BAB IV
HASIL DAN ANALISIS
Dalam bab ini dibahas proses pengumpulan dan pengolahan data yang berlangsung selama penelitian. Analisis data merupakan bagian terpenting dalam penyusunan Tugas Akhir karena pada bab ini akan diperoleh kesimpulan yang merupakan jawaban dari permasalahan yang dibahas.
Data diperoleh melalui kuesioner kepada responden. Pengisian kuesioner dilakukan oleh sampel dari para pekerja konstruksi yang terlibat dalam pekerjaan struktur di proyek West Vista Apartment Jakarta Barat. Kemudian data dikumpulkan dan dilakukan analisis menggunakan uji validitas dan reliabilitas sehingga didapatkan faktor-faktor yang paling berpengaruh terhadap waste material besi tulangan di proyek tersebut dan seberapa besar pengaruhnya. Dalam proses pengolahan data yang terkumpul, peneliti menggunakan bantuan dari perangkat Microsoft Excel 2007 dan software IBM SPSS v20. Varibel penelitian yang digunakan dalam penelitian ini dapat dilihat pada table 4.1.
Tabel 4.1 Variabel Penelitian beserta Indikatornya
Variabel Variabel Indikator Referensi
Desain
Perubahan desain
Bossink & Brouwers, 1996
Kurang memperhatikan ukuran material yang digunakan Pendetailan gambar yang rumit
Informasi gambar yang kurang
Keterlambatan shopdrawing / gambar kerja Pengalaman Empiris Pelaksanaan Kesalahan yang diakibatkan oleh tenaga kerja Bossink & Brouwers, 1996
IV-2
Tabel 4.1 Variabel Penelitian beserta Indikatornya Lanjutan
Variabel Variabel Indikator Referensi
Pelaksanaan
Peralatan yang tidak berfungsi dengan baik
Bossink & Brouwers, 1996
Penggunaan material yang salah sehingga perlu diganti Jumlah material yang dibutuhkan kurang tepat karena perencanaan yang tidak sempurna
Informasi tipe dan ukuran material yang akan digunakan terlambat disampaikan kepada kontraktor
Kesalahan dalam penggunaan material
Pengukuran dilapangan tidak akurat sehingga terjadi kelebihan volume
Lemahnya pengawasan pekerjaan dari Construction Team
Pengalaman Empiris Lemahnya pengawasan fabrikasi material dari pihak Bar
Bending Schedule Team
Pemanfaatan sisa potongan material yang tidak maksimal, terkait dengan keydate pekerjaan Waste
Material Besi Tulangan
Standart ukuran panjang besi tulangan yang tidak dapat digunakan kembali untuk item pekerjaan lain.
Pengalaman Empiris Sumber : Olahan Penulis
4.1 Tahap Kuesioner
Setelah kuesioner disetujui, kuesioner disebarkan pada responden. Para responden yang terlibat merupakan para pekerja konstruksi yang terlibat secara langsung dalam pembangunan proyek West Vista Apartment Jakarta Barat. Responden / sampel dipilih oleh peneliti secara subyektif karena peneliti telah memahami bahwa informasi yang dibutuhkan dapat diperoleh dari satu kelompok sasaran tertentu. Dalam penelitian hal ini disebut dengan teknik purposive sampling.
Kuesioner diberikan kepada 36 orang responden yang terdiri dari staff dari PT.ACSET Indonusa dan pekerja / tukang besi yang terlibat langsung dalam pekerjaan struktur (pembesian) di proyek West Vista Apartment Jakarta Barat. Berikut adalah data-data responden yang terlibat dalam penelitian ini.
