ESTIMASI BIAYA TAHAP KONSEPTUAL PADA PROYEK PELEBARAN JALAN PROVINSI DI ACEH TAMIANG

Transkripsi

1 ESTIMASI BIAYA TAHAP KONSEPTUAL PADA PROYEK PELEBARAN JALAN PROVINSI DI ACEH TAMIANG Firdani Ananta 1 dan Syahrizal 2 1 Departemen Teknik Sipil, Universitas Sumatera Utara (USU) Jl. Perpustakaan, Kampus USU Medan INDONESIA anantafirdani93@ymail.com 2 Staf Pengajar Departemen Teknik Sipil, Universitas Sumatera Utara (USU) Jl. Perpustakaan, Kampus USU Medan INDONESIA rizal_ar@ymail.com Abstrak Biaya adalah salah satu unsur pokok dalam pelaksanaan suatu proyek. Banyak proyek yang terhambat ataupun gagal disebabkan oleh kekurangan biaya. Umumnya hal ini terjadi karena pada saat tahap konseptual, para pelaku konstruksi, khususnya owner proyek, tidak memiliki cukup informasi mengenai berapa biaya yang dibutuhkan untuk melaksanakan proyek tersebut. Untuk mengatasi masalah tersebut, maka dilakukan estimasi biaya tahap konseptual. Salah satu metode dalam melakukan estimasi biaya tahap konseptual adalah dengan mengestimasi biaya dari komponen komponen utama ataupun pekerjaan yang dominan dari proyek tersebut. Jenis pekerjaan yang dominan tersebut didapat dengan menggunakan analisa pareto. Untuk dapat memperkirakan harga dan mengantisipasi perubahan harga pekerjaan dominan tersebut, digunakan prinsip probabilitas, yaitu dengan metode simulasi monte carlo. Pada penelitian ini, peneliti mencoba untuk mengestimasi biaya tahap konseptual pada proyek PELEBARAN JALAN BTS. KOTA LANGSA BTS. PROV SUMUT (2 jalur kota tamiang) pada tahun Pada penelitian ini dilakukan analisa pareto terhadap rencana anggaran biaya (RAB), lalu hasil analisa pareto dijadikan objek wawancara untuk mengetahui variasi harga satuan minimum, harga satuan maksimum, dan penyebab perubahan harga satuan pekerjaan tersebut, sedangkan harga satuan most likely diambil sesuai harga di rencana anggaran biaya (RAB). Selanjutnya dilakukan simulasi monte carlo dengan menggunakan add in crystal ball pada microsoft office excel yang input datanya berupa biaya pekerjaan dari hasil wawancara, sehingga simulasi akan menghasilkan distribusi probabilitas nilai estimasi biaya tahap konseptual. Dari hasil penelitian diperoleh distribusi probabilitas nilai estimasi biaya tahap konseptual pada proyek tersebut, dan didapatkan bahwa probabilitas kesuksesan pelaksanaan proyek sesuai biaya di penawaran kontraktor adalah sebesar %. Peneliti menyarankan biaya yang disiapkan adalah sebesar Rp.25,901,371,569.41, dengan dana kontigensi sebesar Rp.294,418,587. Melalui analisa sensitifitas dapat diketahui persentase pengaruh tiap jenis pekerjaan terhadap perubahan total biaya proyek. Kata kunci : estimasi biaya konseptual, analisa pareto, simulasi Monte Carlo Abstract Cost is one of the main element of a project. Most of the project failure caused by cost deficiency. This usually happen because at conceptual stage, the construction actor, especially project owner, does not have enough information about how much cost needed to complete the project. Therefore conceptual cost estimation is necessary, one of the method is by estimating the dominant work of the project. The dominant work can be obtained by using pareto analysis. To estimate the price and anticipate price changes, can be done by using probability principal, one of them is Monte Carlo simulation. This thesis is about conceptual cost estimating for PELEBARAN JALAN BTS. KOTA LANGSA BTS. PROV SUMUT (2 jalur kota tamiang) pada tahun 