BAB 1 PENDAHULUAN - Penjadwalan Probabilistik Dengan Simulasi Monte Carlo

BAB 1
PENDAHULUAN

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).

Penjadwalan probabilistik memasukkan unsur ketidakpastian dalam analisisnya.
Hal ini bisa digunakan untuk mengantisipasi ketidakpastian durasi yang sering
terjadi dalam penyusunan jadwal proyek konstruksi. Metode yang umum
digunakan adalah PERT (Program Evaluation and Review Technique). PERT
adalah metode penjadwalan proyek yang berdasarkan jaringan yang memerlukan
tiga dugaaan waktu untuk setiap kegiatan: optimistik (optimistic), pesimistik
(pessimistic), dan paling mungkin terjadi (most likely).(Roger G Schroeder,
2000:293). Pengambilan tiga angka estimasi ini bisa didapatkan dari pengalaman

penjadwal (scheduler) dalam merencanakan penjadwalan proyek. Oleh karena itu,

1

2

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?

4.

Bagaimana respon terhadap kegiatan yang mempunyai tingkat risiko yang
tertinggi?

3

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

Pembangunan

penjadwalan

Gedung

Parkir

secara

Kendaraan

probabilistik
Roda

pada

Dua

Proyek

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
Hasil penelitian ini dapat memberi masukan kepada pihak proyek mengenai
penjadwalan proyek secara probabilistik untuk mengantisipasi ketidakpastian
durasi.

4

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).

Selama ini metode penjadwalan yang umum dilakukan pada proyek-proyek
menggunakan cara deterministik yaitu dengan CPM (Critical Path Method).
Namun pada kenyataannya di dalam penyelesaian proyek sering ditemukan
adanya ketidakpastian/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
hal tersebut digunakan teknik penjadwalan probabilistik (Purnomo R, 2005).
Untuk mendapatkan penjadwalan probabilistik yang lebih baik bisa menambahkan
skenario if / then condition dan penjadwalan secara bercabang (probabilistic
branching). Penjadwalan secara probabilistik akan lebih baik jika memakai data
historis yang lengkap dan data yang banyak sehingga hasilnya akan lebih akurat,

5

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 aktivitasaktivitas 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

Sebelunya disebutkan bahwa dalam upaya meningkatkan kualitas perencanaan
dan pengendalian proyek telah ditemukan metode selain CPM, suatu metode yang
dikenal sebagai PERT. Bila CPM memperkirakan suatu komponen kegiatan
proyek dengan pendekatan deterministic satu angka yang mencerminkan adanya
kepastian, maka PERT direkayasa untuk menghadapi situasi dengan kadar
ketidakpastian (uncertainty) yang tinggi pada aspek kurun waktu kegiatan. Situasi
ini misalnya dijumpai pada proyek penelitian dan pengembangan, sampai menjadi
produk yang samasekali baru. PERT memakai pendekatan yang menganggap

6

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

Estimasi kurun waktu

Deterministik , 1

kegiatan

angka

Arah orientasi

Ke kegiatan

PERT
Probabilistik , 3 angka

Ke peristiwa atau
kejadian

Identifikasi jalur kritis

Dengan hitungan maju

Dengan hitungan maju

atau mundur

atau mundur

Kurun waktu penyelesaian

Ditandai denaga suatu

Angka tertentu

milestone tau proyek

angka tertentu

ditambah suatu varian

Kemungkinan(probability) Hitungan /analisis

Dilengkapai cara

mencapai target jadwal

khusus

untuk maksud tersebut
tidak ada

Menganilisis jadwal yang
ekonoomis

Prosedur jelas

Munkin perlu
dikonversikan ke
CPM dahulu

PDM adalah jaringan kerja dengan kegiatan terletak di dalam node(AON) ,
sedangkan anak panah berfungsi menunjukkkan hubungan antar node yang
bersangkutan. PDM mengenal adanya konstrain antara kegiatan, yaitu SS, SF, FS,
FS, dan memungkinkan menggambarkan kegiatan tumpang tindih dan tidak
memerlukan dummy. Karena dalm PDM menampung kemungkinan kegiatan
boleh mulai sebelum kegiatan yang mendahuluinya selesai 100%, maka dapat
terjadi waktu penyelesaian proyek lebih pendek dibandingkan dengan metode

