Alur sistem SmartArch AI

1. Alur Umum

Sistem ini merupakan platform otomatis ujung-ke-ujung berbasis AI yang memungkinkan analisis digital terhadap rencana arsitektur. Setelah masuk, pengguna menyelesaikan transaksi pembayaran (POS), kemudian mengunggah rencana arsitektur dalam format PNG/JPG untuk memulai proses analisis. Sistem akan menganalisis rencana yang diunggah, mengidentifikasi, mengklasifikasikan, serta mengevaluasi elemen arsitektur dan struktural di dalamnya, kemudian menyajikan hasilnya kepada pengguna dalam berbagai output (DXF, PDF, PNG).

2. Alur Sistem

2.1 Masuk → POS

Sistem dimulai dengan mekanisme otentikasi pengguna yang aman. Pengguna: • Masuk ke sistem • Dialihkan ke layar pembayaran (Virtual POS) • Mendapatkan hak analisis setelah melakukan pembayaran (misalnya, untuk 3 proyek)

2.2 Faktur Elektronik → Email

Setelah pembayaran, sistem secara otomatis: • Membuat faktur elektronik • Mengirimkan faktur tersebut ke alamat email pengguna

2.3 Unggah PNG (Unggah Denah)

Pengguna: • Mengunggah denah arsitektur dalam format PNG atau JPG

3. Ekstraksi Elemen Arsitektur dari Gambar

Bagian ini merupakan komponen utama sistem. Elemen yang terdeteksi meliputi: • Pintu • Jendela • Dinding • Sumbu & Titik Sumbu • Tangga • Poros Lift Proses ini: • Dimulai dengan YOLO atau model deteksi objek serupa • Dilanjutkan dengan penetapan hubungan menggunakan model relasi • Skor kepercayaan dihitung menggunakan model Ensemble + Bayesian Untuk setiap elemen: • Diberikan sebuah ID • Lokasi ditentukan • Skor kepercayaan (%) dihitung

4. Kesimpulan

Sistem pasca-analisis: • Meringkas seluruh hasil analisis • Memberikan keluaran yang bermakna kepada pengguna

5. Elemen dengan Skor Kepercayaan Rendah

Blok penting dalam diagram menyatakan: “Individu di bawah ambang batas dapat dieliminasi” Hal ini berarti: • Elemen dengan skor kepercayaan rendah • Dapat dihapus secara otomatis atau oleh pengguna Fitur ini bertujuan untuk: • Mengurangi kesalahan positif • Meningkatkan kualitas analisis

6. Analisis Ulang

Pengguna: • Menghapus elemen yang salah • Memulai ulang sistem Fitur ini sangat penting karena: • Menciptakan sistem hibrida antara manusia dan AI • Memberikan peningkatan secara berkelanjutan

7. Hasil

Sistem menghasilkan output dalam format berikut:

8.1 DXF

• Kompatibel dengan CAD • Sumbu berupa garis tunggal • Kolom/dinding merupakan lapisan terpisah

8.2 PDF

• Laporan • Visualisasi

8.3 PNG

• Rencana yang telah diproses

8.4 Paket Lengkap

• Semua output dikemas dalam format ZIP

Penjelasan ini ditampilkan secara otomatis sesuai bahasa yang dipilih saat masuk.

