1
PERMODELAN MARK UP HARGA PENAWARAN KONTRAKTOR
PADA PROSES PELELANGAN
Nadendra Rangga Prabhamandala, Yusuf Latief, dan Jade Sjafrecia Petroceany 1. Program Studi Teknik Sipil, Departemen Teknik Sipil, Fakultas Teknik, Universitas Indonesia, Depok
16424, Indonesia
2. Program Studi Teknik Sipil, Departemen Teknik Sipil, Fakultas Teknik, Universitas Indonesia, Depok 16424, Indonesia
3. Program Studi Teknik Sipil, Departemen Teknik Sipil, Fakultas Teknik, Universitas Indonesia, Depok 16424, Indonesia
*e-mail: victorrangga@gmail.com
Abstrak
Dilema pada penawaran yang kompetitif bagi kontraktor adalah membuat penawaran yang cukup rendah untuk memenangkan kontrak tetapi cukup tinggi untuk mendapatkan laba. Mengidentifikasi mark up adalah bagian pekerjaan yang paling penting bagi kontraktor dalam membuat harga penawaran. Dengan adanya Competitive Bidding banyak permodelan markup yang telah dikembangkan untuk membantu kontraktor dalam menentukan mark up untuk memenangkan proses pelelangan dengan keuntungan yang maksimum. Tujuan dari penelitian ini adalah untuk meneliti hasil dari strategi permodelan mark up dalam menentukan besar harga penawaran dalam pelelangan untuk mendapatkan keuntungan berdasarkan mark up optimum. Penelitian ini menggunakan tiga permodelan yaitu permodelan Friedman, Gates, dan Carr.
Kata Kunci : Competitive Bidding, Mark up, Strategi penawaran.
Bid Strategy Using Mark up Modelling of Contractor on Tender Process Abstract
Dilemma on competitive bidding for contractors was made an offer that is low enough to win the contract but high enough to make a profit. Identifying mark-up is the most important part of the work to the contractor in making the bid price. With the Competitive Bidding many modeling markup that has been developed to assist contractors in determining the mark-up to win the auction process with maximum profit. The purpose of this study was to examine the results of modeling strategies in defining a large mark up the price bid in tender process for profit based on the optimum mark-up. This study used three modeling. The name of modeling are Friedman, Gates, and Carr.
Keywords : Competitive Bidding, Mark up, Bid Starategy
Pendahuluan
Di dunia konstruksi proses lelang pada umumnya merupakan salah satu kegiatan yang harus dilakukan oleh pihak kontraktor untuk mendapatkan proyek baru. Proses ini menjadi sangat penting bagi kontraktor, karena kelangsungan hidupnya sangatlah tergantung dari berhasil atau tidaknya proses ini. Penetapan harga penawaran pelelangan (tender) ditentukan oleh
2 berbagai pertimbangan dan terkadang hanya berdasarkan naluri bisnis. Hal ini sangatlah
menentukan besar / kecilnya keuntungan (profit) yang masih mungkin diperoleh kontraktor dan persentase kemungkinan memenangkan proyek.
Dilema pada penawaran yang competitive adalah membuat penawaran yang cukup rendah untuk memenangkan kontrak tetapi cukup tinggi untuk mendapatkan laba. Mengidentifikasi
mark up adalah bagian pekerjaan yang paling penting dalam membuat harga penawaran.
Perhitungan mark up merupakan hal yang paling menantang bagi kontraktor dalam penawaran yang competitive. Perbedaan yang kecil terhadap persentase mark up yang di gunakan pada proyek lain akan mempengaruhi hasil penawaran (Achmad, I., and Mikarah, I., 1987 ,hal. 170).[1]
Dengan adanya Competitive Bidding banyak permodelan markup yang telah telah dikembangkan untuk membantu kontraktor dalam menentukan mark up seperti Friedman model (1956), Gates model (1967), Carr model (1982). Akan tetapi permodelan-permodelan ini masih banyak mempunyai kekurangan. Crowley mengatakan untuk permodelan friedman dan gates masih banyak kekurangan karena model yang dikembangkan masih kurang spesifik. Jika menggunakan asumsi yang sama, hasil kedua permodelan ini mempunyai perbedaan pandangan dan perbedaan nilai yang besar (Crowley, 2000,hal. 306). [2] Kedua permodelan ini juga selalu dibandingkan. Pada awalnya Friedman model dikatakan lebih baik, tetapi model friedman tidak memberikan keuntungan jangka panjang. Faktanya jika ingin mendapatkan keuntungan yang sama dengan menggunakan model gates, kontraktor yang menggunakan model friedman hanya harus mendapatkan volume pekerjaan dua kali lebih banyak, sehingga tidak jelas mana permodelan yang lebih baik (Benjamin, N. B. N., and Meador, R. C., 1979 , hal. 25). [3] Sedangkan untuk model Carr kelemahannya adalah untuk mendapatkan informasi yang akurat tentang penawaran yang diajukan oleh kontraktor lainnya pada proyek sebelumnnya. Kelemahan ini menjadi kendala dalam menggunakan permodelan ini (Carr, 1982,hal. 639). [4]
