1
1.1.
Latar Belakang
Berbagai teknik dan metode perencanaan dalam menyusun jadwal proyek, diantaranya yang telah dipergunakan secara umum adalah CPM (Critical Path Method) dan PDM (Precedence Diagram Method). Pada prosedur penjadwalan dengan metode CPM dan PDM digunakan estimasi waktu aktivitas yang deterministik atau diasumsikan bahwa durasi kegiatan dianggap diketahui dengan pasti, padahal banyak aktivitas di lapangan yang sifatnya tidak tentu (uncertainty). Hal ini sesuai dengan karakteristik proyek konstruksi yang memiliki tingkat risiko yang tinggi dikarenakan sifat proyek konstruksi yang unik, dinamis, dan cenderung kompleks.
Untuk mengantisipasi ketidakpastian durasi proyek konstruksi dalam penjadwalan, dikembangkan metode penjadwalan dengan mempertimbangkan ketidakpastian tersebut. Cara yang formal untuk memasukkan ketidakpastian pada penjadwalan adalah dengan menganalisis penjadwalannya secara probabilistik (probabilistic sheduling).
bagi penjadwal (scheduler) yang belum berpengalaman akan menemui sedikit kesulitan dalam menentukannya.
Alternatif selain PERT untuk mendapatkan gambaran distribusi waktu penyelesaian proyek adalah dengan metode simulasi Monte Carlo. Metode ini dapat memperbaiki masalah identifikasi jalur kritis. Masing-masing kegiatan dianggap memiliki suatu kurva distribusi dengan kurun waktu kegiatan yang dipilih secara acak/random. Kemudian jalur yang terbentuk dari rangkaian kegiatan tersebut di atas yang memiliki kurun waktu terpanjang diidentifikasi dan dicatat kurun waktu maupun komponen kegiatannya. Prosedur ini dilakukan ribuan kali sehingga dapat diamati kemungkinan berapa kali suatu aktivitas terletak pada jalur kritis. Berdasarkan komputasi ini dapat disusun distribusi waktu penyelesaian proyek. Angka rata-rata kurun waktu penyelesaian proyek dan deviasi standar yang diperoleh dari simulasi ini lebih rasional apabila dibandingkan dengan pendekatan formulasi.
1.2.
Rumusan Masalah
Penelitian ini menggunakan beberapa pedoman, yang dirumuskan sebagai berikut: 1. Bagaimana aplikasi penjadwalan dengan simulasi Monte Carlo pada Proyek
Pembangunan Gedung Parkir Kendaraan Roda Dua Universitas Muhammadiyah Surakarta?
2. Bagaimana besar tingkat keberhasilan proyek yang direncanakan berdasarkan ukuran waktu?
3. Apa saja kegiatan yang mempunyai risiko yang paling tinggi?
1.3.
Batasan Masalah
Batasan masalah dalam penelitian ini adalah:
1. Penelitian ini membahas sistem manajemen proyek yang dikhususkan pada penjadwalan waktu proyek secara probabilistik.
2. Data-data mengenai volume, produktivitas, durasi masing-masing aktivitas dan penjadwalannya diperoleh dari Proyek Pembangunan Gedung Parkir Kendaraan Roda Dua Universitas Muhammadiyah Surakarta.
1.4.
Tujuan
Tujuan penyusunan skripsi ini adalah:
1. Mengetahui aplikasi penjadwalan secara probabilistik pada Proyek Pembangunan Gedung Parkir Kendaraan Roda Dua Universitas Muhammadiyah Surakarta.
2. Mengetahui tingkat keberhasilan proyek yang direncanakan 3. Mengetahui kegiatan yang mempunyai risiko yang paling besar.
4. Mengetahui respon terhadap kegiatan yang mempunyai tingkat risiko yang tertinggi
1.5.
Manfaat
Manfaat yang dapat diperoleh dari penelitian ini adalah: 1. Manfaat teoritis
Diharapkan bisa untuk pengembangan ilmu pengetahuan dalam bidang penjadwalan probabilistik.
2. Manfaat praktis
BAB 2
LANDASAN TEORI
Dalam bab ini, akan membahas mengenai tinjauan pustaka dan dasar teori yang digunakan dalam melakukan penelitian, seperti yang akan diuraikan di bawah ini:
2.1.
Tinjauan Pustaka
Hampir semua proyek dipengaruhi oleh beberapa risiko dan ketidakpastian. Ketidakpastian ini sulit untuk diidentifikasi dan dianalisa sehingga dapat mengakibatkan jadwal proyek menjadi tidak akurat. Ketidakpastian ini menyebabkan kebanyakan proyek tidak dilaksanakan persis seperti yang direncanakan. Dalam banyak kasus, ketidakpastian ini menyebabkan penundaan proyek, pembengkakan (overruns) biaya, dan bahkan kegagalan proyek. Oleh karena itu, menciptakan jadwal proyek yang akurat yang mencerminkan potensi risiko dan ketidakpastian tetap menjadi salah satu tantangan utama dalam manajemen proyek (Virine L & Trumper M , 2008).
selain itu pemilihan data sebaiknya lebih selektif sesuai kondisi pekerjaan (Purnomo R, 2005).
Metoda PERT merupakan metoda yang lebih sederhana dan menghasilkan durasi pelaksanaan yang lebih optimistik, sedangkan metoda Simulasi Monte Carlo menghasilkan waktu yang relatif lebih lama/ konservatif (Widi S, 2001).
Aktivitas – aktivitas yang memiliki critical index tinggi sama dengan aktivitas- aktivitas yang mempunyai tingkat sensivitas yang tinggi, hal ini membuktikan bahwa aktivitas- aktivitas tersebut memang perlu mendapat prioritas dalam penyelesaiannya (Pangestuti A, 2010).
Di bidang proyek manajemen, simulasi Monte Carlo dapat mengukur dampak risiko dan ketidakpastian dalam jadwal proyek dan anggaran,serta memberikan indikator statistik kinerja proyek, seperti penyelesaian tanggal target dan anggaran proyek (Kwak Y dan Ingall L, 2007).
