IV-1 BAB IV
ANALISIS DAN PEMBAHASAN
4.1 Tinjauan Pustaka
Pada bagian ini akan dilakukan analisis dan pembahasan mengenai Analasis pengaruh faktor-faktor keterlambatan terhadap pembengkakan biaya proyek perumahan dengan data di peroleh dari data primer dan sekunder yang diolah dengan program Statistical Package for Social Science (SPSS) dan Microsoft Excel yang nantinya akan didapat hasil dari analisis tersebut.
4.2 Data Responden
Berikut ini adalah daftar perusahaan yang dijadikan responden dalam penelitian ini:
1) PT. Mitra Inti Cemerlang
Jl. Outer Ring Road Taman Palm Nomer 39 ,Cengkareng Jakarta Barat 2) PT. Istana Putra Mandiri
Jl. Kelapa Dua Ruko Jasmine HA 1/23 Gading Serpong Tangerang 3) PT. Sulam Primax Perkasa
Jl. Pejuangan Blok C No.8 kebun jeruk jakarta barat 4) PT. Gusantara Global Mandiri
Jl. WR.Supratman Kav. 05 Ciputat Tangerang Selatan 5) PT. Griya Tritunggal Sakti
Jl. Boulevard Blok B No 35 Gading Serpong Tangerang 6) PT. Citra Ecopolis Raya
Jl. Citra Raya Boulevard Cikupa Tangerang 7) PT. Putra Lintang Cemerlang
Jl.,MH Tamrin No. 11 Jakarta Pusat 8) PT. Asri Karya Binangun
Jl. Pondok jaya sepatan ,Tigaraksa,Tangerang 9) PT. Serpong Karya Cemerlang
Jl. Gedung SICC LT.3 Sentul City Bogor. 10) PT. Ketira Engineering Consultants
Jl. Tanah Abang V 56-56A, Petojo Selatan, Gambir, Jakarta. 4.3 Deskripsi Data
Deskripsi hasil penelitian ini didasarkan pada skor dari kuesioner yang digunakan untuk mengetahui distribusi data responden yang diteliti dalam penelitian ini. Penjelasan data responden akan disajikan sebagai berikut:
4.2.1 Distribusi Frekuensi Berdasarkan Jenis Kelamin Responden
Untuk mengetahui lebih lanjut distribusi responden berdasarkan jenis kelamin responden dapat dilihat pada hasil frekuensi data responden sebagai berikut:
Tabel 4.1. Distribusi Jenis Kelamin Responden
Frequency Percent Percent Valid Cumulative Percent
Valid
Laki - laki 35 87,5 87,5 87,5
Perempuan 5 12,5 12,5 100,0
IV-3
Sumber: Data primer yang diolah dengan SPSS 20
Hasil tabel di atas diperoleh hasil bahwa sebagian besar responden berjenis kelamin pria dengan jumlah 35 orang atau sebesar 87,5 %, sedangkan responden paling sedikit berjenis kelamin wanita sebanyak 5 orang dengan presentase sebesar 12,5 %. Berikut adalah distribusi jenis kelamin responden menggunakan gambar pie chart:
Gambar 4.1 Distribusi Jenis Kelamin
4.2.2 Distribusi Frekuensi Berdasarkan Usia Responden
Untuk mengetahui lebih lanjut distribusi responden berdasarkan usia responden dapat dilihat pada hasil frekuensi data responden sebagai berikut:
Tabel 4.2. Distribusi Usia Responden
Usia Frequency Percent Percent Valid Cumulative Percent
Valid 23 - 30 tahun 16 40.0 40.0 40.0 31 - 40 tahun 17 42.5 42.5 82.5 41 - 49 tahun 3 7.5 7.5 90.0 > 55 tahun 4 10.0 10.0 100.0 Total 40 100.0 100.0
Sumber: Data primer yang diolah dengan SPSS 20
Dari hasil tabel di atas diperoleh hasil bahwa sebagian besar Jenis kelamin
Perempuan
distribusi responden berdasarkan usia berada pada kisaran usia 23-30 tahun tahun sebanyak 16 orang dengan persentasi 40 %, usia 31-40 tahun tahun sebanyak 17 orang dengan persentasi 42.5%, usia 41-49 tahun tahun sebanyak 3 orang dengan persentasi 7.5 % dan lebih dari 55 tahun sebanyak 4 orang dengan presentase 10 %. Berikut adalah distribusi usia responden menggunakan gambar pie chart :
Gambar 4.2 Distribusi usia responden
4.2.3 Distribusi Frekuensi Berdasarkan Jabatan Responden
Untuk mengetahui lebih lanjut distribusi responden berdasarkan jabatan responden dapat dilihat pada hasil frekuensi data responden sebagai berikut:
Tabel 4.3. Distribusi Jabatan Responden
Frequency Percent Percent Valid Cumulative Percent Vali d Supervisor 10 25.0 25.0 25.0 Site Engineer 5 12.5 12.5 37.5 Site Manager 19 47.5 47.5 85.0 Project Manager 6 15.0 15.0 100.0 Total 40 100.0 100.0
Sumber: Data primer yang diolah dengan SPSS 20
Hasil tabel di atas diperoleh hasil diketahui bahwa sebagian besar distribusi responden berdasarkan jabatannya berada pada posisi Site
IV-5 Manajer sebanyak 19 orang dengan persentasi 47,5%. Berikut adalah distribusi jabatan responden menggunakan gambar bar chart:
Gambar 4.3 Distribusi Jabatan Responden
4.2.4 Distribusi Frekuensi Berdasarkan Pendidikan Responden
Untuk mengetahui lebih lanjut distribusi responden berdasarkan pendidikan responden dapat dilihat pada hasil frekuensi data responden sebagai berikut:
Tabel 4.4. Distribusi Pendidikan Akhir Responden
Frequency Percent Valid Percent Cumulative Percent
Valid SMA 7 17.5 17.5 17.5 Diploma 10 25.0 25.0 42.5 S1 18 45.0 45.0 87.5 S2 5 12.5 12.5 100.0 Total 40 100.0 100.0
Sumber: Data primer yang diolah dengan SPSS 20
Hasil tabel di atas diperoleh hasil diketahui bahwa sebagian besar distribusi responden berdasarkan pendidikan terakhirnya rata-rata berpendidikan S1 yaitu sebanyak 18 dengan persentasi 45 %. Berikut
adalah distribusi pendidikan responden menggunakan gambar bar chart:
Gambar 4.4 Distribusi Pendidikan Akhir Responden
4.2.5 Distribusi Frekuensi Berdasarkan Lama Kerja Responden
Untuk mengetahui lebih lanjut distribusi responden berdasarkan lama kerja responden dapat dilihat pada hasil frekuensi data responden sebagai berikut:
Tabel 4.5. Distribusi Lama Kerja Responden
Lama Kerja Frequency Percent Valid Percent Cumulative Percent V a l i d 1 - 5 tahun 9 22.5 22.5 22.5 6 - 10 tahun 20 50.0 50.0 72.5 11 - 15 tahun 4 10.0 10.0 82.5 16 - 20 tahun 4 10.0 10.0 92.5 > 21 tahun 3 7.5 7.5 100.0 Total 40 100.0 100.0
Sumber: Data primer yang diolah dengan SPSS 20
Hasil tabel di atas diperoleh hasil diketahui bahwa sebagian besar distribusi responden berdasarkan lama kerjanya adalah > 5 tahun yaitu
IV-7 sebanyak 31 dengan persentasi 77,5%. Berikut adalah distribusi usia responden menggunakan gambar cone chart:
Gambar 4.5 Distribusi Lama Kerja Responden
4.4 Uji Deskriptif Variabel
Deskriptif variabel dalam penelitian ini bertujuan untuk memberikan gambaran distribusi data dalam penelitian yang meliputi: Ketidaktepatan perencanaan tenaga kerja (X1), Kualitas tenaga kerja yang buruk (X2), Keterlambatan penyedian alat / material akibat kelalaian kontraktor (X3), Penanganan keberadaan dan kualitas dari alat / material yang buruk (X4), Kesulitan Finansial (X5), Kurangnya pengalaman kotraktor (X6), Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor (X7), Metode Konstruksi/teknik pelaksanaan yang salah /tidak tepat (X8), Dana dari pemilik proyek tidak mencukupi (X9), Keterlambatan penyediaan material (X10) , Petenatapan pelaksaan jadwal proyek yang amat ketat (X11), Dampak Keterlambatan (Y1), Dan Dampak Pembengkakan Biaya (Y2) berdasarkan nilai mean, median, simpang baku, nilai minimum, dan nilai maksimum. Adapun hasil selengkapnya adalah sebagai berikut :
Tabel 4.6. Distribusi Data Variabel
Sumber: Hasil pengolahan data kuesioner 4.5 Uji Validitas
Uji validitas digunakan untuk mengukur ketepatan dan kecermatan suatu alat ukur atau instrumen dalam melakukan fungsi ukurannya. Suatu istrumen dikatakan mempunyai validitas yang tinggi apabila alat tersebut menjalankan fungsi ukurannya sesuai dengan maksud dilakukan pengukuran tersebut (Azwar, 2007:4).
