BAB V : PENUTUP
8. Variabel keterlambatan pembayaran oleh owner a. Uji koefisien determinasi
IV - 50
dan hujan) (X7) diterima yang berarti terdapat pengaruh X7 secara simultan terhadap variabel keterlambatan proyek (Y).
Berikut adalah gambar grafik regresi linier untuk variabel cuaca buruk (hujan dan badai) (X7):
Sumber: Hasil analisa data primer, 2018
8. Variabel keterlambatan pembayaran oleh owner
IV - 51
Hasil ouput diatas diketahui nilai R Square sebesar = 0,318, hal ini mengandung arti bahwa pengaruh variabel
“keterlambatan pembayaran oleh owner (X8)” secara simultan terhadap variabel keterambatan proyek (Y) adalah sebesar = 31,8 %.
b. Uji T
Tabel 4.30 Hasil analisis uji T Variabel X8
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients T Sig.
B Std. Error Beta
1 (Constant) 2,189 ,270 8,112 ,000
Dana (X8) ,323 ,089 ,564 3,611 ,001
a. Dependent Variable: KETERLAMBATAN (Y)
Sumber: Hasil olah data program SPSS versi 24.0
Diketahui nilai sig. untuk pengaruh X8 terhadap Y adalah sebesar 0,001 < 0,05 dan nilai Thitung sebesar 3,611 > Ttabel
2,064, sehingga dapat disimpukan bahwa variabel
keterlambatan pembayaran oleh owner (X8) diterima yang berarti bahwa terdapat pengaruh secara parsial terhadap keterlambatan proyek (Y)
IV - 52
Berdasarkan tabel analisa regresi linier berganda diatas di peroleh variabel Y sebagai berikut:
Y = 2,189 + 0,323 X1 Hal ini menunjukan bahwa:
B0 = 2,189 artinya setiap penambahan variabel bebas (X) akan memberikan pengaruh sebesar 2,189 sebagai nilai konstan untuk terikat terhadap variabel bebas B1 = 0,323 artinya setiap penambahan peralatan 1 % akan
memberikan pengaruh sebesar 0,323 terhadap variabel terikat (keterlambatan)
c. Uji F
Tabel 4.31 Hasil analsis uji F variabel X8
ANOVAa
Model
Sum of
Squares Df Mean
Square F Sig.
1 Regression ,951 1 ,951 13,037 ,001b
Residual 2,043 28 ,073
Total 2,995 29
a. Dependent Variable: KETERLAMBATAN (Y) b. Predictors: (Constant), Dana (X8)
Sumber: Hasil olah data program SPSS versi 24.0
IV - 53
Berdasarkan ouput di atas diketahui nilai signifikansi untuk
pengaruh X8 secara simultan terhadap keterlambatan (Y) adalah sebesar 0,001 < 0,05 dan nilai Fhitung 13,037 > F tabel 2,60, sehingga dapat disimpulkan bahwa variabel keterlambatan pembayaran oleh owner (X8) diterima yang berarti terdapat pengaruh X8 secara simultan terhadap variabel keterlambatan proyek (Y).
Berikut adalah gambar grafik regresi linier untuk variabel keterlanbatan pembayaran oleh owner (X8):
Sumber: Hasil analisa data primer, 2018
3. 10 Pembahasan Penelitian 4.2.1 Uji Hipotesis
Selanjutnya dilakukan Analisa terhadap hipotesis yang diajukan pada penelitian ini. Kemudian semua variabel-variabel penyebab keterlambatan proyek diatas dilakukan kembali analisis regresi dengan
IV - 54
menggabungkan 8 (delapan) variabel menggunakan program SPSS versi 24 sebagaimana terlihat dibawah ini:
Kemudian analisa putaran kedua dengan menggabungkan variabel-variabel penyebab keterlambatan proyek pekerjaan pembangunan pelabuhan di kepulauan Sailus kabupaten Pangkep untuk menguji kebenaran dari hipotesis penelitian.
