4. ANALISA HASIL PENELITIAN
Tujuan yang ingin dicapai tugas akhir ini adalah untuk mengetahui pendapat serta tindakan para pelaku jasa konstruksi di daerah Surabaya untuk kedepannya mengenai green building concept. Serta menganalisis bangunan baru terutama bangunan komersial melalui kuesioner yang peneliti sebarkan kepada para pelaku jasa konstruksi, untuk mengetahui tingkat kesulitan dari penerapan green building concept yang diukur berdasarkan GREENSHIP rating tools, seperti yang telah dijelaskan dalam bab 1. Maka dari itu, pada bab ini akan dijelaskan mengenai pelaksanaan dan pembahasan dari hasil penelitian, dimulai dari pengumpulan hasil penyebaran kuesioner, pengolahan data kuesioner sampai dengan pengujian hipotesis.
4.1 Gambaran Umum Obyek Penelitian
Pada proses penyebaran data penulis mengalami banyak kendala dan kesulitan yang diluar perkiraan penulis. Untuk mendapatkan data responden yang dibutuhkan, pada awalnya penulis memilih GAPENSI sebagai salah satu organisasi gabungan kontraktor besar di Surabaya sebagai rujukan.
Pencarian data oleh penulis ke kantor GAPENSI tidak membuahkan hasil dikarenakan ada permasalahan database, namun penulis diarahkan untuk merujuk pada LPJK, lebih tepatnya di web “www.lpjk.org”. Berdasarkan data yang didapat di web tersebut, penulis melakukan penyebaran pertama, namun menemui banyak kegagalan. Hal ini dikarenakan kurangnya pengalaman penulis dalam penyebaran kuesioner dan data responden yang tidak memenuhi ekspetasi awal penulis, antara lain:
Responden pada data tercampur antara kontraktor mechanical electrical (ME), kontraktor jalan, kontraktor plumbing, dan kontraktor umum, sehingga tidak memenuhi persyaratan penulis, yaitu kontraktor umum.
Data responden salah, baik alamat maupun nomor telepon, sehingga mempersulit penulis dan menuntut pemilahan data.
Setelah berkonsultasi dengan pembimbing, penulis kemudian merujuk kantor pusat LPJK sebagai sumber data baru walau menuntut penulis menunggu lebih lama untuk memulai pengolahan data. Berbekal data asli dari LPJK dan pengalaman pada penyebaran pertama, penulis kemudian melakukan penyebaran kedua, yang terbukti lebih berhasil dibanding penyebaran pertama. Hambatan umum yang penulis alami dalam penyebaran dan pengumpulan kuesioner antara lain:
Ada responden menolak melayani permintaan pengisian kuesioner dengan berbagai alasan, antara lain sibuk, sedang melayani tender, tidak ada orang yang bisa mengisi, dsb.
Tanggapan responden yang kurang ramah atau tidak kooperatif.
Rentang waktu yang lama antara pengiriman dan pengambilan sehingga menghambat proses pengolahan data.
Ada responden yang menghilangkan kuesioner.
Data responden salah, baik alamat maupun nomor telepon, sehingga mempersulit penulis dan menuntut pemilahan data.
Hasil penyebaran pertama dan kedua yang memenuhi persyaratan kemudian menjadi dasar untuk pengolahan data.
Pengumpulan data dilakukan berupa penyebaran angket kuesioner. Contoh angket dapat dilihat di lampiran. Gambaran umum mengenai penyebaran kuesioner untuk kontraktor umum dan hasil akhirnya dapat dilihat di diagram berikut:
Gambar 4.1 Diagram Histogram Hasil Penyebaran Kuesioner Untuk Kontraktor Umum.
Dalam diagram histogram tersebut dapat kita lihat bahwa dari 115 data calon responden yang penulis dapatkan dari LPJK, 43 calon responden tidak dapat dihubungi dan 27 menolak untuk melayani permintaan pengisian kuesioner. Dari sisa 45 responden yang bersedia menerima, 31 kuesioner kembali dan 14 tidak.
Berikut adalah gambar 4.2 dalam persentase untuk memperjelas:
Gambar 4.2 Diagram Pie-Chart Hasil Penyebaran Kuesioner Untuk Kontraktor Umum Dalam Persen.
Dari gambar 4.2 diagram diatas, dapat kita lihat bahwa dalam persentase, sebanyak 37% calon responden tidak dapat dihubungi dan 24% menolak untuk melayani permintaan pengisian kuesioner. dari 39% kuesioner yang disebar, sebanyak 27% dari keseluruhan telah kembali dan 12% tidak.
Adapun gambaran umum mengenai penyebaran kuesioner untuk konsultan perencana dan hasil akhirnya dapat dilihat di gambar 4.3:
Gambar 4.3 Diagram Histogram Hasil Penyebaran Kuesioner Untuk Konsultan Perencana.
Dalam diagram histogram tersebut dapat kita lihat bahwa dari 17 data calon responden yang penulis dapatkan dari LPJK, 2 calon responden tidak dapat dihubungi dan 4 menolak untuk melayani permintaan pengisian kuesioner. Dari sisa 11 responden yang bersedia menerima, 10 kuesioner kembali dan 1 tidak.
Berikut adalah gambar 4.4 dalam persentase untuk memperjelas:
Gambar 4.4 Diagram Pie-Chart Hasil Penyebaran Kuesioner Untuk Konsultan Perencana Dalam Persen.
Dari gambar diagram diatas, dapat kita lihat bahwa dalam persentase, sebanyak 12% calon responden tidak dapat dihubungi dan 23% menolak untuk
melayani permintaan pengisian kuesioner. dari 65% kuesioner yang disebar, sebanyak 59% dari keseluruhan telah kembali dan 6% tidak.
