BAB IV ANALISIS DAN PEMBAHASAN

(1)

BAB IV

ANALISIS DAN PEMBAHASAN

Bab ini menjelaskan tentang analisa dan pengolahan data hasil kuisioner utama yang telah mendapat tanggapan dari responden / tim proyek yang ada di lapangan dengan melakukan pengisian kuisioner. Hasil dari tanggapan oleh pakar yang sudah divalidasi kemudian dilakukan eliminir, untuk variabel yang tidak dieliminir menjadi variabel yang akan di jadikan dasar dari kuesioner utama. Dari hasil kuesioner lalu dilakukan uji intrumen menggunakan SPSS dan analisis berdasarkan PMBOK untuk melihat risiko dominan pada proyek Bhuvana Resort Ciawi. Dari hasil temuan risiko dominan kemudian diberikan respon risiko berdasarkan saran dari pakar untuk menanggulangi risiko dominan pada proyek Bhuvana Resort Ciawi.

4.1 Kuesioner Tahap Pertama

Pada fase pengisian kuesioner tahap pertama adalah kuesioner terhadap para pakar pada proyek Bhuvana Resort Ciawi. Yang menjadi pakar adalah para pimpinan proyek Bhuvana Resort Ciawi yang sudah terlibat di dunia konstruksi gedung dengan pengalaman minimal 10 tahun. Tujuan dari pelaksanaan kuesioner tahap pertama adalah untuk melihat tanggapan pakar mengenai variabel yang ditemukan peneliti melalui studi literatur. Para pakar memberi komentar dan masukan mengenai variabel dari literatur agar relevan dan dapat digunakan untuk penelitian yang akan digunakan. Berikut ini adalah data pakar pada kuesioner tahap pertama :

Tabel 4.1 Data Pakar

No Jabatan Pendidikan Pengalaman Kerja (Tahun)

1 Project Manager S1 10

(2)

No Jabatan Pendidikan Pengalaman Kerja (Tahun)

3 Kordinator Project Manager S1 13

Sumber : Hasil Olahan Penulis

Dalam tahap ini para pakar memberikan tanggapan, perbaikan beserta masukan terhadap 49 variabel penelitian yang diajukan oleh penulis. Setelah kuesioner terkumpul, lalu dilakukan perbaikan atas yakni variabel yang tidak disetujui oleh pakar akan dibuang dan tidak dipergunakan pada pengumpulan data tahap kedua yaitu survey kuesioner tahap kedua kepada responden yakni jajaran staf kontrakrot yang bekerja di proyek Bhuvana Resort Ciawi. Berikut adalah tabel validasi pakar faktor risiko pada tahap pelaksanaan proyek konstruksi yang berpengaruh kepada kinerja waktu penyelesaian proyek Bhuvana Resort Ciawi

Tabel 4.2 Hasil Kuesioner Tahap Pertama Variabel X

No

Kategori Sumber Risiko

Simbol

Indikator Risiko Yang Mempengaruhi Keterlambatan Pelaksanaan Proyek konsruksi Pakar 1 Pakar 2 Pakar 3 Kesimpulan 1 Alam & Lingkungan X1

Kejadian tidak terduga (banjir, gempa bumi, dan

lain–lain) x x x Tidak

X2 Kondisi tanah yang tak

terduga _x _x _x

Tidak

X3 Cuaca yang sangat buruk

√ √ √ Ya

X4 Demonstrasi / huru hara di sekitar lokasi proyek

√ x √ Ya

X5 Timbulnya kemacetan di sekitar lokasi proyek

√ √ √ Ya

X6 Gangguan keamanan di lokasi

proyek _x _x _x

Tidak

X7 Kerusakan pada fasilitas

transportasi disekitar _x _x _√

Tidak

X8

Terjadi perusakan dan sabotase

(3)

Lanjutan tabel 4.2 No Kategori Sumber Risiko Simbol

Indikator Risiko Yang Mempengaruhi Keterlambatan Pelaksanaan Proyek konsruksi Pakar 1 Pakar 2 Pakar 3 Kesimpulan 2 Alat & Bahan

X9 Mutu Material Tidak Sesuai Dengan Spesifikasi.

√ √ √ Ya

X10

Kenaikan harga material bahan

bangunan √ √ √

Ya

X11

Material yang di gunakan kurang dari yang

di butuhkan. _√ _√ _√ Ya X12 Penumpukan material di lokasi proyek. x √ √ Ya X13

Ketidak tepatan waktu pemesanan

bahan. _√ _√ _√

Ya X14 Kekurangan bahan konstruksi.

√ √ √ Ya

X15 Mutu peralatan yang di gunakan kurang baik.

√ √ √ Ya

X16 Alat yang di gunakan tidak sesuai dengan spesifikasi.

√ √ √ Ya X17 Kerusakan alat. √ √ √ Ya 3 Sumber Daya Manusia X18

Keahlian dan sumber daya yang tidak cukup untuk melaksanakan desain

spesifikasi. √ √ √ Ya

X19

Menempatkan tenaga kerja yang kurang

berpengalaman di bidangnya. _√ _√ _√

Ya X20 Kekurangan tenaga kerja.

√ √ √ Ya

X21 Jumlah peralatan kurang dari yang dibutuhkan.

√ √ √ Ya

X22

Produktifitas tenaga kerja yang rendah

√ √ √ Ya

X23 Kenaikan harga tenaga kerja yang tidak diharapkan

(4)

No

Simbol

Indikator Risiko Yang Mempengaruhi Keterlambatan Pelaksanaan Proyek konsruksi Pakar 1 Pakar 2 Pakar 3 Kesimpulan

X24 Kepindahan pekerja senior

yang potensial _x _x _x Tidak 4 Metode & Manajemen X25 Melakukan perubahan terhadap desain. √ √ √ Ya

X26 Schedule pelaksanaan tidak sesuai yang di rencanakan.

√ √ Ya

X27 Metode pelaksanaan pekerjaan tidak tepat.

√ √ √ Ya

X28 Metode pengoperasian alat

tidak tepat. _x _x _√

Tidak

X29 Kesalahan estimasi waktu

x √ √ Ya

X30 Kurangnya kontrol dan koordinasi dalam tim

√ √ √ Ya

X31 Tingkat disiplin manajemen yang rendah

√ √ √ Ya

X32

Adanya konflik internal dalam jajaran manajemen

proyek √ x x Tidak

X33 Kesalahan desain

√ √ √ Ya

X34 Kesalahan dalam perhitungan struktur dan analisa

√ √ x Ya

X35 Pengujian beton yang tidak

benar _x _x _√

Tidak

X36 Peraturan safety yang tidak dilaksanakan di lapangan

√ √ √ Ya

X37 Kesukaran dalam pemasangan

tiang pancang _√ _x _x Tidak X38 perubahan jadwal pelaksanaan pekerjaan √ √ x Ya X39 Kesulitan pemasangan bekisting dan perancah di

ketinggian _√ _√ _√

Ya X40 Penyetelan dan Perakitan besi

(5)

No

Simbol

Indikator Risiko Yang Mempengaruhi Keterlambatan Pelaksanaan Proyek konsruksi Pakar 1 Pakar 2 Pakar 3 Kesimpulan Ya

X41 Ketidak jelasan pasal-pasal

dalam kontrak _x _x _x

Tidak

X42 Pasal-pasal dalam kontrak yang kurang lengkap

x √ √ Ya

X43

Perbedaan intersepsi spesifikasi antara owner dan

kontraktor _√ _√ _√ Ya X44 Dokumen-dokumen yang tidak lengkap _x _√ _x Tidak X45 Keterlambatan pembayaran oleh owner x √ √ Ya

X46 Pemutusan kerja sepihak oleh

owner _x _x _√

Tidak

X47 Perselisihan antara owner dan

kontraktor _x _x _x

Tidak

X48

Keterlambatan pembayaran pada sub-kon melalui

kontraktor utama _x _√ _√

Ya X49

Kegagalan realisasi peminjaman untuk

pembiayaan proyek x √ x Tidk

Tabel 4.3 Hasil Kuesioner Tahap Pertama Variabel Y

Skal a Penilaian Keterangan Pakar 1 Pakar 2 Pakar 3 Kesimpulan

1 Buruk Terlambat > -16% atau terlambat dari skedul lebih dari 8 minggu

√ √ √ Ya

2 Sedikit Terlambat

Terlambat antara 8% sampai -16% atau terlambat dari skedul antara 4 minggu sampai 8 minggu

√ √ √ Ya

3 Rata - rata

Terlambat < -8% atau terlambat 4 minggu atau kurang dari 4 minggu dari skedul

√ √ √ Ya

4 Agak Baik

Lebih cepat antara 0% - 4% atau tepat waktu sampai lebih cepat 2 minggu dari skedul

(6)

Skal a Penilaian Keterangan Pakar 1 Pakar 2 Pakar 3 Kesimpulan

5 Baik Lebih cepat > 4% atau lebih cepat lebih dari 2 minggu

√ √ √ Ya

Sehingga dari rekapitulasi tersebut terdapat 15 variabel yang di eliminasi menurut para pakar dan tidak masuk dalam penyebaran kuesioner tahap dua. Berikut adalah penjelasan variabel yang di hilangkan sesuai validasi pakar :

Tabel 4.4 Rekapitulasi Validasi Terkait Konten (faktor risiko yang dihilangkan)

Simbol

Indikator Risiko Yang Mempengaruhi Keterlambatan

Pelaksanaan Proyek konsruksi Keterangan

X1 Kejadian tidak terduga (banjir, gempa bumi, dan lain–lain)

Lokasi proyek termasuk daerah dataran yang cukup tinggi dari permukaan laut dan tidak pernah terjadi banjir

X2 Kondisi tanah yang tak terduga Tidak signifikan karena kondisi _{tanah cukup stabil}

X6 Gangguan keamanan di lokasi proyek

Lokasi aman dan kinerja security serta keamanan cukup optimal

X7 Kerusakan pada fasilitas transportasi disekitar

Tidak berpengaruh signifikan

X8 Terjadi perusakan dan sabotase Tidak pernah terjadi sabotase atau _{perusakan secara sengaja}

X24 Kepindahan pekerja senior yang potensial

X28 Metode pengoperasian alat tidak tepat.

