BAB IV
HASIL DAN ANALISIS 4.1. Pendahuluan
Bab ini menjelaskan tentang analisa dan pengolahan data hasil kuisioner yang telah mendapat tanggapan dari para responden / tim proyek yang ada di lapangan dengan melakukan pengisian kuisioner. Hasil dari tanggapan oleh pakar yang sudah divalidasi kemudian dilakukan eliminir, untuk variabel yang tidak dieliminir menjadi variabel yang berpengaruh paling signifikan terhadap keterlambatan penyelesaian pelaksanaan proyek New Harco Glodok Jakarta Barat.
4.2. Kuisioner Tahap Pertama
Pada kuesioner tahap pertama adalah kuesioner terhadap para pakar pada proyek New Harco Glodok Jakarta Barat. Yang menjadi pakar adalah para pimpinan proyek New Harco Glodok Jakarta Barat yang sudah terlibat di dunia konstruksi gedung dengan pengalaman minimal 10 tahun. Tujuan dari pelaksanaan kuesioner tahap pertama adalah melihat tanggapan pakar mengenai variabel yang ditemukan peneliti melalui studi literatur.
Pada tahap ini para pakar memberikan tanggapan beserta masukan terhadap 30 variabel penelitian yang diajukan oleh penulis. Setelah kuesioner terkumpul, kemudian dilakukan perbaikan atas variabel yang tidak disetujui oleh para pakar akan dibuang dan tidak dipergunakan pada pengumpulan data kuesioner tahap kedua yaitu kepada responden yakni para staff-staff yang terlibat pada proyek New Harco Glodok Jakarta Barat. Berikut adalah tabel validasi pakar keterlambatan penyelesaian proyek New Harco Glodok Jakarta Barat.
Tabel 4.1 Hasil Kuisioner Tahap Pertama Variabel X
Variabel Peristiwa - Peristiwa Yang Memungkinan Terjadinya Keterlambatan
Hasil Pakar
Kesimpulan Pakar
1 Pakar 2 Pakar 3 Pakar 4 Pakar 5 Pakar 6 Pakar 7 Pakar 8 Pakar 9 Pakar 10
X1 Keterlambatan pengiriman material
√
√
√
√
X X√
√
√
√
YaX2 Harga Material yang Fluktiatif X
√
√
√
X X X√
√
X TidakX3 Pencuri yang berada di Proyek X
√
√
X X X X√
X√
TidakX4 Kualitas dari Bahan Material yang buruk
√
X√
X X X√
√
X√
YaX5 Keterlambatan pemesanan material
√
√
√
√
√
X√
√
X√
YaX6 Sub-kontraktor yang tidak mumpuni dalam bekerja
√
√
√
√
√
√
√
√
√
√
YaX7 Kualitas dari tenaga kerja yang ada buruk
√
√
√
√
X X√
√
X√
YaX8 Kondisi cuaca yang tidak menentu
√
√
√
√
X X√
√
X√
YaX9 Perubahan spesifikasi dari material selama proyek
berlangsung
√
√
√
√
X X X√
X√
YaX10 Keterlambatan ketersediaan pelayanan air proyek X
√
X√
X X X√
X X TidakX11 Keterbatasan jumlah tenaga kerja
√
√
√
√
X X√
√
X X YaVariabel Peristiwa - Peristiwa Yang Memungkinan Terjadinya Keterlambatan
Hasil Pakar
Kesimpulan Pakar
1 Pakar 2 Pakar 3 Pakar 4 Pakar 5 Pakar 6 Pakar 7 Pakar 8 Pakar 9 Pakar 10
X13 Kualitas peralatan yang digunakan buruk X X
√
√
X X√
√
X√
YaX14 Kurangnya koordinasi antara pihak yang terlibat
√
√
√
√
X X√
√
X√
YaX15 Sistem pembayaran pemilik ke kontraktor yang tidak sesuai
kontrak akibat alasan tertentu
√
√
√
√
X X√
√
X√
YaX16 Lambatnya keputusan yang diambil oleh owner
√
√
√
√
√
√
√
√
√
√
YaX17 Kesulitan dalam pengurusan perizinan X
√
√
√
√
√
√
√
√
√
YaX18 Lemahnya manajemen proyek dan pelaksanaan oleh kontraktor
√
√
√
√
X X√
√
X√
YaX19 Keterlambatan dalam tindakan inspeksi dan persetujuan oleh
konsultan
√
√
√
√
√
√
√
√
√
√
YaX20 Adanya perubahan desain atau kesalahan desain
√
√
√
√
√
√
√
√
√
√
YaX21 Adanya perbedaan hasil estimasi oleh estimator owner dan
kontraktor X X X
√
√
√
X√
√
√
YaX22 Ketersediaan material dan peralatan dari suplier lokal yang
tidak baik
√
√
√
√
X X√
√
X√
