Claim Missing Document
Check
Articles

Found 1 Documents
Search

Model Klasifikasi Persepsi Kebutuhan Penyesuaian AHSP pada Proyek Infrastruktur Skala Kecil Berbasis Machine Learning Andi Subhan Nur; Muh. Ryan Pratama; Afrinaldy Andara; Ainun Jariah Hilal Anshary; Akbar Indrawan Saudi; Ellyni Dwi Fortuna; Michail Amin; Syamsul Fahri; Muh. Miftahulkhair
Blend Sains Jurnal Teknik Vol. 5 No. 2 (2026): Edisi Oktober
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/blendsains.v5i2.2095

Abstract

Analisis Harga Satuan Pekerjaan (AHSP) merupakan dasar penting dalam penyusunan biaya konstruksi, sementara proyek infrastruktur skala kecil dapat berlangsung pada kondisi akses, topografi, logistik material, tenaga kerja, metode pelaksanaan, dan peralatan yang beragam. Penelitian ini bertujuan menganalisis persepsi kebutuhan penyesuaian AHSP berdasarkan kondisi lokal proyek serta mengeksplorasi pemanfaatan machine learning sebagai alat screening awal. Sebanyak 83 respons kuesioner dianalisis menggunakan Q2–Q17 sebagai prediktor dan Q28 sebagai target klasifikasi tiga kelas. Data dibagi secara stratified menjadi 58 data latih dan 25 data uji. Representasi fitur kompak menghasilkan 56 fitur dengan rasio p/n 0,966. Logistic Regression, Decision Tree, dan Random Forest dibandingkan menggunakan repeated stratified 5-fold cross-validation sebanyak 10 pengulangan. Cronbach’s alpha Q22–Q27 sebesar 0,8649. Distribusi target terdiri atas kelas Tinggi 50 responden (60,24%), Sedang 22 (26,51%), dan Rendah 11 (13,25%). Decision Tree memperoleh rerata F1-makro tertinggi pada cross-validation sebesar 0,3661 ± 0,1252, sedangkan pada data uji Logistic Regression menghasilkan F1-makro tertinggi 0,5349 dan balanced accuracy 0,5460. Random Forest memperoleh akurasi tertinggi 0,6800. Q17 memiliki permutation importance tertinggi, sedangkan Q4 menunjukkan sinyal prediktif paling konsisten. Pasangan batu, rabat beton, dan galian tanah menjadi tiga prioritas awal observasi. Model diposisikan sebagai screening eksploratif, bukan dasar langsung penetapan koefisien AHSP lokal.