a. Uji koefisien determinasi (R Square)
Tabel. 4. 32 Hasil anaisis koefisien derterminasi Variabel X1, X2, X3, X4, X5, X6, X7 dan X8
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the
Estimate Durbin-Watson
1 ,998a ,995 ,994 ,02571 1,897
a. Predictors: (Constant), Dana (X8), Tenaga kerja (X3), Cuaca (X7), Material (X2), Pengawasan (X6), Perubahan pekerjaan (X4), Peralatan (X1), Waktu (X5) b. Dependent Variable: KETERLAMBATAN (Y)
Sumber: Hasil olah data program SPSS versi 24
Hasil ouput diatas diketahui nilai R Square sebesar = 0,995, hal ini mengandung arti bahwa pengaruh variabel penyebab keterlambatan proyek (X)” yang terdiri dari X1, X2, X3, X4, X5, X6, X7 dan X8 secara simultan terhadap variabel keterambatan proyek (Y) dengan nilai koefisien dterminasi sebesar = 99,5 %.
IV - 55 b. Uji T
Tabel 4.33
Hasil analisis uji T Variabel X1, X2, X3, X4, X5, X6, X7 dan X8
Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients T Sig.
B Std. Error Beta
1
(Constant) -,023 ,061 -,380 ,708
Peralatan (X1) ,147 ,021 ,179 6,995 ,000
Material (X2) ,123 ,011 ,203 10,888 ,000
Tenaga kerja (X3) ,090 ,017 ,132 5,339 ,000
Perubahan pekerjaan (X4)
,158 ,013 ,277 11,709 ,000
Waktu (X5) ,088 ,018 ,139 4,818 ,000
Pengawasan (X6) ,141 ,016 ,198 8,793 ,000
Cuaca (X7) ,135 ,012 ,212 11,215 ,000
Dana (X8) ,125 ,011 ,219 11,059 ,000
a. Dependent Variable: KETERLAMBATAN (Y)
Sumber: Hasil olah data program SPSS versi 24.0
Diketahui nilai sig. untuk pengaruh X1, X2, X3, X4, X5, X6, X7 dan X8 terhadap Y adalah sebesar X1 = 0,000, X2 = 0,000, X3 = 0,000 X4 = 0,000, X5 = 0,000, X6 = 0,000, X7 = 0,000 dan X8 = 0,000 semuanya < 0,05 dan nilai Thitung sebesar X1 =
IV - 56
6,995, X2 = 10,888, X3 = 5,339, X4 = 11,709, X5 = 4,818, X6 = 8,793, X7 = 11,215 dan X8 = 11,059 semuanya > Ttabel 2,064, sehingga dapat disimpukan bahwa 8 (delapan) variabel
penyebab keterlambatan proyek yakni X1, X2, X3, X4, X5, X6, X7 dan X8 diterima yang berarti bahwa terdapat pengaruh secara parsial terhadap keterlambatan proyek (Y)
c. Uji F
Tabel 4.34
Hasil analsis uji F Variabel X1, X2, X3, X4, X5, X6, X7 dan X8
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1 Regression 2,981 8 ,373 563,540 ,000b
Residual ,014 21 ,001
Total 2,995 29
a. Dependent Variable: KETERLAMBATAN (Y)
b. Predictors: (Constant), Dana (X8), Tenaga kerja (X3), Cuaca (X7), Material (X2), Pengawasan (X6), Perubahan pekerjaan (X4), Peralatan (X1), Waktu (X5)
Sumber: Hasil olah data program SPSS versi 24.0
Berdasarkan ouput di atas diketahui nilai signifikansi untuk pengaruh X1, X2, X3, X4, X5, X6, X7 dan X8 secara simultan terhadap
keterlambatan (Y) adalah sebesar 0,000 < 0,05 dan nilai Fhitung
563,540 > F tabel 2,60, sehingga dapat disimpulkan bahwa 8 (delapan) penyebab keterlambatan proyek diterima yang berarti terdapat
IV - 57
pengaruh X1, X2, X3, X4, X5, X6, X7 dan X8 secara secara simultan terhadap variabel keterlambatan proyek (Y).