Tabel 4.2 Data Responden
Responden Jabatan Usia Pengalaman
R1 PM 52 28 R2 Project Control 26 5 R3 Engineer 24 2,5 R4 Drawing Checker 22 4 R5 Surveyor 32 8 R6 34 7 R7 Supervisor 26 1 R8 39 14 R9 25 1 R10 Koordinator BBS 41 17 R11 BBS 30 5 R12 25 3 R13 QC 23 1,7 R14 25 1 R15 23 2 R16 27 4 R17 QS 23 1,8 R18 26 2 R19 Tukang Besi 19 3 R20 35 10 R21 28 4 R22 22 1,5 R23 45 20 R24 42 21
R25 Wakil Mandor Besi 28 10
R26 Tukang Besi 46 18 R27 20 1,7 R28 53 5 R29 20 1,7 R30 21 1,3 R31 24 3 R32 25 2 R33 27 3 R34 35 12 R35 24 3 R36 50 5
IV-4
4.2 Hasil Tabulasi Data Kuesioner Pengaruh Desain & Pelaksanaan Terhadap
Waste Material Besi Tulangan
Hasil tabulasi data kuesioner yang diberikan kepada responden tentang pengaruh desain dan pelaksanaan terhadap waste besi tulangan di proyek West Vista Apartment dapat dilihat pada lampiran 1, hasil tersebut merupakan data ordinal. Data ordinial merupakan data kualitatif. Angka hanya merupakan simbol dan tidak memiliki jenjang/tingakatan. Karena tidak mengekpresikan jumlah maka angka tersebut tidak dapat dioperasikan ke dalam bentuk persamaan matematika (Kurniawan, 2009).
Agar data kuesioner dapat dihitung melalui operasi matematika dan menjadikan pengujian ini sebagai pengujian parametrik, maka data ordinal tersebut harus diolah menjadi data interval. Data interval yaitu data yang mempunyai inverval tetap dalam bentuk bilangan kuantitatif. Dengan data ini peneliti mampu melihat besarnya perbedaan antara satu individu atau obyek lainnya. Data ini benar-benar angka yang bisa digunakan dalam operasi matematika (Sawono, 2012). Data interval dari kuesioner ini dapat dilihat pada lampiran 2.
4.3 Uji Validitas dan Uji Reliabilitas
Uji validitas dan reliabilitas instrumen merupakan suatu proses untuk menilai valid atau tidaknya data pada kuesioner. Hasil penelitian bias dipercaya apabila datanya diukur dengan menggunakan alat ukur atau instrumen yang valid dan reliabel.
Pengujian validitas dan reliabilitas dimulai dengan menguji validitas terlebih dahulu. Pengujian ini dilakukan dengan menggunakan IBM SPSS v20. Instrumen penelitian dikatakan valid apabila nilai Sig (2-tailed) < 0,05 dan nilai korelasinya > nilai r tabel. Dengan menggunakan uji dua arah dengan tingkat signifikansi 5 % (taraf kepercayaan 95 %) dan jumlah responden (N) = 36, memiliki derajat bebas atau degree of freedom (df) = N-2 = 36-2 = 34. Maka dengan df = 34 dan signifikansi 5% = 0,05 didapatkan nilai r tabel = 0,329.
Tabel 4.3 Data Distribusi Nilai r
DF=N-2
Tingkat Signifikansi untuk Uji Satu Arah
0.05 0.025 0.01 0.005 0.0005
Tingkat Signifikansi untuk Uji Dua Arah