SmartArch AI interactive plan editing flow

1. DIAGRAM ALIR: SISTEM PENGUNGGAHAN DENAH PNG/JPG DAN PENAMBAHAN ELEMEN ARSITEKTURAL

SmartArch AI interactive architectural element editing flow

Diagram ini menggambarkan alur sistem interaktif yang tidak hanya secara otomatis menganalisis denah arsitektur, tetapi juga memungkinkan pengeditan langsung oleh pengguna. Berbeda dengan pendekatan analisis arsitektur berbasis AI konvensional, sistem ini tidak hanya beroperasi berdasarkan prinsip "mendeteksi dan menghasilkan hasil". Sebaliknya, sistem ini memungkinkan pengguna untuk secara aktif melakukan intervensi pada denah, mengedit elemen yang ada, dan menambahkan elemen arsitektur baru. Proses yang ditampilkan dalam diagram meliputi tiga komponen utama: 1. Pengunggahan denah PNG/JPG 2. Integrasi elemen arsitektur ke dalam gambar 3. Pengeditan dan pengembangan dengan bantuan pengguna Dengan pendekatan ini, sistem bertransformasi dari alat analisis sederhana menjadi platform desain arsitektur interaktif. Pengguna tidak hanya menerima hasil yang diperoleh dari AI pada denah yang diunggah, tetapi juga memiliki kontrol untuk memodifikasi, menghapus, dan menambahkan elemen baru ke dalam denah.

2. PENGUNGGAHAN DENAH: PNG/JPG

Pada tahap ini, pengguna tidak sekadar mengunggah file; mereka memperoleh akses ke ruang perencanaan arsitektur dalam sistem yang dapat digunakan secara interaktif. Denah tersebut menjadi permukaan yang dinamis dan interaktif bagi pengguna.

3. SISTEM HYBRID OTOMATIS + MANUAL

Keunggulan utama sistem ini terletak pada penggabungan kecerdasan buatan dengan intervensi pengguna dalam satu alur yang terpadu. Dengan demikian, sistem ini bukanlah suatu struktur tertutup yang mengambil keputusan secara sepenuhnya otomatis, melainkan melibatkan pengguna dalam prosesnya. Pendekatan ini berjalan dengan mekanisme sebagai berikut: • Sistem secara otomatis menganalisis denah. • Sistem berupaya mendeteksi elemen arsitektur seperti dinding, pintu, dan jendela. • Sistem menampilkan elemen yang telah ditemukan pada denah. • Pengguna melakukan verifikasi terhadap elemen-elemen tersebut. • Pengguna dapat menghapus elemen yang tidak tepat. • Pengguna dapat menambahkan elemen yang belum terdeteksi secara manual. • Pengguna dapat membuat dinding, pintu, atau jendela baru bila diperlukan. Struktur ini didasarkan pada kombinasi logika AI dan kolaborasi pengguna. Kecerdasan buatan menyediakan analisis awal yang cepat dan otomatis, sedangkan pengguna meningkatkan analisis tersebut dengan keahlian arsitektur dan kontrol visual. Dengan demikian, sistem beroperasi secara efisien dan terkendali. Hal ini sangat penting karena hasil otomatis dari kecerdasan buatan saja mungkin belum cukup akurat. Beberapa garis pada denah arsitektur dapat memiliki kemiripan yang tinggi; garis dinding dapat tertukar dengan garis sumbu, bukaan pintu mungkin berbeda dalam gaya gambar yang beragam, dan simbol jendela dapat bervariasi antar proyek. Oleh karena itu, intervensi pengguna memperkuat keandalan hasil analisis.

4. INTEGRASI ELEMEN ARSITEKTUR KE DALAM GAMBAR

Frasa "Menambahkan Elemen Baru ke Denah Arsitektur" pada bagian tengah diagram menunjuk pada fungsi utama sistem. Pada tahap ini, elemen arsitektur ditambahkan, diproses, atau diedit pada gambar denah PNG/JPG yang telah diunggah. Proses ini dapat dilakukan melalui dua metode berikut: 4.1 Integrasi Otomatis Model kecerdasan buatan menganalisis denah dan mengidentifikasi elemen arsitektur di dalam gambar, antara lain: • Mengenali keberadaan dinding. • Mendeteksi bukaan pintu. • Mendeteksi gambar jendela. • Mengekstrak struktur spasial dasar dari denah. Sistem memproses elemen-elemen tersebut sebagai lapisan pada gambar, sehingga pengguna dapat dengan jelas melihat posisi masing-masing elemen pada denah. 4.2 Integrasi Manual Pengguna memiliki kemampuan untuk menambahkan elemen baru ke dalam denah secara mandiri. Fitur ini merupakan salah satu aspek krusial dari sistem. Pengguna tidak terbatas pada hasil deteksi kecerdasan buatan saja, melainkan dapat mengembangkan denah sesuai kebutuhan mereka. Pengguna dapat: • Menambahkan dinding baru. • Membuka pintu pada dinding yang telah ada. • Menambahkan jendela pada dinding yang telah ada. • Menghapus elemen yang ditambahkan secara tidak tepat. • Mengedit elemen yang telah ditambahkan. • Menguji dan meninjau hasil sebelum mengambil keputusan akhir. Berkat fitur ini, sistem tidak hanya berfungsi untuk keperluan analisis, tetapi juga dapat digunakan untuk desain dan koreksi denah arsitektur.