Operator alat cukup berpengalaman

X32 Adanya konflik internal dalam jajaran manajemen proyek

Tidak signifikan dan mudah diatasi

X35 Pengujian beton yang tidak benar Pengujian dilakukan sesuai dengan _{prosedur yang berlaku}

X37 Kesukaran dalam pemasangan tiang pancang

Tidak terjadi kesukaran pemasangan tiang pancang, karena kondisi tanah cukup stabil X41 Ketidak jelasan pasal-pasal dalam

kontrak

Kontrak cukup jelas

X44 Dokumen-dokumen yang tidak lengkap

X46 Pemutusan kerja sepihak oleh owner

Sudah ada pasal yang menjelaskan dalam kontrak

X47 Perselisihan antara owner dan kontraktor

(7)

Simbol

Indikator Risiko Yang Mempengaruhi Keterlambatan

Pelaksanaan Proyek konsruksi Keterangan X49 Kegagalan realisasi peminjaman

untuk pembiayaan proyek

4.2 Kuesioner Tahap Dua

Setelah dilakukan penyesuaian dengan hasil validasi terhadap para pakar, maka dilakukan pengumpulan data tahap kedua. Dimana pada tahap ini, pengumpulan data dilakukan dengan memberikan atau menyebarkan angket kuesioner kepada 30 orang responden. Angket kuesioner dapat dilihat pada lampiran penelitian ini.

Responden dalam penelitian ini adalah pihak-pihak yang bekerja di kontraktor PT.Abadi Prima Inti Karya selaku kontraktor utama proyek Bhuvana Resort Ciawi. Sehingga dapat diperoleh bagaimana penilaian frekuensi dan dampak dari risiko kinerja waktu pada pekerjaan pelaksanaan proyek Bhuvana Resort Ciawi. Tabel berikut akan menguraikan profil para responden.

Tabel 4.5 Data Responden

Responden Jabatan Pengalaman Pendidikan

R1 Mekanik 15 SMK R2 Site Manager 10 S1 R3 Drafter 5 SMK R4 Staf HSE 8 SMK R5 Quantity Surveyor 3 S1 R6 Pelaksana 6 SMK R7 Surveyor 5 SMK R8 Surveyor 3 SMK R9 Head of Procurement 5 S1 R10 Site Engineer 7 S1 R11 Staf HSE 14 SMK

R12 Chief Quantity Surveyor 3 S1

(8)

Lanjutan tabel 4.5

Responden Jabatan Pengalaman Pendidikan

R14 Kepala Gudang 15 D3 R15 Drafter 5 S1 R16 Keuangan 14 D3 R17 Quality Control 3 S1 R18 Chief Drafter 4 S1 R19 Kepala Surveyor 4 S1 R20 Cost Control 3 S1 R21 Pelaksana 4 SMK R22 Admin 7 D3 R23 Quality Control 4 S1 R24 Admin Gudang 1 S1 R25 Mekanik 10 SMK R26 Manager of HSE 5 S1

R27 General Super Intendent 11 D3

R28 Surveyor 5 D3

R29 Ass. GSI 11 SMK

R30 Site Officer Engineer 5 S1

Responden di atas diminta untuk mengisi tingkat frekuensi suatu peristiwa dan dampaknya terhadap waktu pelaksanaan konstruksi proyek Bhuvana Resort Ciawi. Tabulasi data responden kuisioner tahap kedua terlampir.

4.3 Analisis Deskriptif

Analisis ini memiliki kegunaan untuk menyajikan karakteristik tertentu suatu data dari sampel tertentu. Analisis ini memungkinkan peneliti mengetahui secara cepat gambaran sekilas dan ringkas dari data yang didapa (Galuh, 2013).

Dengan bantuan program SPSS versi 24, didapat nilai mean, median, mode. Melalui analisis statitistik deskriptif akan diperoleh gambaran sekilas mengenai faktor risiko yang memiliki skala tertinggi pada proyek yang dilihat dari nilai modus tertinggi.

(9)

Hasil analisis deskriptif akan disajikan dalam masing-masing variabel. Berikut ini adalah tabulasi hasil analisis deskriptif variabel X untuk penilaian frekuensi risiko dan dampak risiko terhadap waktu.

Tabel 4.6 Analisis Deskriptif Frekuensi

Variabel N Mean Median Mode

Valid Missing X1 30 1 4,40 5 5 X2 30 1 2,20 2 2 X3 30 1 4,63 5 5 X4 30 1 2,73 3 3 X5 30 1 2,90 3 3 X6 30 1 3,87 4 4 X7 30 1 3,87 4 4 X8 30 1 3,93 4 4 X9 30 1 2,77 3 3 X10 30 1 3,87 4 4 X11 30 1 2,20 2 2 X12 30 1 3,87 4 4 X13 30 1 3,97 4 4 X14 30 1 3,93 4 4 X15 30 1 2,20 2 2 X16 30 1 2,20 2 2 X17 30 1 2,90 3 3 X18 30 1 2,10 2 2 X19 30 1 4,67 5 5 X20 30 1 4,67 5 5 X21 30 1 3,93 4 4 X22 30 1 3,93 4 4 X23 30 1 2,90 3 3 X24 30 1 3,87 4 4 X25 30 1 4,67 5 5 X26 30 1 4,70 5 5 X27 30 1 2,83 3 3 X28 30 1 4,67 5 5 X29 30 1 2,83 3 3 X30 30 1 2,73 3 3 X31 30 1 2,73 3 3 X32 30 1 4,67 5 5 X33 30 1 2,20 2 2 X34 30 1 2,70 3 3

(10)

Sumber : Hasil Olah Data

Seperti yang ditunjukkan di tabel 4.6 untuk frekuensi risiko pada kinerja waktu, variabel X1,X3,X19,X20,X25,X26,X28, dan X32 memiliki nilai mode tertinggi.

Tabel 4.7 Analisis Deskriptif Dampak

Variabel N Mean Median Mode

Valid Missing X1 30 1 3,93 4 4 X2 30 1 1,73 2 2 X3 30 1 4,67 5 5 X4 30 1 2,90 3 3 X5 30 1 2,73 3 3 X6 30 1 3,87 4 4 X7 30 1 3,93 4 4 X8 30 1 3,87 4 4 X9 30 1 3,93 4 4 X10 30 1 3,93 4 4 X11 30 1 2,43 2 2 X12 30 1 4,67 5 5 X13 30 1 4,00 4 4 X14 30 1 3,87 4 4 X15 30 1 2,20 2 2 X16 30 1 2,20 2 2 X17 30 1 2,90 3 3 X18 30 1 2,10 2 2 X19 30 1 4,70 5 5 X20 30 1 4,67 5 5 X21 30 1 3,93 4 4 X22 30 1 3,87 4 4 X23 30 1 2,90 3 3 X24 30 1 3,93 4 4 X25 30 1 4,60 5 5 X26 30 1 4,67 5 5 X27 30 1 2,77 3 3 X28 30 1 4,63 5 5 X29 30 1 2,67 3 3 X30 30 1 2,90 3 3 X31 30 1 2,87 3 3 X32 30 1 4,40 5 5 X33 30 1 2,13 2 2

(11)

Variabel N Mean Median Mode Valid Missing

X34 30 1 2,90 3 3

Seperti yang ditunjukkan di tabel 4.7 untuk dampak risiko pada kinerja waktu, variabel X1,X3,X19,X20,X25,X26,X28, dan X32 memiliki nilai mode tertinggi.

4.4 Uji Instrumen Penelitian

Uji instrumen penelitian dilakukan untuk menguji apakah hasil dari kuesioner yang telah dikumpulkan merupakan data yang valid dan benar. Adapun uji instrumen pada penelitian kali ini menggunakan SPSS Versi 24, mulai dari uji normalitas, uji non parameterik, uji validitas, uji realibilitas, analisis regresi linear berganda.

4.4.1 Uji Normalitas

Dari 30 sampel penelitian yang diperoleh, maka dilakukan uji normalitas terhadap setiap variabel. Uji normalitas ini dilakukan dengan menggunakan bantuan software SPSS Versi 24. Outputnya menjelaskan hasil uji apakah sebuah distribusi data bisa dikatakan normal atau tidak (Galuh, 2013).