Dari 41 kuesioner yang terkumpul, dapat diperoleh profil umum dari perusahaan-perusahaan yang telah memberikan jawaban, seperti pengalaman pekerjaan, pendidikan terakhir, serta jabatan. Data-data tersebut dirangkum seperti terlihat pada tabel 4.1
Tabel 4.1 Data Responden
No. Keterangan Jumlah
Sampel 1. BIDANG INDUSTRI KONSTRUKSI
ᴏ Kontraktor 31
ᴏ Konsultan Perencana 10
2. JABATAN RESPONDEN
ᴏ Direktur 4
ᴏ Manager 14
ᴏ Karyawan / Staff 23
3. PENGALAMAN KERJA
ᴏ < 5 tahun 7
ᴏ 5 - 10 tahun 17
ᴏ > 10 tahun 17
4.2 Hasil Pengolahan Data 4.2.1 Analisa Deskriptif
Data-data penelitian yang telah terkumpul diformat untuk digunakan sebagai input data untuk pendataan dan proses analisis yang menggunakan program MICROSOFT EXCEL. Bentuk penyajian dari tabel itu berupa variabel terikat berupa kontraktor umum dan konsultan perencana, dan 6 variabel bebas yang masing-masing akan dipecah seperti yang diurai dalam bab 3.
Proses pengolahan data ini tidak dilakukan secara serentak dengan 2 variabel terikat dan 6 variabel bebasnya, pengolahan data ini dilakukan secara individual, variabel bebas dan sub-variabelnya, dilanjutkan menurut 6 variabel bebas terhadap setiap satu variabel terikatnya. Setelah itu dilakukan pengolahan secara menyeluruh.
Analisa deskriptif dilakukan dengan tujuan untuk mengetahui tanggapan dari kontraktor umum dan konsultan perencana mengenai tingkat kemudahan dalam penerapan GREENSHIP rating tools pada bangunan apartemen. Dapat kita
lihat pada tabel dimana semakin kecil hasil mean yang didapat maka semakin mudah GREENSHIP rating tools diterapkan oleh para kontraktor dan konsultan.
Dengan demikian apabila owner meminta untuk diterapkan, para kontraktor dan konsultan sudah siap untuk menjalankan. Sedangkan semakin besar hasil mean yang didapat maka semakin sulit untuk diterapkan sehingga sehingga apabila GREENSHIP rating tools diterapkan oleh para kontraktor dan konsultan. Dengan demikian apabila owner meminta untuk diterapkan, para kontraktor dan konsultan belum siap untuk menjalankan. Sehingga masih memerlukan penyuluhan lebih lanjut dari Green Building Council Indonesia.
Berdasarkan data yang penulis dapatkan, penulis terlebih dahulu menenganalisa data pada sub-variabel, yang selanjutnya akan digunakan untuk menganalisa variabel. Hasil analisa deskriptif untuk sub-variabel dari masing- masing variabel dapat dilihat pada penjelasan di bawah ini.
4.2.1.1 Analisa Deskriptif Sub-Variabel Tepat Guna Lahan (ASD)
Data distribusi untuk variabel Tepat Guna Lahan / Appropriate Site Development (ASD) dapat dilihat di tabel 4.2, seperti yang ada dibawah ini:
Tabel 4.2 Hasil Tanggapan Responden untuk Variabel ASD
Variabel Indikator Variabel
Sub- variabel
Indikator Sub- variabel
Mean Kontraktor Umum
Konsultan Perencana ASD Tepat guna
lahan
ASD1 Pemilihan lokasi 2.84 2.60
ASD2 Aksesibilitas masyarakat
2.77 3.00
ASD3 Transportasi umum 2.81 3.30
ASD4 Sepeda 2.90 2.10
ASD5 Lansekap lahan 2.81 1.90
ASD6 Iklim mikro 3.06 3.40
ASD7 Manajemen air hujan 3.10 3.20
Berdasarkan tabel 4.2 diatas dapat diketahui bahwa untuk vaiabel ASD, mayoritas kontraktor umum menilai bahwa faktor ASD2 (mean= 2.77) sebagai yang paling mudah diterapkan dan fakor ASD7 (mean= 3.10) sebagai yang paling sulit diterapkan, sementara konsultan perencana menilai faktor ASD5 (mean=
1.90) sebagai yang paling mudah diterapkan dan ASD6 (mean= 3.40) sebagai
yang paling sulit diterapkan. Namun dikarenakan tidak ada faktor yang menunjukkan nilai di atas 3.50 maka berarti mayoritas keduanya merasa semua faktor bisa mereka terapkan dengan cukup baik.
Gambar 4.5 Grafik Hasil Deskriptif Variabel ASD
Berdasarkan grafik pada gambar 4.5 diatas dapat diketahui bahwa dalam variabel Tepat Guna Lahan, mayoritas kontaktor umum menilai penerapan faktor ASD2, ASD3, ASD6 dan ASD7 lebih mudah dibanding dengan konsultan perencana, sedangkan mayoritas konsultan perencana menilai penerapan faktor ASD1, ASD4 dan ASD5 lebih mudah dibanding kontraktor umum.
Setelah analisis sub variabel ASD selesai, maka selanjutnya adalah analisa sub variabel EEC.