Salah satu alasan mengapa dalam industri jasa konstruksi memiliki kecenderungan risiko yang cukup tinggi bila dibandingkan dengan industry lain adalah karena banyaknya kegagalan (failure) dalam industry ini, baik dari pihak pemilik (owner), perencana, maupun kontraktor (Krisbandono, 2004:13).
2.2.
Dasar Teori
2.2.1. Metode Penjadwalan
bahwa kurun waktu kegiatan tergantung pada banyak factor dan variasi, sehingga lebih baik perkiraan diberi rentang(range), yaitu dengan memakai tiga anggka estimasi. PERT juga memperkenalkan parameter lain yang mencoba” mengukur” ketidakpastian tersebut secara kuantitif, seperti “ deviasi standart” dan varian. Dengan demikian metode ini memiliki cara yang spesifik untuk menghadapi hal tersebut yang memang hampir selalu terjadi pada kenyataanya dan mengakomodasinya dalam berbagi bentuk perhitungan. (Soeharto, 1997: 227) Tabel 2.1. Perbandingan PERT dan CPM untuk beberapa fenomena
Fenomena CPM PERT
Estimasi kurun waktu kegiatan
Deterministik , 1 angka
Probabilistik , 3 angka
Arah orientasi Ke kegiatan Ke peristiwa atau kejadian
Identifikasi jalur kritis Dengan hitungan maju atau mundur
Prosedur jelas Munkin perlu dikonversikan ke CPM dahulu
CPM stsu PERT, terkecuali bila kegiatan- kegiatan tersebut dipecah- pecah yang memerlukan banyak dummy (Soeharto, 1997: 261).
Kegiatan- kegiatan yang merupakan komponen proyek dan hubungan ketergantungan antara satu dengan yang lainnya disajikan dengan menggunakan tanda – tanda. Dikenal dua macam jaringan kerja sebagai berikut:
1. Kegiatan pada anak panah, atau AOA (activity on arrow). Disini kegiatan digambarkan sebagai anak panah yang menghubungkan dua lingkarang yang menggambarkan dua peristiwa. Ekor anak panah merupakan awal dan ujungnya sebagai akhir kegiatan. Nama dan kurun waktu kegiatan berturut turut ditulis di atas dan di bawah anak panah.
2. Kegiatan ditulis dalam kotak atau lingkaran, yang disebut AON (activity on node). Anak panah hanya menjelaskan hubungan ketergantungan di antara kegiatan- kegiatan.
Metode CPM dan PERT termasuk dalam klasifikasi AOA sedangkan PDM adalah AON. (Soeharto, 1997: 187)
Gambar 2.1. Hubungan peristiwa dan kegiatan pada AOA
Gambar 2.2. Hubungan antara kegiatan- kegiatan pada AON (Soeharto, 1997: 188).
Kegiatan A Kegiatan B
2.2.2. Metode Penjadwalan secara Probabilistik
Pada prosedur penjadwalan dengan metode CPM (Critical Path Method), PDM (Predence Diagram Method) diasumsikan bahwa durasi kegiatan dianggap diketahui dengan pasti. Dalam kenyataannya, prosedur penjadwalan melalui proses yang dinamakan estimasi (estimasi durasi maupun estimasi biaya). Ciri utama dari estimasi adalah mengandung unsur ketidakpastian. Hal ini sesuai dengan karakteristik proyek konstruksi, yaitu tingkat risiko yang tinggi terhadap setiap perubahan yang terjadi, baik perubahan sistem politik, cuaca, ketergantungan buruh, kegagalan konstruksi, ketergantungan pihak lain, dan lain sebagainya.
Untuk mengantisipasi ketidakpastian dari durasi konstruksi dalam penjadwalan, dikembangkan metode penjadwalan dengan mempertimbangkan ketidakpastian tersebut. Ada dua cara pendekatan penjadwalan dengan ketidakpastian, yaitu:
a. Cara pertama adalah mengabaikan ketidakpastian durasi, digunakan penjadwalan dengan ekspektasi durasi (most likely). Kerugian dari cara ini adalah schedule yang dihasilkan bersifat optimistik, penggunaan durasi tunggal akan menghasilkan schedule yang kaku (inflexible schedule), sehingga dibutuhkan monitoring dan updating secara kontinu (terus menerus) secara ketat.
b. Cara kedua adalah dengan memasukkan kontingensi (contingency) dengan tujuan menghindari schedule yang terlalu optimis. Contohnya durasi yang diharapkan 2 hari, dalam schedule digunakan durasi 2,2 hari, yakni digunakan10% kontingensi (Ervianto, 2004:35).
2.2.3 Teori Probabilitas
Waktu optimistik Waktu paling mungkin Waktu pesimistik a
“Density” probabilitas
b
m Waktu
Gambar 2.3. Kurva distribusi asimetri (beta) dengan a, m, dan b.
Kurva distribusi kegiatan di atas pada umumnya berbentuk asimetri dan disebut kurva beta.
Garis besar urutan menghitung kemungkinan mencapai target dalam metode PERT adalah sebagai berikut:
1. Memberikan kepada masing- masing komponen kegiatan angka estimasi a, b, dan m
2. Menghitung te untuk masing- masing kegiatan.
te (2.1)
3. Identifikasi jalur kritis. Hitung kurun waktu penyelesaikan proyek atau milestone, yaitu:
TE = Jumlah te kegiatan- kegiatan kritis (2.2) 4. Tentukan varian untuk masing- masing kegiatan kritis pada jalur kritis
terpanjang menuju titik peristiwa TE yang dimaksud.
V(TE) = Jumlah V(te) kegiatan kritis (2.3)
Dengan: Deviasi standart kegiatan
(2.4)
Varian kegiatan
5. Sebagai langkah terakhir untuk mengalisis kemungkinan mencapai target T(d)
(2.6)
Dengan deviasi standart peristiwa
S = (2.7)
6. Dengan menggunakan tabel fungsi distribusi normal kumulatif (cumulative normal distribution function table) akan dapat ditentukan kemungkinan (%) proyek selesai pada target T(d).
Menurut “ J. Moder 1983” berdasarkan teori “ Central Limit Theoreme” maka kurva distribusi peristiwa atau kejadian ( event time distribution curve ) bersifat simetri disebut Kurva Distribusi Normal. Kurva ini disebut genta seperti di bawah ini:
Gambar 2.4. Kurva distribusi untuk peristiwa /kejadian ( Soeharto 1997: 233).