Uji Shapiro –Wilk,Uji ini bekerja sangat baik jika setiap nilai bersifat unik atau independen, tetapi tidak bekerja dengan baik ketika mereka memiliki keterkaitan. Uji Kolmogorov-Smirnov, dengan koreksi Dallal-Wilkinson-Lilliefor. Uji ini dilakukan dengan membandingkan distribusi kumulatif dari distribusi data empirik dengan distribusi normal yang diharapkan. Karena merupakan uji beda maka nilai p yang tidak signifikan (p>0,05) menunjukkan tidak ada perbedaan antar kedua distribusi itu. Pedoman pengambilan keputusan menurut Rahim Bin Utah (2013 ):

(12)

a. Nilai Sig. atau signifikansi atau nilai probabilitas < 0.05 maka distribusi tidak normal (asimetris).

b. Nilai Sig. atau signifikansi atau nilai probabilitas > 0.05 maka distribusi adalah normal (simetris)

Setelah melakukan beberapa langkah operasional, maka output yang dihasilkan dari uji ini dapat dilihat sebagai berikut:

Tabel 4.8 Uji Normalitas Frekuensi

Y

Kolmogorov-Smirnova Shapiro-Wilk Statistic df Sig. Statistic df Sig.

X1 0,360 24 8,22E-09 0,667 24 3,85E-06 X2 0,341 24 7,28E-08 0,815 24 0,000519 X3 0,451 24 3,21E-14 0,571 24 3E-07 X4 0,425 24 1,47E-12 0,671 24 4,32E-06 X5 0,366 24 3,97E-09 0,735 24 3,06E-05 X6 0,338 24 1,06E-07 0,806 24 0,000367 X7 0,378 24 8,68E-10 0,762 24 7,38E-05 X8 0,378 24 8,68E-10 0,762 24 7,38E-05 X9 0,376 24 1,16E-09 0,764 24 8,17E-05 X10 0,343 24 5,86E-08 0,807 24 0,000385 X11 0,293 24 1,12E-05 0,857 24 0,002981 X12 0,378 24 8,68E-10 0,762 24 7,38E-05 X13 0,311 24 1,86E-06 0,822 24 0,000678 X14 0,400 24 4,88E-11 0,716 24 1,64E-05 X15 0,341 24 7,28E-08 0,815 24 0,000519 X16 0,293 24 1,12E-05 0,857 24 0,002981 X17 0,348 24 3,22E-08 0,751 24 5,21E-05 X18 0,354 24 1,7E-08 0,791 24 0,000209 X19 0,422 24 2,31E-12 0,598 24 5,86E-07 X20 0,401 24 4,54E-11 0,616 24 9,48E-07 X22 0,400 24 4,88E-11 0,716 24 1,64E-05 X23 0,354 24 1,7E-08 0,791 24 0,000209 X24 0,366 24 3,97E-09 0,735 24 3,06E-05 X25 0,378 24 8,68E-10 0,762 24 7,38E-05 X25 0,422 24 2,31E-12 0,598 24 5,86E-07 X26 0,422 24 2,31E-12 0,598 24 5,86E-07 X27 0,322 24 5,95E-07 0,829 24 0,000924 X28 0,443 24 1,04E-13 0,573 24 3,16E-07

(13)

Y

Kolmogorov-Smirnova Shapiro-Wilk Statistic df Sig. Statistic df Sig.

X29 0,322 24 5,95E-07 0,829 24 0,000924 X30 0,425 24 1,47E-12 0,671 24 4,32E-06 X31 0,425 24 1,47E-12 0,671 24 4,32E-06 X32 0,422 24 2,31E-12 0,598 24 5,86E-07 X33 0,341 24 7,28E-08 0,815 24 0,000519 X34 0,349 24 3,15E-08 0,800 24 0,00029

Berdasarkan tabel 4.8 di atas, dapat dilihat bahwa seluruh variabel memliki tingkat sgnifikansi atau nilai probabilitas di bawah 0.05, maka dikatakan distibusi keseluruh variabel tidak normal.

Tabel 4.9 Uji Normalitas Dampak

Y Kolmogorov-Smirnovb Shapiro-Wilk

Statistic df Sig. Statistic df Sig. X1 0,378 24 8,68E-10 0,762 24 7,38E-05 X2 0,292 24 1,23E-05 0,736 24 3,14E-05 X3 0,443 24 1,04E-13 0,573 24 3,16E-07 X4 0,366 24 3,97E-09 0,735 24 3,06E-05 X5 0,425 24 1,47E-12 0,671 24 4,32E-06 X6 0,378 24 8,68E-10 0,762 24 7,38E-05 X6 0,400 24 4,88E-11 0,716 24 1,64E-05 X8 0,343 24 5,86E-08 0,807 24 0,000385 X9 0,400 24 4,88E-11 0,716 24 1,64E-05 X10 0,378 24 8,68E-10 0,762 24 7,38E-05 X11 0,214 24 0,005871 0,884 24 0,010226 X12 0,422 24 2,31E-12 0,598 24 5,86E-07 X13 0,292 24 1,23E-05 0,796 24 0,000252 X14 0,378 24 8,68E-10 0,762 24 7,38E-05 X15 0,341 24 7,28E-08 0,815 24 0,000519 X16 0,293 24 1,12E-05 0,857 24 0,002981 X17 0,331 24 2,31E-07 0,770 24 9,92E-05 X18 0,354 24 1,7E-08 0,791 24 0,000209 X19 0,422 24 2,31E-12 0,598 24 5,86E-07 X20 0,401 24 4,54E-11 0,616 24 9,48E-07

(14)

Y Kolmogorov-Smirnovb Shapiro-Wilk Statistic df Sig. Statistic df Sig. X21 0,378 24 8,68E-10 0,762 24 7,38E-05 X22 0,343 24 5,86E-08 0,807 24 0,000385 X23 0,366 24 3,97E-09 0,735 24 3,06E-05 X24 0,400 24 4,88E-11 0,716 24 1,64E-05 X25 0,379 24 7,64E-10 0,629 24 1,34E-06 X26 0,401 24 4,54E-11 0,616 24 9,48E-07 X27 0,376 24 1,16E-09 0,764 24 8,17E-05 X28 0,451 24 3,21E-14 0,571 24 3E-07 X29 0,401 24 4,72E-11 0,714 24 1,58E-05 X30 0,366 24 3,97E-09 0,735 24 3,06E-05 X31 0,366 24 3,97E-09 0,735 24 3,06E-05 X32 0,360 24 8,22E-09 0,667 24 3,85E-06 X33 0,360 24 8,22E-09 0,667 24 3,85E-06 X34 0,348 24 3,22E-08 0,751 24 5,21E-05 Sumber : Hasil Olah Data

Berdasarkan tabel 4.9 di atas, dapat dilihat bahwa seluruh variabel memliki tingkat sgnifikansi atau nilai probabilitas di bawah 0.05, maka dikatakan distibusi keseluruh variabel tidak normal.

4.4.2 Analisis Non-Parameterik

Dari 30 sampel penelitian yang diperoleh dan uji normalitas yang telah dilakukan, diketahui bahwa data tidak terdistribusi normal, maka dapat dilakukan analisis non-parametriknya berdasarkan profil responden. Analisis non-parametrik ini dilakukan dengan menggunakan bantuan software SPSS Versi 24. Analisis non-parametrik responden dilihat dari pendidikan, dan lama pengalaman kerja dan jabatan di bidang konstruksi.Uji yang digunakan adalah uji K Sample bebas “Uji Kruskal Wallis H” (Galuh, 2011).

Untuk mengetahui perbedaan pemahaman berdasarkan data responden tersebut diatas, maka dilakukan proses non-parametric test. Analisis nonparametrik adalah metode yang digunakan jika data yang ada tidak terdistribusi normal, atau jumlah data sangat sedikit serta level data adalah nominal dan ordinal (Galuh, 2011).

(15)

Pada penelitian ini dilakukan analisis non-parametrik untuk menguji beberapa sampel (>2 kriteria) yang tidak berhubungan dengan menggunakan metode uji Kruskal-Wallis untuk menguji perbedaan jawaban kuesioner dengan dua kriteria yang berbeda. Hipotesis yang diusulkan adalah sebagai berikut:

a) Ho = Tidak ada perbedaan persepsi responden yang berbeda jabatan, pendidikan, dan lama bekerja.

b) Ha = Ada perbedaan minimal satu persepsi responden yang berbeda jabatan, pendidikan, dan lama bekerja.

Menurut Rahim Bin Utah (2013), pedoman yang digunakan untuk menerima atau menolak jika hipotesis nol (Ho) yang diusulkan:

a) Ho diterima jika nilai p-value pada kolom Asymp.Sig > level of significant (α) sebesar 0,05 dan nilai chi square < dari nilai x2 0,05(df)

b) Ho ditolak jika nilai p-value pada kolom Asymp.Sig < level of significant (α) sebesar 0,05 dan nilai chi square > dari nilai x2 0,05(df)

A. Analisis Non-Parametrik untuk Kategori Lama Pengalaman Kerja

Lama pengalaman kerja responden dikategorikan menjadi tiga bagian untuk frekuensi risiko dan dampak risiko terhadap kinerja waktu. Pengelompokkan pengalaman kerja tersebut dapat dilihat pada tabel 4.9 (pengkodean untuk profil responden). Berikut disajikan pengelompokkan lama pengalaman kerja responden.