0.1 0.05 0.02 0.01 0.001 1 0.9877 0.9969 0.9995 0.9999 1.0000 2 0.9000 0.9500 0.9800 0.9900 0.9990 3 0.8054 0.8783 0.9343 0.9587 0.9911 4 0.7293 0.8114 0.8822 0.9172 0.9741 5 0.6694 0.7545 0.8329 0.8745 0.9509 6 0.6215 0.7067 0.7887 0.8343 0.9249 7 0.5822 0.6664 0.7498 0.7977 0.8983 8 0.5494 0.6319 0.7155 0.7646 0.8721 9 0.5214 0.6021 0.6851 0.7348 0.8470 10 0.4973 0.5760 0.6581 0.7079 0.8233 11 0.4762 0.5529 0.6339 0.6835 0.8010 12 0.4575 0.5324 0.6120 0.6614 0.7800 13 0.4409 0.5140 0.5923 0.6411 0.7604 14 0.4259 0.4973 0.5742 0.6226 0.7419 15 0.4124 0.4821 0.5577 0.6055 0.7247 16 0.4000 0.4683 0.5425 0.5897 0.7084
IV-6
Tabel 4.3 Data Distribusi Nilai r Lanjutan
DF=N-2
Tingkat Signifikansi untuk Uji Satu Arah
0.05 0.025 0.01 0.005 0.0005
Tingkat Signifikansi untuk Uji Dua Arah
0.1 0.05 0.02 0.01 0.001 17 0.3887 0.4555 0.5285 0.5751 0.6932 18 0.3783 0.4438 0.5155 0.5614 0.6788 19 0.3687 0.4329 0.5034 0.5487 0.6652 20 0.3598 0.4227 0.4921 0.5368 0.6524 21 0.3515 0.4132 0.4815 0.5256 0.6402 22 0.3438 0.4044 0.4716 0.5151 0.6287 23 0.3365 0.3961 0.4622 0.5052 0.6178 24 0.3297 0.3882 0.4534 0.4958 0.6074 25 0.3233 0.3809 0.4451 0.4869 0.5974 26 0.3172 0.3739 0.4372 0.4785 0.5880 27 0.3115 0.3673 0.4297 0.4705 0.5790 28 0.3061 0.3610 0.4226 0.4629 0.5703 29 0.3009 0.3550 0.4158 0.4556 0.5620 30 0.2960 0.3494 0.4093 0.4487 0.5541 31 0.2913 0.3440 0.4032 0.4421 0.5465 32 0.2869 0.3388 0.3972 0.4357 0.5392 33 0.2826 0.3338 0.3916 0.4296 0.5322 34 0.2785 0.3291 0.3862 0.4238 0.5254 35 0.2746 0.3246 0.3810 0.4182 0.5189 Sumber: SPSSIndonesia.com/2014
Tabel 4.4 Hasil Uji Validitas Variabel X1
Variabel X1 (Desain) Nilai Nilai r Tabel Kesimpulan
x1.1 Pearson Correlation ,520** 0,329 VALID Sig. (2-tailed) ,001 x1.2 Pearson Correlation ,635** 0,329 VALID Sig. (2-tailed) ,000 x1.3 Pearson Correlation ,549** 0,329 VALID Sig. (2-tailed) ,001 x1.4 Pearson Correlation ,719** 0,329 VALID Sig. (2-tailed) ,000 x1.5 Pearson Correlation ,624** 0,329 VALID Sig. (2-tailed) ,000 x1.6 Pearson Correlation ,749** 0,329 VALID Sig. (2-tailed) ,000
Tabel 4.4 Hasil Uji Validitas Variabel X1 Lanjutan
Variabel X1 (Desain) Nilai Nilai r Tabel Kesimpulan
x1.7 Pearson Correlation ,793** 0,329 VALID
Sig. (2-tailed) ,000
N 36
Sumber: Olahan Penulis/2017
Tabel 4.5 Hasil Uji Validitas Variabel X2
Variabel X2 (Pelaksanaan) Nilai Nilai r Tabel Kesimpulan
X2.1 Pearson Correlation ,684** 0,329 VALID Sig. (2-tailed) ,000 X2.2 Pearson Correlation ,645** 0,329 VALID Sig. (2-tailed) ,000 X2.3 Pearson Correlation ,630** 0,329 VALID Sig. (2-tailed) ,000 X2.4 Pearson Correlation ,534** 0,329 VALID Sig. (2-tailed) ,001 X2.5 Pearson Correlation ,592** 0,329 VALID Sig. (2-tailed) ,000 X2.6 Pearson Correlation ,687** 0,329 VALID Sig. (2-tailed) ,000 X2.7 Pearson Correlation ,712** 0,329 VALID Sig. (2-tailed) ,000 X2.8 Pearson Correlation ,548** 0,329 VALID Sig. (2-tailed) ,001 X2.9 Pearson Correlation ,682** 0,329 VALID Sig. (2-tailed) ,000 X2.10 Pearson Correlation ,660** 0,329 VALID Sig. (2-tailed) ,000 x2.11 Pearson Correlation ,547** 0,329 VALID Sig. (2-tailed) ,001 x2.12 Pearson Correlation ,528** 0,329 VALID Sig. (2-tailed) ,001 N 36