5. MEKANISME COBA-COBA

Sistem ini tidak mengharuskan pengguna untuk mengambil keputusan final dalam satu kali percobaan. Pengguna dapat bereksperimen dengan rencana, mengevaluasi hasilnya, menghapus elemen jika tidak sesuai, dan menambahkannya kembali. Alur mekanisme coba-coba dijalankan sebagai berikut: 1. Pengguna menambahkan elemen. 2. Sistem menampilkannya pada rencana. 3. Pengguna mengevaluasi hasil visualnya. 4. Jika tidak sesuai, pengguna menghapus elemen tersebut. 5. Pengguna menambahkannya kembali di lokasi yang berbeda.

6. Proses ini diulangi hingga hasil yang diinginkan tercapai.

Pendekatan ini sangat krusial dalam penyusunan rencana arsitektur, karena dalam beberapa kasus, penentuan lokasi pintu atau jendela yang tepat sulit dilakukan pada percobaan pertama. Dengan mencoba berbagai opsi, pengguna dapat menemukan tata letak yang paling sesuai. Sistem coba-coba memberikan keuntungan sebagai berikut: • Memberikan kebebasan bagi pengguna. • Menghindari ketidaktepatan yang bersifat permanen. • Memungkinkan iterasi pada desain. • Mempermudah pencapaian hasil yang paling akurat. • Mendorong pengguna untuk bekerja dengan keyakinan pada rencana yang disusun. Berkat fitur ini, sistem menjadi lebih fleksibel dan ramah bagi pengguna. 6. RENCANA KOLABORATIF PENGGUNA + AI Rencana yang dihasilkan bukan sekadar output otomatis dari kecerdasan buatan, melainkan merupakan hasil yang ditingkatkan melalui intervensi pengguna. Rencana ini terdiri atas tiga lapisan dasar: 1. Gambar rencana asli 2. Elemen arsitektur yang diidentifikasi oleh kecerdasan buatan 3. Elemen yang ditambahkan atau diedit oleh pengguna Dengan struktur berlapis tersebut, sistem dapat mengelola perubahan secara lebih sistematis. Misalnya, dinding yang ditambahkan oleh pengguna disimpan dalam lapisan terpisah, sementara pintu yang dihasilkan oleh kecerdasan buatan dicatat sebagai sumber daya tersendiri. Hal ini memungkinkan pelacakan elemen mana yang berasal dari sistem dan mana yang dihasilkan oleh pengguna. Sistem pelacakan ini sangat vital untuk keperluan pelaporan, pembatalan, analisis ulang, dan pembuatan output di waktu mendatang.

7. KESIMPULAN

Sistem yang dijelaskan dalam diagram ini bukan sekadar alat kecerdasan buatan sederhana yang membaca dan menganalisis rencana arsitektur. Sistem ini merupakan platform desain arsitektur interaktif yang menempatkan pengguna sebagai pusat proses, memungkinkan intervensi langsung pada rencana, serta mendukung pencapaian hasil paling akurat melalui proses coba-coba dan evaluasi. Sistem ini: • Tidak hanya melakukan analisis. • Melibatkan pengguna secara aktif dalam proses. • Memungkinkan penambahan dinding baru. • Memungkinkan pembukaan pintu atau jendela pada dinding yang sudah ada. • Menawarkan kemampuan untuk menghapus dan mencoba kembali tindakan yang keliru. • Mengintegrasikan kecerdasan buatan dengan kontrol manusia. • Menghasilkan rencana yang lebih akurat dan optimal. Pendekatan ini jauh lebih maju dibandingkan sistem AI konvensional, karena pengguna bukan hanya sebagai konsumen hasil, melainkan aktor aktif yang mengembangkan, mengoreksi, dan mengarahkan rencana.