(16)

Tabel 4. 10 Pengkodean untuk Profil Responden Berdasarkan Pengalaman Kerja

Variabel Uraian Kode

Pengalaman Kerja 1 s/d 5 tahun 1

6 s/d 10 tahun 2

11 s/d 15 tahun 3

Tabel 4. 11 Pengelompokan Lama Pengalaman Kerja Responden

Responden Pengalaman K R1 15 3 R2 10 2 R3 5 1 R4 8 2 R5 3 1 R6 6 2 R7 5 1 R8 3 1 R9 5 1 R10 7 2 R11 14 3 R12 3 1 R13 9 2 R14 15 3 R15 5 1 R16 14 3 R17 3 1 R18 4 1 R19 4 1 R20 3 1 R21 4 1 R22 7 2 R23 4 1 R24 1 1 R25 10 2 R26 5 1 R27 11 3 R28 5 1 R29 11 3

(17)

Responden Pengalaman K

R30 5 1

Gambar 4.1 Sebaran Data Lama Pengalaman Kerja Responden Sumber: Hasil Olah Data

Gambar 4.1 di atas menunjukkan bahwa 57,67% responden telah bekerja di bidang konstruksi selama 1 s/d 5 tahun, 23,33% responden telah bekerja di bidang konstruksi selama 6 s/d 10 tahun, dan 20% responden telah bekerja di bidang konstruksi selama 11 s/d 15tahun. Dari hasil sebaran tersebut, kemudian dilakukan pengolahan data dengan menggunakan uji Kruskal-Wallis dengan hasil uji sebagai berikut:

1) Pengaruh Lama Pengalaman Kerja Responden terhadap Penilaian Frekuensi Risiko

56,67% 23,33% 20,00%

Pengalaman

1 s/d 5 tahun 5 s/d 10 tahun 6 s/d 15 tahun

(18)

Tabel 4.12 Hasil Uji Pengaruh Lama Pengalaman Kerja Terhadap Persepsi Responden Untuk Frekuensi Risiko

Variabel Chi-Square df Asymp. Sig. X1 0,782 2 0,676 X2 0,527 2 0,768 X3 0,892 2 0,640 X4 3,684 2 0,158 X5 3,885 2 0,143 X6 0,660 2 0,719 X7 7,894 2 0,019 X8 3,898 2 0,142 X9 0,968 2 0,616 X10 2,409 2 0,300 X11 1,832 2 0,400 X12 4,078 2 0,130 X13 0,483 2 0,785 X14 3,898 2 0,142 X15 0,527 2 0,768 X16 1,832 2 0,400 X17 1,616 2 0,446 X18 0,361 2 0,835 X19 0,097 2 0,952 X20 1,560 2 0,458 X21 3,898 2 0,142 X22 4,029 2 0,133 X23 3,885 2 0,143 X24 4,357 2 0,113 X25 0,097 2 0,952 X26 1,046 2 0,593 X27 0,451 2 0,798 X28 0,097 2 0,952 X29 0,451 2 0,798 X30 3,684 2 0,158 X31 1,346 2 0,510 X32 0,390 2 0,823 X33 0,527 2 0,768 X34 3,391 2 0,184

(19)

Dari output tersebut, dapat dilihat bahwa sebagian besar variabel mempunyai Asymp. Sig. pada tabel statistik hampir tiap variabel lebih besar dari level of significant (α) 0,05, dan nilai chi square < nilai x² 0,05(df) = 5,991 (dari tabel chi-square lihat lampiran) kecuali untuk X7. Jadi Hipotesis nol (H0) diterima dan Ha ditolak untuk semua variabel, kecuali untuk X7 dimana ada perbedaan persepsi responden yang berbeda berdasarkan latar belakang pengalaman kerja di bidang konstruksi untuk frekuensi risiko.

2) Pengaruh Lama Pengalaman Kerja Responden terhadap Penilaian Dampak Risiko pada Kinerja Waktu

Tabel 4.13 Hasil Uji Pengaruh Lama Pengalaman Kerja Terhadap Persepsi Responden Untuk Dampak Risiko

Variabel Chi-Square df Asymp. Sig. X1 3,898 2 0,142 X2 2,094 2 0,351 X3 0,097 2 0,952 X4 3,885 2 0,143 X5 3,684 2 0,158 X6 7,894 2 0,019 X7 3,898 2 0,142 X8 2,409 2 0,300 X9 3,898 2 0,142 X10 3,898 2 0,142 X11 0,897 2 0,639 X12 0,390 2 0,823 X13 0,585 2 0,746 X14 4,357 2 0,113 X15 0,527 2 0,768 X16 1,832 2 0,400 X17 1,277 2 0,528 X18 0,361 2 0,835

(20)

Variabel _SquareChi- df Asymp. _Sig. X19 0,040 2 0,980 X20 1,560 2 0,458 X21 3,898 2 0,142 X22 2,409 2 0,300 X23 3,885 2 0,143 X24 3,898 2 0,142 X25 0,140 2 0,932 X26 0,097 2 0,952 X27 0,968 2 0,616 X28 0,892 2 0,640 X29 2,997 2 0,223 X30 3,885 2 0,143 X31 0,351 2 0,839 X32 0,782 2 0,676 X33 0,334 2 0,846 X34 1,616 2 0,446

Sumber: Hasil Olah Data

Dari output tersebut, dapat dilihat bahwa sebagian besar variabel mempunyai Asymp. Sig. pada tabel statistik tiap variabel lebih besar dari level of significant (α) 0,05, dan nilai chi square < nilai x² 0,05(df) = 5,991991 (dari tabel chi-square lihat lampiran). Jadi Hipotesis nol (H0) diterima dan Ha ditolak untuk semua variabel tidak ada perbedaan persepsi responden yang berbeda berdasarkan latar belakang pengalaman kerja di bidang konstruksi untuk dampak risiko.

B. Analisis Non-Parametrik untuk Kategori Pendidikan Terakhir

Pedidikan terakhir responden dikategorikan menjadi tiga bagian, baik untuk frekuensi risiko dan dampak risiko terhadap kinerja waktu. Berikut disajikan pengelompokkan pendidikan terakhir responden

Tabel 4. 14 Pengkodean untuk Profil Responden Berdasarkan Pendidikan

Pendidikan SMA/SMK 1

(21)

S1 3

Tabel 4. 15 Pengelompokan Pendidikan Terakhir Responden

Responden Pendidikan Pengkodean

R1 SMK 1 R2 S1 3 R3 SMK 1 R4 SMK 1 R5 S1 3 R6 SMK 1 R7 SMK 1 R8 SMK 1 R9 S1 3 R10 S1 3 R11 SMK 1 R12 S1 3 R13 SMK 1 R14 D3 2 R15 S1 3 R16 D3 2 R17 S1 3 R18 S1 3 R19 S1 3 R20 S1 3 R21 SMK 1 R22 D3 2 R23 S1 3 R24 S1 3 R25 SMK 1 R26 S1 3 R27 D3 2 R28 D3 2 R29 SMK 1 R30 S1 3 .

(22)

Gambar 4.2 Sebaran Data Pendidikan Terakhir Responden Sumber: Hasil Olah Data

Gambar 4.2 di atas menunjukkan bahwa sebagian besar responden berpendidikan S1 yaitu sebesar 46,67% ,berpendidikan D3 yaitu sebesar 16,67% dan SMK yaitu sebesar 36,67%. Dari hasil sebaran tersebut, kemudian dilakukan pengolahan data dengan menggunakan uji Kruskal-Wallis dengan hasil uji sebagai berikut.

1) Pengaruh Pendidikan Terakhir Responden terhadap Penilaian Frekuensi Risiko Setelah melakukan beberapa langkah operasional, maka output yang dihasilkan dari uji ini dapat dilihat sebagai berikut:

Tabel 4.16 Hasil Uji Pengaruh Pendidikan Terakhir Terhadap Persepsi Responden Untuk Frekuensi Risiko

Variabel Chi-Square df Asymp. Sig. X1 0,039 2 0,981 X2 2,798 2 0,247 X3 0,308 2 0,857 X4 4,140 2 0,126 X5 2,307 2 0,316 36,67% 16,67% 46,67%

Pendidikan

SMK D3 S1

(23)

Variabel _SquareChi- df Asymp. _Sig. X6 0,590 2 0,745 X7 2,120 2 0,346 X8 0,515 2 0,773 X9 0,191 2 0,909 X10 0,142 2 0,932 X11 2,281 2 0,320 X12 0,664 2 0,718 X13 0,142 2 0,931 X14 1,109 2 0,574 X15 2,798 2 0,247 X16 2,281 2 0,320 X17 5,374 2 0,068 X18 1,150 2 0,563 X19 0,465 2 0,792 X20 1,115 2 0,573 X21 1,109 2 0,574 X22 0,391 2 0,822 X23 2,307 2 0,316 X24 0,011 2 0,995 X25 0,465 2 0,792 X26 0,478 2 0,787 X27 0,322 2 0,851 X28 0,279 2 0,870 X29 0,322 2 0,851 X30 4,140 2 0,126 X31 1,834 2 0,400 X32 0,465 2 0,792 X33 2,798 2 0,247 X34 2,500 2 0,287

Dari output tersebut, dapat dilihat bahwa sebagian besar variabel mempunyai Asymp. Sig. pada tabel statistik tiap variabel lebih besar dari level of significant (α) 0,05, dan nilai chi square < nilai x² 0,05(df) = 5,991(dari tabel chi-square lihat lampiran). Jadi Hipotesis nol (H0) diterima dan Ha ditolak untuk semua variabel,tidak ada perbedaan persepsi responden berdasarkan latar belakang pendidikan terakhir untuk frekuensi risiko.