Tinjauan Teoritis
Estimasi bukan merupakan ilmu yang pasti. Pengetahuan konstruksi, naluri dan pengambilan keputusan sangat diperlukan dalam pembuatan estimasi biaya. Menghitung biaya material bisa dikerjakan dengan tingkat kesalahan yang kecil, tetapi menghitung biaya alat dan tenaga kerja lebih sulit untuk diperkirakan. Dysert, Larry R.(Dysert, 2006, hal. 1) mengungkapkan bahwa estimasi biaya merupakan sebuah prediksi terhadap biaya yang akan dibutuhkan dari
3 sebuah proyek berdasarkan data dan lingkup proyek yang diberikan yang akan dilaksanakan
pada sebuah lokasi dan waktu yang telah ditetapkan. [5]
Penawaran bersaing (Competitive Bidding) merupakan jenis lain dari “pricing” didalam istilah pemasaran, yang mana merupakan suatu pemberian harga terhadap produk yang dapat berupa barang atau jasa. Konsep dasar dari Competitive Bidding adalah system penawar terendah melindungi public dari pemborosan, korupsi, dan jenis praktek lainnya yang tidak layak dilakukan oleh pegawai atau pejabat public. System penawaran bersaing mempunyai satu keuntungan utama yaitu diasumsikan bahwa proses penawaran akan terbebas dari berbagai tekanan politik, social maupun ekonomi. Akan tetapi ada beberapa keburukannya yaitu salah satunya adalah proses seleksi hanya didasarkan pada satu elemen yaitu pada elemen biaya. Sedangkan elemen lainnya seperti kualitas dan waktu tidak diperhitungkan(Batara, 2003,hal. 3). [6] Persaingan yang terjadi di lingkungan jasa konstruksi sebenarnya ada dua tahap, yaitu tahap untuk dapat menjadi peserta tender dan tahapnya berikutnya adalah memenangkan tender, yang dalam hal ini sangat berkaitan dengan cost estimate. Dalam penyusunan strategi menghadapi persaingan, khususnya dalam menetapkan harga penawaran ,data masa lalu penting sekali untuk dianalisis, yaitu tender record (Laporan hasil-hasil tender yang lalu).
Mark up adalah harga penawaran dibagi denganbiaya estimasi dalam besaran persen (Mark up =Bid Price/Estimated Cost). Umumnya kontraktor ingin menentukan suatu mark up yang
sebesar-besarnya, namun dengan harapan tetap ingin sebagai penawar yang terendah. Dalam menentukan besarnya mark up, kontraktor membutuhkan hasil kumpulan data-data penawaran yang lalu (historical data) dari pesaing-pesaing sebagai petunjuk dalam penawaran (Patmadjaja, 1999,hal. 1) [7]. Menurut Min Liu and Yean Yng Ling mark up berisi jumlah dari biaya cadangan dan keuntungan (profit). Mark up juga berisi persentasi dari overhead dan biaya langsung yang berisi material, alat dan tenaga kerja (Min Liu and Yean Yng Ling, 2005 ,hal. 1). [8]
Mark up sendiri memang hanya diputuskan berdasarkan intuisi bisnis dengan cara
menetapkan sejumlah persentase dari direct cost (yang dihitung berdasarkan quantity dan unit
price dari pekerjaan). Dengan demikian dalam proses pembuatan bid price, terjadi perubahan
unit price, dari direct cost menjadi unit price penawaran, yang prosesnya ada beberapa cara, tergantung strateginya. Proses perubahan unit price tersebut dapat ditunjukkan dengan gambar dibawah ini (Asiyanto MBA, 2010,hal. 107). [9]
4 Model Friedman adalah salah satu model matematika untuk model penawaran harga yang
dibuat tahun 1956. Model ini adalah dengan mengajukan penawaran dengan harga terendah untuk memenangkan tender berdasarkan kasus serupa pada proyek sebelumnya dan dengan memaksimalkan keuntungan (expected profit). Menurut Ervianto, 2004, Model Friedman dapat diaplikasikan dalam sebuah penawaran berdasarkan analisis dari data yang dikumpulkan beberapa tahun yang lalu, serta tidak tergantung dari jenis proyek lain. Pendekatan ini tidak dapat menghasilkan formula akhir yang definitif, tetapi hanya merupakan perkiraan sebagai dasar untuk menentukan besarnya harga penawaran. Penentuan harga penawaran dalam proyek konstruksi dipengaruhi oleh berbagai kondisi yang spesifik, baik kondisi fisik maupun iklim kompetisi untuk mendapatkan proyek.