This explanation is displayed according to the selected site language for the second flow diagram.

Alur kesimpulan, penyaringan, dan unduhan SmartArch AI

3. Alur: Kesimpulan, Penyaringan, dan Unduhan

SmartArch conclusion filtering and download flow

Tujuan bagian ini bukan untuk menerima hasil awal yang dihasilkan oleh kecerdasan buatan sebagai hasil yang definitif; melainkan untuk memberikan kesempatan kepada pengguna agar dapat memeriksa hasil tersebut secara visual, membandingkannya dengan daftar, mengeliminasi kandidat dengan tingkat akurasi rendah, melakukan analisis ulang terhadap deteksi yang tersisa jika diperlukan, dan akhirnya mengunduh file DXF/PDF/PNG.

1. Logika Utama Setelah Analisis

Setelah menganalisis denah arsitektur, sistem menghasilkan banyak deteksi kandidat. Kandidat tersebut dapat berupa pintu, jendela, dinding, titik sumbu, kolom, dinding tirai, tangga, poros lift, atau elemen struktural arsitektur lainnya. Namun, tidak setiap deteksi dalam model kecerdasan buatan dapat dianggap benar secara mutlak. Oleh karena itu, sistem menampilkan layar kontrol kepada pengguna setelah proses analisis. Layar kontrol ini terdiri dari dua area utama: • Daftar hasil visual: menampilkan hasil visual yang ditandai pada denah. • Daftar Deteksi: merupakan tabel berisi elemen kandidat yang ditemukan oleh kecerdasan buatan. Dengan struktur ini, pengguna tidak hanya memperoleh gambaran visual tetapi juga dapat melihat ID, tipe, skor kepercayaan, koordinat, ukuran, serta sumber dari setiap kandidat.

2. Area Hasil Visual

Bagian “Hasil visual” yang terletak di kiri bawah diagram memperlihatkan versi yang telah diproses dari rencana arsitektur yang dianalisis. Sistem secara langsung menampilkan elemen yang terdeteksi pada rencana ini. Setiap objek kandidat ditampilkan menggunakan garis berwarna, kotak, label, atau nomor ID. Area ini bertujuan untuk memungkinkan pengguna melakukan pemeriksaan visual terhadap hasil sistem. Sebagai contoh, apabila sistem salah mengidentifikasi jendela sebagai pintu, pengguna dapat segera melihat kesalahan tersebut pada rencana. Demikian pula, apabila bagian dinding keliru ditandai sebagai titik sumbu, kesalahan tersebut dapat dengan mudah terdeteksi pada layar hasil visual.

3. Daftar Deteksi

Bagian “Daftar deteksi” yang terletak di samping hasil visual menampilkan seluruh elemen kandidat yang ditemukan oleh kecerdasan buatan dalam bentuk tabel. Tabel ini meningkatkan transparansi sistem sehingga pengguna tidak hanya melihat hasil berupa “sistem menemukan ini”, tetapi juga dapat menilai tingkat keyakinan sistem terhadap setiap deteksi. Daftar ini sangat penting untuk koreksi manual, di mana pengguna dapat memilih serta menghapus kandidat dengan skor rendah, menyingkirkan elemen yang salah klasifikasi, atau melakukan analisis ulang hanya dengan kandidat yang valid.