(24)

2) Pengaruh Pendidikan Terakhir Responden terhadap Penilaian Dampak Risiko pada Kinerja Waktu

Tabel 4.17 Hasil Uji Pengaruh Pendidikan Terakhir Terhadap Persepsi Responden Untuk Dampak Risiko

Variabel Chi-Square df Asymp. Sig. X1 0,515 2 0,773 X2 6,796 2 0,033 X3 0,279 2 0,870 X4 2,307 2 0,316 X5 4,140 2 0,126 X6 2,120 2 0,346 X7 1,109 2 0,574 X8 0,142 2 0,932 X9 1,109 2 0,574 X10 0,515 2 0,773 X11 3,817 2 0,148 X12 0,465 2 0,792 X13 0,471 2 0,790 X14 0,011 2 0,995 X15 2,798 2 0,247 X16 2,281 2 0,320 X17 2,065 2 0,356 X18 1,150 2 0,563 X19 0,478 2 0,787 X20 1,115 2 0,573 X21 0,515 2 0,773 X22 0,142 2 0,932 X23 1,458 2 0,482 X24 1,109 2 0,574 X25 1,428 2 0,490 X26 1,115 2 0,573 X27 0,191 2 0,909 X28 0,308 2 0,857 X29 4,304 2 0,116 X30 2,307 2 0,316 X31 0,378 2 0,828

(25)

Variabel _SquareChi- df Asymp. _Sig.

X32 0,039 2 0,981

X33 0,183 2 0,913

X34 5,374 2 0,068

Dari output tersebut, dapat dilihat bahwa sebagian besar variabel mempunyai Asymp. Sig. pada tabel statistik tiap variabel lebih besar dari level of significant (α) 0,05, dan nilai chi square < nilai x² 0,05(df) = 5,991 (dari tabel chi-square lihat lampiran). Jadi Hipotesis nol (H0) diterima dan Ha ditolak untuk semua variabel,tidak ada perbedaan persepsi responden berdasarkan latar belakang pendidikan terakhir untuk dampak risiko.

C. Analisis Non-Parametrik untuk Kategori Jabatan

Jabatan responden dikategorikan menjadi tiga bagian, baik untuk frekuensi risiko dan dampak risiko terhadap kinerja waktu. Berikut disajikan pengelompokkan pendidikan terakhir responden

Tabel 4.18 Pengkodean untuk Profil Responden Berdasarkan Jabatan

Jabatan Manager 1

Staf Office 2

Staf Lapangan 3

Tabel 4.19 Pengelompokan Jabatan Responden

R1 Mekanik 3 R2 Site Manager 1 R3 Drafter 2 R4 Staf HSE 3 R5 Quantity Surveyor 2 R6 Pelaksana 3 R7 Surveyor 3

(26)

R8 Surveyor 3

R9 Head of Procurement 2

R10 Site Engineer 2

R11 Staf HSE 3

R12 Chief Quantity Surveyor 2

R13 Pelaksana 3 R14 Kepala Gudang 3 R15 Drafter 2 R16 Keuangan 2 R17 Quality Control 3 R18 Chief Drafter 2 R19 Kepala Surveyor 3 R20 Cost Control 2 R21 Pelaksana 3 R22 Admin 2 R23 Quality Control 3 R24 Admin Gudang 3 R25 Mekanik 2 R26 Head of HSE 1 R27 GSI 1 R28 Surveyor 3 R29 Ass. GSI 3

R30 Site Officer Engineer 2

(27)

Gambar 4.3 Sebaran Data Pendidikan Terakhir Responden Sumber: Hasil Olah Data

Gambar $.3 di atas menunjukkan bahwa sebagian besar responden Staf Lapangan yaitu sebesar 50,00% , jabatan Staf Office yaitu sebesar 40,00% dan Manager yaitu sebesar 10,00%. Dari hasil sebaran tersebut, kemudian dilakukan pengolahan data dengan menggunakan uji Kruskal-Wallis dengan hasil uji sebagai berikut.

1) Pengaruh Jabatan Responden terhadap Penilaian Frekuensi Risiko

Tabel 4.20 Hasil Uji Pengaruh Jabatan Terhadap Persepsi Responden Untuk Frekuensi Risiko Variabel Chi-Square df Asymp. Sig. X1 0,319 2 0,852 X2 0,668 2 0,716 X3 1,148 2 0,563 X4 1,729 2 0,421 X5 2,024 2 0,364 X6 0,488 2 0,783 X7 2,762 2 0,251 10,00% 40,00% 50,00%

Jabatan

Manager Staf Office Staf Lapangan

(28)

Lanjutan tabel 4.20

X8 1,140 2 0,566 X9 0,627 2 0,731 X10 0,196 2 0,907 X11 3,736 2 0,154 X12 2,139 2 0,343 X13 8,409 2 0,015 X14 1,267 2 0,531 X15 0,668 2 0,716 X16 3,736 2 0,154 X17 3,204 2 0,201 X18 1,188 2 0,552 X19 0,653 2 0,722 X20 0,653 2 0,722 X21 1,267 2 0,531 X22 1,115 2 0,573 X23 2,024 2 0,364 X24 2,217 2 0,330 X25 0,000 2 1,000 X26 0,153 2 0,926 X27 5,876 2 0,053 X28 3,190 2 0,203 X29 5,876 2 0,053 X30 1,729 2 0,421 X31 1,306 2 0,521 X32 0,653 2 0,722 X33 0,668 2 0,716 X34 1,331 2 0,514

Dari output tersebut, dapat dilihat bahwa sebagian besar variabel mempunyai Asymp. Sig. pada tabel statistik hampir tiap variabel lebih besar dari level of significant (α) 0,05, dan nilai chi square < nilai x² 0,05(df) = 5,991 (dari tabel chi-square lihat lampiran) kecuali untuk X13. Jadi Hipotesis nol (H0) diterima dan Ha ditolak untuk semua variabel, kecuali untuk X13 dimana ada perbedaan persepsi responden yang berbeda berdasarkan latar belakang Jabatan di bidang konstruksi untuk frekuensi risiko.

(29)

2) Pengaruh Jabatan Responden terhadap Penilaian Dampak Risiko pada Kinerja Waktu.

Tabel 4.21 Hasil Uji Pengaruh Jabatan Terhadap Persepsi Responden Untuk Dampak Risiko Variabel Chi-Square df Asymp. Sig. X1 1,140 2 0,566 X2 2,335 2 0,311 X3 3,190 2 0,203 X4 2,024 2 0,364 X5 1,729 2 0,421 X6 2,762 2 0,251 X7 1,267 2 0,531 X8 0,196 2 0,907 X9 1,267 2 0,531 X10 1,140 2 0,566 X11 6,447 2 0,040 X12 0,653 2 0,722 X13 4,833 2 0,089 X14 2,217 2 0,330 X15 0,668 2 0,716 X16 3,736 2 0,154 X17 0,825 2 0,662 X18 1,188 2 0,552 X19 0,230 2 0,891 X20 0,653 2 0,722 X21 1,140 2 0,566 X22 0,196 2 0,907 X23 0,805 2 0,669 X24 1,267 2 0,531 X25 1,141 2 0,565 X26 1,740 2 0,419 X27 0,627 2 0,731 X28 1,148 2 0,563 X29 0,836 2 0,658 X30 2,024 2 0,364 X31 1,167 2 0,558

(30)

X32 0,319 2 0,852

X33 0,226 2 0,893

X34 3,204 2 0,201

Sumber: Telah Diolah Kembali

Dari output tersebut, dapat dilihat bahwa sebagian besar variabel mempunyai Asymp. Sig. pada tabel statistik tiap variabel lebih besar dari level of significant (α) 0,05, dan nilai chi square < nilai x² 0,05(df) = 5,991(dari tabel chi-square lihat lampiran). Jadi Hipotesis nol (H0) diterima dan Ha ditolak untuk semua variabel,tidak ada perbedaan persepsi responden berdasarkan latar belakang jabatan untuk dampak risiko.