2.2.4.Perkiraan Durasi Kegiatan
Yang dimaksud dengan perkiraan durasi kegiatan dalam metode jaringan kerja adalah lama waktu yang diperlukan untuk melakukan kegiatan dari awal sampai akhir.
(2.8) te
frekuensi
waktu
2S (68%)
4S (95%)
Pendekatan di atas adalah salah satu cara memperkirakan durasi kegiatan (Soeharto, 1995:192).
2.2.5. Analisis Statistik Diskriptif
1. Rata-rata (Mean)
Rata-rata adalah jumlah nilai-nilai dibagi dengan jumlah individu Rata-rata, atau lengkapnya rata-rata hitung, untuk data kuantitatif yang terdapat dalam sejumlah sampel dihitung dengan jalan membagi jumlah nilai data oleh banyaknya data. (Sudjana, 2002:66)
x‾ = (2.9)
2. Modus
Modus adalah angka yang paling sering muncul.Untuk menyatakan fenomena yang “paling banyak terjadi” atau “paling banyak terdapat” digunakan ukuran modus, disingkat Mo. Modus untuk data kuantitatif ditentukan dengan jalan menentukan frekuaensi terbanyak diantara data itu. Jika data kuantitatif disusun dalam daftar distribusi frekuensi, modusnya dapat ditentukan dengan rumus:
Mo = b + p ( ) (2.10)
Dengan :
B = batas bawah kelas modal, ialah kelas interval dengan frekuensi terbanyak,
p = panjang kelas modal,
b1 = frekuensi kelas modal dikurangi frekuensi kelas interval dengan tanda kelas yang lebih kecil sebelum tanda kelas modal,
3. Median
Median adah nilai tengah dari data yang telah diurutkan dari yang terbesar sampai yang terkecil. Median menentukan letak data setelah data itu disusun menurut urutan nilainya. Kalau nilai median sama dengan Me, maka 50% dari data harga-harganya paling tinggi sama dengan Me, sedangkan 50% lagi harga-harga-harganya paling rendah sama dengan Me.
Untuk data yang telah disusun dalam daftar distribusi frekuensi, mediannya dihitung dengan rumus:
Me = b + p ( ) (2.11)
Dengan :
b = batas bawah kelas median, ialah kelas dimana median akan terletak p = panjang kelas median,
n = ukuran sampel atau banyak data
F = jumlah semua frekuensi dengan tanda kelas lebih kecil dari tanda kelas median
f = frekuensi kelas median.
4. Persentil
Persentil adalah nilai-nilai yang membagi suatu jajaran data (data array) menjadi seratus bagian.
5. Deviasi Standar/Simpangan Baku
Deviasi standart adalah angka yang mengukur seberapa luas penyimpangan nilai data dari nilai rata-ratanya. Deviasi standar atau simpangan baku didefinisikan sebagai berikut:
σx = (2.12)
Dimana:
µx = mean aritmatika dari suatu populasi
Xm,i = nilai tengah dari interval kelas
fi = frekuensi atau jumlah pengamatan dalam sebuah interval kelas
K = jumlah interval kelas dalam suatu populasi N = banyaknya data x dalam suatu populasi
6. Varians
Varians merupakan kuadrat dari deviasi standar.
7. Skewness
Skewness (kemencengan) adalah derajat ketidaksimetrisan atau penyimpangan dari kesimetrisan suatu distribusi.
Sf,x = (2.13)
Dimana:
Sf,x = faktor/koefisien kemencengan
= mean = median
8. Kurtosis
Kurtosis adalah derajat keruncingan atau keceperan dari suatu distribusi relative terhadap distribusi normal.
K = (2.13)
2.2.6. Uji ANOVA
Analisis Varian adalah sebuah metode untuk memeriksa apakah ada hubungan antara dua atau lebih set data. Anda dapat menentukan apakah ada hubungan antara set data dengan melakukan analisis varians, atau dikenal sebagai ANOVA. Analisis varians kadang-kadang disebut sebagai F-Test setelah statistik british RA Fisher. Sebenarnya ada tiga tipe berbeda ANOVA yang tersedia melalui Analisis Toolpak pada Microsoft Excel.
1. ini melakukan analisis sederhana dari varians antara dua set data.
2. ini
melakukan analisis varians antara dua atau lebih set data. Ini harus digunakan bila Anda hanya memiliki satu sampel dari setiap data.
3. ini
melakukan analisis varians antara dua orang lebih banyak set data. Ini harus digunakan bila Anda memiliki lebih dari satu sampel dari setiap data.
Ketika analisis varians diterapkan untuk dua kelompok itu memberikan hasil yang sama sebagai Kriteria pengambilan keputusan dalam uji Anova menurut Johar Arifin (2000:375) adalah:
a. Perbandingan F hitung dengan F tabel:
Jika F hitung > F tabel, maka Ho ditolak Jika F hitung < F tabel, maka Ho diterima b. Perbandingan Probabilitas (P-value):
Jika P > tingkat signifikasi, maka Ho diterima Jika P < tingkat signifikasi, maka Ho ditolak
2.2.7. Simulasi Monte Carlo
sederetan uji coba untuk memperkirakan perilaku sistem pada kurun waktu tertentu.
Simulasi merupakan suatu bentuk analisa alternatif untuk memecahkan masalah yang komplek dan tidak bisa dipecahkan dengan diterapkannya suatu jenis teknik tertentu. Secara sempit, teknik monte carlo dapat didefinisikan sebagai suatu teknik untuk memilih angka- angka secara acak dari suatu distribusi probabilitas, untuk digunakan dalam suatu percobaan dari suatu simulasi. Teknik yang semacam itu bukanlah jenis model simulasi, melainkan suatu proses matematika yang digunakan dalam suatu simulasi (Taylor, 1996:456).
Simulasi merupakan salah satu cara untuk memecahkan berbagai persoalan yang dihadapi di dunia nyata karena dapat diaplikasikan pada berbagai macam permasalahan serta memecahkan berbagai masalah yang mengandung ketidak-pastian dan kemungkinan jangka panjang yang tidak dapat diperhitungkan dengan seksama oleh proses analitik. Teknik ini memakai pendekatan dengan pemodelan untuk menganalisis permasalahan yang probabilistik (Kakiay 2004:1).
