METODE PENELITIAN 3.1. Jenis Penelitian
3.8. Pengolahan Data
Pengolahan data untuk menyelesaikan permasalahan-permasalahan dalam penelitian sebagaimana yang dijelaskan dalam rumusan masalah dapat dijelaskan sebagai berikut.
3.8.1. Analisa Deskriptif
Analisa ini berguna untuk mendapatkan informasi yang bersifat deskriptif nengenai variabel-variabel penelitian. Statistik deskriptif dimaksudkan untuk menganalisa data yang terkumpul sebagaimana adanya tanpa bermaksud membuat suatu kesimpulan yang berlaku untuk umum atau generalisasi. Sehingga jenis analisis ini bersifat mendukung analisis data selanjutnya. Deskripsi disajikan dengan distribusi frekuensi data dan hasilnya ditabulasikan dalam tabel frekuensi.
3.8.2 Analisa Faktor
Variabel-variabel risiko yang telah diinventarisasi sebelumnya diuji sebagai faktor-faktor yang signifikan merupakan risiko-risiko baik pada bidang usaha jasa konstruksi secara umum maupun pada proyek yang dikerjakan secara khusus. Analisa ini
menggunakan data yang telah dikumpulkan melalui kuesioner mengenai penting atau tidaknya risiko-risiko tersebut sebagai variabel. Alat analisa statistik yang digunakan adalah Analisa Faktor. Hasil akhirnya adalah risiko-risiko positif/signifikan pada proyek konstruksi dalam bentuk kelompok-kelompok (faktor-faktor) yang ditetapkan sebagai variabel. Analisa data dapat dilakukan dengan menggunakan paket program statistik
SPSS release 11.0 for Windows.
Analisa faktor adalah prosedur yang digunakan untuk mereduksi dan meringkas data berupa banyak variabel yang memiliki korelasi satu sama lain sampai tingkatan yang memungkinkan untuk diolah lebih lanjut. Fungsi Analisa Faktor adalah sebagai berikut (Wibisono, 2000).
213 Menentukan himpunan dari dimensi yang tidak mudah diamati dalam himpunan variabel.
214 Mengidentifikasikan variabel-variabel yang akan digunakan ke dalam analisa lanjutan (regresi, korelasi, atau diskriminan).
215 Membentuk himpunan dari variabel (dengan jumlah lebih sedikit) untuk menggantikan (sebagian/seluruh) himpunan variabel awal.
216 Menganalisa suatu fenomena dengan data yang sangat besar.
217 Menjabarkan/menguraikan suatu kaitan kompleks di antara fenomena ke dalam fungsi kesatuan-kesatuan
Proses analisa faktor adalah menghitung korelasi antar variabel-variabel manifes yang akan diolah membentuk variabel laten (Gambar 3.1). Dari semua variabel manifes yang diolah beberapa di antarnya akan diagregasikan ke dalam sejumlah variabel laten yang lebih sedikit. Variabel manifes diwakili oleh satu item pertanyaan dalam kuesioner. Langkah-langkah Analisa Faktor adalah sebagai berikut (Gambar 3.2).
I. Merumuskan masalah
Dalam perumusan masalah perlu dilakukan perumusan tujuan analisa faktor dan variabel-variabel secara jelas. Variabel-variabel dan data yang diperoleh dimasukkan ke dalam model analisa faktor dalam menu SPSS release 11.0 for Windows.
II. Membuat matriks korelasi
Semua data yang masuk dan diolah akan menghasilkan matriks korelasi. Dengan matriks korelasi a.kan dapat diidentifikasikan variabel-variabel tertentu yang tidak mempunyai korelasi dengan variabei lain sehingga perlu dikeluarkan dari analisa. Pada tahap ini juga dapat diketahui variabel-variabel yang memiliki nilai komunalitas yaitu variabel dengan koefisien lebih tinggi dari 0,5 dan variabel tersebut dianalisa lebih lanjut dengan menggunakan Bartlett's Test of Spherity yang berfungsi melihat signifikansi variabel dalam faktor. Kemudian digunakan Uji Kaiser-Meyer-Olkin untuk mengetahui kecukupan nilai loading variabel yang diterima oleh model faktor. Ukuran ketepatan uji ini terdapat pada Tabel 6.
Tabel 6. Ukuran ketepatan Kaiser- Meyer-Olkin
Ukuran KMO Rekomendasi
> 0,9 Baik sekali > 0,8 Baik > 0,7 Sedang/agak baik > 0,6 Cukup > 0,5 Kurang < 0,5 Ditolak Sumber: Sharma (1996) III. Rotasi faktor
Hasil penyederhanaan faktor dalam matriks faktor memperlihatkan hubungan antara faktor dengan variabel, tetapi dalam faktor-faktor tersebut terdapat banyak variabel yang berkorelasi sehingga sulit diinterpretasikan. Dengan menggunakan rotasi faktor matriks, matriks faktor ditransformasikan ke dalam matriks yang lebih sederhana sehingga mudah untuk diinterpretasikan . Dalam penelitian ini digunakan rotasi varimax.
IV. Interpretasi faktor
Interpretasi faktor dapat dilakukan dengan mengelompokkan variabel yang mempunyai faktor loading tinggi ke dalam faktor tersebut. Untuk interpretasi hasil perilaku ini variabel yang mempunyai faktor loading kurang dari 0,5 akan dikeluarkan dari model. Yang dilakukan di sini adalah:
a. Perhitungan skor faktor, dimaksudkan untuk mencari nilai faktor yang dapat digunakan untuk analisa multivariate.
b. Penyelesaian surrogate variabel, dimaksudkan untuk mencari salah satu variabel dalam setiap faktor sebagai wakil dari masing-masing faktor. Pemilihan ini berdasarkan nilai pada faktor loading tertinggi.
