Konferensi Nasional Teknik Sipil 11
Universitas Tarumanagara, 26-27 Oktober 2017
MODEL VALIDASI PENERAPAN HASIL PENGEMBANGAN
EARNED VALUE
METHOD
UNTUK PERKIRAAN DURASI AKHIR PROYEK KONSTRUKSI
DI JAKARTA
Basuki Anondho1, Henny Wiyanto2 dan Dicky Dwi Putra3
1
Staf Pengajar tetap Jurusan Teknik Sipil, Fakultas Teknik, Universitas Tarumanagara Email: basukia@ft.untar.ac.id
2
Staf Pengajar tetap Jurusan Teknik Sipil, Fakultas Teknik, Universitas Tarumanagara Email: hennyw@ft.untar.ac .id
3
Jurusan Teknik Sipil, Fakultas Teknik, Universitas Tarumanagara Email: dickydwputra@gmail.com
ABSTRAK
Penggunaan earned value method (EVM) untuk memperkirakan durasi akhir proyek secara tradisional pada umumnya menggunakan schedule performance index (SPI) atau schedule variant
(SV) yang dalam perhitungannya didasari atau mengacu biaya. Beberapa peneliti terdahulu menemukan bahwa penggunaan SPI dan SV secara tradisional tersebut kurang tepat dan dalam banyak kasus menunjukan kejanggalan dalam memprediksi durasi akhir suatu proyek konstruksi. Pengembangan telah dilakukan oleh para peneliti tersebut terhadap EVM mulai dari planned value, earned schedule dan yang terakhir earned duration dengan validasi di lokasi masing-masing untuk menunjukan tingkat keakuratan yang lebih baik. Penelitian ini mencoba melakukan validasi terhadap penerapan prediksi durasi akhir proyek dengan menggunakan metode Earned Duration
(ED) dengan data berasal dari proyek-proyek konstruksi bangunan gedung tinggi di Jakarta. Hasil pengolahan data prediksi durasi akhir proyek dibandingkan antara metode EVM tradisional dengan metode ED berdasarkan rata-rata hasil akhirnya. Metode yang memiliki standar deviasi yang lebih kecil menunjukan keakuratan yang lebih baik. Hasil penelitian menunjukan bahwa pendekatan ED lebih baik tingkat keakuratannya karena memiliki standar deviasi yang lebih kecil untuk proyek konstruksi di Jakarta.
Kata kunci: Durasi Akhir, EVM, ED, Prediksi, Perbandingan.
1. PENDAHULUAN
Estimasi merupakan aspek penting dari pengambilan keputusan dalam lingkungan proyek yang biasanya tidak pasti. Kebutuhan untuk estimasi timbul karena ada ketidakpastian tentang masa depan dan beberapa aspek dari masa depan tidak dapat dikendalikan. Estimasi jadwal durasi proyek dan peringatan awal risiko jadwal yang akan datang adalah elemen penting dari manajemen proyek yang efektif (Khamooshi, 2016).
Earned Value Management (EVM) merupakan metode pengendalian proyek untuk memperkirakan jangka waktu dan biaya penyelesaian pada proyek. EVM membantu kepentingan manajemen untuk fokus pada hal-hal yang paling membutuhkan perhatian, membantu dalam membuat prioritas dan penekanan manajemen pada proyek dalam sebuah portofolio. Penyederhanaan perhitungan EVM, penggunaan alat grafis untuk meningkatkan pemahaman tren kinerja, dan keberhasilan penerapan EVM dalam industri adalah faktor-faktor penting untuk perkembangan dan penggunaan yang efektif dari metode value dalam manajemen proyek. (Frank T. Anbari, 2003).
Earned Value merupakan salah satu cara untuk melakukan perencanaan dan pengendalian proyek. Earned Value
atau Earned Value Management (EVM) memiliki pandangan tentang ruang lingkup, waktu, biaya proyek, terlepas dari jenis, ukuran, maupun tingkat kerumitan proyek. Earned Value Management (EVM) secara umum digunakan untuk menganalisa performa proyek serta sebagai alat peringatan bila terjadi resiko pertambahan biaya dan pemunduran jadwal. (Flemming dan Koppelman, 2006). Menurut Rafaat (2012) memprediksi durasi akhir proyek dengan menggunakan Earned Value Method (EVM) dapat dilakukan dengan tiga metode yaitu, Planed Value Method (PVM), Earned Duration Method (EDM), dan Earned Schedule Method (ESM).