Sumber: Olahan Penulis/2017
Tabel 4.6 Hasil Uji Validitas Variabel Y
Variabel Y (Waste) Nilai Nilai r Tabel Kesimpulan
y1 Pearson Correlation ,654** 0,329 VALID Sig. (2-tailed) ,000 y2 Pearson Correlation ,623** 0,329 VALID Sig. (2-tailed) ,000 y3 Pearson Correlation ,681** 0,329 VALID Sig. (2-tailed) ,000
IV-8
Tabel 4.6 Hasil Uji Validitas Variabel Y Lanjutan
Variabel Y (Waste) Nilai Nilai r Tabel Kesimpulan
y4 Pearson Correlation ,576** 0,329 VALID Sig. (2-tailed) ,000 y5 Pearson Correlation ,535** 0,329 VALID Sig. (2-tailed) ,001 y6 Pearson Correlation ,737** 0,329 VALID Sig. (2-tailed) ,000 y7 Pearson Correlation ,608** 0,329 VALID Sig. (2-tailed) ,000 y8 Pearson Correlation ,626** 0,329 VALID Sig. (2-tailed) ,000 y9 Pearson Correlation ,622** 0,329 VALID Sig. (2-tailed) ,000
y10 Pearson Correlation ,732**
0,329 VALID
Sig. (2-tailed) ,000
y11 Pearson Correlation ,671**
0,329 VALID
Sig. (2-tailed) ,000
y12 Pearson Correlation ,733**
0,329 VALID
Sig. (2-tailed) ,000
y13 Pearson Correlation ,590**
0,329 VALID
Sig. (2-tailed) ,000
y14 Pearson Correlation ,631**
0,329 VALID
Sig. (2-tailed) ,000
N 36
Sumber: Olahan Penulis/2017
Berdasarkan pada hasil pengujian tersebut, seluruh variabel indikator dinyatakan valid karena nilai Sig (2-tailed) < 0,05 dan nilai Pearson Correlation > nilai r tabel. Menurut Sugiyono (2007), pedoman untuk memberikan interpretasi koefisien korelasi adalah 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
Dan sesuai dengan hasil pengujian, maka diperoleh korelasi antar variabel sebagai berikut.
Tabel 4.7 Korelasi Antara Variabel Bebas dan Terikat Variabel Correlation Pearson Pengaruh Nilai Variabel X1 (Desain) x1.7 ,793** Kuat x1.6 ,749** Kuat x1.4 ,719** Kuat x1.2 ,635** Kuat x1.5 ,624** Kuat x1.3 ,549** Sedang x1.1 ,520** Sedang Variabel X2 (Pelaksanaan) X2.7 ,712** Kuat X2.6 ,687** Kuat X2.1 ,684** Kuat X2.9 ,682** Kuat X2.10 ,660** Kuat X2.2 ,645** Kuat X2.3 ,630** Kuat X2.5 ,592** Sedang X2.8 ,548** Sedang X2.11 ,547** Sedang X2.4 ,534** Sedang X2.12 ,528** Sedang
Sumber: Olahan Penulis/2017
Setelah seluruh variabel indikator dinilai valid, selanjutnya dilakukan uji reabilitas. Reliabilitas adalah suatu ukuran yang digunakan untuk menunjukkan sejauh mana alat ukur menghasilkan pengukuran yang sama atau konsisten apabila pengukuran dilakukan berulang-ulang dengan alat ukur yang sama. Ketentuannya adalah sebagai berikut :
a. Nilai Alpha Cronbach < 0.6, menunjukkan bahwa instrument penelitian tidak realiabel untuk mengukur variabel penelitian.
IV-10 b. Nilai Alpha Cronbach > 0.6, menunjukkan bahwa instrument penelitian realiabel
untuk mengukur variabel penelitian.
