Tesis ini berfokus pada proses transformasi representasi model melalui investigasi kerangka encoding-decoding-recoding untuk mengeksplorasi kemungkinan-kemungkinan baru potensi hasil baru dari model arsitektur. Dalam desain arsitektur, memungkinkan cara-cara inovatif dalam menemukan bentuk untuk menghasilkan model representasi arsitektur yang baru dan tak terlihat sangatlah penting. Namun, pengembangan alat desain komputasi masih kekurangan fitur untuk memahami kualitas arsitektur yang melibatkan aspek bermakna ruang digital. Kemajuan teknologi dengan transformasi data memberikan kemungkinan baru untuk memahami fitur spasial sebagai teknik berbasis data dan menggunakan pengetahuan yang dikumpulkan untuk menyimpulkan aspek kualitatif ruang arsitektur agar lebih bermakna. Dengan menganalisis data dalam jumlah besar, arsitektur pada akhirnya dapat memprediksi perubahan di masa depan. Dengan menggunakan beberapa studi kasus yang berbeda, penelitian ini mengusulkan kombinasi eksperimental ketiga metode tersebut yang memungkinkan berbagai kemungkinan bentuk. Kemudian, temuan ini akan memungkinkan encoding-decoding-recoding arsitektur spasial menjadi lebih terkuantifikasi berdasarkan pemahaman operasi antara data, program, dan hasil pencarian bentuk yang lebih dapat diprediksi dalam desain arsitektur.

---

This thesis focuses on the transformation process of model representation through the investigation of an encoding-decoding-recoding framework to explore new possibilities for potential new results from architectural models. In architectural design, enabling innovative ways of finding form to produce new and unseen models of architectural representation is essential. However, the development of computational design tools still lacks features for understanding architectural qualities involving meaningful aspects of digital spaces. Technological advances with data transformation provide new possibilities to understand spatial features as a data-driven technique and use the knowledge gathered to infer the qualitative aspects of architectural spaces to make them more meaningful. By analyzing large amounts of data, architecture can ultimately predict future changes. Using several different case studies, this research proposes an experimental combination of the three methods that allows for various possible forms. Then, these findings will allow the encoding-decoding-recoding of spatial architecture to be more quantified based on an understanding of the operations between data, programs, and more predictable form search results in architectural design.