2015 project. This thesis, the first step is doing pareto analysis to the budget plan, and the result of the analysis will be the object of the interview to get information about variation of minimum price, maximum price and the cause of price change, and the most likely price are the same as in the budget plan. Next is doing Monte Carlo simulation by using Crystal Ball add-in on microsoft excel, which the input are the cost variation from the interview results. So the simulation result will be a probability distribution of conceptual cost estimate value. 1

2 From the thesis, the probability distribution of conceptual cost estimation of the project can be obtained. And the probabilty of project succes according to the cost in the contractor s budget plan is about %. The author s recommendation cost is Rp.25,901,371,569.41, with contigency cost is Rp.294,418,587. From sensitivity analysis can be obtained the affecting percentage of each work to the total cost of the project. Keywords : conceptual cost estimate, pareto analysis, Monte Carlo simulation 1. PENDAHULUAN Biaya adalah salah satu unsur pokok dalam pelaksanaan proyek. Banyak proyek terhambat ataupun gagal karena kekurangan biaya. Umumnya ini terjadi karena pada saat tahap konseptual, para pelaku konstruksi khususnya owner proyek, tidak memiliki cukup informasi mengenai berapa biaya yang dibutuhkan untuk melaksanakan proyek tersebut. Oleh karena itu perlu dilakukan estimasi biaya tahap konseptual. Estimasi biaya konseptual adalah proses estimasi biaya proyek yang dilakukan pada tahap konseptual, dimana rancangan belum mencapai tahap fiksasi. Salah satu metode yang dapat digunakan adalah dengan memperkirakan biaya dari komponen komponen utama atau pekerjaan dominan dari proyek tersebut. Untuk mendapatkan jenis pekerjaan dominan adalah dengan menggunakan analisa pareto. Selanjutnya dalam estimasi harga, digunakan prinsip probabilitas untuk mengantisipasi perubahan harga. Salah satunya adalah dengan menggunakan metode analisa Monte Carlo. Pada estimasi biaya tahap konseptual, simulasi Monte Carlo dapat mengakumulasikan probabilitas perubahan harga yang mungkin terjadi pada pelaksanaan proyek. Simulasi ini akan sangat mudah apabila dibantu oleh software Crystal ball. Tujuan dari tugas akhir ini adalah memperkirakan nilai estimasi biaya konseptual dari proyek PELEBARAN JALAN BTS. KOTA LANGSA BTS. PROV SUMUT ( 2 jalur kota tamiang) pada tahun 2015 sesuai dengan probabilitas harga, mengetahui persentase probabilitas kesuksesan apabila proyek dilaksanakan sesuai biaya di RAB terhadap nilai hasil estimasi biaya konseptual, dan untuk mengetahui pekerjaan apa saja yang paling mempengaruhi total biaya proyek. 2. LANDASAN TEORI 2.1 Manajemen Proyek Manajemen proyek adalah segala kegiatan merencanakan, mengorganisasikan, mengarahkan dan mengendalikan seluruh sumber daya yang tersedia untuk mencapai tujuan proyek dalam waktu tertentu dengan sumber daya tertentu. Ada tiga hal yang selalu menjadi tolak ukur keberhasilan proyek tersebut, ketiga tolak ukur tersebut yaitu besar biaya (anggaran) yang dialokasikan, jadwal pelaksanaan proyek, mutu produk (hasil kegiatan proyek). 2.2 Siklus Proyek Dalam siklus proyek, kegiatan-kegiatan berlangsung mulai dari titik nol kemudian meningkat intesitasnya sampai ke puncak (peak), lalu turun dan berakhir. Menurut United Nation Industrial Development (UNIDO), tahap proyek dibagi menjadi tiga yaitu tahap konseptual (pendahuluan), tahap perencanaan dan pemantapan / definisi, dan tahap implementasi.manfaat utama dari pembagian siklus proyek adalah memudahkan untuk mengidentifikasi dan mengikuti perubahan kegiatan, dan selanjutnya menyiapkan sumber daya dan usaha yang diperlukan untuk menanganinya. 