Model Friedman menggunakan dua buah perumusan probabilitas untuk menang yang pertama adalah probabilitas menang untuk identitas dari pesaing dikenal, yang kedua adalah probabilitas menang untuk identitas daripesaing tak dikenal. (Tarranza, 1985,hal. 6-16) [10] Probabilitas menang untuk identitas dari pesaing dikenal (Tarranza, 1985):
P(Co Win /Bo) = P(Bo<B1) x P(B0<Bi) x ... x P(B0<Bn) Dimana :
P(Co Win/Bo) = Probabilitas menang terhadap semua pesaing dikenal P(B0<Bi) = Probabilitas munculnya mark up dengan CDF
Ba = Harga penawaran rata-rata. B0 = Harga Penawaran Kontraktor.
Probabilitas menang untuk identitas dari pesaing tak dikenal. P(Co Win /Bo) = P (Bo < Ba) n Dimana :
P(Co Win/Bo) = Probabilitas menang terhadap semua pesaing tak dikenal. n = Jumlah pesaing.
Expected Profit
E(P) = Mark up x P (Co Win/Bo)
Model Gates.
Model Gates (1967) hampir mirip dengan model Friedman. Model Gates juga menggunakan dua buah perumusan probabilitas untuk menang yang pertama adalah probabilitas menang untuk identitas dari pesaing dikenal, yang kedua adalah Probabilitas menang untuk identitas
5 dari pesaing tak dikenal.Gates menganggap biaya estimasi sama dengan biaya
aktual.(Tarranza, 1985,hal. 6-16). [10] Model ini adalah untuk memprediksi mark up optimum pada suatu proyek dengan tujuan utama memaksimalkan keuntungan. Tetapi model
Gates terdapat perbedaan yang mendasar dengan model Friedman. Di model Gates semua
kompetitor mempunyai peluang menang yang sama jika para penawar merupakan yang setipe (Symeon Christodoulou, 2004,hal. 2). [11]
Probabilitas menang untuk identitas dari pesaing dikenal:
P(Co Win /Bo) = !
!! !!! (!!!!!)
!(!!!!!) !
!!!
Probabilitas menang untuk identitas dari pesaing tak dikenal:
P(Co Win /Bo) = !
!!!!!! (!!!!!)!(!!!!!)
Expected Profit
E(P) = Mark up x P (Co Win/Bo)
Model Carr.
Pada tahun 1982 Robert Carr (Carr, 1982, hal. 639-650) [4] mengenalkan model yang diaplikasikan pada suatu penawaran harga kontraktor untuk suatu proyek, Ci, dan harga
penawaran pesaing bisa diperkirakan. Perhitungan harga para pesaing dengan menggunakan persamaan:
C = !!!!C! k
Dimana ! adalah rata-rata estimasi harga penawaran pesaing k untuk suatu proyek. Oleh karena itu, standar estimasi untuk kontraktor I untuk suatu proyek, Cibisa dihitung dengan
persamaan berikut
C! =C! C
Akan tetapi, jika nilai harga penawaran kontraktor I dan harga penawaran pesaing dapat
diketahui pada proyek yang sama, !!, kontraktor bisa membandingkan harga penawarannya
dengan harga penawaran pesaing dengan persamaan sebagai berikut: B C !"# = B!" C!" = FBC!" C!" C!"
6 Persamaan untuk menghitung probabilitas menang [P(win)], expected value bidding [E(v)],
dan rekomendasi mark up adalah
P(W) = P [(FBC)C < (LBC)C] = P(FBC < LBC) = 1-P(LBC < FBC) = 1-F(FBC) = 1- !!!"#! ! !"
Ep = E(V) = P{W)E{V\W) = P(W)(FBC - 1)C
Dimana !"# = ratio antara harga penawaran terendah dengan estimasi harga kontraktor I pada suatu proyek k; = ratio B/C kontraktor i jika dia mempunyai pesaing nk
Metode Penelitian
Strategi penelitian yang digunakan pada penelitian ini adalah sebagai berikut
Studi Literatur.
Studi literatur adalah mencari referensi teori yang relevan dengan kasus atau permasalahan yang ditemukan.Pada studi literatur penulis mempelajari teori mengenai competitive bidding dan pemodelan mark up kontraktor dengan menggunakan software SPSS 12.0, serta tahapan-tahapan yang diperlukan untuk mengaplikasikan teori tersebut.
Pengumpulan Data.
Penelitian ini mengambil sampel-sampel proyek yang proses lelangnya diikuti oleh kontraktor. Dalam penelitian ini diperoleh sampel-sampel dari kontraktor BUMN, yaitu dari PT. A. Keseluruhan sampel yang diambil tersebar diseluruh wilayah Indonesia pada umumnya dan wilayah jabodetabek pada khususnya.
Pengolahan Data.
Adapun langkah-langkah pengolahan data yang akan dilakukan adalah sebagai berikut
1. Dari data penawaran yang telah dikumpulkan, data penawaran tersebut kemudian diubah menjadi rasio penawaran terhadap biaya langsung yang belum di mark up 2. Data tersebut akan di uji normalitas data dengan statistik uji Shapiro-Wilk.
Pelaksanaan uji normalitas data ini menggunakan program SPSS (Statitical Product
and Service Solution) versi 21.0
3. Perhitungan mean, standar deviasi, dan varian dari ratio tersebut
7 5. Perhitungan probabilitas munculnya mark up dengan CDF (Cumulative Distribution
Function) dengan menggunakan program SPSS (Statitical Product and Service Solution) versi 21.0.