EVM mendefinisikan beberapa parameter yang berfungsi untuk memonitor dan mengontrol proyek. EVM mendefinisikan Planned Value (PV) sebagai nilai atau value yang telah direncanakan untuk dikerjakan sesuai dengan jadwal pada waktu tertentu. PV dapat disebut juga BCWS atau Budgeted Cost of Work Scheduled. Earned Value (EV) adalah nilai atau value dari pekerjaan yang telah dikerjakan atau selesai pada waktu tertentu. EV dapat
disebut juga BCWP atau Budgeted Cost of Work Performed. Dan Actual Cost (AC) mewakili nilai atau value dari apa yang telah dikeluarkan untuk mencapai suatu perkembangan atau kemajuan yang dicapai pada suatu waktu tertentu.
Indikator kinerja jadwal apabila dihitung dengan EVM konvensional kurang tepat untuk sebagian besar proyek (Radenco Corovic, 2007). Asumsi linier berdasarkan SPI(t) untuk nilai yang direncanakan membuat hasil EVM berada dalam potensi kesalahan (Chen dan Zhang, 2012). EVM sendiri tidak cukup untuk pengendalian proyek yang baik, karena EVM merupakan prosedur sistematis untuk pengukuran kinerja yang efektif, hanya jika didukung dengan sistem pengendalian biaya dan jadwal yang baik. (Daniel R. McConnell, 1985).
Earned Duration Management atau EDM diperkenalkan oleh Khamooshi dan Golafshani (2014) yang berfungsi untuk mengukur atau memprediksi durasi proyek dengan memisahkan antara jadwal dan biaya. EDM dikembangkan untuk menutupi kekurangan dari metode PVM dan ESM, dan dapat memainkan peran yang sama seperti yang dilakukan EVM terhadap biaya. Menurut Vanhoucke et al, 2015, salah satu kelebihan EDM adalah dapat menghilangkan penggunaan data biaya dalam konteks biaya. Namun, metode ini juga memiliki kekurangan, yaitu sulitnya metode ini diterima dan diterapkan oleh para pekerja di lapangan.
EVM terbukti telah digunakan untuk meramal durasi. akan tetapi muncul praktik baru yaitu ES (Earned Schedule) yang mempekerjakan jadwal berdasarkan waktu dan memberikan fasilitas untuk memprediksi hasil jadwal. Dari penelitian yang dilakukan oleh Lipke et al, 2009, metode ES telah terbukti lebih baik dibandingkan dengan pendekatan EVM berdasarkan jadwal prediksi selama hampir 500 bulan data dari 12 proyek. Melalui penelitian tersebut, sampel data yang digunakan relatif kecil, murah, sampai sedang. Selain itu, data yang ada digunakan untuk semua jenis dan ukuran proyek mulai dari durasi pendek dengan biaya rendah dan durasi panjang dengan harga tinggi. Sedangkan menurut penelitian yang dilakukan oleh Lipke (2009), standar deviasi dari perkiraan pada durasi akhir yang sebenarnya, dihitung untuk setiap proyek dan setiap persen jarak pengujian. Metode peramalan dinilai, dan dari antara metode dan data set dipelajari, ES terbukti menjadi metode lebih baik untuk peramalan durasi proyek. Kelebihan dari metode ini adalah dapat mengetahui secara detail nilai-nilai dari perbedaan standar deviasi supaya diperoleh hasil yang tepat karena dilakukan pembuatan tujuh rentang persen secara lengkap untuk mengisolasi karakteristik peramalan. Namun kelemahannya adalah hanya dapat menilai melalui hasil dari standar deviasi yang telah dihitung, bukan dari perbedaan rumus pada metode yang dibandingkan. Hasilnya, metode ES memberikan hasil yang dapat diandalkan dan menyederhanakan durasi akhir dan tanggal penyelesaian peramalan. Bahkan, hasil prediksi lebih baik secara keseluruhan untuk jadwal daripada biaya. Sehingga ES terbukti lebih baik dari metode EVM lainnya.
