Para peneliti mengembangkan cara cerdas untuk memperkirakan biaya proyek bangunan ramah lingkungan agar lebih akurat dan masuk akal. Topik ini mungkin terdengar teknis, tetapi sebenarnya sangat dekat dengan kehidupan sehari hari. Saat sebuah gedung dibangun, pemilik proyek dan investor tentu ingin tahu berapa banyak uang yang harus disiapkan. Jika perkiraannya terlalu rendah, proyek bisa berhenti di tengah jalan. Jika terlalu tinggi, uang terbuang percuma. Di sinilah prediksi biaya yang akurat menjadi sangat penting, terutama untuk proyek bangunan hijau yang memakai teknologi dan material lebih ramah lingkungan.

Selama ini, memperkirakan biaya proyek bukan hal mudah. Banyak sekali faktor yang memengaruhi, mulai dari ukuran bangunan, lokasi, jenis material, standar ramah lingkungan yang dipilih, hingga kondisi pasar. Saking banyaknya faktor, manusia sering kewalahan mengolah semuanya sekaligus. Hasilnya, perkiraan biaya bisa meleset jauh. Untuk mengatasi itu, para peneliti memanfaatkan teknologi machine learning. Teknologi ini belajar dari data proyek proyek sebelumnya, lalu mencari pola yang mungkin tidak terlihat oleh manusia.

Baca juga artikel tentang: Menghubungkan Kesehatan dan Lingkungan: Dampak Positif Bangunan Hijau terhadap Kesehatan Penghuni

Studi ini memberi fokus pada proyek bangunan hijau. Mengapa ini penting? Karena bangunan hijau biasanya membutuhkan investasi awal yang lebih besar dibandingkan bangunan biasa. Misalnya, materialnya lebih khusus, peralatannya lebih hemat energi, dan desainnya lebih rumit. Banyak pengembang masih ragu membangun gedung ramah lingkungan karena takut biaya tidak terkendali. Maka, prediksi biaya yang lebih akurat akan membantu meyakinkan mereka bahwa bangunan hijau tetap masuk akal secara ekonomi.

Para peneliti lalu merancang sebuah kerangka kerja dua tahap. Tahap pertama bertugas memperkirakan biaya proyek menggunakan machine learning. Tahap kedua bertugas mengecek apakah hasil perkiraan tadi masih berada di kisaran biaya yang wajar. Jadi bukan hanya menghitung, tetapi juga menilai kewajarannya.

Di tahap pertama, mereka menggunakan gabungan beberapa teknik. Salah satunya disebut principal component analysis atau PCA. Istilah ini terdengar rumit, namun maknanya sederhana. Bayangkan Anda punya puluhan faktor yang memengaruhi biaya. PCA membantu merangkum faktor faktor itu menjadi beberapa kelompok utama agar lebih mudah dipelajari oleh komputer. Setelah itu, model machine learning bernama support vector machine atau SVM mempelajari hubungan antara faktor faktor tersebut dengan data biaya proyek sebelumnya. Dari situ, komputer belajar membuat perkiraan biaya untuk proyek baru.

Namun para peneliti tidak berhenti di situ. Mereka tahu bahwa prediksi, bagaimanapun canggihnya, tetap mungkin meleset. Karena itu, tahap kedua hadir untuk menilai seberapa jauh hasil prediksi menyimpang dari kisaran yang dianggap wajar. Di tahap ini, mereka memakai teknik lanjutan bernama least squares support vector machine untuk menghitung deviasi atau penyimpangan. Dengan cara ini, mereka bisa menandai proyek proyek yang kemungkinan memiliki perkiraan biaya tidak realistis.

Hasilnya cukup mengesankan. Dari 126 proyek yang dianalisis, rata rata kesalahan prediksi model ini lebih kecil dibandingkan metode tradisional. Hanya sekitar 17 persen proyek yang prediksi biayanya masih berada di luar batas kewajaran. Artinya, sebagian besar hasil prediksi sudah cukup dekat dengan kondisi sebenarnya. Ini memberi harapan bahwa teknologi machine learning mampu membantu industri konstruksi membuat keputusan yang lebih aman.