7

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)
Peristiwa (node/event)
berikutnya

Peristiwa (node/event)
terdahulu

i

kegiatan
j
Kurun waktu (D)

Gambar 2.1. Hubungan peristiwa dan kegiatan pada AOA

Garis penghubung
Kegiatan A

Kegiatan B

Gambar 2.2. Hubungan antara kegiatan- kegiatan pada AON
(Soeharto, 1997: 188).

8

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
Pada

dasarnya

teori

probabilitas

bermaksud

mengkaji

dan

mengukur

ketidakpastian(uncertainty) serta mencoba menjelaskan secara kuantitatif.
Diumpamakan sutau kegiatan terjadi secara berulang ulang dengan kondisi yang
dianggap sama ( Soeharto, 1995: 229).

9

“Density” probabilitas

m

a
Waktu optimistik

Waktu paling mungkin

b

Waktu

Waktu pesimistik

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.
(2.1)

te

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
V(te) = d2 =

)2

(2.5)

10

5.

Sebagai langkah terakhir untuk mengalisis kemungkinan mencapai target
T(d)
(2.6)
Dengan deviasi standart peristiwa
(2.7)

S=

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:

frekuensi
te

waktu
2S (68%)
4S (95%)
6S (99,7%)

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)

11

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,
b2 = frekuensi kelas modal dikurangi frekuensi kelas interval dengan tanda
kelas lebih besar sesudah tanda kelas modal.

12

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 hargaharganya paling tinggi sama dengan Me, sedangkan 50% lagi 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:
σx

= standar deviasi dari suatu populasi

13

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
Anova digunakan untuk menguji lebih dari dua sampel. Tujuannya adalah untuk
menguji apakah rata-rata atau mean dari populasi yang diambil dari sampel
adalah sama atau berbeda. Microsoft Excel 2007 telah menyediakan menu untuk
melakukan uji anova.

14

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. Faktor Tunggal / Single Factor – ini melakukan analisis sederhana dari
varians antara dua set data.
2. Dua Faktor tanpa Replika / Two Factors without Replication – ini
melakukan analisis varians antara dua atau lebih set data. Ini harus
digunakan bila Anda hanya memiliki satu sampel dari setiap data.
3. Dua Faktor dengan Replika / Two Factors with Replication – 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 uji-Z atau T-test. Semua tes ANOVA menggunakan distribusi F.
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

Simulasi adalah suatu prosedur kuantitatif, yang menggambarkan sebuah sistem,
dengan mengembangkan sebuah model dari sistem tersebut dan melakukan

15

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 ketidakpastian 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
5. Membuat simulasi dari rangkaian percobaan

16

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).

Keuntungan utama dari penggunaan simulasi Monte Carlo di proyek adalah
simulasi Monte Carlo merupakan sebuah perangkat yang cukup kuat/cermat
dalam menganalisa, memahami dan mengukur efek potensial dari ketidakpastian
dari proyek. Tanpa menggunakan bahan pertimbangan dari ketidakpastian pada
jadwal proyek dan anggaran keuangan, manajer proyek menempatkan dirinya
pada risiko yang melebihi target proyek. Simulasi Monte Carlo membantu
manajer proyek dalam penjumlahan dan pembenaran proyek sesuai kesepakatan,
dengan peristiwa risiko itu akan terjadi selama proyek. Williams (2003)
mengatakan bahwa keuntungan dari Simulasi Monte Carlo digunakan sebagai cara

17

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 konsepkonsep 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
Menampilkan hasil simulasi melalui grafik, barchart dan laporan statistik
untuk mendukung keputusan

