:	Faculty of Creative Design and Digital Business (CREABIZ) > Technology Management > 61101-(S2) Master Thesis
Depositing User:	Traino Joko Priyono
Date Deposited:	12 Feb 2022 03:24
Last Modified:	12 Feb 2022 03:24
URI:	http://repository.its.ac.id/id/eprint/93905

Actions (login required)

View Item