Dari hasil analisis yang dilakukan diatas maka selanjutnya ditabelkan hasil analisa untuk mempermudah indektifikasi terhadap variabel manakah yang sangat kuat hubungannya dan paling besar nilai pengaruhnya terhadap keterlambatan proyek pekerjaan
pembangunan pelabuhan di kepulauan Sailus kabupaten Pangkep.
Sebagaimana terlihat dibawah ini:
Tabel 4.35 Rekapitulasi hasil analisa regresi linier dan analisa korelasi
No Variabel R R square F B T
1 Keterlambata
n (Y) -0,023 -0,380
2 Peralatan
(X1) 0,810 0,656 53,392 0,147 6,995 3 Material (X2) 0,591 0,349 15,042 0,123 10,88 4 Tenaga kerja
(X3) 0,622 0,387 17,664 0,090 5,339 5
Perubahan pekerjaan
(X4)
0,657 0,431 21,240 0,158 11,709 6 Waktu (X5) 0,877 0,769 93,254 0,088 4,818 7 Pengawasan
(X6) 0,666 0,444 22,333 0,141 8,793 8 Cuaca (X7) 0,425 0,181 6,173 0,135 11,215 9 Dana (X8) 0,564 0,318 13,037 0,125 11,059
Sumber: Hasil olah data program SPSS versi 24.0
Berdasarkan tabel analisa regresi linier berganda diatas di peroleh variabel Y sebagai berikut:
IV - 58
Y = -0,023 + 0,147 X1 + 0,123 X2 + 0,090 X3 + 0,158 X4 + 0,088 X5 + 0,141 X6 + 0,135 X7 +0,125 X8
Hal ini menunjukan bahwa:
B0 = -0,023 artinya setiap pengurangan variabel bebas (X) akan memberikan pengaruh sebesar -0,023 sebagai nilai konstan untuk terikat terhadap variabel bebas B1 = 0,147 artinya setiap penambahan peralatan 1 % akan
memberikan pengaruh sebesar 0,147 terhadap variabel terikat (keterlambatan)
B2 = 0,123 artinya setiap penambahan Material 1 % akan memberikan pengaruh sebesar 0,123 terhadap variabel terikat (keterlambatan)
B3 = 0,090 artinya setiap penambahan Tenaga Kerja 1 % akan memberikan pengaruh sebesar 0,090 terhadap variabel terikat (keterlambatan)
B4 = 0,158 artinya setiap penambahan Perubahan Pekerjaan 1 % akan memberikan pengaruh sebesar 0,158 terhadap variabel terikat (keterlambatan)
B5 = 0,088 artinya setiap penambahan Waktu 1 % akan memberikan pengaruh sebesar 0,088 terhadap variabel terikat (keterlambatan)
IV - 59
B6 = 0,141 artinya setiap penambahan Pengawasan 1 % akan memberikan pengaruh sebesar 0,141 terhadap variabel terikat (keterlambatan)
B7 = 0,135 artinya setiap penambahan Cuaca 1 % akan memberikan pengaruh sebesar 0,135 terhadap variabel terikat (keterlambatan)
B8 = 0,125 artinya setiap penambahan Dana 1 % akan memberikan pengaruh sebesar 0,125 terhadap variabel terikat (keterlambatan)
Selain itu, dari tabel diatas juga dapat diketahui bahwa variabel bebas (X), yang sangat kuat dan yang lemah hubungan keterikatanya serta, pengaruh terhadap variabel teikat (Y). Akan diurutkan berdasarkan nilai korelasi (R), nilai koefisien determinasi (R square) dan nilai pengaruh simultan variabel bebas kepada variabel terikat (F) berikut ini:
Tabel 4. 36 Rangking terhadap variabel-variabel penyebab keterlambatan berdasarkan nilai korelasi (R), nilai R square dan
nilai uji F.