Uji validitas dapat dilakukan dengan melakukan korelasi antar sekor butir pertanyaan dengan total skor konstruk atau variabel
Variabel N Minimum Maximum Mean Std. Deviation
X1 40 1 5 2,78 1,310 X2 40 2 5 3,75 1,056 X3 40 2 5 4,02 0,733 X4 40 1 5 3,63 1,125 X5 40 1 5 2,80 1,091 X6 40 1 5 4,03 1,050 X7 40 1 5 3,25 1,214 X8 40 2 5 3,87 0,911 X9 40 1 5 3,03 1,187 X10 40 2 5 3,87 0,911 X11 40 2 5 4,15 0,893 Y1_TOTAL 40 15 32 24,05 4,120 Y2_TOTAL 40 13 34 29,55 4,157 Valid N (listwise) 40
IV-9 (Ghozali, 2013). Atau bisa juga membandingkan antara nilai r hitung dengan r tabel, apabila nilai:
Jika r hitung > r tabel, maka hasilnya valid Jika r hitung < r tabel, maka hasilnya tidak valid
Tabel 4.7 Hasil Uji Validitas Variabel Faktor Keterlambatan ( X )
No Kode
Keterlambatan r hitung r tabel
Keterangan korelasi korelasi 1 X1 0,679 0,312 VALID 2 X2 0,267 0,312 TIDAK VALID 3 X3 0,286 0,312 TIDAK VALID 4 X4 0,459 0,312 VALID 5 X5 0,591 0,312 VALID 6 X6 0,497 0,312 VALID 7 X7 0,506 0,312 VALID 8 X8 0,283 0,312 TIDAK VALID 9 X9 0,439 0,312 VALID 10 X10 0,525 0,312 VALID 11 X11 0,461 0,312 VALID
Sumber: Data kuesioner diolah dengan SPSS 20
Tabel 4.8 Hasil Uji Validitas Variabel Dampak Keterlambatan ( Y1)
No Kode
Keterlambatan r hitung r tabel
Keterangan korelasi korelasi 1 Y 1.1 0,694 0,312 VALID 2 Y 1.2 0,137 0,312 TIDAK VALID 3 Y1. 3 0,353 0,312 VALID 4 Y 1.4 0,278 0,312 TIDAK VALID 5 Y 1.5 0,549 0,312 VALID
6 Y 1.6 0,465 0,312 VALID 7 Y 1.7 0,357 0,312 VALID 8 Y 1.8 0,271 0,312 TIDAK VALID 9 Y1. 9 0,371 0,312 VALID 10 Y1. 10 0,504 0,312 VALID 11 Y 1.11 0,278 0,312 TIDAK VALID
Sumber: Data kuesioner diolah dengan SPSS 20
Tabel 4.9 Hasil Uji Validitas Variabel Dampak Pembengkakan Biaya (Y2)
No Kode
Keterlambatan r hitung r tabel
Keterangan korelasi korelasi 1 Y 2.1 0,523 0,312 VALID 2 Y 2.2 0,571 0,312 VALID 3 Y2. 3 0,593 0,312 VALID 4 Y 2.4 0,631 0,312 VALID 5 Y 2.5 0,354 0,312 VALID 6 Y 2.6 0,391 0,312 VALID 7 Y 2.7 0,029 0,312 TIDAK VALID 8 Y 2.8 0,283 0,312 TIDAK VALID
9 Y2.9 0,299 0,312 TIDAK VALID
10 Y2.10 0,422 0,312 VALID
11 Y 2.11 0,446 0,312 VALID
Sumber: Data kuesioner diolah dengan SPSS 20
Berdasarkan tabel di atas terdapat variabel X1 – X11 yaitu variabel faktor penyebab keterlambatan terdapat data yang valid ada 8 variabel dan tidak valid berjumlah 3 variabel, Sedangankan variabel Y1 ada 11 pertanyaan yaitu variabel dampak keterlambatan dengan data yang valid ada 7 pertanyaan , data tidak valid ada 4 pertanyaan dan pada variabel dampak pembengkakan biaya (Y2) data yang valid ada 8 pertanyaan, data yang tidak valid ada 3 pertanyaan. Untuk variabel
IV-11 pertanyaan yang tidak valid harus dikeluarkan karena tidak memenuhi syarat untuk uji selanjutnya.
4.6 Uji Reliabilitas
Uji reliabilitas merupakan alat yang digunakan untuk mengetahui konsistensi alat ukur, apakah alat pengukur yang digunakan dapat diandalkan dan tetap konsisten jika pengukuran tersebut diulang (Priyatno, 2008:25).
Pengukuran reliabilitas yang akan digunakan dalam penelitian ini adalah dengan menggunakan program SPSS (Statistical Package for Social Science), yang akan memberikan fasilitas untuk mengukur reliabilitas dengan uji statistic Cronbach’s Alpha (α). Menurut (Ghozali, 2006) bahwa suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbach’s Alpha (α) > 0,60. Untuk mengetahui hasil dari uji reliabilitas dari ketiga variabel dalam penelitian ini, dapat dilihat pada tabel berikut ini:
Tabel 4.10 Hasil Uji Reabilitas
No Variabel Penelitian Jumlah
pernyataan Cronbach’s Alpha Cronbach’s Batas Alpha
Keterang an
1 Keterlambatan Faktor 8 0,651 0,6 Reliabel
2 Keterlambatan Dampak 7 0,609 0,6 Reliabel
3 Pembengkakan Dampak
Biaya 8 0,639 0,6 Reliabel
Sumber: Data kuesioner diolah dengan SPSS 20
Berdasarkan tabel 4.7 yakni rangkuman hasil uji reliabilitas, bahwa nilai Cronbach’s Alpha (α) untuk faktor keterlambatan 0,651 yang artinya reabel, Dampak keterlambatan 0,609 yang artinya reliabel, Dampak pembengkakan biaya
0,639 yang artinya reliabel. Sehingga dapat disimpulkan bahwa seluruh item pernyataan dari ketiga variabel yang telah valid dan reliabel. Karena nilai Cronbach’s Alpha lebih besar dari 0,60 (Ghozali, 2006).