Simulasi Monte Carlo adalah sebuah metode numerikal yang digunakan sebagai percobaan statistik buatan untuk mengestimasi jumlah atau angka yang tidak diketahui (Uher, 1996).
Jika suatu sistem mengandung elemen yang mengikut sertakan faktor kemungkinan, model yang digunakan adalah model Monte Carlo. Dasar dari simulasi Monte Carlo adalah percobaan elemen kemungkinan dengan menggunakan sampel random (acak). Metode ini terbagi dalam 5 tahapan:
1. Membuat distribusi kemungkinan untuk variabel penting
2. Membangun distribusi kemungkinan kumulatif untuk tiap‐tiap variabel di tahap pertama
3. Menentukan interval angka random untuk tiap variabel 4. Membuat angka random
Untuk dapat benar-benar mencerminkan sistem yang disimulasi, angka acak buatan yang dihasilkan harus memiliki karakteristik-karakteristik berikut ini: a. Angka-angka acak tersebut harus didistribusikan secara seragam. Hal ini
berarti bahwa setiap angka acak yang ada dalam suatu interval (yaitu antara 0 sampai 1 atau 0 sampai 100) memiliki kesempatan yang sama untuk dapat dipilih. Jika kondisi ini tidak tercapai, maka hasil simulasi akan menjadi bias dengan adanya angka acak yang memiliki kesempatan lebih besar untuk dipilih.
b. Teknik numerik untuk menentukan angka acak tersebut harus efisien. Hal ini berarti bahwa angka-angka acak tersebut jangan sampai berubah nilainya menjadi konstan atau terlalu sering kembali. Sebagai tambahan, teknik tersebut tidak boleh menyita waktu dan biaya.
c. Urutan angka-angka acak tersebut tidak boleh mencerminkan adanya suatu pola, misalnya 0,1,2,3,4,5,6,7,8,9,0,1,2,3,4,5,6,7,8,9,0,1,2,3,4,5,6,7,8,9 dan seterusnya. Hal ini menunjukkan bahwa walaupun terdistribusi secara seragam, tetapi tidak menunjukkan perilaku acak (Taylor, 1996:475).
Dalam manajemen proyek, simulasi Monte Carlo dapat mengukur akibat dari risiko dan ketidakpastian dari jadwal dan pembiayaan proyek, dengan memberikan manager proyek sebuah indikator statistik dari kenerja proyek, seperti target waktu penyelesian dan anggaran penyelesaian proyek (Kwak Y dan Ingall L, 2007).
lain dalam menganalisa proyek dengan menggabungkan ketidakpastian. (Kwak Y dan Ingall L, 2007).
2.2.8. Crystal Ball
Oracle Crystal Ball adalah lembar kerja untuk pemodelan prediksi, peramalan, simulasi, dan optimasi. Crystal Ball memberi wawasan tak tertandingi tentang faktor-faktor kritis yang mempengaruhi risiko. Dengan Crystal Ball, dapat membuat keputusan taktis yang tepat untuk mencapai tujuan dan meningkatkan daya saing, bahkan di bawah kondisi pasar yang paling tidak menentu.
Dengan lebih dari 4.000 pengguna di seluruh dunia, Crystal Ball digunakan oleh pengguna dari berbagai industri, seperti aerospace, layanan keuangan, manufaktur, minyak dan gas, farmasi dan utilitas. Crystal Ball digunakan di lebih dari 800 universitas dan sekolah-sekolah di seluruh dunia untuk mengajar konsep-konsep analisis risiko.
Aplikasi Crystal Ball meliputi analisis risiko keuangan, penilaian, teknik, Six Sigma, alokasi portofolio, estimasi biaya, dan manajemen proyek. Crystal Ball dengan Oracle Enterprise Performance Management dan Business Intelligence (BI) merupakan aplikasi untuk meningkatkan proses pengambilan keputusan strategis.
Keuntungan :
1. Meningkatkan data berbasis prediksi
Meningkatkan kualitas dan akurasi prakiraan kritis EPM keuangan dan operasional
2. Mengidentifikasi risiko lebih awal dan mengurangi risiko yang sangat dominan dengan membuat langkah antisipasi
3. Mengkomunikasikan risiko
4. Mengurangi waktu peramalan
Mudah dalam pengguaannya, sehingga menghemat waktu yang dibutuhkan.
Secara umum, tahapan untuk menjalankan Crystal Ball,sebagai berikut :
1. Mendefinisikan dugaan (Entering Assumptions) , ramalan (Defining Forecasts) , dan variabel keputusan yang sesuai (Defining Decision Variable )
2. Menyesuaikan penampilan dari masing-masing sel.
3. Mengatur setelan dalam menjalankan simulasi, seperti jumlah interasidan sebaginya
4. Mengunci input data dalam simalasi, dengan “Freezing” 5. Menjalankan simulasi.
2.2.9. Risiko dan Ketidakpastian
Menurut Kamus Besar Bahasa Indonesia (Balai Pustaka, 2002) risiko adalah akibat yang kurang menyenangkan, merugikan, membahayakan dari suatu perbuatan atau tindakan. Sedangkan ketidakpastian adalah keadaan yang tidak diketahui atau tidak pasti. Sedangkan menurut beberapa literatur risiko (risk) didefinisikan sebagai suatu kondisi yang akan menimbulkan kerugian, kerusakkan atau kehilangan (Kerzner, 1995 ; Flanagan and Norman, 1993; Palmer, 1996 ). Sedangkan Lowe. J, 1996 mendefinisikan ketidakpastian (uncertainty) sebagai peristiwa-peristiwa yang tidak diketahui, yang tidak dapat diramalkan secara meyakinkan.
risiko dapat diartikan pula sebagai probabilitas kejadian yang muncul selama suatu periode waktu (Royal Society 1991). Dari definisi dan pandangan tersebut maka risiko dapat dikaitkan dengan probabilitas karena risiko tidak pernah diketahui secara pasti keberadaan dan waktu terjadinya.