V. Menentukan ketepatan model
Tahap terakhir analisa faktor adalah mengetahui apakah model mampu menjelaskan dengan baik. Fenomena data yang ada perlu diuji dengan teknik Principal
Component Analysis (PCA) yaitu dengan melihat jumlah residual antara korelasi yang
diamati dengan korelasi yang diproduksi. Apabila nilai residual semakin tinggi di atas 0,05 maka semakin buruk kemampuan model untuk menjelaskan fenomena yang ada.
3.8.3 Analisa Regresi
Setelah didapat risiko-risiko yang signifikan pada pelaksanaan proyek dan pengelompokannya langkah selanjutnya adalah menganalisa sejauhmana kelompok-kelompok risiko ini berpengaruh negatif bagi sasaran proyek. Analisa ini menggunakan data yang telah dikumpulkan melalui kuesioner mengenai pendapat responden tentang frekuensi terjadi atau taraf keburukan item-item risiko.
Dalam tahap ini dilakukan pengujian apakah kelompok-kelompok (faktor-faktor) risiko sebagai variabel risiko (X) memiliki pengaruh yang siginifikan terhadap variabel sasaran proyek (Y) secara simultan dan secara parsial. Pengaruh secara simultan akan menjawab pengaruh risiko secara keseluruhan pada pencapaian sasaran proyek. Pengaruh secara parsial akan menjawab pengaruh masing-masing kelompok risiko pada pencapaian sasaran proyek.
Untuk menganalisa pengaruh variabel bebas terhadap variabel terikat ini digunakan alat analisa statistik berupa Analisa Regresi. Menurut Gujarati (1995), Analisis Regresi adalah:
"Studi mengenai ketergantungan satu variabel dependen (terikat) dengan satu atau lebih variabel independen (bebas) dengan tujuan mengestimasi dan/atau memprediksi rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui."
Analisa data menggunakan paket program statistik SPSS release 11.0 for Windows. Berikut ini dijelaskan masing-masing analisa terebut.
A. Pengaruh secara simultan
Pengarus secara simultan diselesaikan dengan Analisa Regresi Linier Berganda. Analisa Regresi Berganda digunakan untuk menjelaskan hubungan dua atau lebih variabel bebas dengan satu variabel terikat. Modelnya adalah sebagai berikut:
Y = a+b1X1 +b2X2 +b3X3 +... +b„X„ +e
Y = Variabel terikat = Sasaran proyek/ kegiatan
Xn = Variabel bebas/prediktor n = Kelompok risiko n
a = Konstanta/intersep
bn = Koefisien prediktor / koefisien regresi Xn (menunjukkan angka peningkatan/ penurunan variabel terikat akibat dari perubahan variabel bebas)
Analisa Regresi Berganda digunakan untuk menjawab pertanyaan-pertanyaan berikut.
- Apakah ada/tidak ada pengaruh yang signifikan antara variabel-variabel bebas secara simultan terhadap variabel terikat? Pertanyaan ini dijawab dengan uji hipotesis nilai statistik F-test.
- Seberapa besar variabel terikat dapat dijelaskan oleh seluruh variabel bebas? Pertanyaan ini dapat dijawab dengan nilai Koefisien Determinasi (R2) yang didapat dari tabel hasil perhitungan. R2 dapat bernilai antara 0 dan 1. Semakin besar nilai R2 berarti semakin besar kemampuannya dalam menjelaskan.
B. Pengaruh Secara Parsial
Pengaruh secara parsial diselesaikan dengan Analisa Regresi Linear Sederhana yang menjelaskan hubungan fungsional ataupun kausal satu variabel bebas dengan satu variabel terikat. Modelnya adalah sebagai berikut (Sugiyono, 2000).
Y=a+b.X
Di mana:
Y = Variabel terikat = Sasaran proyek
X = Variabel bebas/prediktor = Kelompok-kelompok risiko
a = Konstanta/intersep
b = Koefisien prediktor/koefisien regresi (menunjukkan angka peningkatan/penurunan
variabel terikat berdasarkan variabel bebas)
Analisa Regresi Berganda digunakan untuk menjawab pertanyaan-pertanyan berikut (Kuncoro, 2001)
218 Manakah diantara variabel bebas yang mempengaruhi variabel terikat ? Pertanyaan ini dijawab dengan uji hipotesis nilai statistik F-test.
219 Apakah semakin besar variabel bebas, variabel terikat akan semakin besar juga? Pertanyaan ini dijawab dengan melihat nilai Koetisien Regresi (B). jika bernilai positif berarti semakin besar variabel bebas, variabel terikat akan semakin besar.
220 Seberapa jauh variabel terikat mampu dijelaskan oleh variabel bebas? Pertanyaan ini dijawab dengan meninjau Koefisien r2. Variabel bebas yang memiliki pengaruh paling besar adalah yang memiliki nilai r2 terbesar.
3.8.4 Analisa Jalur.
variabel sasaran proyek yang meliputi biaya, waktu, dan mutu serta kaitannya dengan sasaran perusahaan secara menyeluruh, maka dalam penelitian ini digunakan pula teknik analisis jalur (path)