2.3 Estimasi Biaya Pada awalnya estimasi dapat digunakan untuk mengetahui berapa besar biaya yang diperlukan untuk membangun proyek tersebut. Bagi pemilik, perkiraan biaya akan menjadi patokan untuk menentukan kelanjutan investasi. Untuk kontraktor, keuntungan finansial yang diperolehnya tergantung kecakapannya membuat perkiraan biaya. Sedangkan untuk konsultan, angka tersebut diajukan kepada pemilik sebagai usulan jumlah biaya terbaik untuk berbagai kegunaan sesuai perkembangan proyek. Menurut Iman Soeharto (1999), terdapat setidaknya 3 macam perkiraan biaya proyek berdasarkan waktu pelaksanaannya, yaitu perkiraan biaya pendahuluan (PBP), anggaran biaya proyek (ABP), anggaran biaya definitive (ABD). Tingkat keakurasian estimasi bergantung pada ketersediaan infomasi, sehingga keakurasian meningkat seiring dengan berjalannya tahapan proyek. 2

3 2.4 Estimasi Biaya Tahap Konseptual Estimasi biaya tahap konseptual dapat didefinisikan sebagai perkiraan biaya proyek yang dilakukan sebelum sejumlah informasi mengenai detail terkumpul dan mencapai fiksasi. Estimasi biaya tahap konseptual memiliki beberapa karakteristik yaitu bersifat tidak pasti, krusial, dan sumbernya terbatas. Menurut Michael D. Dell Isola (2002), ada 4 kategori utama metode estimasi biaya yaitu metode harga unit satuan, metode cost-modelling dan parametrik, analisa biaya sistem/elemental, dan metode survey kuantitas 2.5 Analisa Pareto Analisa Pareto adalah suatu metode statistika yang biasa digunakan dalam ilmu manajemen untuk mencari apa saja kategori kategori utama yang mempunyai dampak paling signifikan terhadap suatu kejadian atau masalah. Analisa pareto dilakukan dengan cara mengukur besar dampak dari setiap kategori terhadap suatu masalah, sehingga dapat diketahui kategori mana yang mempunyai dampak paling signifikan terhadap masalah tersebut, sehingga kegiatan pengendalian akan lebih efektif dengan memusatkan perhatian pada kategori kategori yang mempunyai dampak yang paling signifikan, daripada meninjau berbagai kategori pada suatu ketika (Nasution, 2005). 2.6 Teori Probabilitas Pada dasarnya teori probabilitas bermaksud mengkaji dan mengukur ketidakpastian (uncertainty) serta mencoba menjelaskan secara kuantitatif. Diumpamakan suatu kegiatan terjadi secara berulang ulang dengan kondisi yang dianggap sama ( Soeharto, 1995: 229). Untuk mencari nilai probabilitas digunakan berbagai distribusi. Dalam penelitian ini distribusi digunakan adalah distribusi triangular dan distribusi normal. 2.7 Analisis Statistik Diskriptif Dalam distribusi probabilitas, digunakan analisa statistik untuk mendeskripsikan nilainya. Beberapa jenis analisa yang biasa digunakan adalah rata-rata (mean), modus, median, persentil, deviasi standar/ simpangan baku, varians, skewness, dan kurtosis. 