4.2.1.2 Analisa Deskriptif sub-variabel Efisiensi Energi dan Refrigeran (EEC)
Data distribusi untuk variabel Efisiensi Energi dan Refrigeran / Energy Efficiency and Conservasi (EEC) dapat dilihat di tabel 4.3, seperti yang ada dibawah ini:
Tabel 4.3 Hasil Tanggapan Responden untuk Variabel EEC
Variabel Indikator Variabel
Sub- variabel
Indikator Sub- variabel
Mean Kontraktor Umum
Konsultan Perencana EEC Efisiensi
Energi dan Refrigeran
EEC1 Perhitungan efisiensi energi
2.84 2.30
EEC2 Pencahayaan alami 2.65 2.20
EEC3 Ventilasi 3.03 2.40
EEC4 Dampak perubahan iklim
3.19 3.30
EEC5 Energi terbarukan 3.00 3.80
Berdasarkan tabel 4.3 diatas dapat diketahui bahwa untuk variabel EEC, mayoritas kontraktor umum menilai bahwa faktor EEC2 (mean= 2.65) sebagai yang paling mudah diterapkan dan faktor EEC4 (mean= 3.19) sebagai yang paling sulit diterapkan, sementara mayoritas konsultan perencana menilai bahwa faktor EEC2 (mean= 2.20) sebagai yang paling mudah diterapkan dan faktor EEC5 (mean= 3.80) sebagai yang paling sulit ditererapkan. Dalam tabel 4.6 kita lihat bahwa mayoritas konsultan perencana memberi tanggapan dengan mean di atas 3.80 pada faktor EEC5 berarti pada faktor ini mayoritas konsultan perencana masih menganggapnya sulit untuk diterapkan.
Gambar 4.6 Grafik Hasil Deskriptif Variabel EEC
Berdasarkan grafik pada gambar 4.6 diatas dapat diketahui bahwa dalam variabel Efisiensi Energi dan Refrigeran, mayoritas kontaktor umum menilai
penerapan faktor EEC4 dan EEC5 lebih mudah dibanding dengan konsultan perencana, sedangkan mayoritas konsultan perencana menilai penerapan faktor EEC1, EEC2, dan EEC3 lebih mudah dibanding kontraktor umum.
Setelah analisis sub variabel EEC selesai, maka selanjutnya adalah analisa sub variabel WAC.
4.2.1.3 Analisa Deskriptif sub-variabel Konservasi Air (WAC)
Data distribusi untuk variabel Konservasi Air / Water Conservation (WAC) dapat dilihat di tabel 4.4, seperti yang ada dibawah ini:
Tabel 4.4 Hasil Tanggapan Responden untuk Variabel WAC
Variabel Indikator Variabel
Sub- variabel
Indikator Sub- variabel
Mean Kontraktor Umum
Konsultan Perencana WAC Konservasi
Air
WAC1 Pengurangan penggunaan air
2.94 2.50
WAC2 Perlengkapan tetap air
2.84 2.70
WAC3 Daur ulang 3.06 3.70
WAC4 Sumber air alternatif 3.13 2.80 WAC5 Pengairan dengan air
hujan
2.71 2.70
WAC6 Efisiensi air lansekap 2.87 3.00
Berdasarkan tabel 4.4 diatas dapat diketahui bahwa untuk variabel WAC, mayoritas kontraktor umum menilai bahwa faktor WAC5 (mean= 2.71) sebagai yang paling mudah diterapkan dan faktor WAC4 (mean= 3.13), sementara mayoritas konsultan perencana menilai faktor WAC1 (mean= 2.50) sebagai yang paling mudah diterapkan dan faktor WAC3 (mean= 3.70) sebagai yang paling sulit diterapkan. Dalam tabel 4.6 kita lihat bahwa mayoritas konsultan perencana memberi tanggapan dengan mean di atas 3.70 pada faktor WAC3 berarti pada faktor ini mayoritas konsultan perencana masih menganggapnya sulit untuk diterapkan.
Gambar 4.7 Grafik Hasil Deskriptif Variabel WAC
Berdasarkan grafik pada gambar 4.7 diatas dapat diketahui bahwa dalam variabel Tepat Guna Lahan, mayoritas kontaktor umum menilai penerapan faktor WAC3 dan WAC6 lebih mudah dibanding dengan konsultan perencana, sedangkan mayoritas konsultan perencana menilai penerapan faktor WAC1, WAC2 dan WAC4 lebih mudah dibanding kontraktor umum sementara untuk faktor WAC5, kedua belah pihak menilai sama.
Setelah analisis sub variabel WAC selesai, maka selanjutnya adalah analisa sub variabel MRC.
4.2.1.4 Analisa Deskriptif sub-variabel Sumber dan Siklus Material (MRC) Data distribusi untuk variabel Sumber dan Siklus Material / Material Resources and Cycle (MRC) dapat dilihat di tabel 4.5, seperti yang ada dibawah ini:
Tabel 4.5 Hasil Tanggapan Responden untuk Variabel MRC
Variabel Indikator Variabel
Sub-
variabel Indikator Sub- variabel
Mean Kontraktor Umum
Konsultan Perencana
MRC Sumber
dan Siklus Material
MRC1 Penggunaan ulang material dan bangunan
2.71 3.40
MRC2 Produk yang diproses dengan ramah lingkungan
2.97 3.30
MRC3 Penggunaan material non ODS
2.77 3.30
MRC4 Kayu bersertifikat 2.58 2.30
MRC5 Desain modular 2.68 2.30
MRC6 Material lokal 2.35 2.00
Berdasarkan tabel 4.5 diatas dapat diketahui bahwa untuk variabel MRC, mayoritas Kontraktor Umum menilai bahwa faktor MRC6 (mean= 2.35) sebagai yang paling mudah diterapkan dan faktor MRC2 (mean= 2.97) sebagai yang paling sulit diterapkan, sementara mayoritas konsultan perencana menilai faktor MRC6 (mean= 2.00) sebagai yang paling mudah diterapkan dan faktor MRC1 (mean= 3.40) sebagai yang paling sulit diterapkan. Namun dikarenakan tidak ada faktor yang menunjukkan nilai di atas 3.50 maka berarti mayoritas keduanya merasa semua faktor bisa mereka terapkan dengan cukup baik.