YaVariabel Peristiwa - Peristiwa Yang Memungkinan Terjadinya Keterlambatan
Hasil Pakar
Kesimpulan Pakar
1 Pakar 2 Pakar 3 Pakar 4 Pakar 5 Pakar 6 Pakar 7 Pakar 8 Pakar 9 Pakar 10 X24 Adanya perbedaan budaya dan suku dalam kelompok tenaga
kerja
√
√
√
X√
√
X X X√
YaX25 Mobilisasi dari peralatan dan tenaga kerja dalam proyek yang
kurang terkontrol
√
√
√
√
X X√
√
X√
YaX26 Lemahnya penggunaan alat oleh tenaga kerja X
√
X√
X X X√
X X TidakX27 Kondisi lahan proyek yang kurang baik
√
√
X√
X X√
√
X√
YaX28 Kesalahan dalam pemilihan metode kerja
√
√
√
√
X X√
√
X√
YaX29 Kesalahan dalam estimasi waktu pelaksanaan
√
X√
√
X X√
√
X√
YaX30 Kesalahan dalam estimasi biaya proyek yang dianggarkan X
√
√
X√
√
√
√
√
√
Ya4.3. Kuisioner Tahap Kedua
Setelah dilakukan validasi hasil kuesioner para pakar, maka dilakukan pengumpulan data tahap kedua. Pada tahap ini pengumpulan data dilakukan dengan memberikan atau menyebarkan angket kuesioner kepada 30 orang responden. Angket kuesioner dapat dilihat pada lampiran penelitian ini.
Responden dalam penelitian ini adalah para staff-staff yang terlibat dalam proyek New Harco Glodok Jakarta Barat. Sehingga dapat diperoleh penyebab keterlambatan penyelesaian pelaksanaan proyek New Haarco Glodok Jakarta Barat.
Tabel 4.2 Data Umum Responden
No. Nama Profesi Masa Kerja (tahun) Pendidikan Usia (tahun) Kelamin Jenis 1 Dyani Poetranto PM Wahana Sentra Sejati 14 S2 39 L 2 Barnard Sahat PM Jaya Construction
Management 16 S1 41 L
3 S. Damaik Project Manager 19 STM 45 L
4 Bambang Tri Site Manager 4 S1 36 L
5 Didi Rahutomo Site Manager 2 S1 44 L
6 Rizki Suryo D Time Control 2 D3 22 L
7 Bambang W Safety Enginering 43 D3 65 L
8 Abdul Muin SHE Inspector 4 S1 45 L
9 Didik Heryanto Quality Control 5 S1 39 L
10 Yusuf Quality Control 4 S1 36 L
11 Simbolon Quality Control 8 S1 39 L
12 Taryono Kabag Teknik 11 S1 44 L
No. Nama Profesi Masa Kerja (tahun) Pendidikan Usia (tahun) Kelamin Jenis
14 Disca Alif Drawing Control 4 S1 29 L
15 Erik Maulana CAD Drafter 5 S1 31 L
16 Dian CAD Drafter 1 S1 26 L
17 Abdul Aziz QS 3 S1 25 L
18 M Diaz Radhitya PH QS 4 S1 26 L
19 Bambang Sulistyo Surveyor 17 STM 42 L
20 Ali Ahmad Surveyor 12 STM 35 L
21 Dodi Cahyadi Ass. Surveyor 5 STM 32 L
22 Ridwan Sutejo Ass. Surveyor 4 STM 32 L
23 Yoserizal Koordinator Sipil 4 D3 50 L
24 Achmad Faisal Pelaksana Struktur 7 D3 52 L 25 Parlindungan PS Pelaksana Struktur 6 STM 43 L
26 Mizone Pelaksana Struktur 24 STM 48 L
27 Muksin Pelaksana Struktur 22 SMA 40 L
28 Agus Indra Pelaksana Arsitek 5 STM 47 L 29 Adil Murdjoko Pelaksana Arsitek 1 STM 59 L
30 Rony Saputra Kabag Logistik 3 STM 34 L
Sumber : Data primer yang diolah (2017)
4.3.1. Profil Responden Berdasarkan Jenis Kelamin Responden
Jenis kelamin seseorang dapat mempengaruhi kinerja karyawan dalam menyelesaikan pekerjaan. Dari 30 responden yang merupakan staff-staff yang terlibat dalam proyek yang dijadikan sample penelitian dapat dilihat identitas berdasarkan jenis kelamin sebagai berikut :
Tabel 4.3 Jenis Kelamin Responden
Kriteria Keterangan Jumlah Prosentase Jenis
Kelamin Pria Wanita 30 0 100% 0%
Jumlah 30 100%
Sumber : Data primer yang diolah (2017)
Gambar 4.1 Pie Chart Jenis Kelamin Responden
(Sumber : Data primer yang diolah, 2017)
Dari table 4.3 diatas bahwa seluruh staff yang terlibat pada proyek New Harco Glodok Jakarta Barat adalah pria yaitu sebanyak 30 staff karyawan (100%) dan 0 staff karyawan (0%) berjenis kelamin wanita.