4. Logika Skor Kepercayaan

Salah satu konsep utama dalam diagram ini adalah skor atau skor kepercayaan. Skor kepercayaan menunjukkan persentase tingkat keyakinan kecerdasan buatan terhadap suatu temuan, antara lain: • Skor kepercayaan 96%: sistem cukup yakin terhadap temuan tersebut. • Skor kepercayaan 75%: temuan kemungkinan besar benar, namun perlu verifikasi lebih lanjut. • Skor kepercayaan 45%: kandidat mencurigakan; perlu dihapus atau diperiksa lebih lanjut.

5. Menghapus Kandidat di Bawah Ambang Batas

Di bagian kiri atas diagram terdapat area "Hapus Kandidat di Bawah Skor". Area ini memungkinkan pengguna melakukan pembersihan otomatis dengan menetapkan ambang batas persentase. Sistem akan menghapus semua kandidat yang memiliki skor di bawah ambang batas tersebut dari daftar hasil. Contoh: • Jika ambang batas ditetapkan di 50%, kandidat dengan skor di bawah 50% dihapus, sementara kandidat pada dan di atas 50% dipertahankan. • Jika ambang batas dinaikkan menjadi 70%, sejumlah kandidat dengan skor di bawah 70% dihapus, menghasilkan hasil yang lebih bersih namun lebih selektif. Fitur ini sangat berguna dalam analisis yang menghasilkan banyak positif palsu, sehingga pengguna tidak perlu menghapus kandidat satu per satu, melainkan dapat melakukan pra-pembersihan secara otomatis.

6. Menemukan Hasil yang Tepat Melalui Coba-coba

Salah satu keunggulan sistem pada diagram ini adalah bahwa pengguna tidak dibatasi pada satu hasil analisis saja. Pengguna dapat bereksperimen dengan berbagai nilai ambang batas, menghapus kandidat dengan skor rendah, menyimpan beberapa kandidat secara manual, dan kemudian menjalankan analisis ulang menggunakan deteksi yang tersisa. Alur percobaan tersebut dapat dilakukan sebagai berikut: 1. Sistem melakukan analisis awal. 2. Pengguna meninjau hasilnya. 3. Jika terdapat banyak deteksi palsu, nilai ambang batas diatur menjadi 60%. 4. Sistem menghapus kandidat dengan skor di bawah 60%. 5. Pengguna meninjau kembali hasil visual. 6. Jika diperlukan, kandidat tertentu dihapus secara manual. 7. Analisis ulang dijalankan menggunakan elemen yang tersisa. 8. Diperoleh hasil yang lebih bersih. 9. Output dihasilkan apabila hasil sudah memuaskan. Pendekatan ini menjadikan sistem bukan sekadar alat yang sepenuhnya otomatis, melainkan sebuah platform analisis yang terkontrol, interaktif, dan dibantu oleh pengguna.

7. Intervensi Pengguna dan Pembersihan Manual

Struktur yang diilustrasikan dalam diagram menunjukkan bahwa intervensi pengguna merupakan bagian integral dari sistem. Pengguna tidak diwajibkan untuk menerima seluruh kandidat yang dihasilkan dari analisis. Pengguna harus memiliki kemampuan untuk: • Menghapus deteksi yang keliru. • Menghapus kandidat dengan skor rendah secara massal. • Memilih dari daftar kandidat. • Memilih objek secara visual. • Menghapus kandidat yang dipilih dari rencana. • Melakukan analisis ulang dengan kandidat yang valid yang tersisa. Fitur ini sangat krusial dalam rancangan arsitektur karena beberapa gambar dapat memiliki kemiripan yang tinggi satu sama lain. Misalnya, garis dinding tipis dapat menyerupai garis sumbu; bingkai pintu terkadang disalahartikan sebagai garis furnitur; garis jendela bisa muncul sebagai bagian dari dinding dalam beberapa rencana. Oleh karena itu, memperoleh hasil yang sepenuhnya andal tanpa pengawasan pengguna sangatlah menantang.