Perbandingan tingkat error absolut dan relatif dari tiga model machine learning (SVM, MRA, dan PCA-SVM) pada berbagai sampel proyek untuk menunjukkan akurasi prediksi masing-masing metode (Wu, dkk. 2025).

Apa manfaat praktisnya untuk dunia nyata? Pertama, pemilik proyek bisa merencanakan anggaran dengan lebih percaya diri. Investor juga merasa lebih aman karena risiko keuangan lebih terkendali. Kedua, proyek bangunan hijau memiliki peluang lebih besar untuk berkembang. Selama ini, salah satu hambatan utama bangunan ramah lingkungan adalah anggapan bahwa biayanya sulit ditebak dan sering membengkak. Dengan alat prediksi yang lebih akurat, kekhawatiran itu bisa berkurang.

Selain itu, penelitian ini juga memberi manfaat bagi pemerintah dan pembuat kebijakan. Data biaya yang lebih jelas membuat mereka lebih berani mendorong pembangunan bangunan hijau melalui regulasi dan insentif. Pada akhirnya, masyarakat luas ikut merasakan dampak positif berupa lingkungan yang lebih bersih dan bangunan yang lebih efisien energi.

Namun penting juga untuk memahami bahwa machine learning bukanlah tongkat ajaib. Teknologi ini tetap membutuhkan data yang cukup, akurat, dan representatif. Jika data yang dimasukkan buruk, hasilnya juga akan buruk. Ini seperti koki yang mencoba memasak dengan bahan basi. Karena itu, ke depan industri konstruksi perlu membangun budaya pencatatan data proyek yang lebih rapi dan sistematis.

Dulu, perkiraan biaya proyek mungkin hanya mengandalkan pengalaman dan intuisi. Sekarang, ilmu data hadir untuk membantu membuat keputusan yang lebih objektif. Bukan berarti intuisi menjadi tidak berguna, tetapi kini ada alat bantu tambahan yang bisa memperkecil risiko.

Ada satu hal menarik lain yang bisa kita renungkan. Bangunan hijau tidak hanya bicara soal teknologi panel surya atau dinding berlapis insulasi. Ia juga bicara tentang bagaimana dunia mengelola uang dengan lebih bijak. Lingkungan yang lebih baik justru bisa berjalan beriringan dengan perencanaan ekonomi yang matang. Ketika biaya dapat diprediksi, pembangunan ramah lingkungan tidak lagi dianggap sebagai beban, melainkan investasi jangka panjang.

Dengan perkembangan teknologi seperti ini, masa depan pembangunan tampak lebih cerah. Kota kota bisa tumbuh dengan tetap menjaga bumi. Para pengembang bisa bekerja lebih efisien. Investor bisa menanam modal dengan lebih yakin. Dan yang terpenting, masyarakat bisa menikmati bangunan yang lebih nyaman, sehat, dan hemat energi.

Penelitian ini mengingatkan kita bahwa keberlanjutan membutuhkan ilmu pengetahuan, keberanian, dan perencanaan yang baik. Machine learning hanyalah alat. Manusia tetap memegang kendali untuk memilih jalan pembangunan yang lebih peduli pada lingkungan. Jika teknologi dipakai dengan tepat, mimpi tentang kota hijau yang terjangkau dan ramah bumi bukan lagi sekadar wacana, tetapi bisa menjadi kenyataan.

Baca juga artikel tentang: Gedung Yang Bisa Berpikir: Standar Baru Mengukur Smart Building

REFERENSI:

Wu, Zhijiang dkk. 2025. A machine learning-based two-stage integrated framework for cost reasonableness prediction of green building projects. Journal of Building Engineering 100, 111733.