Beberapa definisi risiko menurut Vaughan (1978), dalam Darmawi Herman adalah sebagai berikut:
1. Risk is the chance loss (Risiko adalah kans kerugian).
Chance loss biasanya dipergunakan untuk menunjukan suatu keadaan dimana terdapat suatu keterbukaan (exposure) terhadap kerugian atau suatu
kemungkinan kerugian
2. Risk is the possibility of loss (Risiko adalah kemungkinan kerugian).
Istilah “possibility” berarti bahwa probabilitas suatu peristiwa berada diantara nol dan satu.
3. Risk is uncertainty (Risiko adalah ketidakpastian).
Risiko berhubungan dengan ketidakpastian, yaitu adanya risiko karena adanya ketidakpastian. Pengertian ketidakpastian secara subjektif merupakan penilaian individu terhadap situasi risiko.
Ketidakpastian (uncertainty) sering diartikan dengan keadaan di mana ada beberapa kemungkinan kejadian dan setiap kejadian akan menyebabkan hasil yang berbeda. Tetapi, tingkat kemungkinan atau probabilitas kejadian itu sendiri tidak diketahui secara kuantitatif (Djohanputro, 2004). Perbandingan risiko dan ketidakpastian menurut Djohanputro dapat kita lihat pada tabel berikut:
Tabel 2.2. Perbandingan Risiko dan Ketidakpastian
RISIKO KETIDAKPASTIAN
Subyek memiliki ukuran kuantitas Subyek tidak ada ukuran kuantitas Diketahui tingkat probabilitas
kejadiannya
Tidak dapat diketahui tingkat probabilitas kejadianya
Ada data pendukung mengenai kemungkinan kejadiannya
4. Risk is the dispersion of actual from expected results (Risiko merupakan penyebaran hasil actual dari hasil yang diharapkan).
Ahli statistik sudah sejak lama mendefinisikan risiko sebagai derajat penyimpangan sesuatu nilai disekitar sutu posisi sentral atau disekitar titik rata-rata.
5. Risk is the probability of any outcome different from the one expected (Risiko adalah probabilitas sesuatu outcome berbeda outcome yang diharapkan).
Variasi lain dari konsep risiko sebagai suatu penyimpangan yaitu risiko merupakan probabilitas objektif bahwa outcome yang aktual dari suatu kejadian akan berbeda dari outcome yang diharapkan.
Risiko adalah hal yang tidak akan pernah dapat dihindari pada suatu kegiatan / aktivitas yang idlakukan manusia, termasuk aktivitas proyek pembangunan dan proyek konstyruksi. Karena dalam setiap kegiatan, seperti kegiatan konstruksi, pasti ada berbagai ketidakpastian (uncertainty). Faktor ketidakpastian inilah yang akhirnya menyebabkan timbulnya risiko pada suatu kegiatan.
Wiguna menjelaskan tentang beberapa faktor penyebab ketidakpastian:
- Ketidakcukupan informasi: informasi kualitatif dan informasi kuantitatif yang tidak mencukupi akan menghalangi pembuat keputusan untuk mengenali masalah yang ada dan keputusan delay yang efektif.
- Kekurangjelasan masalah struktur: hal ini dapat mengakibatkan kurang percaya diri dalam membuat keputusan karena ada kesulitan dalam perumusan masalah ke dalam beberapa komponen yang bisa dimengerti.
Dalam proyek konstruksi terdapat beberapa tipikal risiko yang mungkin terjadi, antara lain adalah:
a. Gagal menyelesaikan jadwal yang telah ditetapkan untuk pekerjaan perancangan (design) dan konstruksi.
b. Gagal memperoleh persetujuan (approval) mengenai detail kode bangunan, garis besar perencanaan dalam kurun waktu yang direncanakan selama program perancangan.
c. Bencana alam (force majeure) seperti banjir, gempa bumi, tanah longsor. d. Klaim kerugian dari kontraktor akibat keterlambatan produksi rancangan detil
dari tim perencana.
e. Kenaikan harga material dan tenaga kerja yang tidak diharapkan. f. Gagal menyelesaikan proyek dalam koridor anggaran pemilik.
g. Kecelakaan kerja di lokasi proyek (on site) selama masa konstruksi yang mengakibatkan luka fisik (physical injury).
h. Keadaan cuaca yang dapat mengakibatkan keterlambatan proyek.
BAB 3
METODE PENELITIAN
Dalam bab ini, akan dibahas mengenai metode kuantitatif yang digunakan dalam melakukan penelitian, seperti yang akan diuraikan di bawah ini:
3.1. Jenis dan Sumber Data
Data yang digunakan adalah data sekunder, antara lain berupa data-data dokumentasi proyek, seperti gambar-gambar Shop Drawing, Rencana Kerja dan Penjadwalan.
3.2. Pengumpulan Data
Data-data yang telah diperoleh:
5. Nama Proyek : Pembangunan Gedung Parkir Kendaraan Roda Dua Universitas Muhammadiyah Surakarta
6. Lokasi : Pabelan, Sukoharjo
7. Pemilik : Universitas Muhammadiyah Surakarta 8. Kontraktor : PT. Mumpuni
9. Nilai Kontrak : Rp 5.450.000.000,00
3.3. Metode Analisis Data
3.4. Prosedur Penelitian
Prosedur penelitian dapat dijabarkan sebagai berikut: 3.4.1 Tahap Persiapan
1. Pengumpulan data proyek berupa perencanaan dan penjadwalan konstruksi, shop drawing.
2. Pengumpulan dan pemahaman materi skripsi melalui referensi berupa buku, bahan kuliah, dan artikel.
3.4.2 Tahap Analisis Data
1. Menghitung analisis jaringan kerja dan hubungan saling ketergantungan (network diagram).
2. Menentukan pola distribusi setiap kegiatan.
3. Melakukan simulasi Monte Carlo terhadap durasi kegiatan menggunakan bantuan software Oracle Crystal Ball
4. Melakukan analisis statistik deskriptif dan uji Anova
5. Melakukan analisis sensitivitas untuk mengetahui kegitan yang mempunyai pengaruh besar terhadap durasi total proyek.
3.4.3. Tahap Pembahasan
3.5. Diagram Alir
Gambar 3.1. Diagram Alir Langkah Kerja Mulai
Menyusun jaringan kerja berdasarkan kegiatan yang ada dalam proyek Menentukan pola ditribusi durasi setiap
Melakukan simulasi Monte Carlo
Mengulang proses simulasi Melakukan analisis statistik deskriptif.