2.8 Simulasi Monte Carlo Dalam bidang manajemen proyek, simulasi Monte Carlo digunakan untuk menghitung atau mengiterasi biaya atau waktu sebuah proyek dengan menggunakan nilai-nilai yang dipilih secara random dari distribusi probabilitas biaya dan waktu yang mungkin terjadi, dengan tujuan untuk menghitung distribusi kemungkinan biaya dan waktu total dari sebuah proyek (Project Management Institute, 2004). Cara untuk mengetahui berapa jumlah iterasi yang dibutuhkan untuk mendapatkan relative error yang kita harapkan adalah : Mencari standar deviasi :σ = 1 n 1 ( X n 2 nx 2 ) Mencari nilai absolute error : (absolute error) ε = (relative error) (nilai yang diukur) Menentukan jumlah iterasi yang dibutuhkan : N = ( 3σ ε )2 Setelah dilakukan simulasi Monte Carlo dengan jumlah iterasi yang ditentukan, maka akan didapatkan sebuah output dalam bentuk distribusi probabilitas hasil iterasi tersebut. 2.9 Crystal Ball Crystal ball adalah suatu software add inn untuk Microsoft Office Excel yang digunakan untuk pemodelan prediksi, peramalan simulasi, dan optimasi. Aplikasi Crystal Ball meliputi analisis risiko keuangan, penilaian, teknik, Six Sigma, alokasi portofolio, estimasi biaya, dan manajemen proyek. Dalam penggunaannya, Crystal Ball mempunyai 3 cell yang fungsinya berbeda beda, yaitu Assumption cells, decision cells, forecast cells. 3. METODE PENELITIAN Data sekunder yang digunakan adalah RAB dari proyek PELEBARAN JALAN BTS. KOTA LANGSA BTS. PROV SUMUT ( 2 jalur kota tamiang) pada tahun 2015, dan data primer didapat dari wawancara terhadap narasumber yaitu 4 orang staff pelaksana proyek tersebut. Secara keseluruhan, flowchart penelitianya adalah 3

4 Estimasi Biaya Tahap Konseptual Pada Proyek Pembangunan Jalan Provinsi Di Aceh Tamiang Studi Literatur Pengumpulan Data Data Primer Wawancara Data Sekunder Rencana Anggaran Biaya Analisa Pareto Pengolahan Data Tabulasi Hasil Wawancara Menghitung Biaya Pekerjaan Simulasi Monte Carlo Menggunakan Crystal Ball Analisa Hasil Kesimpulan dan Saran Gambar 3.1 Flowchart Penelitian 4. PENGUMPULAN, PENGOLAHAN DAN ANALISA DATA 4.1. Pengumpulan Data Analisa Pareto Data Sekunder Langkah awal adalah menghitung bobot tiap pekerjaan dari RAB. Contoh menghitung bobot untuk pekerjaan Mobilisasi adalah : Biaya Pekerjaan = Rp ,00 Total Harga Proyek = Rp ,90 Bobot Pekerjaan ,00 = ,90 = 0,45 % Lalu pekerjaan diurutkan berdasarkan bobot terbesar ke yang terkecil, dan hitung bobot kumulatif masing masing. Pekerjaan yang ada diantara bobot kumulatif antara 0-80 persen adalah pekerjaan dominan. Tabel 4.1 Tabel Hasil Analisa Pareto Jenis Pekerjaan Sat Biaya Pekerjaan Bobot Bobot Kumulatif Laston Lapis Pondasi (AC - Base) Ton 4,617,163, Laston Lapis Antara (AC - BC) Ton 4,039,073, Saluran Bebentuk U Tipe DS 2 M1 3,132,783,

5 Laston Lapis Aus (AC-WC) Ton 2,796,198, Lapis Pondasi Agregat Kelas B M3 1,571,488, Lapis Pondasi Agregat Kelas A M3 1,522,055, Timbunan Pilihan dari Sumber Galian M3 1,515,456, Kerb Pracetak Jenis 2 M1 1,204,881, Data Primer Kuisioner yang dibagikan adalah menanyakan tentang berapa harga maksimum, dan harga minimum dari tiap tiap jenis pekerjaan. Harga most likely diambil dari harga sesuai RAB. Selanjutnya diwawancarai tentang penyebab perubahan harga pada proyek. 4.2 Hasil Wawancara Dari hasil wawancara, maka diambil nilai rata rata dari masing masing variasi harga pekerjaan untuk mewakili hasil wawancara tersebut. Dan dapat dirangkum bahwa penyebab berubahnya biaya pekerjaan adalah jarak dan kondisi jalur antara quarry dengan area proyek, efektifitas alat berat yang digunakan, perubahan harga material, kualitas sumber daya manusia, dan keadaan di area proyek. 