6. Analisa probabilitas menang dengan menggunakan model Gates, model Friedman pada kondisi PT. A melawan 4, 3, 2 pesaing dan PT. A melawan 1 pesaing menggunakan model Friedman, Gates, dan Carr, kemudian dilakukan perhitungan
expected profituntuk mencari mark up optimum.
7. Membuat grafik hubungan expected profit dengan mark up optimum serta grafik perbandingan untuk ketiga permodelan
Analisa.
Pengumpulan data dilakukan dengan mengambil data sekunder berupa data historis dari pelelangan proyek yang pernah diikuti oleh PT. A. Dari data tersebut kemudian dilakukan tabulasi data berdasarkan nama proyek yang dilelangkan dan perusahaan yang mengikuti pelelangan (yaitu PT. A, PT.B, PT. C, PT. D dan PT. E) beserta harga penawaran yang diajukan. Harga penawaran-penawaran tersebut dibuat dalam bentuk ratio terhadap biaya langsung PT. A, karena asumsi biaya langsung semua dianggap sama. Jumlah proyek ysng akan digunakan dalam penelitian ini berjumlah 40 proyek. Berikut ini merupakan contoh data pelelangan tersebut
Tabel 1 Data Penawaran
Proyek No Biaya Langsung PT. A Penawaran PT. A Penawaran PT.B Penawaran PT. C Penawaran PT. D Penawaran PT. E 1 Rp17,815,508.55 Rp20,968,853.5 Rp24,906,080.9 Rp20,238,417 2 Rp15,318,063.64 Rp15,792,923.6 Rp15,256,791.3 Rp16,007,376.5 3 Rp7,444,772.05 Rp8,181,804.48 Rp5,702,695.3 4 Rp95,153,560.91 Rp104,478,609.8 Rp113,708,505.2 5 Rp75,772,662.40 Rp85,926,199.1 Rp86,380,835.13
Data umum pelelangan di atas diubah menjadi berbentuk ratio. Data tersebut diubah menjadi ratio penawaran masing-masing peserta yaitu PT. A, PT.B, PT. C, PT. D dan PT. E terhadap biaya langsung PT. A. Hal ini dilakukan sebagai salah satu langkah permodelan yang akan digunakan. Data hasil perubahan menjadi berbentuk ratio bisa dilihat di bawah ini
8 Tabel 2 Ratio Harga Penawaran Terhadap Biaya Langsung PT. A
No RATIO PT. A RATIO PT. B RATIO PT. C RATIO PT. D RATIO PT. E
1 1.177 1.398 1.136 2 1.031 1.023 1.045 3 0.766 1.099 4 1.098 1.195 5 1.134 1.14 6 1.087 1.002 1.037 7 0.836 0.836 0.932 1.177 8 1.149 0.918 1.149 0.836 1.149 9 1.087 1.52 1.11 10 1.145 1.21 1.153 11 1.176 1.176 12 1.0105 1.038 1.116 1.138 1.058 13 1.022 1.012 1.081 1.16 1.013 14 1.037 1.058 1.037 1.053 1.034 15 1.111 1.462 1.438 16 1.136 1.186 17 1.111 1.114 1.181 18 1.087 0.99 1.087 19 1.176 1.77 20 1.087 1.091 1.269 1.076 21 1.111 1.141 22 1.428 1.545 1.145 1.168 23 1.111 1.115 0.978 1.111 24 1.087 1.094 1.087 1.238 25 1.087 1.115 0.998 1.09 26 1.129 1.146 1.155 27 1.179 1.119 28 1.271 1.152 1.408 1.904 29 1.176 1.137 1.152 1.146 30 1.200 1.177 1.21 1.197 1.205 31 1.177 1.18 1.18 32 1.133 1.23 1.236 1.224 1.213 33 1.136 1.188 1.184 1.421 34 1.116 1.288 1.114 35 1.177 1.178 36 1.177 1.196 1.17 1.166 37 1.138 1.14 38 1.112 1.245 1.112 39 1.299 1.274 1.312 1.242 40 1.143 1.219 1.148 1.145
9 Tabel 3 Analisa Statistik Deskriptif PT. A dan Pesaing PT. A
N Jumlah Rata-Rata Standard Deviasi Varian
PT. A 40 45.405 1.13518 0.07194 0.005175
PT. B 23 26.807 1.16552 0.125627 0.016
PT. C 22 25.355 1.15250 0.195227 0.038
PT. D 29 33.325 1.14914 0.245384 0.060
PT. E 25 26.156 1.04624 0.262514 0.069
Setelah dilakukan uji normalitas data dilakukan analisis data tentang tender dari pesaing-pesaing PT. A. posisi pesaing-pesaing PT. A ditetapkan berdasarkan mark up pesaing-pesaing terhadap biaya langsung PT. A. dengan cara ini. Cara ini sebagai parameter dalam melakukan analisis permodelan dengan menentukan mana pesaing ringan, berat, dan sangat berat. Berikut ini merupakan grafik positioning rata-rata mark up PT. A rata-rata mark up pesaing terhadap biaya langsung PT. A dan grafik berdasarkan jumlah proyek yang pernah diikuti pesaing PT. A.