• F hitung < tabel
• P > tingkat tidak
ya
Mencari kegiatan yang berpengaruh besar terhadap total durasi proyek
Selesai
Melakukan pembahasan dan pengambilan kesimpulan
Memasukan data (input) berupa kegiatan dan durasinya
Data keluaran berupa grafik distribusi penyelesaian proyek dan probabilitas
BAB 4
ANALISIS DATA DAN PEMBAHASAN
4.1
Analisis Data
4.1.1 WBS (Work Breakdown Structure)
Dalam penyusunan WBS (Work Breakdown Structure),pekerjaan-pekerjaan dikelompokkan berdasarkan jenisnya yaitu:
1. Pekerjaan Persiapan 2. Pekerjaan Tanah 3. Pekerjaan Beton 4. Pekerjaan Pasangan 5. Pekerjaan Instalasi listrik 6. Pekerjaan Plumbing
Gambar 4.1. WBS Proyek Pembangunan Gedung Parkir Kendaraan Roda 2 Universitas Muhammadiyah Surakarta
4.1.2 Durasi Kegiatan
Durasi yang digunakan merupakan data durasi dari proyek dengan sedikit perubahan pada durasi yang dianggap tidak sesuai, sehingga didapat durasi pekerjaan yang ideal.
4.1.3 Network Diagram
Network diagram disusun dengan menggunakan bantuan software Microsoft Project. Jenis-jenis kegiatan dan hubungan ketergantungan antar kegiatan ditentukan lebih dahulu. Contoh penyusunan hubungan ketergantungan dalam Microsoft Project adalah sebagai berikut:
Tabel 4.1. Hubungan ketergantungan antar kegiatan
No. Kegiatan Successors Predecessors
1 Proyek ums
2 Mulai
3 PEKERJAAN PERSIAPAN
4 Pengukuran dan bouwplank 8SS+5 days,13SS+5 days,9 2SS
5 Direksi keet/ brak kerja 8SS+5 days 2SS
12 Bongkar parkir lama 14SS+5 days,16SS+5 days 2SS
13 Pagar proyek 18SS+5 days 4SS+5 days
14 Pembersihan lapangan 18SS+5 days 12SS+5 days
15 Penenbangan pohon 18 2SS
16 Bongkar pagar lama 19SS+10 days,30,31 12SS+5 days
Sumber: hasil perhitungan dengan software Microsoft Project. Untuk kegiatan lain bisa dilihat pada lampiran B-2.
urut aktivitas yang mendahului aktivitas tersebut. Adapun langkah- langkah penyusunan network diagram dalam Microsoft Project.adalah sebagai berikut: 1. Membuka lembar kerja baru
Klik tombol Start > Program > Microsoft Office > Micosoft Office Project
2007.
2. Memasukkan tanggal dimulainya proyek
Klik menu Project > Project Information. Pada kotak dialog Project Information dipilih Schedule From: Project Start Date dan memasukkan tanggal dimulainya proyek pada kotak Start Date.
Gambar 4.2. Tampilan memasukan tanggal dimulainya proyek
• Start date : yaitu baris yang berisi tanggal mulai proyek. Baris tersebut
dapat diubah tanggalnya dengan menekan tanda , lalu ubah tanggalnya, misalnya 26 Oktober 2009 sesuai dengan kasus. Apabila start date sudah ditentukan, kemudian Microsoft Project akan menghitung sendiri kapan proyek akan berakhir sesuai jumlah dan durasi kegiatan.
• Finish Date : yaitu tanggal berakhirnya proyek. Baris tersebut belum aktif.
sehingga Microsoft Project akan menghitung kapan proyek harus dimulai, bisa sekarang, minggu depan, atau bahkan mungkin telah terlambat
• Current Date : tanggal saat dibukanya file (tanggal sekarang)
• Status Date : NA berarti belum digunakan
• Calendar : adalah tangalan untuk kegiatan, defaultnya adalah standard
• Priority : Prioritas Proyek
3. Memasukkan data kegiatan proyek dengan mengetikkannya pada kolom Task Name dan waktu kegiatan pada kolom Durasi.
4. Membuat hubungan antara pekerjaan satu dengan lainnya pada kolom
Successors. Pada saat mengisikan di kolom successor, kolom predessors
otomatis juga akan terisi. Hubungan antar pekerjaan dibuat berdasarkan gambar kerja (shop drawing).
Contoh pengisian:
a. Pekerjaan pengukuran dan bouwplank (pada baris 4) dan pekerjaan dokumentasi 1 (pada baris 8), dimulai secara bersamaan (Start to Start) dan terpaut 5 hari. Maka, pada kolom successors pekerjaan pengukuran dan bouwplank diisi 8SS+5days.
b. Pekerjaan pembersihan lapangan (pada baris 14) dapat dilakukan 5 hari sebelum pekerjaan pengerukan tanah untuk semi basement (pada baris 18). Maka, pada kolom successors pekerjaan pembersihan lapangan diisi 18SS+5days.
5. Menyusun kalender kerja untuk menentukan hari kerja dan jam kerja. Klik menu Tools > Change Working Time > Work Weeks > Details.
Gambar 4.4. Tampilan pengaturan waktu kerja
6. Untuk melihat jalur kritis dari suatu proyek,arahkan kursor mouse anda ke
Format, Text Style (seperti gambar dibawah)
Gambar 4.5. Tampilan pengaturan pekerjaan kritis
Gambar 4.6. Tampilan Pekerjaan Kritis
7. Melihat network diagram. Klik menuView> Network diagram
Gambar 4.7. Tampilan Network diagram pada Microsoft Project
Lintasan kritis pada proyek dapat dilihat dari warna merah pada tampilan network diagram Microsoft Project. Network diagram kegiatan lain dapat dilihat pada lampiran B-3.
4.1.4 Proses Simulasi
1. Memasukkan jenis- jenis pekerjaan, beserta durasinya
Setiap sub item pekerjaan diinput lama pengerjaannya (durasi).