2. METODOLOGI PENELITIAN Pengumpulan Data
Penelitian dimulai dengan mengumpulkan data dari proyek-proyek gedung bertingkat yang sedang berjalan pembangunannya. Data yang dikumpulkan berupa: kurva S yang berisi grafik progress rencana dan aktual, kurva S yang digunakan diasumsikan distribusi kegiatannya baku sehingga didapat durasi rencana dan aktual yang berasal dari kurva S sebuah proyek. Untuk durasi rencana dan aktual yang digunakan adalah nilai kumulatifnya yang ditinjau hingga waktu aktual terakhir. Jumlah data yang digunakan 30 data yang didapat dari proyek di sekitar Jabodetabek.
Kurva S
Kurva S adalah kurva yang memaparkan jadwal pelaksanaan yang disajikan dalam bentuk tabel dan bagan yang menyerupai huruf S. Kurva S merupakan alat yang penting dalam manajemen suatu proyek. Kurva ini dapat memantau perkembangan/ kemajuan proyek dari waktu ke waktu dan sebagai catatan tentang apa saja yang telah dikerjakan hingga saat ini. Analisis terhadap kurva S dapat mengidentifikasi pertumbuhan proyek dan masalah potensial lainnya yang dapat berdampak negatif pada proyek jika tidak dilakukan tindakan.
Kurva S dibuat berdasarkan waktu kumulatif suatu proyek yang terdiri atas kurva S untuk waktu tercepat dan waktu terlambat. Apabila waktu pelaksanaan melampaui waktu terlambat, maka dampak negatif pada proyek dapat terjadi. Karena itu harus dilakukan pencegahan terhadap keterlambatan pekerjaan supaya waktu pelaksanaan setidaknya berada di antara waktu tercepat dan waktu terlambat.
Kurva S diperoleh berdasarkan data seluruh proyek yang berisi bobot untuk setiap pekerjaan, mulai dari pekerjaan awal hingga proyek selesai dikerjakan. Pekerjaan yang akan dianalisis adalah pekerjaan untuk struktur atas.
SPI
Schedule Performance Index (SPI) adalah indeks yang menyatakan seberapa efisien proyek yang sedang dikerjakan dibandingkan dengan jadwal proyek yang direncanakan. Nilai SPI dapat ditentukan dengan membandingkan antara EV (Earned Value) – nilai yang telah selesai hingga saat ini, dengan PV (Planned Value) – nilai yang disetujui dari suatu pekerjaan yang akan diselesaikan dalam waktu tertentu.
Besar nilai SPI menyatakan apakah proyek yang sedang dikerjakan sesuai dengan jadwal atau tidak. Apabila SPI < 1, artinya proyek yang dikerjakan terlambat dari jadwal. SPI = 1, artinya proyek yang dikerjakan sesuai dengan jadwal. Sedangkan apabila SPI > 1 artinya proyek yang dikerjakan lebih cepat dari jadwal yang direncanakan, sebab nilai yang telah diperoleh (EV) lebih besar dari nilai yang akan diselesaikan (PV).
Perhitungan SPI EVM
Setelah memasukkan nilai dari BCWP dan BCWS yang dimasukkan lagi setelahnya adalah SPI (Schedule Performance Index). SPI dihitung untuk menunjukkan tingkat kinerja suatu perkembangan atau progres proyek. Rumus yang digunakan untuk menghitung SPI yaitu:
SPI = BCWPBCWS (1)
Setelah mendapatkan nilai dari SPI yang akan dihitung selanjutnya adalah EAC (Estimated at Completion) karena dalam perhitungan EAC dibutuhkan nilai SPI. EAC sendiri merupakan perkiraan waktu penyelesaian proyek yang didasarkan pada progress aktual suatu proyek. Untuk menghitung EAC dapat menggunakan rumus berikut:
EAC = t + PD-tSPI (2)
Keterangan:
