Analisa Penyebab Keterlambatan Proyek Pembangunan Sidoarjo Town Square Menggunakan Metode Fault Tree Analysis (FTA)
Notice bibliographique
Résumé
Setiap proyek konstruksi pada umumnya mempunyai rencana pelaksanaan dan jadwal pelaksanaan tertentu, kapan pelaksanaan proyek tersebut harus dimulai, kapan proyek tersebut harus diselesaikan, bagaimana proyek tersebut akan dikerjakan, serta bagaimana penyediaan sumber dayanya. Diharapkan dalam pelaksanaanya tidak terjadi keterlambatan karena keterlambatan yang terjadi akan mengakibatkan meningkatnya biaya proyek. Namun, dalam pelaksanaan proyek pembangunan Sidoarjo Town Square mengalami keterlambatan. Metode yang direncanakan dalam pembahasan untuk mengetahui faktor yang mempengaruhi terjadinya keterlambatan yaitu Metode Fault Tree Analysis (FTA) dan Method Obtain Cut Set (MOCUS). Didapatkan bahwa item pekerjaan yang mengalami keterlambatan yaitu: pekerjaan struktur GWT STP, pekerjaan finishing fasade dan canopy, dan pekerjaan atap. Dari hasil analisa FTA dari ketiga top event, didapatkan bahwa keterlambatan terjadi dikarenakan perubahan desain serta perijinan, dimana keduanya akibat faktor penyebab keterlambatan dari pihak owner.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».