Setelah dilakukan pengujian analisis non-parameterik berdasarkan latar belakang responden dari mulai pengalaman,pendidikan, dan jabatan. Berikut ini adalah rekapitulasi analisis non-parametrik menggunakan uji K Sample bebas (Uji Kruskal Wallis H). “Keterangan : Ho diterima (√) ; Ho ditolak (x)"

Tabel 4.22 Hasil Uji uji K Sample Bebas Frekuensi Risiko

Variabel Pengalaman Pendidikan Jabatan Kesimpulan

X1 √ √ √ Ho diterima X2 √ √ √ Ho diterima X3 √ √ √ Ho diterima X4 √ √ √ Ho diterima X5 √ √ √ Ho diterima X6 √ √ √ Ho diterima X7 X √ √ Ho diterima X8 √ √ √ Ho diterima X9 √ √ √ Ho diterima X10 √ √ √ Ho diterima X11 √ √ √ Ho diterima X12 √ √ √ Ho diterima X13 √ √ X Ho diterima X14 √ √ √ Ho diterima

(31)

Variabel Pengalaman Pendidikan Jabatan Kesimpulan X15 √ √ √ Ho diterima X16 √ √ √ Ho diterima X17 √ √ √ Ho diterima X18 √ √ √ Ho diterima X19 √ √ √ Ho diterima X20 √ √ √ Ho diterima X21 √ √ √ Ho diterima X22 √ √ √ Ho diterima X23 √ √ √ Ho diterima X24 √ √ √ Ho diterima X25 √ √ √ Ho diterima X26 √ √ √ Ho diterima X27 √ √ √ Ho diterima X28 √ √ √ Ho diterima X29 √ √ √ Ho diterima X30 √ √ √ Ho diterima X31 √ √ √ Ho diterima X32 √ √ √ Ho diterima X33 √ √ √ Ho diterima X34 √ √ √ Ho diterima

Sumber: Hasil Olahan Penulis

Tabel 4.23 Hasil Uji uji K Sample Bebas Dampak Risiko

Variabel Pengalaman Pendidikan Jabatan Kesimpulan

X1 √ √ √ Ho diterima X2 √ √ √ Ho diterima X3 √ √ √ Ho diterima X4 √ √ √ Ho diterima X5 √ √ √ Ho diterima X6 √ √ √ Ho diterima X7 √ √ √ Ho diterima X8 √ √ √ Ho diterima X9 √ √ √ Ho diterima X10 √ √ √ Ho diterima X11 √ √ √ Ho diterima X12 √ √ √ Ho diterima X13 √ √ √ Ho diterima X14 √ √ √ Ho diterima X15 √ √ √ Ho diterima

(32)

Variabel Pengalaman Pendidikan Jabatan Kesimpulan X16 √ √ √ Ho diterima X17 √ √ √ Ho diterima X18 √ √ √ Ho diterima X19 √ √ √ Ho diterima X20 √ √ √ Ho diterima X21 √ √ √ Ho diterima X22 √ √ √ Ho diterima X23 √ √ √ Ho diterima X24 √ √ √ Ho diterima X25 √ √ √ Ho diterima X26 √ √ √ Ho diterima X27 √ √ √ Ho diterima X28 √ √ √ Ho diterima X29 √ √ √ Ho diterima X30 √ √ √ Ho diterima X31 √ √ √ Ho diterima X32 √ √ √ Ho diterima X33 √ √ √ Ho diterima X34 √ √ √ Ho diterima

4.4.3 Uji Validitas

Dari 30 sampel penelitian yang diperoleh, maka dilakukan uji validitas terhadap setiap variabel. Uji validitas ini dilakukan dengan menggunakan bantuan software SPSS Versi 24.

Menurut Santoso (2000, dalam Rizki;2014) untuk menentukan layak atau tidaknya suati item yang akan digunakan, maka perlu dilakukan uji signifikansi atau taraf nyata sebesar 0,05 (5%), yakni variabel penelitan dianggap valid jika berkorelasi signifikan terhadap skor total. Selain itu, penentuan validitas juga ditentukan dengan perbandingan r hitung metode Pearson Correlation dengan nilai tabel r. Jika koefisien korelasi item terhadap total >r tabel dengan df (0,05, n-2) maka dinyatakan valid.

(33)

Outputnya menjelaskan hasil uji apakah sebuah data hasil dari jawaban kuesioner responden bisa dikatakan valid atau tidak. Data di katakan valid apa bila nilai Item-Total Statistics lebih besar dari rtabel.

Tabel 4.24 Nilai r Tabel

N Taraf Signif N Taraf Signif N Taraf Signif 5% 1% 5% 1% 5% 1% 3 0.997 0.999 27 0.381 0.487 55 0.266 0.345 4 0.950 0.990 28 0.374 0.478 60 0.254 0.330 5 0.878 0.959 29 0.367 0.470 65 0.244 0.317 6 0.811 0.917 30 0.361 0.463 70 0.235 0.306 7 0.754 0.874 31 0.355 0.456 75 0.227 0.296 8 0.707 0.834 32 0.349 0.449 80 0.220 0.286 9 0.666 0.798 33 0.344 0.442 85 0.213 0.278 10 0.632 0.765 34 0.339 0.436 90 0.207 0.270 11 0.602 0.735 35 0.334 0.430 95 0.202 0.263 12 0.576 0.708 36 0.329 0.424 100 0.195 0.256 13 0.553 0.684 37 0.325 0.418 125 0.176 0.230 14 0.532 0.661 38 0.320 0.413 150 0.159 0.210 15 0.514 0.641 39 0.316 0.408 175 0.148 0.194 16 0.497 0.623 40 0.312 0.403 200 0.138 0.181 17 0.482 0.606 41 0.308 0.398 300 0.113 0.148

(34)

N Taraf Signif N Taraf Signif N Taraf Signif 5% 1% 5% 1% 5% 1% 18 0.468 0.590 42 0.304 0.393 400 0.098 0.128 19 0.456 0.575 43 0.301 0.389 500 0.088 0.115 20 0.444 0.561 44 0.297 0.384 600 0.080 0.105 21 0.433 0.549 45 0.294 0.380 700 0.074 0.097 22 0.423 0.537 46 0.291 0.376 800 0.070 0.091 23 0.413 0.526 47 0.288 0.372 900 0.065 0.086 24 0.404 0.515 48 0.284 0.368 1000 0.062 0.081 25 0.396 0.505 49 0.281 0.364 26 0.388 0.496 50 0.279 0.361

Sumber: Sugiono (1999), Metode Penelitian Bisnis

Dari tabel 4.24 diatas di dapat nilai r tabel pada 30 sampel atau responden adalah 0,361. Data yang tidak valid dapat di eliminasi.

Tabel 4.25 Uji Validitas Frekuensi

Variabel Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item-Total Correlation Cronbach's Alpha if Item Deleted rtabel Validitas X1 112,8333 141,040 0,496 0,909 0,361 _Valid X2 115,0333 149,551 0,083 0,915 0,361 _{Tidak Valid} X3 112,6000 144,662 0,418 0,910 0,361 _Valid X4 114,5000 135,707 0,801 0,903 0,361 _Valid X5 114,3333 141,609 0,682 0,906 0,361 _Valid X6 113,3667 139,757 0,626 0,906 0,361 _Valid X7 113,3667 139,482 0,739 0,905 0,361 _Valid X8 113,3000 139,114 0,698 0,905 0,361 _Valid

(35)

Variabel Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item-Total Correlation Cronbach's Alpha if Item Deleted rtabel Validitas X9 114,4667 137,292 0,653 0,906 0,361 _Valid X10 113,3667 139,551 0,600 0,907 0,361 _Valid X11 115,0333 153,344 -0,106 0,918 0,361 _{Tidak Valid} X12 113,3667 145,826 0,337 0,911 0,361 _{Tidak Valid} X13 113,2667 139,651 0,642 0,906 0,361 _Valid X14 113,3000 137,666 0,785 0,904 0,361 _Valid X15 115,0333 149,551 0,083 0,915 0,361 _{Tidak Valid} X16 115,0333 153,344 -0,106 0,918 0,361 _{Tidak Valid} X17 114,3333 145,471 0,459 0,909 0,361 _Valid X18 115,1333 152,809 -0,082 0,917 0,361 _{Tidak Valid} X19 112,5667 144,668 0,602 0,908 0,361 _Valid X20 112,5667 145,909 0,492 0,909 0,361 _Valid X21 113,3000 137,666 0,785 0,904 0,361 _Valid X22 113,3000 137,734 0,781 0,904 0,361 _Valid X23 114,3333 141,609 0,682 0,906 0,361 _Valid X24 113,3667 139,137 0,706 0,905 0,361 _Valid X25 112,5667 145,771 0,504 0,909 0,361 _Valid X26 112,5333 145,982 0,501 0,909 0,361 _Valid X27 114,4000 149,766 0,104 0,914 0,361 _{Tidak Valid} X28 112,5667 146,323 0,456 0,909 0,361 _Valid X29 114,4000 149,766 0,104 0,914 0,361 _{Tidak Valid} X30 114,5000 135,707 0,801 0,903 0,361 _Valid X31 114,5000 139,431 0,600 0,907 0,361 _Valid X32 112,5667 145,289 0,547 0,909 0,361 _Valid X33 115,0333 149,551 0,083 0,915 0,361 _{Tidak Valid} X34 114,5333 136,671 0,702 0,905 0,361 _Valid

Berdasarkan tabel 4.25 di atas, dapat dilihat bahwa terdapat 9 variabel yang nilai Item-Total Correlation kurang dari nilai rtabel , maka dapat dikatakan jika variabel X2,X11,X12,X15,X16,X18,X27, X29 dan X33 tidak valid dan dapat di eliminasi.