t = waktu proyek yang diteliti
PD (Project Duration) = durasi total proyek
SPI = indeks kinerja jadwal
Perhitungan DPI EDM
Untuk menghitung ED (Earned Duration) digunakan rumus
ED(t) = t + TPD TED-TPDt
t+1(calendar unit)-TPDt×1 (calendar unit) (3)
Keterangan:
t = waktu (dalam kalender)
TED = ∑ Edin
i-1
TPD = ∑ PDin
i-1
Setelah mendapatkan ED tiap satuan waktu, maka menghitung Duration Performance Index dengan menggunakan rumus:
DPI =ED
AD (4)
Keterangan:
ED = Earned Duration
AD = Actual Duration (durasi sekarang)
Setelah mendapatkan nilai dari DPI yang akan dihitung selanjutnya adalah EDAC (Estimated Duration at Completion) karena dalam perhitungan EDAC dibutuhkan nilai DPI. EDAC sendiri merupakan perkiraan waktu penyelesaian proyek yang didasarkan pada progress aktual suatu proyek. Untuk menghitung EDAC dapat menggunakan rumus berikut:
EDAC = BPD
DPI (5)
Model Perbandingan
1. Standar Deviasi
Standar deviasi atau simpangan baku adalah ukuran penyebaran yang sering digunakan dimana mayoritas nilai data berada dalam satu deviasi standard dari mean. (Dr. Ir. Harinaldi, M.Eng. 2005). Rumus standar deviasi adalah:
sx =
√
∑ (xi-x̅) 2 n i=1 n-1 (sampel) (6) σx =√
∑ fi(xi-x̅) 2 N i=1 N (populasi) (7)Semakin besar jumlah data (n) dalam sampel, maka nilai standar deviasi akan semakin kecil dan apabila jumlah data sedikit maka nilai standar deviasi akan semakin besar. Deviasi standar yang besar menunjukkan bahwa titik-titik data dapat menyebar jauh dari rata-rata dan standar deviasi kecil menunjukkan bahwa titik-titik data berada di sekitar nilai rata-rata. Hal ini dapat menunjukkan error (penyimpangan) hubungan antara data dengan regresi linear (rata-rata). Nilai standar deviasi mendekati nol menunjukkan bahwa nilai-nilai dalam suatu himpunan tidak beragam.
Pada nilai standar deviasi yang lebih kecil maka probabilitas prediksi pada range akan lebih kecil, sehingga perkiraan durasi menjadi lebih tepat karena pilihan durasi lebih sedikit. Sebaliknya pada nilai standar deviasi yang lebih besar, probabilitas prediksi pada range lebih besar sehingga perkiraan durasi menjadi kurang tepat karena pilihan durasi lebih banyak.
2. Kestabilan SPI
Selanjutnya, dilakukan perbandingan terhadap hasil SPI dengan luas lantai masing-masing proyek. Caranya adalah dengan membuat grafik SPI vs Luas Lantai (LL). Tiap data SPI dan luas lantai di plot kemudian ditarik garis linear. Hal ini dilakukan untuk menentukan metode mana yang lebih stabil apabila luas lantai berbeda-beda. Semakin besar luas lantai, garis linear akan semakin menurun. Hal ini membuktikan apakah metode yang digunakan tidak stabil atau sebaliknya. Produktivitas yang konsisten menunjukkan metode yang digunakan stabil. Tingkat kemiringan garis regresi (slopeness) ditunjukkan dalam rumus sebagai berikut:
b = ∑ XY - ∑ X . ∑ Y n ∑ X2 - ∑ X2 n (8) Dimana:
b = slope (tingkat kemiringan garis regresi) X = luas lantai (m2)
Y = SPI (Schedule Performance Index) n = jumlah sampel
Nilai slope yang lebih kecil menunjukkan bahwa metode yang digunakan lebih stabil pada luas lantai yang berbeda. Sebaliknya apabila nilai slope lebih besar, maka metode yang digunakan kurang stabil terhadap luas lantai yang berbeda.