4.7 Asumsi Klasik
Pengujian asumsi klasik diperlukan dalam regresi linier berganda untuk mengetahui apakah data mengalami penyimpangan atau tidak. Gunanya untuk memperoleh nilai penaksir atau nilai koefisien α dan β yang tidak bisa sehingga menjadi nilai yang terbaik. Uji ini dilakukan sebelum melakukan analisis regresi. Adapun pengujian terhadap asumsi klasik meliputi uji normalitas, uji multikolinearitas dan uji heteroskedastisitas, Adapun hasil pengujian selengkapnya adalah sebagai berikut:
4.7.1. Uji Normalitas
Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan independen keduanya mempunyai distribusi normal atau tidak. Uji normalitas dalam penelitian ini menggunakan uji Kolmogorov-Smirnov. Dalam uji ini variabel dikatakan berdistribusi normal jika nilai Asymp. Sig (2-tailed) lebih besar dari nilai normal 0,05 (Santoso, 2012:230). Untuk hasil pengujian normalitas data dapat dilihat pada tabel berikut ini:
Tabel 4.11.Kolmogorov – Smirnov Test
Model Z Probability (p) Kriteria Kesimpulan Unstandardized residual (X1,X4,X5,X6, 0.804 0.537 P> α ( 0.05 ) Data Berdistribusi Normal
IV-13 X7, X9,X10,X11 terhadap Y1 Unstandardized residual (X1,X4,X5,X6, X7, X9,X10,X11 terhadap Y2 0.707 0.699 P> α ( 0.05 ) Data Berdistribusi Normal Unstandardized residual (Y1.1,Y1.3,Y1.5,Y1.6, Y1.7,Y1.9,Y1.10 terhadap Y2 0,676 0,751 P> α ( 0.05 ) Data Berdistribusi Normal
Sumber: Data kuesioner diolah dengan SPSS 20
Dari tabel di atas diketahui bahwa hasil pengujian normalitas menggunakan metode Kolmogorov-Smirnov memiliki nilai signifikansi atau probabilitas > 0,05 maka sebaran data dalam penelitian ini berdistribusi normal. Maka dapat disimpulkan bahwa residual telah memenuhi asumsi distribusi normal. Berikut ini juga terlihat visual gambar residual dimana titik-titik mengikuti pola garis lurus.
4.7.2. Uji Heteroskedastisitas
Uji ini bertujuan untuk mengetahui apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual, dari satu pengamatan ke pengamatan yang lain. Jika varians dari residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas dan jika varians berbeda, disebut heterokedastisitas. Model regresi yang baik adalah tidak terjadi heterokedastisitas.
Tabel 4.12. Hasil Uji Heteroskedastisitas X terhadap Y1
NO Variabel Thitung p
X1 Ketidaktepatan perencanaan tenaga kerja 1,936 0,062 X4 Penanganan keberadaan dan kualitas dari alat / material yang buruk -0,019 0,985
X5 Kesulitan Finansial -2,021 0,052
X6 Kurangnya pengalaman kotraktor -0,514 0,611
X7 Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor -0,025 0,980 X9 Dana dari pemilik proyek tidak mencukupi -1,339 0,190
X10 Keterlambatan penyediaan material -1,747 0,091
X11 Petenatapan pelaksaan jadwal proyek yang amat ketat 0,856 0,398 Sumber: Data kuesioner diolah dengan SPSS 20
Tabel 4.13. Hasil Uji Heterlskedastisitas X terhadap Y2
NO Variabel Thitung p
X1 Ketidaktepatan perencanaan tenaga kerja -0,785 0,438 X4 Penanganan keberadaan dan kualitas dari alat /
IV-15
X5 Kesulitan Finansial -0,341 0,735
X6 Kurangnya pengalaman kotraktor -0,856 0,398
X7 Koordinasi dan komunikasi yang buruk dalam
organisasi kontraktor 0,389 0,700
X9 Dana dari pemilik proyek tidak mencukupi 0,511 0,613
X10 Keterlambatan penyediaan material 0,412 0,683
X11 Petenatapan pelaksaan jadwal proyek yang amat ketat 1,297 0,204 Sumber: Data kuesioner diolah dengan SPSS 20
Tabel 4.14. Hasil Uji Heterlskedastisitas Y1 terhadap Y2
NO Variabel Thitung p
Y1,1 Hilangnya produktivitas dan efisiensi tenaga kerja dalam menyelesaikan proyek -0,851 0,401 Y1,3 Produktivitas pekerja menurun karena banyaknya
jam nganggur -0,243 0,81
Y1,5 Tersendatnya dukungan sumber dana membuat pelaksanaan pekerjaan menjadi terhambat -0,792 0,434 Y1,6 Membutuhkan waktu yang lebih banyak dalam mengatasi permasalahan yang timbul -1,365 0,054 Y1,7 Terjadi banyak masalah didalam pelaksanaan kegiatan proyek kerena lemahnya koordinasi 0,689 0,496 Y1,9 Penyediaan material dan peralatan proyek tidak dapat didatangkan tepat waktu 0,158 0,876 Y1,10 Proyek dapat berhenti karena kekurangan tenaga kerja -0,851 0,401 Sumber: Data kuesioner diolah dengan SPSS 20
Berdasarkan hasil uji Heteroskedtisitas (Glejser Method) di atas diketahui nilai probabilitas pada masing-masing variabel > 0,05 dengan demikian tidak terjadi heteroskedastisitas pada variable X (Faktor resiko keterlambatan) terhadap Y1 (Dampak Keterlambatan ) , variable X Faktor resiko keterlambatan) terhadap Y2 (Dampak Pembengkakan biaya).Dan Y1 (Dampak keterlambatan ) terhadap Y2 (Dampak pembengkakan biaya).
4.7.3. Uji Multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah model regres ditemukan adanya korelasi yang sempurna antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi yang sempurna di antara variabel bebas. Salah satu cara untuk mendeteksi adanya multikolinearitas adalah dengan melihat tolerance atau Varians Inflation Factor (VIF). Apabila tolerance lebih kecil dari 0,1 atau nilai VIF di atas 10, maka terjadi multikolinearitas.