Gambar 4.8 Grafik Hasil Deskriptif Variabel MRC
Berdasarkan grafik pada gambar 4.8 diatas dapat diketahui bahwa dalam variabel Sumber dan Siklus Material, mayoritas kontaktor umum menilai penerapan faktor MRC1, MRC2, dan MRC3 lebih mudah dibanding dengan konsultan perencana, sedangkan mayoritas konsultan perencana menilai penerapan faktor MRC4, MRC5 dan MRC6 lebih mudah dibanding kontraktor umum.
Setelah analisis sub variabel MRC selesai, maka selanjutnya adalah analisa sub variabel IHC.
4.2.1.5 Analisa Deskriptif sub-variabel Kualitas dan Kenyamanan Udara (IHC)
Data distribusi untuk sub-variabel Kualitas dan Kenyamanan Udara / Indoor Health and Comfort (IHC) dapat dilihat di tabel 4.6, seperti yang ada dibawah ini:
Tabel 4.6 Hasil Tanggapan Responden untuk Variabel IHC
Variabel Indikator Variabel
Sub-
variabel Indikator Sub- variabel
Mean Kontraktor Umum
Konsultan Perencana IHC Kualitas dan
Kenyamanan Udara
IHC1 Pengawasan CO2 2.84 3.60
IHC2 Kontrol ramah lingkungan asap rokok
2.39 2.00
IHC3 Polutan kimia 2.58 3.50
IHC4 Pemandangan ke luar
2.77 3.00
IHC5 Kenyamanan visual 2.29 2.40 IHC6 Kenyamanan
termal
2.65 2.80
IHC7 Tingkat kebisingan 2.67 3.10
Berdasarkan tabel 4.6 diatas dapat diketahui bahwa untuk variabel IHC, mayoritas kontraktor umum menilai bahwa faktor IHC5 (mean= 2.29) sebagai yang paling mudah diterapkan dan faktor IHC1 (mean= 2.84) sebagai yang paling sulit diterapkan, sementara mayoritas konsultan perencana menilai faktor IHC2 (mean= 2.00) sebagai yang paling mudah diterapkan dan faktor IHC1 (mean=
3.60) sebagai yang paling sulit diterapkan. Dalam tabel 4.6 kita lihat bahwa
mayoritas Konsultan Perencana memberi tanggapan dengan mean di atas 3.60 pada faktor IHC1 berarti pada faktor ini mayoritas konsultan perencana masih menganggapnya sulit untuk diterapkan.
Gambar 4.9 Grafik Hasil Deskriptif Variabel IHC
Berdasarkan grafik pada gambar 4.9 diatas dapat diketahui bahwa dalam variabel Kualitas dan Kenyamanan Udara, mayoritas kontaktor umum menilai penerapan semua faktor lebih mudah dibanding dengan konsultan perencana, kecuali faktor IHC2.
Setelah analisis sub variabel IHC selesai, maka selanjutnya adalah analisa sub variabel BEM.
4.2.1.6 Analisa Deskriptif sub-variabel Manajemen Lingkungan Bangunan (BEM)
Data distribusi untuk sub-variabel Manajemen Lingkungan Bangunan / Building Enviromental Management (BEM) dapat dilihat di tabel 4.7, seperti yang ada dibawah ini:
Tabel 4.7 Hasil Tanggapan Responden untuk Variabel BEM
Variabel Indikator Variabel
Sub-
variabel Indikator Sub-variabel
Mean Kontraktor Umum
Konsultan Perencana BEM Manajemen
Lingkungan Bangunan
BEM1 Melibatkan tenaga ahli GREENSHIP sebagai Anggota dalam tim Proyek
2.74 3.30
BEM2 Polusi Aktivitas Kontruksi
2.77 2.80
BEM3 Manajemen terpadu sampah
2.81 3.00
BEM4 Prosedur yang tepat 2.71 3.30 BEM5 Implementasi dan
submisi data
2.74 3.00
BEM6 Kelengkapan surat perjanjian
2.84 2.60
BEM7 Survei penghuni 2.71 2.40
Berdasarkan tabel 4.7 diatas dapat diketahui bahwa untuk variabel BEM, mayoritas kontraktor umum menilai bahwa faktor BEM4 dan BEM7 (mean=
2.71) sebagai yang paling mudah diterapkan dan faktor BEM6 (mean= 2.84) sebagai yang paling sulit diterapkan, sementara mayoritas konsultan perencana menilai faktor BEM7 (mean= 2.40) sebagai yang paling mudah diterapkan dan faktor BEM1 dan BEM4 (mean= 3.30) sebagai yang paling sulit diterapkan.
Namun dikarenakan tidak ada faktor yang menunjukkan nilai di atas 3.5 maka berarti mayoritas keduanya merasa semua faktor bisa mereka terapkan dengan cukup baik.
Gambar 4.10 Grafik Hasil Deskriptif Variabel BEM
Berdasarkan grafik pada gambar 4.10 diatas dapat diketahui bahwa dalam variabel Manajemen Lingkungan Bangunan, mayoritas kontaktor umum menilai penerapan faktor BEM1, BEM2, BEM3, BEM4 dan BEM5 lebih mudah dibanding dengan konsultan perencana, sedangkan mayoritas konsultan perencana menilai penerapan faktor BEM6 dan BEM7 lebih mudah dibanding kontraktor umum.