8. Jalankan Analisis dengan Elemen yang Tersisa

Salah satu tombol penting di area daftar Deteksi adalah fungsi “Jalankan analisis dengan deteksi yang tersisa”. Tombol ini memungkinkan pelaksanaan analisis baru hanya dengan kandidat yang tersisa setelah pengguna melakukan pembersihan. Proses ini memiliki peranan penting karena: • Kandidat yang tidak sesuai dihapus dari analisis. • Sistem melakukan pengolahan ulang menggunakan data yang lebih akurat. • Mesin penghasil hasil bekerja berdasarkan data yang telah dibersihkan. • Hasil akhir menjadi lebih dapat diandalkan. Pendekatan ini sejalan dengan prinsip kolaborasi manusia dalam siklus sistem kecerdasan buatan, yang berarti sistem tidak hanya bergantung pada keputusan mesin, melainkan juga diperkuat oleh supervisi manusia.

9. Fase Kesimpulan

Di bagian tengah diagram terdapat blok “Kesimpulan” yang bertugas untuk mengambil temuan yang telah dibersihkan dan diverifikasi guna menghasilkan hasil akhir. Pada fase Kesimpulan, sistem mampu: • Mengevaluasi kandidat yang tersisa. • Menginterpretasikan struktur keseluruhan rencana. • Mengelompokkan elemen arsitektur ke dalam lapisan-lapisan bermakna. • Mempersiapkan data yang diperlukan untuk produksi output. • Membuat struktur file akhir untuk output DXF, PDF, dan PNG. Poin penting yang perlu diperhatikan adalah bahwa hasil yang diperoleh tidak hanya berasal dari analisis AI awal. Hasil tersebut merupakan kombinasi antara pembersihan dan koreksi yang dilakukan oleh pengguna, sehingga output akhir mencerminkan prediksi AI sekaligus kontrol pengguna.

10. Unduh DXF/PDF

Setelah fase Kesimpulan, pengguna dapat mengunduh output yang bersifat profesional. Blok “Unduh DXF/PDF” dalam diagram merepresentasikan proses ini. Pada tahap ini, sistem menghasilkan file sebagai berikut: • PDF: Laporan dan output visual hasil analisis. • DXF: Output gambar teknik yang dapat dibuka pada perangkat lunak CAD. • PNG: Output visual rencana yang telah diproses. Output DXF memiliki peranan penting bagi arsitek dan insinyur karena dapat dibuka menggunakan AutoCAD, DraftSight, LibreCAD, atau perangkat lunak CAD lainnya. Dengan demikian, rencana yang telah diproses oleh kecerdasan buatan dapat langsung diteruskan ke lingkungan gambar teknik.

11. Panel File yang Dihasilkan

Panel “File yang Dihasilkan” yang terletak di sebelah kanan menampilkan seluruh file yang dihasilkan oleh sistem. Panel ini memberikan akses bagi pengguna untuk membuka atau mengunduh file hasil secara individual. Jenis file yang dapat tercantum dalam panel ini meliputi: • PNG Kolom dan Dinding Geser • PNG Kolom • PNG Dinding Geser • PDF • DXF Kolom dan Dinding Geser • DXF Kandidat Kolom • DXF Kandidat Dinding Geser Daftar tersebut memperlihatkan bahwa sistem tidak hanya menghasilkan satu jenis output, melainkan berbagai output dengan tujuan yang berbeda. PNG Kolom dan Dinding Geser merupakan output visual gabungan dari seluruh temuan. PNG Kolom memisahkan kandidat kolom secara visual. PNG Dinding Geser merepresentasikan tampilan akhir pada layar pengguna. PDF digunakan untuk pelaporan dan berbagi informasi. DXF Rencana Lengkap adalah output rencana umum yang dapat dibuka di lingkungan CAD. DXF Kandidat Kolom merupakan output teknis khusus yang hanya berisi kandidat kolom. DXF Kandidat Dinding Geser adalah output teknis yang berisi kandidat dinding geser.

This explanation is displayed under the third flow diagram according to the selected site language.