Tabel 4.15 Hasil Uji Multikolinieritas X terhadap Y1
Variabel Tolerance VIF
Ketidaktepatan perencanaan tenaga kerja (X1) 0,554 1,804 Penanganan keberadaan dan kualitas dari alat / material
yang buruk (X4) 0,633 1,579
Kesulitan Finansial (X5) 0,669 1,494
Kurangnya pengalaman kotraktor (X6) 0,788 1,269
Koordinasi dan komunikasi yang buruk dalam organisasi
kontraktor (X7) 0,709 1,410
Dana dari pemilik proyek tidak mencukupi (X9) 0,663 1,509
Keterlambatan penyediaan material (X10) 0,656 1,524
Petenatapan pelaksaan jadwal proyek yang amat ketat
(X11) 0,819 1,221
Sumber: Data kuesioner diolah dengan SPSS 20
Tabel 4.16 Hasil Uji Multikolinieritas X terhadap Y2
Variabel Tolerance VIF
Ketidaktepatan perencanaan tenaga kerja (X1) 0,554 1,804 Penanganan keberadaan dan kualitas dari alat / material
yang buruk (X4) 0,633 1,579
Kesulitan Finansial (X5) 0,669 1,494
IV-17 Koordinasi dan komunikasi yang buruk dalam organisasi
kontraktor (X7) 0,709 1,410
Dana dari pemilik proyek tidak mencukupi (X9) 0,663 1,509
Keterlambatan penyediaan material (X10) 0,656 1,524
Petenatapan pelaksaan jadwal proyek yang amat ketat
(X11) 0,819 1,221
Sumber: Data kuesioner diolah dengan SPSS 20
Tabel 4.17 Hasil Uji Multikolinieritas Y1 terhadap Y2
Variabel Tolerance VIF
Hilangnya produktivitas dan efisiensi tenaga kerja
dalam menyelesaikan proyek (Y1.1) 0,609 1,643
Produktivitas pekerja menurun karena banyaknya jam
nganggur (Y1.3) 0,763 1,31
Tersendatnya dukungan sumber dana membuat
pelaksanaan pekerjaan menjadi terhambat (Y1.5) 0,711 1,407 Membutuhkan waktu yang lebih banyak dalam mengatasi
permasalahan yang timbul (Y1.6) 0,787 1,27
Terjadi banyak masalah didalam pelaksanaan kegiatan
proyek kerena lemahnya koordinasi (Y1.7) 0,735 1,361
Penyediaan material dan peralatan proyek tidak dapat
didatangkan tepat waktu (Y1.9) 0,558 1,793
Proyek dapat berhenti karena kekurangan tenaga kerja
(Y1.10) 0,666 1,502
Sumber: Data kuesioner diolah dengan SPSS 20
Hasil uji multikolinearitas pada pada tabel di atas dengan variabel dependen pembengkakan biaya proyek diketahui bahwa hasil tolerance pada masing-masing variabel bebas lebih besar dari 0,1 sedangkan nilai Varians Inflation Factor (VIF) lebih kecil dari 10. Sehingga model regresi dalam penelitian ini tidak ada masalah multikolinearitas. Berdasarkan hasil pengujian asumsi klasik diperoleh hasil bahwa data dalam enelitian tidak mengalami masalah asumsi, atau dapat dinyatakan BLUE (best, linear, unbiased, estimator).
4.7.4. Analisa Korelasi
Analisa korelasi bertujuan untuk mencari kekuatan, signifikansi dan arah hubungan linier antara dua variabel atau lebih. Analisa statistik parametrik dengan data berdistribusi normal, menggunakan analisa korelasi dengan Product Moment Pearson. Output analisa korelasi berupa nilai koefisien korelasi ® yang signifikan antara kedua variabel. Nilai signifikan diperoleh dengan mencari hubungan variabel yang paling signifikan (*) terhadap variabel Y1 dan Y2, dengan nilai sig (*) yang paling kecil. Kemudian menetapkan taraf signifikansi (α) 5%, dimana α < 0,05 menunjukkan adanya korelasi atau hubungan linier yang signifikan antara variabel-variabel.
Tabel 4.18
Nilai Koefisien Korelasi dengan Analisa Korelasi Product Moment Pearson ( X dan Y1)
NO
Keterangan Variabel Koefisien
korelasi
Sig. (2-tailed) X1 Ketidaktepatan perencanaan tenaga kerja 0,738** 0,000 X4 Penanganan keberadaan dan kualitas dari alat /
material yang buruk 0,275 0,860
X5 Kesulitan Finansial 0,596** 0,000
X6 Kurangnya pengalaman kotraktor 0,438** 0,005
X7 Koordinasi dan komunikasi yang buruk dalam
organisasi kontraktor 0,602** 0,000
X9 Dana dari pemilik proyek tidak mencukupi 0,571** 0,000 X10 Keterlambatan penyediaan material 0,473** 0,002 X11 Petenatapan pelaksaan jadwal proyek yang
amat ketat 0,228 0,157
IV-19
Tabel 4.19
Nilai Koefisien Korelasi dengan Analisa Korelasi Product Moment Pearson ( X dan Y2)
NO
Keterangan Variabel Koefisien
korelasi
Sig. (2-tailed) X1 Ketidaktepatan perencanaan tenaga kerja 0,569** 0,000 X4 Penanganan keberadaan dan kualitas dari alat /
material yang buruk 0,561** 0,000
X5 Kesulitan Finansial 0,585** 0,000
X6 Kurangnya pengalaman kotraktor 0,437** 0,005
X7 Koordinasi dan komunikasi yang buruk dalam
organisasi kontraktor 0,013 0,938
X9 Dana dari pemilik proyek tidak mencukupi 0,070 0,668
X10 Keterlambatan penyediaan material 0,614** 0,000
X11 Petenatapan pelaksaan jadwal proyek yang
amat ketat 0,350* 0,027
Sumber: Data kuesioner diolah dengan SPSS 20
Tabel 4.20
Nilai Koefisien Korelasi dengan Analisa Korelasi Product Moment Pearson ( Y1 dan Y2)
NO
Keterangan Variabel Koefisien
korelasi
Sig. (2-tailed) Y1,1 Hilangnya produktivitas dan efisiensi tenaga kerja dalam menyelesaikan proyek 0,569** 0,000 Y1,3 Produktivitas pekerja menurun karena
banyaknya jam nganggur 0,382* 0,000
Y1,5 Tersendatnya dukungan sumber dana membuat pelaksanaan pekerjaan menjadi terhambat 0,500** 0,000 Y1,6 Membutuhkan waktu yang lebih banyak dalam mengatasi permasalahan yang timbul 0,437** 0,005 Y1,7 Terjadi banyak masalah didalam pelaksanaan kegiatan proyek kerena lemahnya koordinasi 0,013 0,940 Y1,9 Penyediaan material dan peralatan proyek tidak dapat didatangkan tepat waktu 0,070 0,670 Y1,10 Proyek dapat berhenti karena kekurangan tenaga kerja 0,600** 0,000 Sumber: Data kuesioner diolah dengan SPSS 20
Tabel hasil analisa korelasi pearson dengan 40 koresponden dengan variabel X (Faktor resiko) , variabel Y1 (Dampak Keterlambatan) dan variabel Y2 (Dampak Pembengkakan Biaya ), dapat dilihat tabel diatas. Hasil yang diperoleh terdapat korelasi yang bepengaruh dimana α < 0,05 menunjukkan adanya korelasi atau hubungan linier yang signifikan antara variabel-variabel.
4.8 Uji Hipotesis
Setelah uji asumsi klasik maka langkah selanjutnya adalah pengujian hipotesis yang dilakukan dengan menggunakan uji regresi linier berganda yang akan diuraikan sebagai berikut:
4.8.1. Analisis Regresi Linier Berganda
Analisis regresi linier berganda digunakan untuk menentukan pengaruh yang ditimbulkan oleh indikator variabel bebas terhadap variabel terikat (Sugiyono, 2013:277). Analisis regresi linier berganda dilakukan untuk mengetahui koefisien regresi atau besarnya pengaruh variabel dependennya yaitu Y1 (Dampak Keterlambatan) dan Y2 ( Dampak Pembengkakan Biaya, sedangkan variabel independen yaitu Faktor-faktor resiko keterlambatan (X). Dalam penelitian ini menggunakan analisis regresi linier berganda dengan metode stepwise karena memiliki variabel independen lebih dari satu.
IV-21
Tabel 4.21 Hasil uji regresi linier berganda X terhadap Y1
Model
Unstandardized
Coefficients Standardized Coefficients
t Sig. B Std. Error Beta 1 (Constant) 4,365 1,238 3,527 ,001 X1 1,008 ,209 ,321 4,821 ,000 X5 ,760 ,227 ,201 3,353 ,002 X6 1,139 ,211 ,290 5,400 ,000 X7 ,914 ,199 ,269 4,601 ,000 X9 ,927 ,213 ,267 4,355 ,000 X10 1,135 ,257 ,251 4,412 ,000
a. Dependent Variable: Y1 Pengaruh Keterlambatan
Persamaan regresinya sebagai berikut:
Y1’ = a + b1X1+ b2X5+b3X6+…….+bnXn
Y1’ = 4,365 + 1,008X1 + 0,760X5 + 1,139 X6 + 0,914X7 +0 ,927 X9 +1,135X10
Keterangan:
Y1’ = Dampak Keterlambatan
a = konstanta
b1,b2 = koefisien regresi
X.1 = Variabel
X.2 = Variabel
Persamaan regresi di atas dapat dijelaskan sebagai berikut:
Konstanta sebesar 4,365; artinya jika X1, X2 dst nilainya adalah 0, maka
Y1’ nilainya adalah 4,365 satuan.