Setelah analisis sub variabel BEM selesai, maka seluruh data sub variabel telah dianalisa. Langkah selanjutnya adalah melakukan proses lebih lanjut berdasar data tersebut pada analisa variabel.
4.2.1.7 Analisa Deskriptif untuk Semua Variabel
Setelah mendapatkan data analisa sub variabel, maka dilakukan analisa variabel. Data distribusi untuk keseluruhan variabel dapat dilihat di tabel 4.8, seperti yang ada dibawah ini:
Tabel 4.8 Hasil Tanggapan Responden untuk Semua Variabel
Variabel Indikator Variabel
Mean Kontraktor
Umum
Konsultan Perencana
ASD Tepat Guna Lahan 2.90 2.79
EEC Efisiensi Energi dan Refrigeran 2.94 2.80
WAC Konservasi Air 2.92 2.90
MRC Sumber dan Siklus Material 2.68 2.77
IHC Kualitas dan Kenyamanan Udara
2.60 2.91
BEM Manajemen Lingkungan Bangunan
2.76 2.91
Berdasarkan tabel 4.8 diatas dapat diketahui bahwa untuk keseluruhan variabel, mayoritas kontraktor umum menilai bahwa faktor IHC (mean= 2.60) sebagai yang paling mudah diterapkan dan faktor EEC (mean= 2.94) sebagai yang paling sulit diterapkan, sementara mayoritas konsultan perencana menilai faktor MRC (mean= 2.77) sebagai yang paling mudah diterapkan dan faktor IHC serta BEM (mean= 2.91) sebagai yang paling sulit diterapkan. Namun dikarenakan
tidak ada faktor yang menunjukkan nilai di atas 3.50 maka berarti mayoritas keduanya merasa semua faktor bisa mereka terapkan dengan cukup baik.
Gambar 4.11 Grafik Hasil Deskriptif Semua Variabel
Berdasarkan grafik pada gambar 4.11 diatas dapat diketahui bahwa dalam keseluruhan variabel, mayoritas kontaktor umum menilai penerapan faktor MRC, IHC dan BEM lebih mudah dibanding dengan konsultan perencana, sedangkan mayoritas konsultan umum menilai penerapan faktor ASD, EEC dan WAC lebih mudah dibanding kontraktor umum.
Gambar 4.12 Diagram Pie-Chart Persentase Deskriptif Rata-Rata Lingkup Kontraktor
Dari hasil deskriptif diatas, diperoleh hasil untuk tipe lingkup kontraktor umum yang diteliti tersebut diperoleh faktor ukuran EEC memiliki tingkat kesulitan tertinggi (17.49%) dalam pemilihan lingkup kerja perusahaan kontraktor umum di Surabaya, dilanjutkan dengan faktor WAC, ASD, BEM, MRC dan IHC.
Padahal EEC merupakan variabel dengan persentase pelaksanaan tertinggi dalam GREENSHIP rating tools, yaitu sebesar 26%, begitupu berturut-turut dengan WAC (21%) dan ASD (17%). Hal ini berarti perlu dilakukan penyuluhan lebih lanjut agar kontraktor umum maupun konsultan perencana memiliki kesiapan lebih dalam menghadapi tantangan pembangunan gedung yang menggunakan GREENSHIP rating tools sebagai alat skoringnya.
Gambar 4.13 Diagram Pie-Chart Persentase Deskriptif Rata-Rata Lingkup Konsultan
Dari hasil deskriptif diatas, diperoleh hasil untuk tipe lingkup konsultan perencana yang diteliti tersebut diperoleh faktor IHC dan BEM sama-sama memiliki tingkat kesulitan tertinggi tertinggi (17.33%) dalam pemilihan lingkup kerja perusahaan konsultan perencana di Surabaya, dilanjutkan dengan faktor WAC, MRC, ASD dan EEC.
Hal berbeda diungkapkan dalam penelitian yang dilakukan oleh Lim Siao Vern pada tahun 2011 di Malaysia. Berdasarkan penelitian tersebut, responden menganggap bahwa faktor energi adalah faktor yang paling penting dalam rating
tools, diikuti faktor perencanaan lahan dan manajemen, efisiensi air, kualitas lingkungan indoor, serta material dan sumber daya.
Dari pembahasan diatas akan digunakan untuk menjawab tujuan penelitian
“Bagaimana tanggapan dari kontraktor umum dan konsultan perencana mengenai tingkat kemudahan dalam penerapan GREENSHIP rating tools pada bangunan apartemen?” Berdasarkan pengujian statistik (analisa deskriptif) yang telah dilakukan, menyatakan bahwa tingkat kemudahan penerapan GREENSHIP rating tools menurut kontraktor umum serta konsultan perencana responden adalah
“Cukup untuk Diterapkan”. Hal senada dengan penelitian yang dilakukan oleh Lim Siao Vern di Malaysia pada tahun 2011. Penelitian tersebut menyatakan bahwa 60 dari 100 responden menjawab “moderate” untuk menjelaskan implementasi mereka dalam praktek sustainability. Walaupun demikian, ada beberapa faktor dari sub-variabel yang terkategori “sulit untuk diterapkan”, antara lain:
Energi Terbarukan (EEC5) oleh konsultan perencana Daur Ulang (WAC3) oleh konsultan perencana Polutan Kimia (IHC3) oleh konsultan perencana
Hal senada diungkapkan penelitian sejenis di Malaysia pada 2010.
Berdasarkan penelitian tersebut bahwa responden mengalami beberapa hambatan dalam mempraktekkan rating tools yang mereka anut. Kendala yang dihadapi kontraktor dan konsultan untuk menerapkan strategi sustainability dalam pekerjaan mereka antara lain:
Kurangnya pelatihan dan pendidikan dalam bidang desain konstruksi yang berkelanjutan.