4.3.2. Profil Responden Berdasarkan Umur Responden
Umur responden staff-staff yang terlibat pada proyek New Harco Glodok Jakarta Barat yang dijadikan sample dapat dilihat pada tabel 4.4 berikut ini :
Pria 100% Wanita
0%
Tabel 4.4 Umur Responden
Kriteria Keterangan Jumlah Prosentase Umur 20 - 30 tahun 5 17% 31 - 40 tahun 12 40% 41 - 50 tahun 10 33% > 50 tahun 3 10% Jumlah 30 100%
Sumber : Data primer yang diolah (2017)
Gambar 4.2 Pie Chart Umur Responden
(Sumber : Data primer yang diolah, 2017)
Berdasarkan tabel 4.4 di atas dapat diketahui bahwa sebagian besar staff yang terlibat pada proyek New Harco Glodok Jakarta Barat adalah responden yang berumur 31-40 tahun sebanyak 12 orang staff (40%). Sedangkan kelompok yang berumur 42-50 tahun sebanyak 10 orang staff (33%). Kelompok lain yang berumur 20-30 tahun sebanyak 5 orang staff (17%). Dan kelompok yang berumur >50 tahun sebanyak 3 orang (10%). 20 - 30 tahun 17% 31 - 40 tahun 40% 41 - 50 tahun 33% > 50 tahun 10%
Chart Title
4.3.3. Profil Responden Berdasarkan Tingkat Pendidikan Responden
Tingkat pendidikan mempengaruhi karyawan dalam pengambilan keputusan dalam berbagai hal. Profil responden staff-staff yang terlibat pada proyek New Harco Glodok Jakarta Barat dapat dilihat pada tabel 4.5 berikut ini :
Tabel 4.5 Tingkat Pendidikan Responden
Kriteria Keterangan Jumlah Prosentase Pendidikan SMA/SMK/STM 11 37% D3 4 13% S1 14 47% S2 1 3% Jumlah 30 100%
Sumber : Data primer yang diolah (2017)
Gambar 4.3 Pie Chart Tingkat Pendidikan Responden
(Sumber : Data primer yang diolah, 2017)
Berdasarkan tabel 4.5 diatas dapat diketahui bahwa sebagian besar staff yang terlibat pada proyek New Harco Glodok Jakarta Barat adalah responden yang berpendidikan S1 sebanyak 14 orang staff (47%). Kelompok yang berpendidikan SMA/SMK/STM sebanyak 11 orang staff (37%). Kelompok yang berpendidikan D3
SMA/SMK/STM 37% D3 13% S1 47% S2 3%
sebanyak 4 orang staff (13%). Dan kelompok yang berpendidikan S2 sebanyak 1 orang staff (3%).
4.3.4. Profil Responden Berdasarkan Masa Kerja Responden
Masa kerja adalah pengalaman seseorang selama bekerja. Berikut masa kerja responden staff-staff yang terlibat pada proyek New Harco Glodok Jakarta Barat :
Tabel 4.6 Masa Kerja Responden
Kriteria Keterangan Jumlah Prosentase Masa Kerja 1 - 4 tahun 13 43% 5 - 9 tahun 8 27% 10 - 14 tahun 3 10% > 15 tahun 6 20% Jumlah 30 100%
Sumber : Data primer yang diolah (2017)
Gambar 4.4 Pie Chart Masa Kerja Responden
(Sumber : Data primer yang diolah, 2017)
4.3.5. Profil Responden Berdasarkan Jabatan Responden
Jabatan seseorang mempengaruhi persepsi seseorang. Jabatan responden dapat dilihat pada tabel 4.7 berikut :
1 - 4 tahun 43% 5 - 9 tahun 27% 10 - 14 tahun 10% > 15 tahun 20%
Tabel 4.7 Jabatan Responden
Kriteria Keterangan Jumlah Prosentase
Jabatan/Posisi Project Manajer 3 10% Site Manager 2 7% Time Control 1 3% Safety Enginering 1 3% SHE Inspector 1 3% Quality Control 3 10% Kabag Teknik 1 3% Purchasing 1 3% Drafter 3 10% QS 2 7% Surveyor 4 13% Koordinator Sipil 1 3% Pelaksana 6 20% Logistik 1 3% Jumlah 30 100%
Sumber : Data primer yang diolah (2017)
Gambar 4.5 Pie Chart Jabatan Responden
(Sumber : Data primer yang diolah, 2017) Project Manajer 10% Site Manager 7% Time Control 4% Safety Enginering 3% SHE Inspector 3% Quality Control 10% Kabag Teknik 3% Purchasing 3% Drafter 10% QS 7% Surveyor 14% Koordinator Sipil 3% Pelaksana 20% Logistik 3%
Jabatan Responden
4.4. Uji Instrumen Penelitian
Uji instrumen penelitian dilakukan untuk mengkaji apakah hasil kuisioner yang telah dikumpulkan merupakan data yang valid dan benar. Adapun uji instrumen pada penelitian kali ini menggunakan SPSS versi 20.