Setelah melakukan beberapa langkah operasional, maka output yang dihasilkan dari uji ini dapat dilihat ebagai berikut:

(36)

Tabel 4.26 Uji Validitas Dampak Variabel Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item-Total Correlation Cronbach's Alpha if Item Deleted rtabel Validitas X1 114,4667 149,361 0,721 0,921 0,361 _Valid X2 116,6667 164,437 -0,108 0,931 0,361 _{Tidak Valid} X3 113,7333 156,685 0,502 0,924 0,361 _Valid X4 115,5000 152,121 0,697 0,922 0,361 _Valid X5 115,6667 147,057 0,757 0,920 0,361 _Valid X6 114,5333 150,671 0,705 0,921 0,361 _Valid X7 114,4667 148,120 0,793 0,920 0,361 _Valid X8 114,5333 148,740 0,677 0,921 0,361 _Valid X9 114,4667 148,120 0,793 0,920 0,361 _Valid X10 114,4667 149,361 0,721 0,921 0,361 _Valid X11 115,9667 162,033 0,011 0,930 0,361 _{Tidak Valid} X12 113,7333 155,237 0,625 0,923 0,361 _Valid X13 114,4000 155,559 0,480 0,924 0,361 _Valid X14 114,5333 149,706 0,711 0,921 0,361 _Valid X15 116,2000 162,441 -0,007 0,930 0,361 _{Tidak Valid} X16 116,2000 165,752 -0,162 0,933 0,361 _{Tidak Valid} X17 115,5000 151,569 0,671 0,922 0,361 _Valid X18 116,3000 164,010 -0,085 0,931 0,361 _{Tidak Valid} X19 113,7000 156,010 0,576 0,923 0,361 _Valid X20 113,7333 156,547 0,513 0,924 0,361 _Valid X21 114,4667 149,361 0,721 0,921 0,361 _Valid X22 114,5333 148,740 0,677 0,921 0,361 _Valid X23 115,5000 153,983 0,570 0,923 0,361 _Valid X24 114,4667 148,120 0,793 0,920 0,361 _Valid X25 113,8000 156,510 0,496 0,924 0,361 _Valid X26 113,7333 156,340 0,531 0,924 0,361 _Valid X27 115,6333 147,895 0,652 0,922 0,361 _Valid X28 113,7667 154,323 0,492 0,924 0,361 _Valid X29 115,7333 147,306 0,728 0,921 0,361 _Valid X30 115,5000 152,121 0,697 0,922 0,361 _Valid X31 115,5333 154,740 0,554 0,923 0,361 _Valid X32 114,0000 150,897 0,538 0,923 0,361 _Valid X33 116,2667 159,926 0,148 0,928 0,361 _{Tidak Valid} X34 115,5000 156,741 0,430 0,924 0,361 _Valid

(37)

Berdasarkan tabel 4.26 di atas, dapat dilihat bahwa terdapat 6 variabel yang nilai Item-Total Correlation kurang dari nilai rtabel, maka dapat dikatakan jika variabel X2,X11,X15,X16,X18, dan X33 tidak valid dan dapat di eliminasi.

4.4.4 Uji Reliabilitas

Menurut Rizky (2014), untuk mengetahui konsistensi alat ukur, yakni apakah alat ukur reliabel dan tetap konsisten untuk pengukuran berulang, maka digunakan uji reliabilitas dimana ketentuannya sebagai berikut:

a) Nilai Cronbach Alpha ≤ 0,6 menunjukkan bahwa kuisioner penelitian tidak reliabel.

b) Nilai Cronbach Alpha ≥ 0,6 menunjukkan bahwa kuisioner penelitian reliabel.

Tabel 4.27 Uji Reliabilitas Frekuensi

Cronbach's

Alpha N of Items

0,948 25

Dari tabel 4.27 di atas maka di dapat nilai cronbach’s alpha output yaitu 0,948. Maka dapat disimpulkan jika data reliabel atau dapat dipercaya.

Tabel 4.28 Uji Reliabilitas Dampak

Cronbach's

Alpha N of Items

0,951 28

Dari tabel 4.28 di atas maka di dapat nilai cronbach’s alpha output yaitu 0,951. Maka dapat disimpulkan jika data reliabel atau dapat dipercaya.

(38)

4.5 Analisis Risiko

Analisis data yang digunakan pada penelitian ini adalah menggunakan analisis risiko berdasarkan PMBOK. Data yang akan di analisis hanya data yang lolos uji validitas dari program SPSS 24. Variabel yang tidak lolos uji validitas makan dianggap tidak bernilai (0).

4.5.1 Analisis Frekuensi Risiko

Dari uji validitas frekuensi risiko terdapat 25 indikator risiko (variabel X) yang lolos uji validitas, dengan menggunakan skala nilai probability risiko yang di tentukan oleh PMBOK dan bisa dilihat pada BAB II tabel 2.2. Maka dilakukan perhitungan dengan hasil sebagai berikut:

Tabel 4.29 Nilai Rata-rata Frekuensi Risiko

Variabel Sangat Jarang 0,1 Jarang 0,3 Kadang-kadang 0,5 Sering 0,7 Sangat Sering 0,9 Nilai Frekuensi Nilai Frekuensi Rata-rata X1 0 2 1 10 17 _23,4 _0,780 X3 0 0 3 5 22 _24,8 _0,827 X4 4 3 20 3 0 _13,4 _0,447 X5 0 7 19 4 0 _14,4 _0,480 X6 0 2 5 18 5 _20,2 _0,673 X7 0 2 3 22 3 _20,2 _0,673 X8 0 2 3 20 5 _20,6 _0,687 X9 4 4 17 5 0 _13,6 _0,453 X10 0 3 3 19 5 _20,2 _0,673 X13 0 2 3 19 6 _20,8 _0,693 X14 0 2 3 20 5 _20,6 _0,687 X17 4 12 14 0 0 ₁₁ _0,367 X19 0 0 0 10 20 ₂₅ _0,833 X20 0 0 0 10 20 ₂₅ _0,833 X21 0 2 3 20 5 _20,6 _0,687 X22 0 2 3 20 5 _20,6 _0,687 X23 0 7 19 4 0 _14,4 _0,480 X24 0 2 4 20 4 _20,2 _0,673 X25 0 0 0 10 20 ₂₅ _0,833 X26 0 0 0 9 21 _25,2 _0,840

(39)

Variabel Sangat Jarang 0,1 Jarang 0,3 Kadang-kadang 0,5 Sering 0,7 Sangat Sering 0,9 Nilai Frekuensi Nilai Frekuensi Rata-rata X28 0 0 0 10 20 ₂₅ _0,833 X30 4 3 20 3 0 _13,4 _0,447 X31 4 3 20 3 0 _13,4 _0,447 X32 0 0 0 10 20 ₂₅ _0,833 X34 4 5 17 4 0 _13,2 _0,440

Dari tabel 4.29 diatas bisa dilihat nilai rata-rata frekuensi risiko yang terjadi pada pelaksanaan proyek konstruksi Bhuvana Resort Ciawi.

4.5.2 Analisis Dampak Risiko

Dari uji validitas frekuensi risiko terdapat 28 indikator risiko (variabel X) yang lolos uji validitas, dengan menggunakan skala nilai dampak (konsekuensi) risiko yang di tentukan oleh PMBOK dan bisa dilihat pada BAB II tabel 2.2. Maka dilakukan perhitungan dengan hasil sebagai berikut:

Tabel 4.30 Nilai Rata-rata Dampak Risiko

Variabel Sangat Jarang 0,1 Jarang 0,3 Kadang-kadang 0,5 Sering 0,7 Sangat Sering 0,9 Nilai Dampak Nilai Dampak Rata-rata X1 0 2 3 20 5 _20,6 _0,687 X3 0 0 0 10 20 ₂₅ _0,833 X4 0 7 19 4 0 _14,4 _0,480 X5 4 3 20 3 0 _13,4 _0,447 X6 0 2 3 22 3 _20,2 _0,673 X7 0 2 3 20 5 _20,6 _0,687 X8 0 3 3 19 5 _20,2 _0,673 X9 0 2 3 20 5 _20,6 _0,687 X10 0 2 3 20 5 _20,6 _0,687 X12 0 0 10 20 ₂₅ _0,833 X13 0 0 5 20 5 ₂₁ _0,700 X14 0 2 4 20 4 _20,2 _0,673 X17 0 8 17 5 0 _14,4 _0,480 X19 0 0 0 9 21 _25,2 _0,840 X20 0 0 0 10 20 ₂₅ _0,833

(40)