Tabel 4.8 Hasil Uji Reliabilitas Variabel X1 (Desain) Reliability Statistics
Cronbach's Alpha N of Items
,778 7
Sumber: Olahan Penulis/2017
Tabel 4.9 Hasil Uji Reliabilitas Variabel X2 (Pelaksanaan) Reliability Statistics
Cronbach's Alpha N of Items
,855 12
Sumber: Olahan Penulis/2017
Tabel 4.10 Hasil Uji Reliabilitas Variabel Y (Waste) Reliability Statistics
Cronbach's Alpha N of Items
,891 14
Sumber: Olahan Penulis/2017
Pengujian reabilitas pada semua variabel dinyatakan reliabel karena nilai Cronbach’s Alpha pada masing-masing variabel > 0,6.
4.4 Uji Asumsi Klasik
1. Uji Multikolinearitas
Uji ini dilakukan untuk mengetahui apakah ada korelasi antar variabel bebas. Karena jika terjadi korelasi diantara variabel bebas (terjadi multikolinearitas) maka variabel tersebut tidak orthogonal, yaitu variabel bebas yang nilai korelasi antar sesamanya adalah sama dengan nol. Syaratnya adalah Nilai Tolerance < 1 dan Nilai VIF antara < 10.
Tabel 4.11 Hasil Uji Multikolinearitas
Model Collinearity Statistics
Tolerance VIF
1 (Constant)
Desain ,512 1,954
Pelaksanaan ,512 1,954
Sumber: Olahan Penulis/2017
2. Uji Homogenitas
Uji homogenitas dilakukan untuk mengetahui apakah beberapa varian populasi adalah sama atau tidak. Uji ini dilakukan sebagai prasyarat dalam analisis independent sampel t test dan ANOVA. Asumsi yang mendasari dalam analisis varian (ANOVA) adalah bahwa varian dari populasi adalah sama.
Gambar 4.1 Hasil Uji Homogenitas
Dari Gambar terlihat bahwa titik-titik menyebar secara acak tidak membentuk pola tertentu yang jelas, seperti bergelombang, melebar kemudian menyempit. Selain itu
IV-12 titik-titik tersebut menyebar diatas dan dibawah angka pada sumbu Y, maka dapat disimpulkan bahwa data adalah homogen.
3. Uji Normalitas
Uji normalitas digunakan untuk menjelaskan jenis distribusi dari sebuah data. Metode regresi linier mengharuskan residual model terdistribusi normal. Syarat normalitas yaitu jika titik-titiknya menyebar dan disekitar garis diagonal serta penyebarannyapun mengikuti arah garis diagonal, seperti pada hasil pengujian normalitas dibawah ini.
Gambar 4.2 Hasil Uji Normalitas
Dengan adanya titik-titik yang menyebar dan disekitar garis diagonal serta penyebarannyapun mengikuti arah garis diagonal. Hal tersebut membuktikan bahwa model regresinya telah memenuhi asumsi normalitas.
4.5 Uji Regresi Linear Berganda
1. Untuk Variabel X1 (Desain)Terhadap Variabel Y
Tabel 4.12 Tabel Coefficientsa X1 dan Y
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 4,654 ,400 11,643 ,000 Desain -,625 ,130 -,635 -4,794 ,000
Sumber: Olahan Penulis/2017
Pada output ketiga kolom Coefficientsa diperoleh nilai konstanta sebesar 4,654 artinya
jika nilai variabel independent (bebas) nol maka nilai variabel depend (terikat) sebesar 4,654. Sehingga model persamaan regresi gandanya adalah Y = 4,654 – 0,625 X1. Nilai koefisien negativ 0,625 pada X1 menyatakan pengaruh negatif variabel independennya (desain) .
2. Untuk Variabel X2 (Pelaksanaan)Terhadap Variabel Y
Tabel 4.13 Tabel Coefficientsa X2 dan Y
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 4,539 ,380 11,949 ,000 Pelaksanaan -,649 ,137 -,631 -4,747 ,000
Sumber: Olahan Penulis/2017
Pada output ketiga kolom Coefficientsa diperoleh nilai konstanta sebesar 4,539 artinya
jika nilai variabel independent (bebas) nol maka nilai variabel depend (terikat) sebesar 4,539. Sehingga model persamaan regresi gandanya adalah Y = 4,539 – 0,649 X2. Nilai koefisien negativ 0,649 pada X2 menyatakan pengaruh negatif variabel independennya (desain) .