4.4.1. Uji Validitas
Dari 30 sample penelitian yang diperoleh, maka dilakukan uji validitas terhadap setiap variabel. Uji validitas ini dilakukan dengan menggunakan bantuan software SPSS versi 20.
Menurut Santoso (2000, dalam Rizki;2014) untuk menentukan layak atau tidaknya suatu item yang akan digunakan, maka perlu dilakukan uji signifikansi atau taraf nyata sebesar 0,05 (5%), yakni variabel penelitan dianggap valid jika berkorelasi signifikan terhadap skor total. Selain itu, penentuan validitas juga ditentukan dengan perbandingan r hitung metode Pearson Correlation dengan nilai tabel r. Jika koefisien korelasi item terhadap total > r tabel dengan df (0,05, n-2) maka dinyatakan valid.
Outputnya menjelaskan hasil uji apakah sebuah data hasil dari jawaban kuesioner responden bisa dikatakan valid atau tidak. Data di katakan valid apa bila nilai Item-Total Statistics lebih besar dari r tabel.
Tabel r dapat dilihat pada lampiran. Di dapat nilai r tabel pada 30 sample atau responden adalah 0,361. Data yang tidak valid dapat di eliminasi.
Setelah melakukan beberapa langkah operasional, maka output yang dihasilkan dari uji ini dapat dilihat sebagai berikut :
Tabel 4.8 Hasil Uji Validitas
Variabel r hitung r tabel Validitas
X1 0,403 0,361 Valid X2 0,685 0,361 Valid X3 0,455 0,361 Valid X4 0,509 0,361 Valid X5 0,456 0,361 Valid X6 0,705 0,361 Valid X7 0,683 0,361 Valid X8 0,546 0,361 Valid X9 0,609 0,361 Valid X10 0,637 0,361 Valid X11 0,706 0,361 Valid X12 0,592 0,361 Valid X13 0,627 0,361 Valid X14 0,452 0,361 Valid X15 0,685 0,361 Valid X16 0,532 0,361 Valid X17 0,550 0,361 Valid X18 0,655 0,361 Valid X19 0,494 0,361 Valid X20 0,430 0,361 Valid X21 0,680 0,361 Valid X22 0,808 0,361 Valid X23 0,585 0,361 Valid X24 0,729 0,361 Valid
Sumber : Data primer yang diolah dengan SPSS (2017)
Berdasarkan tabel di atas, dapat dilihat bahwa semua variabel dinyatakn valid dengan nilai r hitung > r tabel.
4.4.2. Uji Reliabilitas
Menurut Rizky (2014), untuk mengetahui konsistensi alat ukur, yakni apakah alat ukur reliabel dan tetap konsisten untuk pengukuran berulang, maka digunakan uji reabilitas dimana ketentuannya sebagai berikut:
a. Nilai Cronbach Alpha ≤ 0,6 menunjukkan bahwa kuisioner penelitian tidak reliabel.
Tabel 4.9 Hasil Uji Reliabilitas
Cronbach’s Alpha N of Items
0,920 24
Sumber : Data primer yang diolah dengan SPSS (2017)
Dari tabel di atas maka di dapat nilai cronbach’s alpha output yaitu 0,920. Maka dapat disimpulkan jika data reliabel atau dapat dipercaya.
4.4.3. Analisis Regresi Linier Berganda
Analisis regresi linear merupakan satu alat dengan beberapa aplikasi penting. Ia juga merupakan satu set prosedur statistik yang selalu di gunakan untuk menjelaskan hubungan secara linear antara dua atau lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y) (Rahim Bin Utah, 2013).
Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio. Persamaan regresi linear berganda sebagai berikut:
Y’ = a + b1X1+ b2X2 +…..+ bnXn
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan) X1 dan Xn = Variabel independen
a = Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
Setelah melakukan beberapa langkah operasional, maka output yang dihasilkan terhadap uji ini dapat dilihat sebagai berikut :
Tabel 4.10 Tabel Coefficient
Sumber : Data primer yang diolah dengan SPSS (2017)
Sehingga persamaan model regresi yang dapat dipakai adalah :
Y = 2,103 – 0,182 X5 + 0,241 X3 – 0,198 X6
Keterangan :
Y = Keterlambatan Proyek
X5 = Kualitas dari tenaga kerja yang buruk X3 = Keterlambatan pemesanan material X6 = Kondisi cuaca yang tidak menentu
Persamaan regresi di atas dapat dijelaskan sebagai berikut:
a. Konstanta sebesar 2,130 ; artinya jika X1, X2,...Xn nilainya adalah 0, maka (Y) nilainya adalah 2,130 satuan.
b. Koefisien regresi variabel X5 sebesar -0,182; artinya jika variabel independen lain nilainya tetap dan X5 mengalami kenaikan 1%, maka nilai (Y) akan mengalami penurunan sebesar 0,182 satuan. Koefisien bernilai negatif artinya
terjadi hubungan negatif antara X5 dengan nilai Y, semakin naik X5 maka semakin turun nilai Y. Artinya adanya faktor kualitas dari tenaga kerja yang ada buruk menjadi salah satu faktor mulurnya pelaksanaan proyek New Harco Glodok Jakarta Barat.
c. Koefisien regresi variabel X3 sebesar 0,241; artinya jika variabel independen lain nilainya tetap dan X3 mengalami kenaikan 1%, maka nilai (Y) akan mengalami kenaikan sebesar 0,241 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X3 dengan nilai Y, semakin naik X3 maka semakin naik nilai Y. Artinya adanya faktor keterlambatan pemesanan material menjadi salah satu faktor mulurnya pelaksanaan proyek New Harco Glodok Jakarta Barat, pengaruh dari faktor tersebut cukup besar terlihat dari nilai positif koefisienya.
d. Koefisien regresi variabel X6 sebesar -0,198; artinya jika variabel independen lain nilainya tetap dan X6 mengalami kenaikan 1%, maka nilai (Y) akan mengalami penurunan sebesar 0,198 satuan. Koefisien bernilai negatif artinya terjadi hubungan negatif antara X6 dengan nilai Y, semakin naik X6 maka semakin turun nilai Y. Artinya adanya faktor kondisi cuaca yang tidak menentu menjadi salah satu faktor mulurnya pelaksanaan proyek New Harco Glodok Jakarta Barat.
A. Analisis Korelasi Ganda
Analisis ini digunakan untuk mengetahui hubungan antara dua atau lebih variabel independen (X1, X2,…Xn) terhadap variabel dependen (Y) secara serentak. Koefisien ini menunjukkan seberapa besar hubungan yang terjadi antara variabel independen (X, X2…Xn) secara serentak terhadap variabel dependen (Y). nilai R berkisar antara 0
sampai 1, nilai semakin mendekati 1 berarti hubungan yang terjadi semakin kuat, sebaliknya nilai semakin mendekati 0 maka hubungan yang terjadi semakin lemah.
Menurut Sugiyono (2007, dalam Duwi; 2011) pedoman untuk memberikan interpretasi koefisien korelasi sebagai berikut:
0,00 - 0,199 = sangat rendah 0,20 - 0,399 = rendah 0,40 - 0,599 = sedang 0,60 - 0,799 = kuat 0,80 - 1,000 = sangat kuat
Setelah melakukan beberapa langkah operasional, maka output yang dihasilkan dari uji ini dapat dilihat model summary sebagai berikut:
Tabel 4.11 Hasil Analisis Korelasi Ganda
Model Summaryd
Model R R Square Adjusted R
Square Std. Error of the Estimate 1 ,414a ,171 ,142 ,46167 2 ,548b ,301 ,249 ,43189 3 ,638c ,407 ,339 ,40520 a. Predictors: (Constant), X5 b. Predictors: (Constant), X5, X3 c. Predictors: (Constant), X5, X3, X6 d. Dependent Variable: Y
Sumber : Data primer yang diolah dengan SPSS (2017)
Berdasarkan tabel di atas diambil model dengan angka R tersebsar yaitu model ke-3 sebesar 0,638. Hal ini menunjukkan bahwa terjadi hubungan yang kuat antara X1, X2, ....Xn terhadap faktor penyebab keterlambatannya pelaksanaan pada proyek New Harco Glodok Jakarta Barat.