Gambar 1 Grafik Posisi Mark up Pesaing Terhadap Direct cost PT. A
Dari rata-rata, standard deviasi dan varian tersebut, dihitung probabilitas peluang munculnya
mark up dengan CDF pada masing-masing pesaing pada beberapa besaran mark up yang telah
ditentukan dengan mencari luasan kurva CDF di sebelah kanan.Luas kurva di sebelah kanan adalah luas total dibawah kurva dikurang luas dibawah kurva sebelah kiri. Besaran mark up ditentukan berdasarkan range ratio yaitu antara 1,00 - 1,40. Perhitungan probabilitas peluang munculnya mark up dengan CDF ini menggunakan program SPSS. Dengan SPSS luasan
0% 2% 4% 6% 8% 10% 12% 14% 16% 18% PT B PT C PT D PT E
Rata-Rata Ratio Mark Up
Pesaing PT. A
Grafik Posisi Mark Up Pesaing Terhadap Direct Cost PT. A
Rata-‐Rata Mark Up PT. A Rata-‐Rata Mark Up Pesaing PT. A
10
kurva di sebelah kiri dapat ditemukan. Dibawah ini merupakan hasil sebagian dari probabilitas peluang munculnya mark up dengan CDF sampai mark up 20 %.
Tabel 4 CDF PT. A dan Pesaing PT. A
Range Ratio Mark up Ps B Ps C Ps D Ps E
1.010 0.892 0.751 0.715 0.555 1.020 0.877 0.735 0.701 0.540 1.030 0.860 0.718 0.686 0.525 1.040 0.841 0.700 0.672 0.509 1.050 0.821 0.682 0.657 0.494 1.060 0.800 0.664 0.642 0.479 1.070 0.776 0.645 0.626 0.464 1.080 0.752 0.626 0.611 0.449 1.090 0.726 0.606 0.595 0.434 1.100 0.699 0.586 0.579 0.419 1.110 0.671 0.566 0.563 0.404 1.120 0.641 0.546 0.547 0.389 1.130 0.611 0.526 0.531 0.375 1.140 0.580 0.505 0.515 0.360 1.150 0.549 0.485 0.499 0.346 1.160 0.518 0.464 0.482 0.332 1.170 0.486 0.444 0.466 0.319 1.180 0.454 0.424 0.450 0.305 1.190 0.423 0.404 0.434 0.292 1.200 0.392 0.384 0.418 0.279
Hasil analisa probabilitas peluang munculnya mark up dengan CDF diatas, selanjutnya digunakan untuk mencari probabilitas menang berdasarkan dari model Friedman dan Gates. Berikut ini merupakan hasil permodelan Friedman dan Gates melawan 4 pesaing. Pada penelitian ini dilakukan pada kondisi PT. A melawan 4, 3, 2, dan 1 pesaing
11
Tabel 5 Permodelan Friedman melawan 4 pesaing
Range Ratio Mark up Probabilitas Menang Expected Profit
1.010 0.266 0.0027 1.020 0.244 0.0049 1.030 0.222 0.0067 1.040 0.202 0.0081 1.050 0.182 0.0091 1.060 0.163 0.0098 1.070 0.146 0.0102 1.080 0.129 0.0103 1.090 0.114 0.0102 1.100 0.099 0.0099 1.110 0.086 0.0095 1.120 0.075 0.0090 1.130 0.064 0.0083 1.140 0.054 0.0076 1.150 0.046 0.0069 1.160 0.039 0.0062 1.170 0.032 0.0054 1.180 0.026 0.0048
Tabel 6 Permodelan Friedman melawan 4 pesaing
Range Ratio Mark up Probabilitas Menang Expected Profit
1.010 0.377 0.00377 1.020 0.360 0.00719 1.030 0.343 0.01028 1.040 0.326 0.01304 1.050 0.310 0.01548 1.060 0.294 0.01763 1.070 0.279 0.01950 1.080 0.264 0.02109 1.090 0.249 0.02243 1.100 0.235 0.02353 1.110 0.222 0.02440 1.120 0.209 0.02507 1.130 0.196 0.02554 1.140 0.185 0.02584 1.150 0.173 0.02596 1.160 0.162 0.02594 1.170 0.152 0.02578 1.180 0.142 0.02549
12
Pada permodelan Carr ini untuk analisa probabilitas menang langkah yang harus dilakukan sama dengan permodelan Friedman dan Gates yaitu dengan menghitung CDF (Cumulative
Distribution Function)tetapi dengan langkah yang berbeda. Langkah pertama yang dilakukan
adalah mencari LBC (Lowest Cost Bid Ratio) pada masing keadaan pelelangan PT. A melawan PT. B, PT. A melawan PT. C, PT. A melawan PT. D, dan PT. A melawan PT. E. LBC (Lowest Cost Bid Ratio) dicari dengan membandingkan ratio penawaran mana yang paling rendah. Berikut ini merupakan hasil LBC pada sampel 40 proyek pada keadaan PT. A melawan PT. B dapat dilihat di bawah ini.