18

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 dalam pengertian umum di masyarakat dapat diartikan sebagai terjadinya
hal-hal yang merupakan dampak (negatif) dari suatu aktivitas atau tindakan dan
selalu merugikan. Beberapa pakar dan penulis memberikan pengertian yang
berbeda-beda mengenai arti dari kata ‘risiko’ ini. Risiko merupakan variasi dalam
hal-hal yang mungkin terjadi secara alami di dalam suatu situasi (Fisk, E.R.
1997). Tak akan ada yang dapat mengetahui kapan risiko akan terjadi. Karena itu

19

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
Diketahui

tingkat

kejadiannya
Ada

data

Subyek tidak ada ukuran kuantitas

probabilitas Tidak

dapat

diketahui

tingkat

probabilitas kejadianya
pendukung

mengenai Tidak ada data pendukung untuk

kemungkinan kejadiannya

mengukur kemungkinan kejadianya

20

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 ratarata.
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.

-

Ketidakmampuan untuk mengidentifikasi alternatif solusi: jika ada kesulitan
dalam mengidentifikasi komponen masalah dan alternatif solusi, pembuat
keputusan mungkin akan membuat keputusan yang salah (Ritchie dan
Marshall, 1993).

21

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.
i. Keterlambatan pembayaran dan/atau ketidakmampuan pemilik membayar
kontraktor (Flanagan dan Norman, 1993:8).

22

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
Model analisis yang diterapkan dalam penelitian ini adalah metode analisis
kuantitatif dengan menggunakan simulasi Monte Carlo. Pengesahan hasil analisis
menggunakan metode statistik deskriptif dan uji Anova.

23

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
Data hasil (output) berupa grafik distribusi penyelesaian proyek dan probabilitas
keberhasilan proyek

24

3.5. Diagram Alir
Mulai
Memasukan data (input) berupa kegiatan
dan durasinya

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
ya

Mencari kegiatan yang berpengaruh besar
terhadap total durasi proyek

Data keluaran berupa grafik distribusi
penyelesaian proyek dan probabilitas
keberhasilan proyek

Melakukan pembahasan dan pengambilan
kesimpulan

Selesai

Gambar 3.1. Diagram Alir Langkah Kerja

tidak

25

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

Proyek Pembangunan
Gedung Parkir Kendaraan
Roda 2 UMS
Pek.
Persiapan

Pek.
Tanah

Pek. Beton

Pek.
Pasangan

Pek. Instalasi
Listrik

Pek.
Plumbing

Instalasi air
Bersih

InstalasiAir
Kotor

Gambar 4.1. WBS Proyek Pembangunan Gedung Parkir Kendaraan Roda 2
Universitas Muhammadiyah Surakarta

Untuk lebih jelasnya bisa dilihat pada lampiran B-1.

26

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

6

Keamanan proyek

8SS+5 days

2SS

7

Dokumentasi

8

Dokumentasi 1

18,9

4SS+5 days,5SS+5
days,6SS+5 days

9

Dokumentasi 2

10

4,18,8

10

Dokumentasi 3

11

26FS+5 days,9

11

Dokumentasi 4

101

55,10,69,70,71,72,73,74,79

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.
Angka pada kolom successors merupakan nomor urut aktivitas yang didahului
aktivitas tersebut, sedangkan angka pada kolom predecessors merupakan nomor

27

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.
Untuk mengaktifkannya, terlebih dulu Scheduele From harus diubah
menjadi project finish date sehingga dapat diubah tanggal selesainya.
Apabila finish date aktif, maka start date-nya tidak aktif. Biasanya baris
tersebut diisi untuk proyek yang tanggal selesainya sudah ditetapkan

28

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.

Gambar 4.3. Tampilan penyusunan pekerjaan

29

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
Klik item to changenya hingga keluar beberapa option seperti gambar diatas,
kemudian soroti bagian Critical task, kemudian ganti Colornya menjadi
warna merah. Klik OK, dan hasilnya akan seperti dibawah ini :

30

Gambar 4.6. Tampilan Pekerjaan Kritis
7. Melihat network diagram. Klik menu View> 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

Proses simulasi menggunakan software Oracle Crystall Ball yang merupakan
software add-in (tambahan) pada Microsoft Excel. Tahapmenjalankan proses simulasi adalah sebagai berikut:

tahap dalam

31

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.
Memperhitungkan LF (Lastest Finish) setiap pekerjaan sehingga didapatkan
batas tanggal selesai lambat setiap pekerjaan.