3. HASIL DAN PEMBAHASAN
Perhitungan Durasi Akhir Proyek dari Titik Pengamatan dengan Metode Earned Value Method (EVM)
Perhitungan durasi akhir proyek dari titik pengamatan dengan menggunakan metode EVM (Earned Value Method) akan dilakukan dengan cara menghitung nilai dari SPI (Schedule Performance Index) terlebih dahulu, kemudian hasil tersebut akan digunakan untuk mencari nilai dari EAC (Estimated at Completion). Perhitungan menggunakan persamaan-persamaan sebagai berikut:
Selanjutnya menghitung Duration Performance Index (DPI) yang akan dibandingkan dengan SPI dengan menggunakan rumus:
DPI = ED
AD (4)
Kemudian perhitungan dilakukan pada semua data proyek yang sudah terkumpul. Nilai rata-rata DPI dan SPI per m2 dapat dilihat pada tabel berikut ini:
Tabel 1. Rata-rata SPI dan DPI tiap m2 Luas Lantai
Luas (m2) SPI DPI SPI (/m2) DPI (/m2)
Luas Luas 35600 1.088455772 1.032044754 3.05746E-05 2.899E-05 45000 0.89064 0.594990031 0.000019792 1.3222E-05 148386 1.023566529 1.016740069 6.898E-06 6.85199E-06 142811.32 0.580085081 0.85020452 4.0619E-06 5.95334E-06 55000 0.38505532 0.552972184 7.00101E-06 1.0054E-05 17680 1.799647379 1.409967742 0.00010179 7.97493E-05 60000 0.810442187 0.933314629 1.35074E-05 1.55552E-05 69000 0.544659825 0.622444246 7.89362E-06 9.02093E-06 50000 1.948516877 1.274330924 3.89703E-05 2.54866E-05 88738.7 0.743143159 0.85487403 8.37451E-06 9.63361E-06 74913 0.790338144 0.878276707 1.05501E-05 1.1724E-05 31162.79 1.134469697 1.165045505 3.64046E-05 3.73858E-05 54000 0.655941955 0.907437358 1.21471E-05 1.68044E-05 11915.3 0.979901885 0.994620987 8.2239E-05 8.34743E-05 122179.9 0.484019769 0.8559359 3.96153E-06 7.00554E-06 235728 1.029367533 0.70521699 4.36676E-06 2.99166E-06 50000 0.865968586 0.940115591 1.73194E-05 1.88023E-05 22510.15 0.363864492 0.728178439 1.61645E-05 3.23489E-05 35000 1.930826189 1.001748245 5.51665E-05 2.86214E-05 50000 1.00013541 1.000031588 2.00027E-05 2.00006E-05 45000 2.673728814 1.968198954 5.94162E-05 4.37378E-05 56492 1.217391304 1.217353391 2.15498E-05 2.15491E-05 37000 1.168448084 1.109294806 3.15797E-05 2.99809E-05 80000 1.032892935 1.016243999 1.29112E-05 1.2703E-05 36562 1.416783217 1.290961899 3.87502E-05 3.53088E-05 188000 0.865809468 0.77714098 4.60537E-06 4.13373E-06 126327 0.620931866 0.937098979 4.91527E-06 7.41804E-06 94000 1.930826189 1.205571869 2.05407E-05 1.28252E-05 29324.21 1.599276527 1.166427088 5.45378E-05 3.97769E-05 63799 0.494340605 0.494340605 7.74841E-06 7.74841E-06
Maka berdasarkan data SPI dan DPI yang telah dihitung, dilakukan plot pada diagram pengolahan data.
Gambar 1. Grafik SPI dan DPI terhadap Luas Lantai Tingkat kemiringan garis regresi (slopeness) masing-masing adalah
SPI: b = -9.20651x10-7 DPI: b = -6.09715x10-7
Maka berdasarkan kedua hasil perhitungan, DPI menghasilkan tingkat kemiringan (slope) yang lebih landai dibandingkan SPI.
4. KESIMPULAN
1. Prediksi durasi akhir proyek dapat dihitung lebih baik dengan metode ED. Karena perhitungan ED menghasilkan indeks kinerja jadwal yang lebih baik, tetapi juga memerlukan data yang lebih detil karena perhitungan berdasarkan aktivitas.
2. Indeks kinerja jadwal ED lebih akurat dibandingkan EV karena memiliki standar deviasi rata-rata yang lebih kecil. Dari nilai rata-rata SPI dan DPI terhadap luas lantai, diperoleh nilai rata-rata DPI lebih kecil dibandingkan dengan SPI sehingga menunjukkan bahwa DPI lebih baik dibandingkan dengan SPI.
3. Berdasarkan hasil yang telah diperoleh, dapat disimpulkan bahwa DPI lebih baik dibandingkan dengan SPI. Hal ini dapat dibuktikan melalui grafik kemiringan garis regresi SPI dan DPI terhadap luas lantai, yaitu apabila garis semakin landai maka semakin baik. Nilai slope yang lebih kecil menunjukkan bahwa metode yang digunakan lebih stabil pada luas lantai yang berbeda-beda. Berdasarkan hal tersebut, SPI kurang stabil terhadap luas lantai yang berbeda. Dengan kata lain, progress suatu proyek secara aktual pada DPI lebih baik dibandingkan SPI.
