Skripsi
Integrasi earned value management dan light gradient boosting machine untuk mengevaluasi progress pekerjaan mekanikal, elektrikal dan plambing (studi kasus proyek gedung kuliah bersama Universitas Negeri Malang) / Deni Prastyo
Abstrak
Pekerjaan pembangunan gedung memiliki proses produksi yang sangat rumit dari aspek pemenuhan kinerja biaya kualitas dan waktu. Meminimalisir kegagalan proyek perlu dilakukan evaluasi dan monitoring dengan metode manajemen proyek. Fokus penelitian adalah pada pekerjaan mekanikal elektrikal dan plambing (MEP) proyek GKB UM karena memiliki bobot yang besar yakni 30 58%. Tujuan penelitian dengan menggunakan Earned Value Management (EVM) yang diintegrasikan dengan Light Gradient Boosting Machine (LightGBM) untuk meminimalisir kegagalan berupa keterlambatan pekerjaan dan penggunaan biaya karena faktor ketidakpastian proyek. Evaluasi dan prediksi terhadap durasi dan biaya pekerjaan MEP didasarkan pada data progress mingguan data perencanaan induk serta dokumen pencairan biaya proyek. Evaluasi yang dilakukan dengan membagi pekerjaan MEP kedalam 9 kelompok pekerjaan. Setiap kelompok dianalisis dengan EVM dan diintegrasikan dengan model prediksi LightGBM untuk dilakukan optimasi parameter-parameter berdarkan nilai error terendah (RMSE) dan nilai koefisien determinasi tertinggi (R2). Hasil penelitian ini menjelaskan bahwa pekerjaan MEP pada proyek GKB UM mengalami keterlambatan 11 minggu. Kelompok pekerjaan EK1 EK2 dan PB1 mengalami keterlambatan sebesar 21 minggu sedangkan kelompok pekerjaan MK1 dan MK2 terlambat 11 minggu dan PB2 terlambat selam 14 minggu dengan efisiensi proyek dibawah 90%. Penyebab keterlambatan adalah pengajuan shop drawing dan material yang tidak sesuai jadwal perlambatan progress pekerjaan dan unit air conditioning yang belum sampai rework untuk pekerjaan elektrikal dan plambing dan tes komisioning yang belum dilakukan. Kondisi underbudget tersebut karena sampai dengan minggu ke 114 pencairan yang dilakukan baru sampai dengan minggu ke 103. Terdapat beberapa kelompok pekerjaan yang mengalami kondisi overbudget yakni kelompok pekerjaaan MK1 MK2 PB1 PB2 dan GKB1. Perbedaan biaya proyek secara aktual dan rencana sebesar Rp821.605.370 02 estimasi penyelesaian proyek menurun menjadi Rp109.118.858.343 12 dari rencana keseluruhan pekerjaan MEP sebesar Rp109.987.502.944 14. Pemodelan LightGBM untuk prediksi durasi pekerjaan menghasilkan performa RMSE sebesar 3 38 dengan nilai koefisien determinasi sebesar 99 29% sedangkan model prediksi biaya menghasilkan RMSE sebesar 2 86 dengan hasil akhir koefisien determinasi sebesar 99 47%. Optimasi menghasilkan peningkatan level learning rate menurunkan error 27% peningkatan n_estimators menurunkan error 33 9% dan peningkatan min data in leaf berpotensi underfitting. Parameter optimal learning rate sebesar 0 075 n estimators sebesar 35 dan min data in leaf dengan nilai 2.