B. Analisis Determinasi (R2)
Analisis determinasi dalam regresi linear berganda digunakan untuk mengetahui prosentase sumbangan pengaruh variabel independen (X1, X2,……Xn) secara serentak terhadap variabel dependen (Y) (Duwi, 2011). Koefisien ini menunjukkan seberapa besar prosentase variasi variabel independen yang digunakan dalam model mampu menjelaskan variasi variabel dependen R2 sama dengan 0, maka tidak ada sedikitpun prosentase sumbangan pengaruh yang diberikan variabel independen terhadap variabel dependen, atau variasi variabel independen yang digunakan dalam model tidak menjelaskan sedikitpun variasi variabel dependen. Sebaliknya R2 sama dengan 1, maka prosentase sumbangan pengaruh yang diberikan variabel independen terhadap variabel dependen adalah sempurna, atau variasi variabel independen yang digunakan dalam model menjelaskan 100% variasi variabel dependen.
Dari hasil analisis regresi, lihat pada output model summary dan disajikan sebagai berikut :
Tabel 4.12 Hasil Analisis Determinasi
Model Summaryd
Model R R Square Adjusted R
Square Std. Error of the Estimate 1 ,414a ,171 ,142 ,46167 2 ,548b ,301 ,249 ,43189 3 ,638c ,407 ,339 ,40520 a. Predictors: (Constant), X5 b. Predictors: (Constant), X5, X3 c. Predictors: (Constant), X5, X3, X6 d. Dependent Variable: Y
Sumber : Data primer yang diolah dengan SPSS (2017)
Berdasarkan tabel di atas diambil model dengan angka R2 (R Square) terbesar yaitu model ke-3 sebesar 0,407 atau 40,7%. Hal ini menunjukkan bahwa prosentase sumbangan pengaruh variabel independen (X1, X2, ...Xn) terhadap variabel dependen
sebesar 40,7%. Atau variasi variabel independen yang digunakan dalam model (X2, X2, ... Xn) mampu menjelaskan sebesar 40,7% variasi variabel dependen. Sedangkan
sisanya sebesar 59,3% dipengaruhi atau dijelaskan oleh variabel lain yang tidak dimasukkan dalam model penelitian ini.
Adjusted R Square adalah nilai R Square yang telah disesuaikan, nilai ini selalu
lebih kecil dari R Square dan angka ini bisa memiliki harga negatif. Menurut Santoso (2001, Dwi; 2011) bahwa untuk regresi dengan lebih dari dua variabel bebas digunakan Adjusted R2 sebagai koefisien determinasi.
Standard Error of the Estimate adalah suatu ukuran banyaknya kesalahan model
regresi dalam memprediksikan nilai Y (Dwi, 2011). Dari hasil regresi di dapat nilai 0,12, hal ini berarti banyaknya kesalahan dalam prediksi nilai kinerja waktu sebesar 0,12. Sebagai pedoman jika Standard error of the estimate kurang dari standar deviasi Y, maka model regresi semakin baik dalam memprediksi nilai Y.
C. Uji Autokolerasi dengan Durbin Watson
Untuk mengetahui ada tidaknya penyimpangan asumsi klasik autokolerasi, yaitu kolerasi yang terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi dilakukan uji Durbin – Watson dengan ketentuan sebagai berikut :
1) Jika d lebih kecil dari dL atau lebih besar dari (4-dL) makaa hipotesis nol ditolak, yang berarti terdapat autokolerasi
2) Jika d terletakantara dU dan (4-dU), maka hipotesis nol diterima, yang berarti tidak ada autokolerasi.
3) Jika d terletak antara dL dan dU atau diantara (4-dU) dan (4-dL), maka tidak menghasilkan kesimpulan yang pasti.
Tabel 4.13 Tabel Model Summary
Model Summaryd
Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin-Watson 1 ,414a ,171 ,142 ,46167 2 ,548b ,301 ,249 ,43189 3 ,638c ,407 ,339 ,40520 2,631 a. Predictors: (Constant), X5 b. Predictors: (Constant), X5, X3 c. Predictors: (Constant), X5, X3, X6 d. Dependent Variable: Y
Sumber : Data primer yang diolah dengan SPSS (2017)
Dari hasil output diatas nilai DW yang dihasilkan dari model regresi adalah 2, 631. Sedangkan dari tabel DW dengan signifikansi 0,05 dan jumlah data (n) = 30, serta k = 3 (k adalah jumlah variabel independen, yaitu X5, X3, X6) diperoleh nilai dL sebesar 1,2138 dan dU sebesar 1,6498. Karena nilai DW berada pada daerah antara (4-dU) dan (4-dL), 2,3502 < 2,631 < 2,7862 maka disimpulkan bahwa tidak menghasilkan kesimpulan yang pasti.