Tabel 7 LBC (Lowest Bid Cost Ratio) pada keadaan PT.A melawan PT.B Proyek No Ba/C Bb/C LBC 1 1.177 1.398 1.177 2 1.031 0.996 0.996 4 1.098 1.195 1.098 5 1.134 1.14 1.134 6 1.087 0.963 0.963 8 1.149 0.918 0.918 10 1.145 1.21 1.145 12 1.0105 1.038 1.0105 13 1.022 1.012 1.012 14 1.037 1.058 1.037 20 1.087 1.082 1.082 24 1.087 1.371 1.087 25 1.087 1.295 1.087 28 1.152 1.152 1.152 30 1.2 1.177 1.177 31 1.177 1.18 1.177 32 1.133 1.23 1.133 33 1.136 1.188 1.136 34 1.116 1.288 1.116
Selanjutnya dihitung besarnya nilai-nilai rata-rata, standard deviasi dan varian dari LBC pada masing-masing keadaan. Hasil rata-rata dan standard deviasi ini akan digunakan dalam probabilitas menang dengan CDF. Hasil perhitungan analisa statistik deskriptif ini menggunakan program SPSS 21.0
13
Tabel 8 Deskriptif Statistik PT.A melawan masing-masing pesaing
N Sum Rata-rata Std. Deviation
LBC (A vs B) 23 25,34 1,1018 0,081889 LBC (A vs C) 22 23,83 1,0833 0,129853 LBC (A vs D) 29 30,86 1,0641 0,128349 LBC (A vs E) 25 25,53 1,063813 0,124289
Setelah mendapatkan deskriptif statistik di atas langkah selanjutnya adalah menetapkan FBC
(Firm Bid Cost Ratio). FBC ini sama dengan Range ratio mark up. FBC ditentukan yaitu
antara 1 sampai 1,40 .
Setelah menetapkan FBC dicari probabilitas dengan luasan kurva sebelah kiri CDF dengan menggunakan SPSS 21.0. Data deskriptif yang digunakan untuk mencari CDF adalah rata-rata dan standard deviasi. Setelah mendapatkan probabilitas dengan CDF selanjutnya mencari probabilitas menang dan di lanjutkan dengan perhitungan expected profit. Berikut ini merupakan hasil permodelan Carr pada kondisi PT. A melawan PT. B
Tabel 9 CDF, Probabilitas Menang dan Expected Profit PT. A melawan PT. B
FBC CDF A P (win) E(v) 1.00 0,303829 0,6961713 0 1.01 0,332521 0,6674791 0,0066748 1.02 0,36223 0,6377702 0,0127554 1.03 0,392793 0,6072072 0,0182162 1.04 0,424032 0,5759682 0,0230387 1.05 0,455756 0,5442442 0,0272122 1.06 0,487765 0,5122354 0,0307341 1.07 0,519852 0,4801476 0,0336103 1.08 0,551812 0,448188 0,035855 1.09 0,583439 0,4165613 0,0374905 1.10 0,614534 0,385466 0,0385466 1.11 0,64491 0,3550902 0,0390599 1.12 0,674391 0,3256088 0,0390731 1.13 0,70282 0,2971798 0,0386334 1.14 0,730057 0,2699426 0,037792 1.15 0,755985 0,2440154 0,0366023 1.16 0,780506 0,2194944 0,0351191
14
Hasil Penelitian
Setelah melakukan perhitungan permodelan Friedman, Gates, dan Carr, ketiga permodelan ini akan dibandingkan. Permodelan ini dilakukan pada kondisi PT. A melawan 4, 3, 2 dan 1 pesaing. Pada kondisi PT. A melawan 4, 3, 2 pesaing menggunakan permodelan Friedman dan Gates, sedangkan melawan 1 pesaing menggunakan Friedman, Gates, dan Carr. Berikut ini hasil dari ketiga permodelan tersebut serta grafik perbandingan untuk ketiga permodelan tersebut.