Kurangnya pemahaman teknis dari kontraktor umum maupun konsultan perencana.
Kurangnya kejelasan informasi dari metode pembangunan green building Setelah analisa data deskriptif dan pembahasan selesai, maka selanjutnya adalah melakukan uji beda dengan analisis varian (uji ANOVA)
4.2.1 Uji Beda (Uji ANOVA)
Anova merupakan suatu analisis statistika untuk menguji secara serentak apakah populasi mempunyai rataan yang sama. Uji ANOVA ini menunjukan indikasi adanya perbedaan jika nilai signifikansinya menunjukan nilai <0.05. Uji ANOVA dilakukan secara serempak pada semua variabel terhadap jenis lingkup kerja perusahaan, seperti yang telah dibahas dalam bab 3 uji ini dilakukan dengan menggunakan program MINITAB. Hasil selengkapnya dapat dilihat dalam lampiran.
Tabel 4.9 Hasil Rekapitulasi ANOVA
Variabel Indikator Variabel
ANOVA Mean
F P Kontraktor
Umum
Konsultan Perencana
ASD Tepat Guna Lahan 0.24 0.635 2.90 2.79
EEC Efisiensi Energi dan Refrigeran
0.18 0.68 2.94 2.80
WAC Konservasi Air 0.02 0.896 2.92 2.90
MRC Sumber dan Siklus Material 0.11 0.749 2.68 2.77 IHC Kualitas dan Kenyamanan
Udara
1.91 0.192 2.60 2.91
BEM Manajemen Lingkungan Bangunan
1.42 0.257 2.76 2.91
Berdasarkan hasil komputerisasi dari ANOVA pada Tabel 4.9 menunjukan nilai signifikan >0.05 untuk semua variabel, tidak ada yang menunjukkan nilai signifikan <0.05. Hal ini menunjukan tidak terdapat perbedaan tanggapan antara kontraktor umum dan konsultan perencana pada semua variabel. Langkah selanjutnya adalah menguji apakah terdapat perbedaan dalam tanggapan kontraktor umum dan konsultan perencana pada sub variabel. Detailnya dapat dilihat di penjelasan dibawah ini:
4.2.2.1 Appropriate Site Development / Tepat Guna Lahan (ASD)
Variabel ASD dengan nilai (F=0.24, sig =0.635) mengindikasikan bahwa variabel tersebut memiliki 63.5% tingkat kesamaan pengaruh terhadap jenis lingkup kerja perusahaan (kontraktor umum dan konsultan perencana) dengan detail ANOVA sub variabel sebagai berikut:
Tabel 4.10 Hasil Rekapitulasi ANOVA – ASD
Sub-
variabel Indikator Sub-variabel
ANOVA Mean
F P Kontraktor Umum
Konsultan Perencana
ASD1 Pemilihan lokasi 0.39 0.534 2.84 2.60
ASD2 Aksesibilitas masyarakat 0.51 0.479 2.77 3.00
ASD3 Transportasi umum 1.94 0.171 2.81 3.30
ASD4 Sepeda 5.34 0.026 2.90 2.10
ASD5 Lansekap lahan 15.39 0.000 2.81 1.90
ASD6 Iklim mikro 0.97 0.331 3.06 3.40
ASD7 Manajemen air hujan 0.08 0.776 3.10 3.20
Dari tabel diatas, dapat dilihat bahwa dalam lingkup variabel Tepat Guna Lahan (ASD), terdapat perbedaan tanggapan antara kontraktor umum dan konsultan perencana yang signifikan yaitu di faktor ASD4 (F=5.34, sig =0.026) dengan tingkat kesamaan hanya sebesar 2.6% dan ASD5 (F=15.39, sig =0.000) dengan tingkat kesamaan hanya sebesar 0%. Perbedaan ini dikarenakan nilai mean yang cukup besar pada tanggapan kedua pihak. Pada ASD4, mean tanggapan kontraktor umum dan konsultan umum masing-masing sebesar 2.90 dan 2.10, sedangkan pada ASD5, mean tanggapan kontraktor umum dan konsultan umum masing-masing sebesar 2.81 dan 1.90. Dari perbandingan mean tersebut, tampak bahwa mayoritas konsultan perencana menilai bahwa faktor-faktor tersebut lebih mudah diterapkan dibandingkan oleh mayoritas kontraktor umum. Karena itu penulis menyimpulkan siginifikansi ini terjadi dikarenakan faktor-faktor tersebut membutuhkan perencanaan yang lebih mudah dibandingkan pada fase pembangunan.
Penggunaan lahan yang tepat dapat membantu mengurangi dampak lingkungan dari sebuah pengembangan konstruksi. Pengoptimasian penggunaan lahan yang diterapkan dalam green building seperti mendekatkan lokasi dengan transportasi publik atau menyediakan sarana umum dalam jarak yang bisa ditempuh dengan berjalan kaki. Penggunaan lansekap dan metode desai yang baik juga terbukti dapat mengurangi efek rumah kaca dunia.(Lewis, 2010)
Setelah dilakukan uji beda pada sub variabel ASD, maka selanjytnya dilakukan uji beda pada sub variabel EEC.