IV-14
3. Untuk Variabel X1 dan X2 Terhadap Variabel Y
Tabel 4.14 Tabel Coefficientsa X1 dan X2 Terhadap Y
Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 4,920 ,403 12,220 ,000 Desain -,373 ,174 -,379 -2,143 ,040 Pelaksanaan -,377 ,182 -,367 -2,073 ,046
Sumber: Olahan Penulis/2017
Pada output ketiga kolom Coefficientsa diperoleh nilai konstanta sebesar 4,920 artinya
jika nilai variabel independent (bebas) nol maka nilai variabel depend (terikat) sebesar 4,920. Sehingga model persamaan regresi gandanya adalah Y = 4,920 – 0,373 X1– 0,377 X2. Nilai koefisien negativ 0,373 pada X1 dan 0,377 pada X2, menyatakan pengaruh negativ variabel independennya (desain dan pelaksanaan) . Jika variabel desain meningkat 1 poin, maka waste besi tulangan akan semakin turun. Semakin besar nilai koefisien variabel X1 dan X2 berarti semakin rendah pengaruhnya terhadap jumlah waste besi tulangan di proyek West Vista Apartment.
4.6 Uji Hipotesis F
1. Untuk Variabel X1 (Desain)Terhadap Variabel Y
Tabel 4.15 Hasil Uji Hipotesis F Variabel X1 Terhadap Variabel Y
ANOVAa
Model Sum of
Squares
df Mean Square F Sig.
1
Regression 5,462 1 5,462 22,979 ,000b
Residual 8,081 34 ,238
Total 13,543 35
a. Dependent Variable: Waste b. Predictors: (Constant), Desain
Dari pengujian ANOVA dihasilkan nilai Sig. = 0,000. Karena nilai Sig < α = 0,05 maka koefisien korelasi yang dihasilkan adalah signifikan.
2. Untuk Variabel X2 (Pelaksanaan)Terhadap Variabel Y
Tabel 4.16 Hasil Uji Hipotesis F Variabel X2 Terhadap Variabel Y ANOVAa
Model Sum of
Squares
df Mean Square F Sig.
1
Regression 5,398 1 5,398 22,531 ,000b
Residual 8,145 34 ,240
Total 13,543 35
a. Dependent Variable: Waste b. Predictors: (Constant), Pelaksanaan
Dari pengujian ANOVA dihasilkan nilai Sig. = 0,000. Karena nilai Sig < α = 0,05 maka koefisien korelasi yang dihasilkan adalah signifikan.
3. Untuk Variabel X1 dan X2 Terhadap Variabel Y
Tabel 4.17 Hasil Uji Hipotesis F Variabel X Terhadap Variabel Y
ANOVAa Model Sum of Squares df Mean Square F Sig. 1 Regression 6,393 2 3,196 14,753 ,000b Residual 7,150 33 ,217 Total 13,543 35
a. Dependent Variable: Waste
b. Predictors: (Constant), Pelaksanaan, Desain
Uji hipotesis F dilakukan untuk menguji koefisien korelasi yang dihasilkan apakah signifikan atau tidak. Dari pengujian ANOVA dihasilkan nilai Sig. = 0,000. Kriteria uji ANOVA adalah jika nilai Sig < α = 0,05 maka koefisien korelasi yang dihasilkan signifikan. Dari hasil tabel tersebut nilai Sig. = 0,000 < 0,05 berarti korelasi yang
IV-16 dihasilkan signifikan. Maka H0 ditolak dan Ha diterima, ini berarti secara bersama-sama
(simultan) variabel bebas X1 dan X2 berpengaruh signifikan terhadap variabel terikat (Y).
4.7 Uji Hipotesis T
Uji T digunakan untuk menguji secara parsial masing-masing variabel. Hasil uji T dapat dilihat pada tabel coefficients pada kolom sig (significance). Dilihat dari tabel 4.12 bahwa nilai signifikan (sig) = 0,000 < 0,05 pada variabel X1 yang artinya variabel X1 berpengaruh terhadap variabel Y.