Tabel 10 Perbandingan permodelan Friedman, Gates, dan Carr
Gambar 2 Grafik Perbandingan Mark up Model Friedman dan Gates Melawan 4,3, dan 2 pesaing
P winning Mark Up Optimum P winning Mark Up Optimum P winning Mark Up Optimum
BCDE (4 Pesaing) 12.9% 8% 17.3% 15% BCD (3 Pesaing) 23.7% 10% 25.7% 15% BCE (3 Pesaing) 19.1% 9% 21.0% 15% CDE (3 Pesaing) 14.2% 10% 17.1% 18% BDE (3 Pesaing) 17.0% 10% 19.9% 16% BC (2 Pesaing) 35.0% 12% 34.7% 15% BD (2 Pesaing) 32.5% 13% 33.3% 16% BE (2 Pesaing) 25.0% 12% 25.4% 16% CD (2 Pesaing) 26.0% 14% 26.4% 19% CE (2 Pesaing) 19.7% 13% 21.6% 18% DE (2 Pesaing) 18.6% 14% 20.1% 12% 1 Pesaing A vs B 51.8% 16% 51,8% 16% 50.92% 10% A vs C 38.4% 12% 38,4% 12% 35.92% 13% A vs D 35.6% 24% 35,6% 24% 36.05% 11% A vs E 26.6% 21% 26,6% 21% 32.56% 12%
Jumlah Pesaing Friedman Gates Carr
0% 2% 4% 6% 8% 10% 12% 14% 16% 18% 20% BCDE (4
Pesaing) Pesaing) BCD (3 Pesaing) BCE (3 Pesaing) CDE (3 Pesaing) BDE (3 Pesaing) BC (2 Pesaing) BD (2 Pesaing) BE (2 Pesaing) CD (2 Pesaing) CE (2 Pesaing) DE (2
Mark Up (
%)
Jumlah Pesaing
Grafik Perbandingan Mark Up Model Friedman dan Gates Melawan 4,3,2 Pesaing
Mark Up OpFmum Permodelan Friedman
15
Gambar 3 Grafik Perbandingan Mark up Model Friedman, Gates, Carr Melawan 1 pesaing
Pembahasan
Dengan cara seperti diatas digambarkan posisi-posisi pesaing, untuk disimpulkan mana pesaing yang ringan, berat, dan sangat berat. Positioning ini dapat dilakukan dengan mengolah data tender record yang ada. Berikut ini merupakan kategori golongan berdasarkan grafik positioning perusahaan
Tabel 11 Kategori golongan berdasarkan grafik positioning perusahaan No Nama Pesaing PT. A Jumlah Persaingan Mark up Rata-Rata Pesaing PT. A Terhadap Direct Cost PT. A Mark up Rata-Rata PT. A Kategori Golongan Pesaing PT. A 1 PT. B 23 16.55% 13.518 % Berat 2 PT. C 22 15.25% Berat 3 PT. D 29 14.91% Berat 4 PT. E 25 4.62% Sangat Berat 0% 5% 10% 15% 20% 25% 30%
A vs B A vs C A vs D A vs E
Mark Up (
%)
Jumlah Pesaing
Grafik Perbandingan Mark Up Model Friedman Gates, dan Carr Melawan 1 Pesaing Mark Up OpFmum Permodelan Friedman Mark Up OpFmum Permodelan Gates
16
Dari hasil diatas kategori golongan pesaing untuk PT. B, PT. C, PT. D adalah “berat” karena
mark up rata-rata PT. B, PT. C, PT.D hanya diatas sedikit mark up rata-rata penawaran PT. A
sehingga persaingan akan competitive. sedangkan untuk PT. E di kategorikan “sangat berat” karena mark up PT. E jauh dibawah rata-rata mark up PT. A,
Setelah mendapatkan hasil perbedaan permodelan-permodelan di atas, PT. A bisa menggunakan permodelan-permodelan tersebut berdasarkan kondisi-kondisi tertentu. PT. A memiliki pilihan untuk menentukan permodelan mana yang akan dipakai untuk mengajukan
mark up harga penawaran. Hasil permodelan diatas bisa dibagi berdasarkan kemungkinan optimis dan pesimis untuk pilihan PT. A dalam menentukan permodelan mana yang akan
dipakai. Berikut ini merupakan pengelompokkan pilihan permodelan PT. A berdasarkan
optimis dan pesimis dalam menentukan mark up harga penawaran.
Tabel 1.11 Perbandingan permodelan Friedman, Gates, dan Carr
Hasil diatas pengelompokkan optimis dan pesimis berdasarkan kemungkinan menang dan berdasarkan keuntungan yang didapatkan. Semakin besar kemungkinan menang dan keuntungannya semakin optimis PT. A dalam memenangkan pelelangan dengan mark up yang diajukan menggunakan permodelan tersebut. Masing-masing model strategi penawaran, mempunyai kelebihannya sendiri-sendiri bila dilihat dari hasil diatas, jadi untuk menentukan model mana yang sebaiknya dipakai dalam suatu penawaran, hal ini sangat tergantung dari keadaan pesaing, dalam arti apakah pesaing mengerti model, pesaing tidak membutuhkan
P winning Mark Up Optimum P winning Mark Up Optimum P winning Mark Up Optimum Optimis Pesimis
BCDE (4 Pesaing) 12.9% 8% 17.3% 15% Gates Friedman
BCD (3 Pesaing) 23.7% 10% 25.7% 15% Gates Friedman
BCE (3 Pesaing) 19.1% 9% 21.0% 15% Gates Friedman
CDE (3 Pesaing) 14.2% 10% 17.1% 18% Gates Friedman
BDE (3 Pesaing) 17.0% 10% 19.9% 16% Gates Friedman
BC (2 Pesaing) 35.0% 12% 34.7% 15% Gates Friedman
BD (2 Pesaing) 32.5% 13% 33.3% 16% Gates Friedman
BE (2 Pesaing) 25.0% 12% 25.4% 16% Gates Friedman
CD (2 Pesaing) 26.0% 14% 26.4% 19% Gates Friedman
CE (2 Pesaing) 19.7% 13% 21.6% 18% Gates Friedman
DE (2 Pesaing) 18.6% 14% 20.1% 12% Gates Friedman
1 Pesaing
A vs B 51.8% 16% 51,8% 16% 51.7% 11% Friedman, Gates Carr
A vs C 38.4% 12% 38,4% 12% 44.2% 15% Carr Friedman, Gates
A vs D 35.6% 24% 35,6% 24% 43.1% 16% Carr Friedman, Gates
A vs E 26.6% 21% 26,6% 21% 45.6% 12% Carr Friedman, Gates
17
pekerjaan karena sudah mempunyai banyak pekerjaan, atau pesaing lagi sangat memerlukan pekerjaan.