D. Uji Multikolinearitas
Multikolinearitas adalah keadaan dimana variabel-variabel independen dalam persamaan regresi mempunyai korelasi yang erat satu sama lain. Uji ini dilakukan untuk mengetahui apakah terdapat multikolinieritas atau terjadinya korelasi diantara variabel terpilih. Model regresi yang baik harus tidak ada multikolinearitas (Santoso 2001 dikutip Prayoga, 2011). Metode untuk mendiagnosa adanya multikolinearitas dilakukan dengan melihat nilai dari tolerance dan Variante Inflation Factor (VIF), suatu model regresi dikatakan bebas dari multikolinieritas (Anhar Januar, 2013), jika :
Melihat Nilai Tolerance :
1) Jika Nilai tolerance lebih besar dari 0,10 maka artinya tidak terjadi Multikolinieritas terhadap data yang diuji
2) Jika Nilai tolerance lebih kecil dari 0,10 maka artinya terjadi Multikolinieritas terhadap data yang diuji
Melihat Nilai VIF (Variance Inflation Factor) :
1) Jika Nilai VIF lebih kecil dari 10,00 maka artinya tidak terjadi Multikolinieritas terhadap data yang diuji
2) Jika Nilai VIF lebih besar dari 10,00 maka artinya terjadi Multikolinieritas terhadap data yang diuji.
Dari hasil analisis regresi SPSS versi 24, lihat pada output tabel coefficients disajikan sebagai berikut:
Tabel 4.14 Tabel Coefficients
Sumber : Data primer yang diolah dengan SPSS (2017)
Pada model summary dengan nilai R terbesar yaitu pada model ke-3, maka pada uji multikolienaritas diambil nilai pada model ke-3. Berikut hasil uji multikolienaritas :
Tabel 4.15 Hasil Analisis Uji Multikolienaritas
Model Collinearity Statistics
Keterangan Tolerance VIF 3 (Constant) X5 ,876 1,141 Non Multikolienaritas X3 ,956 1,046 Non Multikolienaritas X6 ,841 1,188 Non Multikolienaritas a. Dependent Variable: Y
Sumber : Data primer yang diolah dengan SPSS (2017)
Berdasarkan hasil uji multikolinearitas menunjukkan angka VIF masih berada di bawah angka 10, juga angka tolerance yang masih berada pada angka diatas nilai 1. Hal ini menunjukkan variabel bebas yang diteliti tidak saling berhubungan sehingga tepat digunakan sebagai variabel bebas dalam model (Anhar Januar,2013).
E. Uji Koefisien Regresi Secara Bersama-sama (Uji F)
Uji ini digunakan untuk mengetahui apakah variabel independen (X1, X2,….Xn) secara bersama-sama berpengaruh secara signifikan terhadap variabel dependen (Y) (Dwi, 2011). Menurut Duwi (2011) adapun kriteria pengujian :
1) Apabila nilai F hitung lebih besar dari F tabel maka disimpulkan bahwa terdapat pengaruh yang signifikan antara variabel independen (X1, X2, ….Xn) secara simultan terhadap keterlambatan proyek (Y) dan sebaliknya
2) Apabila nilai ‘Sig.’ lebih kecil dari taraf signifikansi yang digunakan (misal: 0,01 / 0,05 / 0,1 tergantung peneliti) maka dapat disimpulkan bahwa terdapat pengaruh yang signifikan antara variabel independen (X1, X2, ….Xn) secara simultan terhadap keterlambatan proyek (Y) dan sebaliknya.
Setelah melakukan beberapa langkah operasional, maka output yang dihasilkan dari uji ini dapat dilihat anova sebagai berikut:
Tabel 4.16 Hasil Uji F
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 1,232 1 1,232 5,781 ,023b Residual 5,968 28 ,213 Total 7,200 29 2 Regression 2,164 2 1,082 5,800 ,008c Residual 5,036 27 ,187 Total 7,200 29 3 Regression 2,931 3 ,977 5,951 ,003d Residual 4,269 26 ,164 Total 7,200 29 a. Dependent Variable: Y b. Predictors: (Constant), X5 c. Predictors: (Constant), X5, X3 d. Predictors: (Constant), X5, X3, X6
Sumber : Data primer yang diolah dengan SPSS (2017)
Pada tabel ANOVA di atas dari 3 model tersebut, nilai signifikan terkecil maka yang dapat di analisis yaitu model ke.3 dengan nilai signifikasi 0,003.
Tahap-tahap untuk melakukan uji F adalah sebagai berikut : a) Merumuskan Hipotesis
Ho : Tidak ada pengaruh secara signifikan antara X1, X2, ... Xn secara bersama-sama terhadap keterlambatan proyek.