Gambar 4.8. Tampilan Memasukkan Jenis Kegiatan beserta Durasinya 2. Mengasumsikan setiap pekerjaan memiliki kurva distribusi.
Dalam hal ini semua sub pekerjaan diasumsikan memiliki kurva distribusi segitiga
Gambar 4.9. Tampilan pada program Crytal Ball saat mendefinisikan pola distribusi kegiatan
3. Menghitung LF(Lastest Finish) berdasarkan hubungan ketergantungan.
Gambar 4.10. Tampilan saat menghitung LF 4. Mengatur Run preference
Pada bagian trials diisikan jumlah percobaan yang akan dilakukan. Dalam hal ini percobaan yang akan dilakukan sebanyak 1000x. Pada bagian sampling, dipilih simulasi monte carlo yang digunakan untuk menganalisa probabilistiknya.
Gambar 4.11. Tampilan pada Run reference 5. Menjalankan proses simulasi
Gambar 4.12 Tampilan saat menjalankan simulasi 6. Mengatur data keluaran simulasi pada analisis
Dalam option ini dipilih Forecast chart dan Sensitivy chart untuk mendapatkan hasil dari simulasi monte carlo.
Gambar 4.14. Tampilan hasil Forecast chart
Gambar 4.15. Tampilan hasil Sensitivy Chart
Hasil simulasi diperoleh:
a. Nilai minimum dari total durasi proyek adalah 244,66 hari b. Nilai maksimum dari total durasi proyek adalah 257,88 hari c. Nilai mean dari total durasi proyek adalah 251,04 hari d. Variasi
h. Mode dari total durasi proyek adalah 250,96 hari i. Persentil
• P 10% = 248,30 hari • P 90% = 253,82 hari
j. Kontingensi waktu merupakan rencana waktu cadangan yang dipakai mengatasi keadaan yang tidak tentu.
• P 50% = 251,02 hari ≈ 251 hari • P 80% = 252,87hari ≈ 253 hari
Jadi, kontingensi waktu = 253– 251 = 2 hari
4.1.5 Uji Anova
Analisis Varian adalah sebuah metode untuk memeriksa apakah ada hubungan antara dua atau lebih set data.
Hasil perhitungan Uji Anova: a. F hitung = 0,0059 b. Nilai P = 0,9388 c. F tabel = 3,8893
d. Tingkat signifikansi = 100% - tingkat kepercayaan = 100% - 95 % = 5%
Tingkat kepercayaan diambil sebesar 95%.
Apabila nilai-nilai tersebut dibandingkan maka dapat dilihat bahwa: e. F hitung (0,0059) < F tabel (3,8893)
f. Nilai P (0,9388) > tingkat signifikansi (0,05)
Tabel 4.2. Hasil perhitungan analisis varian menggunakan Microsoft Excel
Source of Variation SS df MS F P-value F crit
Between Groups 3,348663 1 3,348663 0,005902 0,938841 3,889341 Within Groups 111202,9 196 567,3616
4.1.6 Analisis Sensitivitas
Analisis sensitivitas menunjukkan seberapa besar pengaruh dari suatu input distribusi aktivitas terhadap output variabel proyek. Pada total durasi proyek maka input aktivitas yang memiliki angka sensitivitas tinggi akan menyebabkan perubahan yang paling besar pada total durasi proyek.
Gambar 4.16. Grafik hasil silmulasi sensitivitas
4.1.7 Response Risiko
Dari grafik sensitivitas diperoleh data pekerjaan yang mempunyai risiko paling besar adalah:
1. Bongkar pagar lama sebesar 55,6%.
2. Beton bertulang sloof struktur sebesar 18,4%. 3. Kolom tipe K6 sebesar 8,7%.
4. Beton bertulang plat dak atap sebesar 6,1%.
Tabel 4.3. Response yang diambil
No Risiko Response
1. Produktivitas pekerja yang menurun akan menghambat penyelesaian pekerjaan bongkar pagar lama.
• Membuat kontrak forward dengan supplier tenaga kerja, dengan batasan waktu tertentu.
2. Produktivitas pekerja yang menurun akan menghambat penyelesaian pekerjaan beton bertulang sloof struktur.
• Membuat kontrak forward dengan supplier tenaga kerja, dengan batasan waktu tertentu. • Menambah jumlah pekerja atau menambah
jam kerja
• Mendatangkan material sebelum stok material di site habis
3. Produktivitas pekerja yang menurun akan menghambat penyelesaian pekerjaan kolom tipe K6
• Membuat kontrak forward dengan supplier tenaga kerja, dengan batasan waktu tertentu • Menambahkan zat kimia untuk membantu
proses pengeringan beton
• Mendatangkan material sebelum stok material di site habis
• Mengganti alat dengan yang memiliki kapasitas yang lebih besar
• Mengevaluasi site dan penataannya, Site harus dievaluasi agar menghasilkan suatu design site yang menghasilkan alur proses yang efektif atau jalur alur sependek mungkin • Mengganti metode pelaksanaan dengan
metode baru yang lebih efisien dan efektif daripada metode eksisting.
No Risiko Response 4. Produktivitas pekerja yang
menurun akan menghambat penyelesaian pekerjaan beton bertulang plat dak atap
• Membuat kontrak forward dengan supplier tenaga kerja, dengan batasan waktu tertentu • Menambahkan zat kimia untuk membantu
proses pengeringan beton
• Mendatangkan material sebelum stok material di site habis
• Mengganti alat dengan yang memiliki kapasitas yang lebih besar
• Mengevaluasi site dan penataannya, Site harus dievaluasi agar menghasilkan suatu design site yang menghasilkan alur proses yang efektif atau jalur alur sependek mungkin • Mengganti metode pelaksanaan dengan
metode baru yang lebih efisien dan efektif daripada metode eksisting.