Koefisien regresi variabel X1 sebesar 1,008 ; artinya jika variabel independen lain nilainya tetap dan X1 mengalami kenaikan 1%, maka
nilai Y1’ akan mengalami peningkatan sebesar 1,008 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X1 denganY1’, semakin naik X1 maka semakin meningkat nilai Y1.
Koefisien regresi variabel X5 sebesar 0,760 ; artinya jika variabel independen lain nilainya tetap dan X5 mengalami kenaikan 1%, maka nilai Y1’ akan mengalami peningkatan sebesar 0,760 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X5 denganY1’, semakin naik X5 maka semakin meningkat nilai Y1.
Koefisien regresi variabel X6 sebesar 1,139 ; artinya jika variabel independen lain nilainya tetap dan X6 mengalami kenaikan 1%, maka nilai Y1’ akan mengalami peningkatan sebesar 1,139satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X6 denganY1’, semakin naik X6 maka semakin meningkat nilai Y1.
Koefisien regresi variabel X7 sebesar 0,914 ; artinya jika variabel independen lain nilainya tetap dan X7 mengalami kenaikan 1%, maka nilai Y1’ akan mengalami peningkatan sebesar 0,914 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X7 denganY1’, semakin naik X7 maka semakin meningkat nilai Y1.
Koefisien regresi variabel X9 sebesar 0,927 ; artinya jika variabel independen lain nilainya tetap dan X9 mengalami kenaikan 1%, maka nilai Y1’ akan mengalami peningkatan sebesar 0,927 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X9 denganY1’, semakin naik X9 maka semakin meningkat nilai Y1.
IV-23 independen lain nilainya tetap dan X10 mengalami kenaikan 1%, maka nilai Y1’ akan mengalami peningkatan sebesar 1,135 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X10 denganY1’, semakin naik X10 maka semakin meningkat nilai Y1.
Tabel 4.22 Hasil Uji regresi linier berganda X terhadap Y2
Model
Unstandardized
Coefficients Standardized Coefficients
t Sig. B Std. Error Beta 1 (Constant) 13,181 1,724 7,647 ,000 X1 ,794 ,325 ,250 2,447 ,020 X4 1,421 ,355 ,385 3,999 ,000 X5 1,427 ,384 ,374 3,721 ,001 X10 1,295 ,455 ,284 2,844 ,007
a. Dependent Variable: Y2 Pengaruh Pembengkakan Biaya
Persamaan regresinya sebagai berikut:
Y2’ = a + b1X1+ b2X4+b3X5+…….+bnXn
Y2’ = 13,181+ 0,794X1 + 1,421X4 + 1,427X5 + 1,295X10 Keterangan:
Y2’ = Dampak Pembengakakan Biaya
a = konstanta
b1,b2 = koefisien regresi X.1 = Variabel
X.2 = Variabel
Persamaan regresi di atas dapat dijelaskan sebagai berikut:
Konstanta sebesar 13,181; artinya jika X1, X2 dst nilainya adalah 0, maka Y2’ nilainya adalah 13,181satuan.
Koefisien regresi variabel X1 sebesar 0,794 ; artinya jika variabel independen lain nilainya tetap dan X1 mengalami kenaikan 1%, maka nilai Y2’ akan mengalami peningkatan sebesar 0,794 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X1 dengan Y2’, semakin naik X1 maka semakin meningkat nilai Y2.
Koefisien regresi variabel X4 sebesar 1,421 ; artinya jika variabel independen lain nilainya tetap dan X4 mengalami kenaikan 1%, maka nilai Y2’ akan mengalami peningkatan sebesar 1,421 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X4 dengan Y2’, semakin naik X4 maka semakin meningkat nilai Y2.
Koefisien regresi variabel X5 sebesar 1,427 ; artinya jika variabel independen lain nilainya tetap dan X5 mengalami kenaikan 1%, maka nilai Y2’ akan mengalami peningkatan sebesar 1,427 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X5 dengan Y2’, semakin naik X5 maka semakin meningkat nilai Y2.
Koefisien regresi variabel X10 sebesar 1,295 ; artinya jika variabel independen lain nilainya tetap dan X10 mengalami kenaikan 1%, maka nilai Y2’ akan mengalami peningkatan sebesar 1,295 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X10 dengan Y2’, semakin naik X10 maka semakin meningkat nilai Y2.
IV-25
Tabel 4.23 Hasil Uji regresi linier berganda Y1 terhadap Y2
Model
Unstandardized
Coefficients Standardized Coefficients
t Sig. B Std. Error Beta 1 (Constant) 12,119 2,848 4,256 ,000 Y1.10 1,927 ,518 ,419 3,722 ,001 Y1.1 1,367 ,352 ,429 3,888 ,000 Y1.3 1,548 ,610 ,273 2,538 ,016
a. Dependent Variable: Y2 Pengaruh Pembengkakan Biaya
Persamaan regresinya sebagai berikut:
Y2’ = a + b1Y1+ b2Y3+b3 Y10+…….+bnXn
Y2’ = 12,119+ 1,367 Y3 + 1,548 Y3 + 1,927Y10 Keterangan:
Y2’ = Dampak Pembengakakan Biaya
a = konstanta
b1,b2 = koefisien regresi Y.1 = Variabel
Y.2 = Variabel
Persamaan regresi di atas dapat dijelaskan sebagai berikut:
Konstanta sebesar 12,119; artinya jika Y1, Y2 dst nilainya adalah 0, maka Y2’ nilainya adalah 12,119 satuan.
Koefisien regresi variabel Y1 sebesar 1,367 ; artinya jika variabel independen lain nilainya tetap dan Y1 mengalami kenaikan 1%, maka nilai Y2’ akan mengalami peningkatan sebesar 1,367 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara Y1 dengan Y2’, semakin naik Y1 maka semakin meningkat nilai Y2.
Koefisien regresi variabel Y3 sebesar 1,548 ; artinya jika variabel independen lain nilainya tetap dan Y3 mengalami kenaikan 1%, maka
nilai Y2’ akan mengalami peningkatan sebesar 1,548 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara Y3 dengan Y2’, semakin naik Y3 maka semakin meningkat nilai Y2.
Koefisien regresi variabel Y10 sebesar 1,927 ; artinya jika variabel independen lain nilainya tetap dan Y10 mengalami kenaikan 1%, maka nilai Y2’ akan mengalami peningkatan sebesar 1,927 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara Y10 dengan Y2’, semakin naik Y10 maka semakin meningkat nilai Y2.
4.8.2. Koefisien Determinasi (R2)
Koefisien determinasi digunakan untuk mengetahui seberapa besar
kemampuan variabel independen menjelaskan variabel dependen dengan
melihat besarnya koefisien determinasi totalnya (R2). Koefisien
determinasi (R2) pada dasarnya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen (Ghozali, 2013).