Ha : Ada pengaruh secara signifikan antara X1, X2, ... Xn secara bersama-sama terhadap keterlambatan proyek.
b) Menentukan tingkat signifikansi
Tingkat signifikansi menggunakan = 5% (signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian)
c) Menentukan F hitung
Berdasarkan tabel diambil model ketiga dengan nilai Sig’ terkecil. Maka diperoleh F hitung sebesar 5,951
d) Menentukan F tabel
Dengan menggunakan tingkat keyakinan 95% = 5%, df 1 (jumlah variabel-1) = 23, dan df 2 (n-k-1) atau 30-24-1 = 5 (n adalah jumlah kasus dan k adalah jumlah variabel independen), hasil diperoleh untuk F tabel sebesar 2,534 atau dapat dicari di Ms. Excel dengan cara pada cell kosong ketik =finv(0,05;5;30) lalu enter. e) Kriteria pengujian
- Ho diterima bila F hitung < F tabel - Ho ditolak bila F hitung > F tabel f) Membandingkan F hitung dengan F tabel
Nilai F hitung > F tabel (5,951 > 2,534), maka Ho ditolak. g) Kesimpulan
Karena F hitung > F tabel (5,951 > 2,534), maka Ho ditolak, artinya ada pengaruh secara signifikan antara X1, X2, ... Xn secara bersama-sama terhadap keterlambatan proyek. Jadi dari kasus ini dapat disimpulkan bahwa X1, X2, ... Xn secara bersama-sama ada pengaruh terhaddap keterlambatan proyek.
Nilai ‘Sig.’ hitung 0,003 < 0,05 ,maka Ho ditolak, artinya ada pengaruh secara signifikan antara variabel independen (X1, X2, ….Xn) secara simultan terhadap keterlambatan proyek (Y). Jadi dari kasus ini dapat disimpulkan bahwa variabel
independen (X1, X2, ….Xn) secara bersama-sama ada berpengaruh terhadap keterlambatan pelaksanaan proyek New Harco Glodok Jakarta Barat.
F. Uji Koefisien Regresi Secara Parsial (Uji T)
Uji ini digunakan untuk mengetahui apakah dalam model regresi variabel independen (X1, X2,…..Xn) secara parsial berpengaruh signifikan terhadap variabel dependen (Y) (Duwi, 2011).
1) Menentukan Hipotesis :
a) Ho : Secara parsial tidak ada pengaruh signifikan antara variabel independen (X1, X2,…..Xn) dengan keterlambatan pelaksanaan proyek New Harco Glodok Jakarta Barat.
b) Ha : Secara parsial ada pengaruh signifikan antara antara variabel independen (X1, X2,…..Xn) dengan keterlambatan pelaksanaan proyek New Harco Glodok Jakarta Barat.
2) Kriteria Pengujian
a) Ho diterima jika -t tabel < t hitung < t tabel
b) Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel
c) Bisa juga apabila nilai prob. t hitung (ouput SPSS ditunjukkan pada kolom sig.) lebih kecil dari tingkat kesalahan (alpha) 0,05 (yang telah ditentukan) maka dapat dikatakan bahwa variabel bebas (dari t hitung tersebut) berpengaruh signifikan terhadap variabel terikatnya, sedangkan apabila nilai prob. t hitung lebih besar dari tingkat kesalahan 0,05 maka dapat dikatakan bahwa variabel bebas tidak berpengaruh signifikan terhadap variabel terikatnya.
Setelah melakukan beberapa langkah operasional, maka output yang dihasilkan dari uji ini dapat dilihat sebagai berikut:
Tabel 4.17 Hasil Uji T
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients t Sig. B Std. Error Beta 3 (Constant) 2,103 ,526 3,995 ,000 X5 -,182 ,100 -,293 -1,815 ,081 X3 ,241 ,086 ,430 2,784 ,010 X6 -,198 ,092 -,356 -2,162 ,040 a. Dependent Variable: Y
Sumber : Data primer yang diolah dengan SPSS (2017)
Tingkat signifikansi (α) adalah 5%; untuk uji dua sisi, menjadi 5% / 2 = 2,5%. Dengan derajat kebebasan (df) n-k-1 atau 30-24-1 = 5 (n adalah jumlah kasus). Dengan pengujian hasil diperoleh untuk t tabel sebesar 2,570 atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik =tinv(0.05;5).
Tabel 4.18 Analisis Uji T
Variabel -t Tabel t Hitung t Tabel Kesimpulan
X5 -2,056 < -1,815 < 2,570
Ho diterima, artinya secara parsial tidak ada pengaruh signifikan antara antara variabel independen dengan keterlambatan pelaksanaan proyek. X3 -2,570 < 2,784 > 2,570
Ho ditolak, artinya secara parsial ada pengaruh signifikan antara antara variabel independen dengan keterlambatan pelaksanaan proyek. X6 -2,570 >
-2,162 < 2,570
Ho ditolak, artinya secara parsial ada pengaruh signifikan antara antara variabel independen dengan keterlambatan pelaksanaan proyek. Sumber : Data primer yang diolah dengan SPSS (2017)