Kesimpulan
Kesimpulan yang bisa dihasilkan dari hasil dan temuan di atas adalah sebagai berikut:
1. Hasil dari grafik positioning penawaran PT. B, PT. C, dan PT. D tergolong kategori “berat” menandakan bahwa pelelangan competitive karena mark up rata-rata kedua perusahaan tersebut masih diatas sedikit mark up rata-rata PT. A, sedangkan untuk melawan PT. E kemungkinan sangat kecil karena Mark up PT. E dibawah rata-rata mark up PT. A sehingga PT. E termaksud kategori “sangat berat”.
2. Hasil dari ketiga permodelan tersebut jika lawan PT. A yang dihadapi termasud kategori “berat” PT. A bisa menggunakan permodelan yang hasilnya kategori optimis karena kemungkinan menang yang besar untuk bersaing. Jika lawan yang dihadapi PT. A termaksud kategori “ringan” bisa memilih permodelan yang kategori pesimis dan bisa memilih mark up yang keuntungan yang paling besar di antara ketiga permodelan tersebut. 3. Hasil dari ketiga permodelan tersebut untuk PT. A melawan 1 pesaing, PT. A masih
mempunyai kemungkinan menang melawan PT. B sangat besar karena probabilitas menangnya tinggi, untuk PT. C, dan PT. D tergolong berat karena probabilitas menang kecil sedangkan untuk melawan PT. E kemungkinan menang sangat kecil karena probabilitas menangnya sangat kecil walaupun mark up optimumnya besar
Saran
Saran – saran bagi pemakaian dan pengembangan model – model strategi penawaran tender proyek konstruksi di Indonesia:
1. Untuk menambah pengetahuan pesaing, usahakan mencari data-data penawaran kontraktor dari tender-tender terbuka.
2. Usahakan ketelitian dalam perhitungan estimasi biaya proyek agar diperoleh harga penawaran yang mendekati biaya aktual proyek. Demi ketelitian sebaik mungkin, perlu mengkelompokkan data-data penawaran sesuai jenis pekerjaan konstruksi.
3. Apabila diketahui bahwa para pesaing tidak terlalu membutuhkan pekerjaan atau permintaan pasar sedang meningkat, sebaiknya digunakan model strategi penawaran Gates yang menghasilkan maksimum expected profit yang tinggi.
4. Usahakan ketelitian dalam perhitungan estimasi biaya proyek agar diperoleh harga penawaran yang mendekati biaya aktual proyek. Demi ketelitian sebaik mungkin,
18
Daftar Referensi
[1] Achmad, I., and Mikarah, I. (1987). Optimum mark-up for bidding: A preference-uncertainty trade off approach.
[2] Crowley, L. (2000). Friedman and Gates Another look. 126 (4).
[3] Benjamin, N. B. N., and Meador, R. C. (1979). Comparison of Friedman and Gates competitive bidding models. 105 (1).
[4] Carr, R. I. (1982). General Bidding Model (Vol. 108). Journal of the Construction Division, ASCE. [5] Dysert, L. R. (2006). Is “Estimate Accuracy” an Oxymoron? 1.
[6] Batara. (2003). Analisa Persaingan Proses Pelelangan dengan Simulasi Monte Carlo.
[7] Patmadjaja, H. (1999). MODEL STRATEGI PENAWARAN UNTUK PROYEK KONSTRUKSI DI INDONESIA. 1, 1.
[8] Min Liu and Yean Yng Ling. (2005). Modeling a Contractor’s Markup Estimation. Journal of
ConstructionEngineering and Management, 131 (4).
[9] Asiyanto MBA, I. (2010). Construction Project Cost Management. Jakarta: Pradnya Paramita.
[10] Tarranza, N. (1985). An Objective-Compromise Approach Determining The Optimum Mark up of A Bid. [11] Symeon Christodoulou, A. (2004). Optimum Bid Markup Calculation Using Neurofuzzy Systems and
Multidimensional Risk Analysis Algorithm. 18 (4), 2.