Tabel 4.24 Hasil Koefisien Determinasi X dan Y1
Sumber: Data kuesioner diolah dengan SPSS 20
Tabel 4.25 Hasil Koefisien Determinasi X dan Y2
Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 0,867a 0,751 0,723 2,187
a. Predictors: (Constant), X1, X4, X5, X10 Sumber: Data kuesioner diolah dengan SPSS 20
Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 0,958a 0,917 0,902 1,286
IV-27
Tabel 4.26 Hasil Koefisien Determinasi Y1 dan Y2
Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 0,775a 0,600 0,567 2,737
a. Predictors: (Constant), Y1.10, Y1.1, Y1.3
Berdasarkan tabel diatas hasil dari analisis Model Summary pada tabel diatas dapat dijelaskan nilai adjusted R square (R2) menunjukkan koefisien determinasi. Angka pada R diubah menjadi bentuk persen yang artinya presentase kontribusi variabel independen terhadap variabel dependen.
Hasil analisis menunjukkan nilai R2 Tabel 4.13 adalah 0,902 berarti variabel independen Faktor resiko keterlambatan yaitu Ketidaktepatan perencanaan tenaga kerja (X1), Kesulitan Finansial (X5), Kurangnya pengalaman kotraktor(X6), Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor (X7), Dana dari pemilik proyek tidak mencukupi (X9), Keterlambatan penyediaan material (X10) dapat menjelaskan variasi variabel dependen (Dampak Keterlambatan) dengan kontribusi 90.2%, sedangkan sisanya 9,8 % diterangkan oleh variabel lain yang tidak diteliti.
Nilai R2 Tabel 4.14 adalah 0,723 berarti variabel independen Faktor resiko keterlambatan yaitu Ketidaktepatan perencanaan tenaga kerja(X1),Penanganan keberadaan dan kualitas dari alat / material yang buruk(X4),KesulitanFinansial (X5), Keterlambatan penyediaan material (X10) dapat menjelaskan variasi variabel dependen (Dampak Pembengkakan biaya) dengan kontribusi 72.3 %, sedangkan sisanya 27,7 % diterangkan oleh variabel lain yang tidak diteliti.
Nilai R2 Tabel 4.14 adalah 0,567 berarti dampak keterlambatan dapat menjelaskan variasi variabel dependen (Dampak Pembengkakan biaya) dengan kontribusi 56,7 %, sedangkan sisanya 43,3 % diterangkan oleh variabel lain yang tidak diteliti.
4.8.3. Uji Ketepatan Model (Uji F)
Uji F digunakan untuk mengetahui apakah variabel independen secara serentak atau bersama-sama berpengaruh signifikan terhadap variabel dependen. Dari hasil perhitungan SPSS diperoleh data sebagai berikut:
Tabel 4.27 Hasil Uji F (X dan Y)
Sumber: Data kuesioner diolah dengan SPSS 20
Tabel 4.28 Hasil Uji F (X dan Y2 )
Sumber: Data kuisioner diolah dengan SPSS 20
Tabel 4.29 Hasil Uji F (Y1 dan Y2 )
Sumber: Data kuisioner diolah dengan SPSS 20
Variabel Fhitung Probability Kriteria Kesimpulan (p) Independen 61.162 0,000 P < α Berpengaruh (0,05) Signifikan
Variabel Fhitung Probability Kriteria Kesimpulan
(p)
Independen 26.461 0,000 P < α (0,05) Berpengaruh
Signifikan
Variabel Fhitung Probability Kriteria Kesimpulan
(p)
Independen 17.995 0,000 P < α (0,05) Berpengaruh
IV-29 Dari data di atas, diperoleh nilai Fhitung X ke Y1 sebesar 61,162 , X ke Y2 sebesar 26,461 dan Y1 ke Y2 sebesar 17,995 dengan probabilitas sebesar 0,000 < 0,05 artinya terdapat pengaruh signifikan yang sangat kuat antara Faktor Resiko Keterlambatan yaitu Ketidaktepatan perencanaan tenaga kerja (X1), Kesulitan Finansial (X5), Kurangnya pengalaman kotraktor(X6), Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor (X7), Dana dari pemilik proyek tidak mencukupi (X9), Keterlambatan penyediaan material (X10) terhadap Dampak keterlambatan (Y1) dan Faktor Resiko Keterlambatan yaitu Ketidaktepatan perencanaan tenaga kerja (X1), Penanganan keberadaan dan kualitas dari alat / material yang buruk (X4), Kesulitan Finansial (X5), Keterlambatan penyediaan material (X10) terhadap Dampak Pembengkan Biaya (Y2). Serta Hilangnya produktivitas dan efisiensi tenaga kerja dalam menyelesaikan proyek (Y1.1),Produktivitas pekerja menurun karena banyaknya jam nganggur (Y1.3), Proyek dapat berhenti karena kekurangan tenaga kerja (Y1.10) terhadap Dampak Pembengkan Biaya (Y2).
4.8.4. Uji Signifikansi Parameter Individual (Uji Statistik t)
Untuk seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Apakah variabel independen berpengaruh secara nyata atau tidak. Hal ini dapat dilihat dengan membandingkan nilai probabilitasnya (p-value) dengan tingkat signifikansi yang digunakan sebesar 0,05, jika p-value lebih kecil dari 0,05 maka dapat dikatakan bahwa variabel-variabel independen mempunyai pengaruh signifikan
terhadap variabel dependen (Priyatno, 2010). Hasil perhitungan dengan bantuan SPSS 20.0 diperoleh hasil variabel faktor keterlambatan (X) terhadap dampak keterlambatan (Y1) sebagai berikut :
Tabel 4.30 Hasil uji statistik T (X dan Y1)
K e
t i K
Sumber: Data kuisioner diolah dengan SPSS 20
Tabel 4.31 Hasil Uji Statistik T (X dan Y1)
Variabel Beta In t Sig. Partial Correlation Collinearity Statistics Tolerance X4 0,080g 1,355 0,185 0,233 0,702 X11 0,050g 0,942 0,353 0,164 0,907
Sumber: Data kuisioner diolah dengan SPSS 20
Ketidaktepatan perencanaan tenaga kerja (X1) mempunyai nilai thitung sebesar 4,281 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Ketidaktepatan perencanaan tenaga kerja berpengaruh signifikan positif (meningkatkan) terhadap Dampak Keterlambatan.
Kesulitan Finansial (X5) mempunyai nilai thitung sebesar 3,353 dengan nilai probabilitas sebesar 0,002 < 0,05, maka H0 ditolak yang berarti Kesulitan
Variabel
Unstandardized
Coefficients Standardized Coefficients
t Sig. B Std. Error Beta X1 1,008 0,209 0,321 4,821 0,000 X6 1,139 0,211 0,290 5,400 0,000 X7 0,914 0,199 0,269 4,601 0,000 X5 0,760 0,227 0,201 3,353 0,002 X10 1,135 0,257 0,251 4,412 0,000 X9 0,927 0,213 0,267 4,355 0,000
IV-31 Finansial berpengaruh signifikan positif (meningkatkan) terhadap Dampak Keterlambatan.
Kurangnya pengalaman kotraktor (X6) mempunyai nilai thitung sebesar 5,400 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Kurangnya pengalaman kotraktor berpengaruh signifikan positif (meningkatkan) terhadap Dampak Keterlambatan.
Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor(X7) mempunyai nilai thitung sebesar 4,601 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor berpengaruh signifikan positif (meningkatkan) terhadap Dampak Keterlambatan.
Dana dari pemilik proyek tidak mencukupi (X9) mempunyai nilai thitung sebesar 4,355 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Petenatapan pelaksaan jadwal proyek yang amat ketat berpengaruh signifikan positif (meningkatkan) terhadap Dampak Keterlambatan.