Untuk uji hipotesis T dari variabel X2 terhadap Y nilai signifikan (sig) = 0,000 < 0,05 dapat dilihat pada tabel 4.13. Karena nilainya < nilai α maka variabel X2 berpengaruh terhadap variabel Y. Dan uji hipotesis T dari variabel X1 dan X2 terhadap Y ada pada tabel 4.16 dengan nilai signifikan (sig) = 0,040 < 0,05 pada variabel X1 dan nilai signifikan (sig) = 0,046 < 0,05 pada variabel X2.
Karena semua signifikan (sig) memenuhi syarat < nilai α, maka H0 ditolak dan Ha
diterima, yang berarti variabel bebas X1 dan X2 (desain dan pelaksanaan) berpengaruh terhadap variabel Y.
4.8 Koefisien Determinasi
Hasil perhitungan koefisien determinasi / Adjusted R2 dapat dilihat pada Model
Tabel 4.18 Hasil Koefisen Determinasi Variabel X1 Terhadap Variabel Y
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 ,635a ,403 ,386 ,48753
a. Predictors: (Constant), Desain b. Dependent Variable: Waste
Tabel 4.19 Hasil Koefisen Determinasi Variabel X2 Terhadap Variabel Y
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 ,631a ,399 ,381 ,48946
a. Predictors: (Constant), Pelaksanaan b. Dependent Variable: Waste
Tabel 4.20 Hasil Koefisen Determinasi Variabel X1 dan X2 Terhadap Variabel Y
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 ,687a ,472 ,440 ,46547
a. Predictors: (Constant), Pelaksanaan, Desain b. Dependent Variable: Waste
Dari tabel-tabel tersebut, pada Model Summary variabel X1 terhadap variabel Y diperoleh nilai koefisien korelasi/determinasi R sebesar 0,635 dan nilai R Square 0,403 yang artinya besarnya pengaruh variabel X1 terhadap Y adalah 40,3 % . Dan besarnya
pengaruh X2 terhadap Y adalah 39,9 %, dilihat dari nilai R Square pada tabel 4.19.
Sedangkan nilai R Square pada tabel 4.20 menunjukkan bahwa variabel bebas (X1 dan
X2) memiliki pengaruh kontribusi sebesar 47,2% terhadap variabel terikat (Y).
Sedangkan sisanya sebesar 52,8 % dipengaruhi oleh variabel lain yang tidak disebutkan pada model penelitian ini.
IV-18
4.9 Solusi untuk Meminimalisir Waste Material Besi Tulangan
Proyek konstruksi tidak bisa lepas dari yang namanya waste, karenanya yang bisa dilakukan adalah meminimalisir nya. Berdasarkan review jurnal dan hasil wawancara, berikut adalah beberapa hal yang harus diperhatikan untuk dapat meminimalisir waste material besi tulangan :
1. Man Power
a. Meningkatkan kualitas pekerja ataupun karyawan
b. Meningkatkan kemampuan leadership, pengawasan dan pengecekan pekerjaan c. Meningkatkan ketelitian dan motivasi dalam bekerja
d. Memperbaiki dan meningkatkan komunikasi antar divisi dalam proyek 2. Method
a. Meningkatkan keakuratan BBS (Bar Bending Schedule)
b. Memperhatikan metode penyambungan tulangnnya / meningkatkan pemahaman terhadap standartdetail penulalangan yang ada
c. Mengajukan konversi besi tulangan terkait dengan ketersediaan material 3. Mechine
Melakukan perawatan secara berkala untuk mesin cutter dan bending, untuk menghindari adanya ketidaktepatan ukuran pada mesin tersebut.
4. Material
Material disesuaikan dengan kebutuhan desain bangunan. Material bisa dipesan khusus ke pabrik atau sering disebut dengan material cut to length, panjang 13 m atau 9m dll.
5. Lingkungan
b. Lebih memperhatikan cuaca saat pengorderan material, karena saat cuaca hujan besi akan lebih cepat korosi. Jadi sampai tumpukan material dilapangan sudah banyak dan perkerjaan ditolak oleh tim pengawas.