IV - 60 No Variabel
Nilai korelasi
(R)
Nilai R Square
Nilai uji
F Kategori
1 Waktu 0,877 0,769 93,254 Sangat
kuat
2 Peralatan 0,810 0,656 53,392 Sangat
kuat
3 Pengawasan 0,666 0,444 22,333 Kuat
4 Perubahan
pekerjaan 0,657 0,431 21,240 Kuat
5 Tenaga kerja 0,622 0,387 17,664 Kuat
6 Material 0,591 0,349 15,042 Sedang
7 Dana 0,564 0,318 13,037 Sedang
8 Cuaca 0,425 0,181 6,173 Sedang
Sumber: Hasil analisa data primer, 2018
4.2.2 Pembahasan Hipotesis Penelitian
Berdasarkan hasil analisa terhadap 8 (delapan) variabel yang dianggap berpengaruh pada keterlambatan proyek maka selanjutnya dilakukan uji terhadap hipotesis penelitian dengan mengindentifikasi dan mengklasfikasi faktor-faktor keterlambatan berdasarkan nilai korelasi yang kuat dan sangat kuat/sempurna. Kemudian dinyatakan berpengaruh.
Semetara, yang memiliki nilai korelasi (R) lemah dan sedang di diskualifikasi dan dinyatakan tidak berpengaruah pada keterlambatan pekerjaan pembangunan pelabuhan di Kepulauan Sailus Kabupaten Pangkep dan tidak diterima atau ditolak sebagai hipotesis penelitian ini.
IV - 61
Pengambilan keputusan didasarkan pada tabel interpretasi nilai korelasi (R) dibawah ini:
Tabel 4.6 Interpretasi koefisien korelasi (R)
No Interval Katergori
1 0,00 – 0,199 Sangat rendah
2 0,20 – 0,399 Rendah
3 0,40 – 0,599 Sedang
4 0,60 – 0,799 Kuat
5 0,80 – 1,000 Sangat kuat/sempurna Sumber: Sugiono, analisis statistik (2007)
Berikut tabel klasifikasi terhadap hipotesis tentang faktor-faktor penyebab keterlambatan yang diteima dan ditolak:
Tabel 4.37 Klasifikasi terhadap hipotesis diterima dan ditolak
No Variabel/faktor
Nilai korelasi
(R)
Nilai R
Square Kategori Keputusan
1 Waktu 0,877 0,769 Sangat
kuat Diterima
2 Peralatan 0,810 0,656 Sangat
kuat Diterima
3 Pengawasan 0,666 0,444 Kuat Diterima
4 Perubahan 0,657 0,431 Kuat Diterima
IV - 62 pekerjaan
5 Tenaga kerja 0,622 0,387 Kuat Diterima
6 Material 0,591 0,349 Sedang Ditolak
7 Dana 0,564 0,318 Sedang Ditolak
8 Cuaca 0,425 0,181 Sedang Ditolak
Sumber: Hasil analisa data primer, 2018
Dari hasil uji hipotesis diatas maka di ketahuilah bahwa variabel: Pemanfaatan atau penggunaan waktu yang tidak efektif, Ketersedianya peralatan yang tidak memadai, Pengawasan pada proyek yang tidak maksimal, Terjadi perubahan scope pekerjaan dan Kekurangan tenaga kerja terampil diterima. Sementara variabel: Kekurangan material di lapangan, Keterlambatan pembayaran oleh owner dan Cuaca buruk (hujan dan badai) ditolak.
Kemudian dideskrisikan kelima variabel/faktor dinyatakan diterima dalam uji hipotesis sebgaimana uraian dibawah ini:
1. Penggunaan atau pemanfaatan waktu yang tidak efektif