Keterlambatan penyediaan material (X10) mempunyai nilai thitung sebesar 4,412 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Petenatapan pelaksaan jadwal proyek yang amat ketat berpengaruh signifikan positif (meningkatkan) terhadap Dampak Keterlambatan.
Penanganan keberadaan dan kualitas dari alat / material yang buruk (X4) mempunyai nilai thitung sebesar 1,355 dengan nilai probabilitas sebesar 0,185 > 0,05, maka H0 diterima yang berarti Penanganan keberadaan dan kualitas dari alat / material yang buruk tidak berpengaruh signifikan positif terhadap Pembengkakan Biaya Proyek.
Petenatapan pelaksaan jadwal proyek yang amat ketat (X11) mempunyai nilai thitung sebesar 0,942 dengan nilai probabilitas sebesar 0,353 > 0,05, maka H0 diterima yang berarti Petenatapan pelaksaan jadwal proyek yang amat ketat tidak berpengaruh signifikan positif terhadap dampak keterlambatan.
Hasil perhitungan dengan bantuan SPSS 20.0 diperoleh hasil variabel faktor keterlambatan (X) terhadap dampak pembengkakan biaya (Y2) sebagai berikut :
Tabel 4.32 Hasil Uji Statistik T ( X dan Y2)
Sumber: Data kuisioner diolah dengan SPSS 20
Tabel 4.33 Hasil Uji Statistik T ( X dan Y2)
Variabel Beta In t Sig. Partial
Correlation Collinearity Statistics Tolerance X6 0,178e 1,994 0,054 0,324 0,819 X7 -0,174e -1,964 0,058 -0,319 0,838 X9 -0,128e -1,338 0,190 -0,224 0,765 X11 0,139e 1,551 0,130 0,257 0,849
Sumber: Data kuisioner diolah dengan SPSS 20
Keterlambatan penyediaan material (X10) mempunyai nilai thitung sebesar 2,844 dengan nilai probabilitas sebesar 0,007 < 0,05, maka H0 ditolak yang berarti Petenatapan pelaksaan jadwal proyek yang amat ketat berpengaruh signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya.
Variabel
Unstandardized
Coefficients Standardized Coefficients
t Sig. B Std. Error Beta X10 1,295 0,455 0,284 2,844 0,007 X5 1,427 0,384 0,374 3,721 0,001 X4 1,421 0,355 0,385 3,999 0,000 X1 0,794 0,325 0,250 2,447 0,020
IV-33 Kesulitan Finansial (X5) mempunyai nilai thitung sebesar 3,721 dengan nilai probabilitas sebesar 0,001 < 0,05, maka H0 ditolak yang berarti Kesulitan Finansial berpengaruh signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya.
Penanganan keberadaan dan kualitas dari alat / material yang buruk (X4) mempunyai nilai thitung sebesar 3,999 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Penanganan keberadaan dan kualitas dari alat / material yang buruk berpengaruh signifikan positif terhadap Dampak Pembengkakan Biaya.
Ketidaktepatan perencanaan tenaga kerja (X1) mempunyai nilai thitung sebesar 2,447 dengan nilai probabilitas sebesar 0,020 < 0,05, maka H0 ditolak yang berarti Ketidaktepatan perencanaan tenaga kerja berpengaruh signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya.
Kurangnya pengalaman kotraktor (X6) mempunyai nilai thitung sebesar 1,994 dengan nilai probabilitas sebesar 0,324 > 0,05, maka H0 diterima yang berarti Kurangnya pengalaman kotraktor tidak berpengaruh signifikan positif terhadap Dampak Pembengkakan Biaya.
Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor (X7) mempunyai nilai thitung sebesar -1,964 dengan nilai probabilitas sebesar 0,058 > 0,05, maka H0 diterima yang berarti Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor tidak berpengaruh Dampak Pembengkakan Biaya.
Dana dari pemilik proyek tidak mencukupi (X9) mempunyai nilai thitung sebesar -1,338 dengan nilai probabilitas sebesar 0,190 > 0,05, maka H0
diterima yang berarti Dana dari pemilik proyek tidak mencukupi tidak berpengaruh Dampak Pembengkakan Biaya.
Petenatapan pelaksaan jadwal proyek yang amat ketat (X11) mempunyai nilai thitung sebesar 1,551 dengan nilai probabilitas sebesar 0,130 > 0,05, maka H0 diterima yang berarti Petenatapan pelaksaan jadwal proyek yang amat ketat tidak berpengaruh Dampak Pembengkakan Biaya.
Tabel 4.34 Hasil Uji Statistik T ( Y1 dan Y2)
Sumber: Data kuisioner diolah dengan SPSS 20
Hilangnya produktivitas dan efisiensi tenaga kerja dalam menyelesaikan proyek (Y1.1 ) mempunyai nilai thitung sebesar 3,888 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Kesulitan Finansial berpengaruh signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya.
Produktivitas pekerja menurun karena banyaknya jam nganggur (Y1.3) mempunyai nilai thitung sebesar 2,538 dengan nilai probabilitas sebesar 0,016 < 0,05, maka H0 ditolak yang berarti Kesulitan Finansial berpengaruh signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya.
Proyek dapat berhenti karena kekurangan tenaga kerja (Y1.10) mempunyai nilai thitung sebesar 3,772 dengan nilai probabilitas sebesar 0,001 < 0,05, maka
Variabel
Unstandardized
Coefficients Standardized Coefficients
t Sig.
B Std. Error Beta
Y1.1 1,367 0,352 0,429 3,888 0,000
Y1.3 1,548 0,610 0,273 2,538 0,016
IV-35 H0 ditolak yang berarti Kesulitan Finansial berpengaruh signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya.
4.9 Uji Autokorelasi (Durbin-Watson)
Tujuan uji ini untuk mendeteksi adanya autokorelasi diantara data variabel-variabel. Hasil yang diperoleh dari uji autokorelasi dapat dilihat pada output tabel Model Summary dibawah ini.
Tabel 4.35 Hasil Uji Model Autokorelasi
Model R Square R Adjusted R Square Std. Error of the Estimate Durbin-Watson
1 0,958f 0,917 0,902 1,286 2,136
a. Predictors: (Constant), X1, X6, X7, X5, X10, X9 b. Dependent Variable: Dampak Keterlambatan
Berdasarkan out put diatas ,Diketahui nilai DW 2,136 , selanjutnya nilai ini akan kita bandingkan dengan nilai tabel signifikasi 5% jumlah sampel 40 dan jumlah variabel independen 6 (k=6) maka diperoleh nilai dU 1,8538.
Nilai DW 2,136 lebih besar dari batas atas (dU) 1,8538. dan kurang dari (4-dU) 4-1,8538= 2,1462 sehingga dapat simpulkan bahwa tidak terdapat autokorelasi diantara data variabel-variabel.
Tabel 4.36 Hasil Uji Model Autokorelasi
Model R Square R Adjusted R Square Std. Error of the Estimate Durbin-Watson
1 0,867d 0,751 0,723 2,187 1,852
a. Predictors: (Constant), X10, X5, X4, X1
Berdasarkan out put diatas ,Diketahui nilai DW 1,852 , selanjutnya nilai ini akan kita bandingkan dengan nilai tabel signifikasi 5% jumlah sampel 40 dan jumlah variabel independen 4 (k=4) maka diperoleh nilai dU 1,7209.
Nilai DW 1,852 lebih besar dari batas atas (dU) 1,7209 dan kurang dari (4-dU) 4-1,7209 = 2,2791 sehingga dapat simpulkan bahwa tidak terdapat autokorelasi diantara data variabel-variabel.