Variabel Sangat Jarang 0,1 Jarang 0,3 Kadang-kadang 0,5 Sering 0,7 Sangat Sering 0,9 Nilai Dampak Nilai Dampak Rata-rata X21 0 2 3 20 5 _20,6 _0,687 X22 0 3 3 19 5 _20,2 _0,673 X23 0 7 19 4 0 _14,4 _0,480 X24 0 2 3 20 5 _20,6 _0,687 X25 0 0 0 12 18 _24,6 _0,820 X26 0 0 0 10 20 ₂₅ _0,833 x27 0 2 5 23 0 _19,2 _0,640 X28 0 0 3 5 22 _24,8 _0,827 X29 4 5 18 3 0 ₁₃ _0,433 X30 0 7 19 4 0 _14,4 _0,480 X31 0 7 20 3 0 _14,2 _0,473 X32 0 2 1 10 17 _23,4 _0,780 X34 0 0 21 3 0 _12,6 _0,420

Dari tabel 4.30 diatas bisa dilihat nilai rata-rata dampak risiko yang terjadi pada pelaksanaan proyek konstruksi Bhuvana Resort Ciawi

4.5.3 Matrix dan Pemetaan Risiko

Setelah dilakukan perhitungan nilai risiko (FR) dan berdasarkan diagram Probability Impact Matrix risiko yang di tentukan oleh PMBOK dan bisa dilihat pada BAB II tabel 2.3. Maka dilakukan perhitungan dan pelevelan risiko dengan hasil sebagai berikut:

(41)

Gambar 2.2 Probability Impact Matrix (Bab 2)

Sumber: PMBOK (2000)

Tabel 4.31 Perhitungan Nilai Risiko

Variabel Nilai Frekuensi Rata-rata Nilai Dampak Rata-rata Nilai Risiko Peringkat Risiko Level X1 _0,780 _0,687 _0,536 ₈ _Tinggi X3 _0,827 _0,833 _0,689 ₄ _{Sangat Tinggi} X4 _0,447 _0,833 _0,372 ₂₆ _Rendah X5 _0,480 _0,447 _0,214 ₂₁ _Tinggi X6 _0,673 _0,673 _0,453 ₁₇ _Tinggi X7 _0,673 _0,687 _0,462 ₁₃ _Tinggi X8 _0,687 _0,673 _0,462 ₁₄ _Tinggi X9 _0,453 _0,687 _0,311 ₁₈ _Tinggi X10 _0,673 _0,687 _0,462 ₁₅ _Tinggi X12 _0,000 _0,833 _0,000 ₂₆ _Rendah X13 _0,693 _0,700 _0,485 ₉ _Tinggi X14 _0,687 _0,673 _0,462 ₁₁ _Tinggi X17 _0,367 _0,480 _0,176 ₂₅ _Sedang X19 _0,833 _0,840 _0,700 ₁ _{Sangat Tinggi} X20 _0,833 _0,833 _0,694 ₃ _{Sangat Tinggi} X21 _0,687 _0,687 _0,472 ₁₀ _Tinggi X22 _0,687 _0,673 _0,462 ₁₆ _Tinggi X23 _0,480 _0,480 _0,230 ₁₉ _Tinggi X24 _0,673 _0,687 _0,462 ₁₂ _Tinggi X25 _0,833 _0,820 _0,683 ₆ _{Sangat Tinggi} X26 _0,840 _0,833 _0,700 ₂ _{Sangat Tinggi} x27 _0,000 _0,640 _0,000 ₂₇ _Rendah

(42)

Variabel Nilai Frekuensi Rata-rata Nilai Dampak Rata-rata Nilai Risiko Peringkat Risiko Level X28 _0,833 _0,827 _0,689 ₅ _{Sangat Tinggi} X29 _0,000 _0,433 _0,000 ₂₈ _Rendah X30 _0,447 _0,480 _0,214 ₂₂ _Tinggi X31 _0,447 _0,473 _0,211 ₂₃ _Tinggi X32 _0,833 _0,780 _0,650 ₇ _{Sangat Tinggi} X34 _0,440 _0,420 _0,185 ₂₄ _Tinggi

Dari tabel 4.31 diatas bisa disimpulkan jika faktor risiko yang paling dominan terjadi dan berdampak besar terhadap kinerja waktu pelaksanaan proyek konstruksi Bhuvana Resort Ciawi adalah indikator risiko X19, X26,X20,X3,X28,X25, dan X32.

4.6 Respon Risiko

Berdasarkan hasil dari analisis data dan di peroleh risiko dominan yang paling berpengaruh terhadap keterlambatan pelaksanaan konstruksi proyek Bhuvana Reosort Ciawi, maka di lakukanlah respon risiko untuk meminimalisir risiko guna meningkatkan kinerja waktu berdasarkan “saran” dari pakar. Berikut ini adalah tindakan respon risiko (saran) berdasarkan pendapat para pakar pada proyek Bhuvana Resort Ciawi.

(43)

Tabel 4.32 Respon Risiko

Var. Faktor Risiko Penyebab Tindakan Preventif Dampak Tindakan Korektif

X19

Melakukan perubahan terhadap desain.

-Perubahan desain dari Owner dan perencana

-Menekankan point-point pada kalusul kontrak perihal perubahan desain akibat permintaan Owner

-Memakan waktu dan biaya akibat proses approval gambar yang lama dan mengubah metode pelaksanaan

-Setiap perubahan desain segera dibuatkan Shop Drawing baru dan Berita Acara perubahan desain sebagai sarana dalam pengajuan klaim (biaya dan waktu)

X26

Kesalahan dalam perhitungan struktur dan analisa

-Terjadi kesalahan analisa dari engineer kontraktor

-Memperhitungkan perubahan desain apakah merubah analisa metode kerja

-Melibatkan orang yang berpengalaman di lapangan

-Apabila pekerjaan sudah dilaksanakan akan terjadi bongkar pasang pekerjaan yang akan memakan waktu.

-Menganalisa dan mengevaluasi ulang pekerjaan dengan

melibatkan orang yang berkompeten di bidangnya

X20 Schedule pelaksanaan tidak sesuai yang di rencanakan.

-Adanya perubahan scope pekerjaan yang mengubah bertambahanya waktu pengerjaan

-Meninjau item pekerjaan yang berkaitan atau mempengaruhi pelaksanaanya satu sama lain

-Perubahan metode pekerjaan -Perubahan waktu pelaksanaan pekerjaan

-Segera mengevaluasi pekerjaan dan dilakukan reschedule ulang secara tepat dan efektif

-Mengerjakan pekerjaan yang bisa dikerjakan terlebih dahulu diluar scedule

X3 Timbulnya kemacetan di sekitar lokasi proyek

-Jalur utama masuk keluar proyek adalah jalur padat lalulintas

-Proyek berada di kawasan wisata

-Mengatur schedule pengiriman (Mob-Demob alat maupun bahan)

-Keterlambatan progres lapangan

-Turunya mutu beton

-Mempercepat jadwal

pengiriman bahan dan alat untuk persiapan terhadap pekerjaan yang berjalan saat hari libur

(44)

Var. Faktor Risiko Penyebab Tindakan Preventif Dampak Tindakan Korektif -Pengoptimalan pekerjaan yang

tidak berkaitan dengan transportasi

-Mengoptimalkan beton yang sudah diorder dan terlambat datang, apabila mutunya sudah menurun drastis maka akan dilimpahkan ke pekerjaan yang lain(seperti penambalan jalan akses masuk proyek, dll) X28

Perubahan jadwal pelaksanaan pekerjaan

-Dampak dari perubahan desain -Kondisi cuaca dan alam sekitar

-Menyiapkan planing untuk pelaksanaan pekerjaan yang lain apa bila terjadi perubahan desain

-Merencanakan metode kerja yang efektif

-Mempercepat pekerjaan dengan menambah resources

-Keterlambatan pekerjaan yang mempengaruhi progress lapangan

-Segera mengevaluasi pekerjaan dan dilakukan reschedule ulang secara tepat dan efektif

-Menambah resources untuk mengejar ketertinggalan pekerjaan

X25 Kesalahan desain -Terjadi kesalahan desain perencanaan

-Sebelum pelaksanaan agar mengevaluasi dan memastikan kepada konsultant perencana jika gambar shop drawing sudah sesuai tervalidasi

-Perlu waktu untuk redesain dan review desain

-Apabila pekerjaan sudah dilaksanakan maka harus mengulang sehingga akan bongkar pasang pekerjaan yang akan memakan waktu lebih lama

-Melakukan klaim pada owner sebagai bentuk tanggung jawab owner dengan kesalahan desain -Segera mengerjakan kembali pekerjaan apabila sudah terbit SI (Site Instruction) yang resmi dari Owner

(45)

Var. Faktor Risiko Penyebab Tindakan Preventif Dampak Tindakan Korektif

X32 Perbedaan intersepsi spesifikasi antara owner dan kontraktor

-Perubahan spesifikasi dari Owner yang tidak sesuai dengan kontraktor

-Dokumen teknis dan standar spektek harus sudah di sepakati bersama

-Melakukan kordinasi yang jelas dan teradministratif dengan pihak Owner

-Tertundanya pekerjaan akibat tidak terbitnya ijin

pelaksanaan pekerjaan dari Owner

-Me-record semua perubahan spek yang terjadi

-Melakukan diskusi dengan Owner guna menemukan jalan tengah dan tidak terjadi perbedaan intersepsi Sumber: Hasil Olahan Penulis