32

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
Setelah semua selesai dimasukkan data, maka simulasi siap untuk dijalankan.

33

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 4.13. Tampilan saat mengatur data keluaran simulasi pada analisis

34

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
•

Varians dari populasi total durasi proyek adalah 4,53

•

Standar deviasi dari durasi proyek adalah 2,13

e. Skewness dari total durasi proyek adalah 0,0749
f. Kurtosis dari total durasi proyek adalah 2,79
g. Median dari total durasi proyek adalah 251,05 hari

35

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
Between Groups
Within Groups

SS
3,348663
111202,9

Total

111206,2

df

MS
F
P-value
F crit
1 3,348663 0,005902 0,938841 3,889341
196 567,3616
197

36

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%.
Langkah penanganan yang dapat dilakukan terhadap risiko yang mungkin terjadi
antara lain:

37

Tabel 4.3. Response yang diambil
No

Risiko

Response

1.

Produktivitas pekerja yang

• Membuat kontrak forward dengan supplier

menurun akan menghambat
penyelesaian

tenaga kerja, dengan batasan waktu tertentu.

pekerjaan

bongkar pagar lama.
2.

Produktivitas pekerja yang
menurun akan menghambat
penyelesaian
beton

pekerjaan

bertulang

sloof

• Membuat kontrak forward dengan supplier
tenaga kerja, dengan batasan waktu tertentu.
• Menambah jumlah pekerja atau menambah
jam kerja
• Mendatangkan

struktur.

material

sebelum

stok

material di site habis
3.

Produktivitas pekerja yang

• Membuat kontrak forward dengan supplier

menurun akan menghambat

tenaga kerja, dengan batasan waktu tertentu

penyelesaian
kolom tipe K6

pekerjaan

• 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.
• Melakukan percepatan terhadap pekerjaan
setelahnya

38

No

Risiko

Response

4.

Produktivitas pekerja yang

• Membuat kontrak forward dengan supplier

menurun akan menghambat

tenaga kerja, dengan batasan waktu tertentu

penyelesaian

pekerjaan

• Menambahkan zat kimia untuk membantu

beton bertulang plat dak atap

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
f. Durasi penyelesaian proyek dengan cara probabilistik diperoleh 251 hari
dengan kontingensi waktu 2 hari.

39

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. Risikorisiko tersebut dianalisis dan dicari alternatif respon terbaiknya.
Alternatif respon yang bisa diambil untuk semua risiko keterlambatan diatas
adalah dengan membuat kontrak forward dengan penyedia tenaga

kerja,

dengan batasan waktu tertentu. Dengan adanya kontrak tersebut, pekerja harus
bisa menyelesaikan pekerjaannya sesuai dengan batasan waktu yang telah
disetujui sebelumnya. Pengambilan keputusan ini didasarkan pada beberapa
sumber yang menyarankan perlunya melakukan kontrak tersebut. Respon yang
diambil ini termasuk kategori menghindari risiko yaitu menghindari atau
menjauhkan risiko adalah mengubah rencana proyek untuk mengeliminasi
risiko atau kondisi untuk melindungi sasaran proyek dari pengaruh risiko.
Setiap pekerjaan mempunyai kompleksitas yang berbeda dengan pekerjaan
yang lain, oleh karena itu tidak bisa diberi respon yang sama dalam
penanganannya.

40

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%.

4. Alternatif respon yang bisa diambil untuk semua risiko keterlambatan adalah
dengan membuat kontrak forward dengan penyedia tenaga

kerja, dengan

41

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 saransaran 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.
3. Sebaiknya perlu dilakukan analisis lebih lanjut mengenai pola distribusi setiap
aktivitas.

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
Scheduli