Tabel 4.37 Hasil Uji Model Autokorelasi
Model R Square R Adjusted R Square Std. Error of the Estimate Durbin-Watson
1 0,867d 0,751 0,723 2,187 1,324
a. Predictors: (Constant), X10, X5, X4
b. Dependent Variable: Dampak Pembengkakan Biaya
Berdasarkan out put diatas ,Diketahui 1,324 , selanjutnya nilai ini akan kita bandingkan dengan nilai tabel signifikasi 5% jumlah sampel 40 dan jumlah variabel independen 4 (k=3) maka diperoleh nilai dU 1,658.
Nilai DW 1,324 lebih kecil dari batas atas (dU) 1,658 dan kurang dari (4-dU) 4-1,658 = 2,342 sehingga dapat simpulkan Jika terletak antara dL dan dU atau diantara (4-dU) dan (4-dL), maka Y1 terhadap Y2 tidak menghasilkan kesimpulan yang pasti.
IV-37 4.10 Pembahasan Hasil penelitian
Dari analisis data, diperoleh hasil sebagai berikut:
Tabel 4.38. Hasil penelitian
No Faktor -Faktor Keterlambatan Dampak Keterlambatan (Y1) Dampak Pembengkakan Biaya(Y2)
X1 Ketidaktepatan perencanaan tenaga kerja Berpengaruh Berpengaruh
X4 Penanganan keberadaan dan kualitas dari alat / material yang buruk
Tidak
Berpengaruh Berpengaruh
X5 Kesulitan Finansial Berpengaruh Berpengaruh
X6 Kurangnya pengalaman kotraktor Berpengaruh Berpengaruh Tidak
X7 Koordinasi dan komunikasi yang buruk dalam organisasi
kontraktor Berpengaruh
Tidak Berpengaruh X9 Dana dari pemilik proyek tidak mencukupi Berpengaruh Berpengaruh Tidak
X10 Keterlambatan penyediaan material Berpengaruh Berpengaruh
X11 Petenatapan pelaksaan jadwal proyek yang amat ketat Berpengaruh Tidak Berpengaruh Tidak 4.10.1 Dampak terhadap keterlambatan
Ketidaktepatan perencanaan tenaga kerja (X1) mempunyai nilai thitung sebesar 4,281 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Ketidaktepatan perencanaan tenaga kerja berpengaruh signifikan positif (meningkatkan) terhadap Dampak Keterlambatan.
Kesulitan Finansial (X5) mempunyai nilai thitung sebesar 3,353 dengan nilai probabilitas sebesar 0,002 < 0,05, maka H0 ditolak yang berarti Kesulitan
Finansial berpengaruh signifikan positif (meningkatkan) terhadap Dampak Keterlambatan.
Kurangnya pengalaman kotraktor (X6) mempunyai nilai thitung sebesar 5,400 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang
berarti Kurangnya pengalaman kotraktor berpengaruh signifikan positif
(meningkatkan) terhadap Dampak Keterlambatan.
Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor(X7) mempunyai nilai thitung sebesar 4,601 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor berpengaruh signifikan positif (meningkatkan)
terhadap Dampak Keterlambatan.
Dana dari pemilik proyek tidak mencukupi (X9) mempunyai nilai thitung sebesar 4,355 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Petenatapan pelaksaan jadwal proyek yang amat ketat berpengaruh signifikan positif (meningkatkan) terhadap Dampak Keterlambatan.
Keterlambatan penyediaan material (X10) mempunyai nilai thitung sebesar 4,412 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Petenatapan pelaksaan jadwal proyek yang amat ketat berpengaruh signifikan positif (meningkatkan) terhadap Dampak Keterlambatan.
Penanganan keberadaan dan kualitas dari alat / material yang buruk (X4) mempunyai nilai thitung sebesar 1,355 dengan nilai probabilitas sebesar 0,185 > 0,05, maka H0 diterima yang berarti Penanganan keberadaan dan kualitas dari
alat / material yang buruk tidak berpengaruh signifikan positif terhadap
IV-39 Petenatapan pelaksaan jadwal proyek yang amat ketat (X11) mempunyai nilai thitung sebesar 0,942 dengan nilai probabilitas sebesar 0,353 >
0,05, maka H0 diterima yang berarti Petenatapan pelaksaan jadwal proyek
yang amat ketat tidak berpengaruh signifikan positif terhadap dampak
keterlambatan.
4.10.2 Dampak terhadap pembengkakan biaya
Keterlambatan penyediaan material (X10) mempunyai nilai thitung sebesar 2,844 dengan nilai probabilitas sebesar 0,007 < 0,05, maka H0 ditolak yang berarti Petenatapan pelaksaan jadwal proyek yang amat ketat berpengaruh signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya.
Kesulitan Finansial (X5) mempunyai nilai thitung sebesar 3,721 dengan nilai probabilitas sebesar 0,001 < 0,05, maka H0 ditolak yang berarti Kesulitan Finansial berpengaruh signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya.
Penanganan keberadaan dan kualitas dari alat / material yang buruk (X4) mempunyai nilai thitung sebesar 3,999 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Penanganan keberadaan dan kualitas dari
alat / material yang buruk berpengaruh signifikan positif terhadap Dampak
Pembengkakan Biaya.
Ketidaktepatan perencanaan tenaga kerja (X1) mempunyai nilai t hitung
sebesar 2,447 dengan nilai probabilitas sebesar 0,020 < 0,05, maka H0
ditolak yang berarti Ketidaktepatan perencanaan tenaga kerja berpengaruh
Kurangnya pengalaman kotraktor (X6) mempunyai nilai thitung sebesar 1,994 dengan nilai probabilitas sebesar 0,324 > 0,05, maka H0 diterima yang
berarti Kurangnya pengalaman kotraktor tidak berpengaruh signifikan
positif terhadap Dampak Pembengkakan Biaya.
Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor (X7) mempunyai nilai thitung sebesar -1,964 dengan nilai probabilitas sebesar
0,058 > 0,05, maka H0 diterima yang berarti Koordinasi dan komunikasi
yang buruk dalam organisasi kontraktor tidak berpengaruh Dampak
Pembengkakan Biaya.
Dana dari pemilik proyek tidak mencukupi (X9) mempunyai nilai thitung
sebesar -1,338 dengan nilai probabilitas sebesar 0,190 > 0,05, maka H0
diterima yang berarti Dana dari pemilik proyek tidak mencukupi tidak berpengaruh Dampak Pembengkakan Biaya.
Petenatapan pelaksaan jadwal proyek yang amat ketat (X11) mempunyai nilai thitung sebesar 1,551 dengan nilai probabilitas sebesar 0,130 > 0,05,
maka H0 diterima yang berarti Petenatapan pelaksaan jadwal proyek yang
amat ketat tidak berpengaruh Dampak Pembengkakan Biaya. 4.10.3 Dampak keterlambatan terhadap pembengkakan biaya
Hilangnya produktivitas dan efisiensi tenaga kerja dalam menyelesaikan proyek (Y1.1 ) mempunyai nilai thitung sebesar 3,888 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Kesulitan Finansial berpengaruh signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya.
IV-41 Produktivitas pekerja menurun karena banyaknya jam nganggur (Y1.3) mempunyai nilai thitung sebesar 2,538 dengan nilai probabilitas sebesar 0,016 < 0,05, maka H0 ditolak yang berarti Kesulitan Finansial berpengaruh signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya.
Proyek dapat berhenti karena kekurangan tenaga kerja (Y1.10) mempunyai nilai thitung sebesar 3,772 dengan nilai probabilitas sebesar 0,001 < 0,05, maka H0 ditolak yang berarti Kesulitan Finansial berpengaruh signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya.