4.2.2.2 Energy Efficiency and Concervation / Efisiensi Energi dan Refrigeran (EEC)
Variabel waktu dengan nilai (F=0.18, P =0.68) mengindikasikan bahwa variabel tersebut memiliki 68% tingkat kesamaan pengaruh terhadap jenis lingkup kerja perusahaan (kontraktor umum dan konsultan perencana) dengan detail ANOVA sub variabel sebagai berikut:
Tabel 4.11 Hasil Rekapitulasi ANOVA - EEC
Sub-
variabel Indikator Sub-variabel
ANOVA Mean
F P Kontraktor
Umum
Konsultan Perencana EEC1 Perhitungan efisiensi energi 2.65 0.112 2.84 2.30
EEC2 Pencahayaan alami 2.57 0.117 2.65 2.20
EEC3 Ventilasi 0.01 0.937 3.03 2.40
EEC4 Dampak perubahan iklim 0.28 0.597 3.19 3.30
EEC5 Energi terbarukan 0.58 0.453 3.00 3.80
Dari tabel diatas, dapat dilihat bahwa dalam lingkup variabel Efisiensi Energi dan Refrigerant (EEC), tidak terdapat perbedaan tanggapan antara kontraktor umum dan konsultan perencana yang signifikan.
Efisiensi energy dalam pencapaian sebuah green building memegang peran yang penting. Energy adalah sektor operasi terbesar yang paling memungkinkan untuk dikelola untuk mengembangkan efisiensi gedung secara keseluruhan. Meskipun demikian, perkembangan arus kebutuhan akan energi di negara-negara berkembang termasuk Indonesia terbukti akan menunjukkan peningkatan dan kemudian menimbulkan isu lebih lanjut jika tidak dilakukan tindakan pencegahan dari sekarang. Karena itu sektor ini perlu mendapat perhatian lebih dalam. (Lewis, 2010)
Setelah dilakukan uji beda pada sub variabel EEC, maka selanjutnya dilakukan uji beda pada sub variabel ASD.
4.2.2.3 Water Concervation / Konservasi Air (WAC)
Variabel kualitas dengan nilai (F=0.02, P =0.896) mengindikasikan bahwa variabel tersebut memiliki 89.6% tingkat kesamaan pengaruh terhadap jenis lingkup kerja perusahaan (kontraktor umum dan konsultan perencana) dengan detail sebagai berikut:
Tabel 4.12 Hasil Rekapitulasi ANOVA – WAC
Sub-
variabel Indikator Sub-variabel
ANOVA Mean
F P Kontraktor
Umum
Konsultan Perencana WAC1 Pengurangan penggunaan
air
2.5 0.122 2.94 2.50
WAC2 Perlengkapan tetap air 0.35 0.559 2.84 2.70
WAC3 Daur ulang 3.31 0.077 3.06 3.70
WAC4 Sumber air alternatif 1.03 0.317 3.13 2.80 WAC5 Pengairan dengan air hujan 0.00 0.981 2.71 2.70 WAC6 Efisiensi air lansekap 0.15 0.704 2.87 3.00
Dari tabel diatas, dapat dilihat bahwa dalam lingkup variabel Konservasi Air (WAC), tidak terdapat perbedaan tanggapan antara kontraktor umum dan konsultan perencana yang signifikan.
Penelitian menunjukkan bahwa jika pemakaian air kita tidak berubah maka dalam waktu beberapa tahun lagi dunia akan menghadapi ancaman krisis air.
Kesediaan air telah menjadi suatu tolok ukur akan kesediaan sumber daya abad ini. Saat ini, diestimasikan bangunan mengkonsumsi 25% dari cadangan air dunia, namun jumlah ini dapat dikurangi sebesar 40% oleh green building yang bersertifikat. (Lewis, 2010)
Setelah dilakukan uji beda pada sub variabel WAC, maka selanjytnya dilakukan uji beda pada sub variabel MRC.
4.2.2.4 Material Resource and Cycle / Sumber dan Siklus Material (MRC)
Variabel ukuran proyek dengan nilai (F=0.11, P =0.749) mengindikasikan bahwa variabel tersebut memiliki 17.5% tingkat kesamaan pengaruh terhadap jenis lingkup kerja perusahaan ((kontraktor umum dan konsultan perencana) dengan detail ANOVA sub variabel sebagai berikut:
Tabel 4.13 Hasil Rekapitulasi ANOVA – MRC
Sub-
variabel Indikator Sub-variabel
ANOVA Mean
F P Kontraktor
Umum
Konsultan Perencana MRC1 Penggunaan ulang material
dan bangunan
3.00 0.091 2.71 3.40
MRC2 Produk yang diproses dengan ramah lingkungan
1.05 0.312 2.97 3.30
MRC3 Penggunaan material non ODS
2.76 0.105 2.77 3.30
MRC4 Kayu bersertifikat 0.69 0.411 2.58 2.30
MRC5 Desain modular 2.01 0.164 2.68 2.30
MRC6 Material lokal 1.76 0.192 2.35 2.00
Dari tabel diatas, dapat dilihat bahwa dalam lingkup variabel Sumber dan Siklus Material (MRC), tidak terdapat perbedaan tanggapan antara kontraktor umum dan konsultan perencana yang signifikan.
Bangunan diestimasikan menggunakan 30% dari material mentah dunia.
Penggunaan berlebihan material dalam konstruksi diakibatkan dari keinginan untuk mengurangi penundaan masa konstruksi. Dengan meningkatkan manajemen lingkungan dalam proses konstruksi, mendaur ulang dan menggunakan ulang material konstruksi merupakan salah satu skema dan tujuan dari sebuah green building untuk mengurangi penggunaan material secara berlebih. (Lewis, 2010)
Setelah dilakukan uji beda pada sub variabel MRC, maka selanjytnya dilakukan uji beda pada sub variabel IHC.
