PERBANDINGAN METODE KONVENSIONAL DENGAN BIM TERHADAP EFISIENSI BIAYA, MUTU, WAKTU
Bibliographic record
Abstract
Perkembangan dunia konstruksi yang sudah sangat pesat di Indonesia terbukti dengan adanya metode baru untuk konstruksi yaitu Building Information Modelling (BIM). Munculnya BIM ini diklaim dapat membuat pekerjaan menjadi efektif dan efisien. Sebelum adanya BIM, kegiatan engineering dilakukan dengan menggunakan metode konvensional atau yang telah dikenal dengan AutoCAD, SAP, Ms. Project yang sering digunakan untuk pekerjaan perencanaan proyek. Pekerjaan menggunakan aplikasi tersebut memakan lebih banyak waktu karena dari masing-masing aplikasi tersebut harus dikerjakan secara manual. Hal ini berbeda dengan BIM yang antar aplikasinya dapat terintegerasi satu sama lain, sehingga dapat mempercepat proses pekerjaan yang akan menyingkat waktu dan juga membuat sumber daya manusia menjadi lebih sedikit. Dalam penelitian ini akan dijelaskan apa saja perbedaan jelas proses perencaan konstruksi khususnya saat pembuatan metode kerja dan shopdrawing yang ditinjau dari segi biaya, mutu, waktu. Dan juga akan mengetahui apa saja kelebihan dan kekurangan BIM karena ini adalah sesuatu yang baru, maka dari tiu untuk penelitian ini dilakukan dengan metode kueisioner dan wawancara kepada para draftrer dan engineer yang sudah berkecimpung didunia konstruksi dan sudah merasakan menggunakan BIM. Dengan studi kasus perencanaan Jalan Tol Jakarta – Cikampek II Selatan (Paket 3) dilakukan perbandingan efiseiensi biaya dan waktu dengan metode konvensional dan BIM. Penelitian ini menghasilkan kesimpulan bahwa aplikasi BIM dapat mempercepat proses pelaksanaan kerja sebesar 43.82%, tetapi berbeda dengan biaya lebih mahal dari konvensional dikarenakan biaya investasi awal untuk lisensi software yang mahal.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".