4.3 Biaya Pekerjaan Contoh menghitung biaya pekerjaan laston lapis pondasi (ac-base). Biaya Pekerjaan Minimum = harga satuan minimum x volume Rp. 4,352,079, = 1,018,138 x Biaya Pekerjaan Most Likely = harga satuan most likely x volume Rp. 4,617,163, = 1,080,252 x Biaya Pekerjaan Maksimum = harga satuan maksimum x volume 5,137,070, = 1,201,780 x Simulasi Monte Carlo Nilai Iterasi Untuk menghitung nilai iterasi, pada awalnya harus dihitung nilai standar deviasi, dan nilai absolute error. Tabel 4.3 perhitungan standar deviasi Harga Pekerjaan(X) Nilai Rata Rata (x ) (x -x ) (x-x )^2 19,282,093, ,446,724, ,093,012,772,755,730, ,399,103, ,728,817, ,714, ,711,728,887,773, ,505,257, ,776,439, ,155,737,157,975,620, Total 5,357,461,659,619,130, n i=i (xi x ) 2 = 5,357,461,659,619,130, n = 3 σ = 5,357,461,659,619,130, = 1,636,682, Selanjutnya hitung absolute error untuk 2 persen = 0,02 x 20,728,817, = Rp. 414,576, Lalu hitung jumlah iterasi minimal N = { ( 3 x 1,636,682,873.93) / (414,576,357.81) } 2 = Iterasi Akan tetapi karena penelitian ini menggunakan bantuan aplikasi crystal ball, maka jumlah iterasi yang dilakukan lebih besar sehingga menambah keakurasian perkiraan (forecasting) Simulasi Monte Carlo Menggunakan Crystal Ball Langkah awal memasukkan input data adalah memilih jenis distribusi untuk assumption cell, pada penelitian ini digunakan distribusi triangular. Lalu Masukkan data dari variasi biaya pekerjaan ke assumption cell sebagai input. Gambar 4.1 menunjukkan contoh proses memasukkan data untuk pekerjaan. 5

6 Gambar 4.1 Input data untuk pekerjaan Laston Lapis Pondasi (AC-Base) Setelah proses memasukkan input data selesai. Selanjutnya adalah mengatur output yaitu forecasting cell. Masukkan formula yang akan digunakan untuk forecast cell, yaitu total dari assumption cell dikali dengan 100/80. Lalu klik forecast cell,dan tentukan nama dan unit forecasting, juga tentukan tingkat akurasi (presisi). Jalankan simulasi dengan jumlah iterasi yang telah ditentukan di toolbar, apabila tingkat keakurasian juga ditetapkan, maka simulasi akan berhenti apabila telah mencapai keakurasian yang diharapkan atau mencapai jumlah iterasi yang sudah ditentukan, tergantung mana yang tercapai lebih dulu. Pada percobaan pertama, iterasi berhenti pada jumlah 150 kali karena crystal ball menganggap nilai keakurasian 98% sudah tercapai. Karena hasilnya berbeda dengan hasil perhitungan yang didapat bahwa iterasi minimal adalah 140, maka diambil jumlah iterasi yang paling banyak, yaitu 150 kali. Selanjutnya jalankan jumlah iterasi sebanyak dan iterasi. Hasil forecast dengan kali iterasi dan statistiknya seperti pada gambar 4.2,. Gambar 4.2 Hasil forecast dengan kali iterasi dan statistiknya. 4.5 Analisis dan Pembahasan Simulasi Monte Carlo Simulasi ini dilaksanakan menggunakan input data hasil wawancara. Peneliti hanya melakukan 3 kali simulasi karena perbedaan hasil yang dari simulasi tersebut sudah kecil, sehingga dianggap tidak dibutuhkan simulasi selanjutnya. Dari 3 jenis simulasi tersebut, didapatkan hasil yaitu : 6

7 Tabel 4.2. Tabel hasil analisa pareto Nilai 150 kali iterasi kali iterasi kali iterasi Mean 25,913,643, ,909,852, ,912,180, Median 25,891,179, ,896, 236, ,903,784, Minimum 25,244,687, ,788,312, ,734,885, Maksimum 26,670,329, ,137,638, ,222,442, Mean Std Error 24,394, ,334, ,056, Untuk keperluan analisa, peneliti hanya menggunakan data simulasi ke 3, yaitu kali iterasi, karena simulasi ini memiliki nilai mean standard error terkecil dibanding yang lainnya. Biaya aktual pelaksanaan proyek yang terdapat di RAB adalah sebesar Rp.25,544,546, Apabila angka tersebut dimasukkan kedalam hasil forecasting, maka didapat persentase probabilitas