4.2
Pembahasan
Penjelasan dari analisis data yang telah dilakukan adalah sebagai berikut: 1. Berdasarkan hasil Forecast chart maka dapat disimpulkan sebagai berikut :
a. Waktu optimistik dari total durasi proyek adalah 240,83 hari b. Waktu most likely dari total durasi proyek adalah 250,92 hari c. Waktu pesimistik dari total durasi proyek adalah 259,71 hari d. Standar deviasi dari total durasi proyek adalah 2,13
e. Variasi dari total durasi proyek adalah 4,53
Dari distribusi penyelesaian durasi proyek, diambil durasi yang diharapkan dengan prosentase keberhasilan sebesar 50%, yaitu sebesar 251 hari. Sedangkan kontingensi waktu diambil dari prosentase keberhasilan 80% dikurangi prosentase keberhasilan 50%, sebesar 2 hari. Pengambilan kontingensi waktu ini dikarenakan prosentase keberhasilan 80% dianggap merupakan waktu dimana peluang terjadinya lebih besar. Varians dari umur proyek menunjukkan keragaman dari itersi umur proyek. Semakin besar varians suatu kegiatan, semakin besar pula range kegiatan tersebut.
2. Berdasarkan analisis sensitivitas (Sensitivy chart), maka aktivitas-aktivitas yang memiliki pengaruh besar terhadap durasi proyek yaitu: bongkar pagar lama ,beton bertulang sloof struktur, kolom tipe K6, dan beton brtulang plat dak atap. Kegiatan-kegiatan yang memiliki sensitivitas tinggi tersebut merupakan kegiatan kritis, yang penyelesaian kegiatannya sangat mempengaruhi total durasi proyek. Untuk itu, kegiatan tersebut perlu direncanakan dengan baik agar tidak terjadi kemunduran waktu penyelesaian proyek. Selain dengan perencanaan yang baik, cara untuk mengoptimalkan waktu penyelesaian proyek adalah dengan mengidentifikasi risiko-risko yang mungkin timbul pada aktivitas-aktivitas dengan sensitivitas tinggi. Risiko-risiko tersebut dianalisis dan dicari alternatif respon terbaiknya.
BAB 5
KESIMPULAN DAN SARAN
5.1.
Kesimpulan
Peneliti dapat mengambil beberapa kesimpulan setelah menganalisis data, yaitu: 1. Dalam penjadwalan probabilistik dengan metode simulasi Monte Carlo,
didapatkan hasil berupa distribusi probabilistik durasi umur proyek dan tingkat nilai sensitivitas tiap aktivitas. Nilai sensitivitas inilah yang menjadi keunggulan metode simulasi Monte Carlo dibandingkan metode lain. Dengan adanya nilai sensitivitas, identifikasi risiko akan lebih mudah dilakukan, sehingga dapat dicari respon risiko yang paling tepat agar risiko yang tidak menguntungkan tidak terjadi.
Penjadwalan probabilistik dengan menggunakan metode simulasi Monte Carlo ini lebih rasional karena memberikan suatu range umur proyek dari pada penjadwalan yang dilakukan kontraktor yang menghasilkan satu angka durasi penyelesaian proyek.
2. Direncanakan durasi penyelesaian proyek dengan cara probabilistik adalah 251 hari dengan kontingensi waktu 2 hari serta dengan prosentase keberhasilan sebesar 80%.
3. Aktivitas yang mempunyai risiko tertinggi adalah: 1. Bongkar pagar lama sebesar 55,6%.
2. Beton bertulang sloof struktur sebesar 18,4%. 3. Kolom tipe K6 sebesar 8,7%.
4. Beton bertulang plat dak atap sebesar 6,1%.
batasan waktu tertentu. Dengan adanya kontrak tersebut, pekerja harus bisa menyelesaikan pekerjaannya sesuai dengan batasan waktu yang telah disetujui sebelumnya.
5.2.
Saran
Dari hasil analisis yang diperoleh dari penyusunan skripsi ini, diberikan saran- saran sebagai berikut:
1. Pembuatan hubungan antar pekerjaan dalam Microsoft Project 2007 sebaiknya dilakukan secara cermat agar diperoleh hasil analisis yang akurat
2. Sebaiknya perlu diadakan penelitian yang lebih lanjut mengenai identifikasi risiko dan akibatnya terhadap keuangan.
xiii
DAFTAR PUSTAKA
Arifin, Johar. 2000. Mengupas Tuntas Excel 2000. Jakarta: Elex Media Komputindo. Darmawi, Herman. 1996. Manajemen Resiko. Jakarta: Bumi Aksara,
Djohanputro, Bramantyo, 2004. Manajemen Resiko Korporat Terintegrasi, PPM, p14
Ervianto, Wulfram. 2004. Teori- Aplikasi Manajemen Proyek Konstruksi. Yogyakarta: Andi.
Fisk, E.R. 1997. Construction project administration 5 th edition, New Jersey: Prentice Hall. Flanagan, R. & Norman,G. (1993). Risk management and construction. London: Blackwell Scientific Publications.
Kerzner, Harold., 1995, Project Management : A Systems Approach to Planning Scheduling and Controlling, Van Nostrand Reinhold.
Kwak, Y & Ingall, L. 2007. Exploring Monte Carlo Simulaton Applications For Project Management. Journal: Risk Management 2007, 9, (44–57):
Lowe J and Whitworth T., 1996, Risk Management and Major Construction Project - The Organization and Management of Contruction : Shaping theory and practice (vol. Two) E & FN Spon
Pangestuti, A. 2010. Penerapan Penjadwalan Probabilistik Pada Pembangunan Jembatan Ngurah Rai Proyek Kanal Timur Paket 26, JakartaTimur. Surabaya: Perpustakaan ITS.
Purnomo, R. 2005. Aplikasi Penjadwalan Probabilistik Proyek Jembatan MERR IIC Tahap II. Surabaya: Perpustakaan ITS.
Royal Society . 1991. Reports of the Study Group on Risk : Analysis, Perception, and Management. London: Royal Society
Soeharto, Iman. 1997. Manajemen Proyek Dari Konseptual Sampai Operasional. Jakarta: Erlangga.
Sudjana. 2002. Metode Statistika. Bandung: Tarsito
Taylor, Benard W. 1996. Saint Manajemen ( Pendekatan Matematika Untuk Bisnis) II. Jakarta: Salemba Empat.
Uher, T.E. 1996. Programming And Scheduling Techniques. Australia: School of Building, University of NSW.
Virine, L & Trumper, M . 2008. Schedule Network Analysis Using Event Chain Methodology. ProjectDecisions.org