4.2.2.5 Indoor Health and Comfort / Kualitas dan Kenyamanan Udara (IHC)
Variabel kompleksitas dengan nilai (F=1.91, P =0.192) mengindikasikan bahwa variabel tersebut memiliki 19.2% tingkat kesamaan pengaruh terhadap jenis lingkup kerja perusahaan (kontraktor umum dan konsultan perencana) dengan detail ANOVA sub variabel sebagai berikut:
Tabel 4.14 Hasil Rekapitulasi ANOVA – IHC
Sub-
variabel Indikator Sub-variabel
ANOVA Mean
F P Kontraktor Umum
Konsultan Perencana
IHC1 Pengawasan CO2 4.43 0.042 2.84 3.60
IHC2 Kontrol ramah lingkungan asap rokok
1.62 0.211 2.39 2.00
IHC3 Polutan kimia 10.36 0.003 2.58 3.50
IHC4 Pemandangan ke luar 0.51 0.479 2.77 3.00
IHC5 Kenyamanan visual 0.24 0.627 2.29 2.40
IHC6 Kenyamanan termal 0.26 0.610 2.65 2.80
IHC7 Tingkat kebisingan 3.01 0.091 2.67 3.10
Dari tabel diatas, dapat dilihat bahwa dalam lingkup variabel Kualitas dan Kenyamanan Udara (IHC), terdapat perbedaan tanggapan antara kontraktor umum dan konsultan perencana yaitu di faktor IHC1 (F=4.43, sig =0.042) dengan tingkat kesamaan hanya sebesar 4.2% dan IHC3 (F=10.36, sig =0.003) dengan tingkat kesamaan hanya sebesar 0.3%. Perbedaan ini dikarenakan nilai mean yang cukup besar pada tanggapan kedua pihak. Pada IHC1, mean tanggapan kontraktor umum dan konsultan umum masing-masing sebesar 2.84 dan 3.60, sedangkan pada IHC3, mean tanggapan kontraktor umum dan konsultan umum masing-masing sebesar 2.58 dan 3.50. Dari perbandingan mean tersebut, tampak bahwa mayoritas konsultan perencana menilai bahwa faktor-faktor tersebut lebih sulit diterapkan dibandangkan oleh mayoritas kontraktor umum. Karena itu penulis menyimpulkan siginifikansi ini terjadi dikarenakan faktor-faktor tersebut
membutuhkan perencanaan yang lebih sulit dibandingkan pada fase pembangunan.
Urbanisasi menyebabkan sebuah kota bertambah besar, dan bertambah panas. Perkembangan bangunan telah berkontribusi dalam efek yang dikenal sebagai urban heat-island, dimana suhu pusat kota besar terukur lebih panas dibandingkan daerah pinggiran. Efek ini dapat dikurangi dengan menerapkan design yang lebih ramah lingkungan di green building. (Lewis, 2010)
Setelah dilakukan uji beda pada sub variabel IHC, maka selanjutnya dilakukan uji beda pada sub variabel BEM.
4.2.2.6 Building Environmental Management / Manajemen Lingkungan Bangunan (BEM)
Variabel kompleksitas dengan nilai (F=1.42, P =0.257) mengindikasikan bahwa variabel tersebut memiliki 25.7% tingkat kesamaan pengaruh terhadap jenis lingkup kerja perusahaan (kontraktor umum dan konsultan perencana) dengan detail ANOVA sub variabel sebagai berikut:
Tabel 4.15 Hasil Rekapitulasi ANOVA – BEM
Sub-
variabel Indikator Sub-variabel
ANOVA Mean
F P Kontraktor
Umum
Konsultan Perencana BEM1 Melibatkan tenaga ahli
GREENSHIP sebagai anggota dalam tim proyek
2.55 0.118 2.74 3.30
BEM2 Polusi aktivitas kontruksi 0.01 0.941 2.77 2.80 BEM3 Manajemen terpadu sampah 0.44 0.509 2.81 3.00
BEM4 Prosedur yang tepat 3.88 0.056 2.71 3.30
BEM5 Implementasi dan submisi data
0.82 0.371 2.74 3.00
BEM6 Kelengkapan surat perjanjian 0.55 0.463 2.84 2.60
BEM7 Survei penghuni 0.92 0.344 2.71 2.40
Dari tabel diatas, dapat dilihat bahwa dalam lingkup variabel Manajemen Lingkungan Bangunan (BEM), tidak terdapat perbedaan tanggapan antara kontraktor umum dan konsultan perencana yang signifikan.
Desain bangunan dan sistem operasi yang telah dikembangkan untuk mencapai keuntungan lingkungan tidak dapat mencapai kinerja terbaiknya jika
tidak diikuti oleh manajemen dan perawatan green building yang berjalan dengan baik. Penghuni gedung diharapkan juga turut serta dalam pencapaian yang diinginkan dalam penerapan green building selain perawatan yang berkelanjutan dan baik yntuk memastikan bahwa sistem gedung berjalan dengan baik dan tepat.
(Lewis, 2010)
Setelah didapat data diatas, maka hasil analisa diatas digunakan untuk menjawab tujuan penelitian “Apakah ada perbedaan variabel dari kontraktor dan konsultan mengenai tingkat kesulitan dalam penerapan GREENSHIP rating tools pada bangunan apartemen?” Berdasarkan pengujian statistik (uji ANOVA) yang telah dilakukan, menyatakan bahwa tidak terdapat perbedaan pengaruh variabel yang signifikan apabila dilakukan analisa secara umum baik pada variabel “tepat guna lahan”,”efisiensi energi dan refrigeran”,”konservasi energi”,”sumber dan siklus material”,”kualitas dan kenyamanan udara” dan pada variabel “menejemen lingkungan bangunan”.