keberhasilan pelaksanaan proyek sebesar % (gambar 4.3), yang berarti dana tersebut dianggap terlalu murah untuk pelaksanaan proyek, sehingga pelaksanaan proyek akan sangat beresiko kekurangan dana. Oleh karena itu, apabila proyek tetap dilanjutkan sesuai dengan dana diatas, maka kontraktor pelaksana harus sangat berhati-hati dan harus dapat mengontrol sebab-sebab bertambahnya biaya proyek dengan sangat ketat. Gambar 4.3 Probabilitas keberhasilan pendanaan proyek sesuai biaya di RAB Berdasarkan penelitian terdahulu, diambil biaya proyek yang diharapkan dengan presentase keberhasilan sebesar 50%, yaitu sebesar Rp.25,903,778, Dan untuk biaya kontingensi diambil dari presentase keberhasilan 80% dikurangi presentase keberhasilan 50%, sebesar Rp.291,879,538. Pengambilan kontingensi biaya ini dikarenakan persentase keberhasilan 80% dianggap merupakan nilai dimana peluang kesuksesannya sudah cukup besar Analisa Sensitivitas Analisa sensitivitas menunjukkan besar pengaruh dari suatu input distribusi aktivitas terhadap output variabel. Pada total biaya proyek maka input jenis pekerjaan yang memiliki angka sensitivitas tinggi akan menyebabkan perubahan yang paling besar pada total biaya proyek. Nilai presentase analisa sensitivitas yang didapat adalah : 1.Laston Lapis Pondasi (AC - Base) = 38.2 % 2.Laston Lapis Antara (AC - BC) = 24.9 % 3.Saluran Bebentuk U Tipe DS 2 = 12.4 % 4.Laston Lapis Aus (AC-WC) = 12.2 % 5.Lapis Pondasi Agregat Kelas B = 4.3 % 6.Lapis Pondasi Agregat Kelas A = 3.6 % 7.Timbunan Pilihan dari Sumber Galian = 3.2 % 8.Kerb Pracetak Jenis 2 = 1.3 % Kegiatan-kegiatan yang memiliki sensitivitas tinggi tersebut merupakan kegiatan dominan. Untuk itu, kegiatan tersebut perlu direncanakan dengan sangat baik agar tidak terjadi kenaikan pada total biaya proyek. Selain itu, adalah dengan mengidentifikasi penyebab penyebab naiknya biaya pekerjaan yang mungkin timbul pada aktivitas-aktivitas dengan sensitivitas tinggi, sehingga penyebab naiknya biaya proyek dapat dihindari semaksimal mungkin. 7

8 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan 1. Model distribusi nilai estimasi biaya pada proyek adalah terdistribusi normal, dan dengan kali iterasi maka didapat data hasilnya adalah : Mean : 25,912,180, Median : 25,903,784, Minimum : 24,734,885, Maximum : 27,222,442, Mean Std Error : 1,056, Berdasarkan analisa hasil, didapatkan bahwa probabilitas kesuksesan pelaksanaan proyek sesuai biaya di RAB adalah sebesar %, angka tersebut menunjukkan bahwa biaya proyek yang direncanakan di RAB cenderung kurang, sehingga pelaksanaan proyek akan sangat beresiko kekurangan dana. Oleh karena itu, apabila proyek tetap dilanjutkan sesuai dengan dana diatas, maka kontraktor pelaksana proyek harus sangat berhati hati, dan harus dapat mengontrol sebab-sebab bertambahnya biaya proyek dengan sangat ketat. Disarankan bahwa dana yang disiapkan untuk proyek tersebut adalah sebesar Rp. 25,901,371,569.41, dan dana kontigensi sebesar Rp.294,418, Analisa sensitifitas menunujukkan persentase pengaruh jenis jenis pekerjaan terhadap perubahan total biaya proyek, yaitu : Laston Lapis Pondasi (AC - Base) = 38.2 % Laston Lapis Antara (AC - BC) = 24.9 % Saluran Bebentuk U Tipe DS 2 = 12.4 % Laston Lapis Aus (AC-WC) = 12.2 % Lapis Pondasi Agregat Kelas B = 4.3 % Lapis Pondasi Agregat Kelas A = 3.6 % Timbunan Pilihan dari Sumber Galian = 3.2 % Kerb Pracetak Jenis 2 = 1.3 % Jenis pekerjaan diatas harus diprioritaskan, dan biaya pelaksanaan pekerjaan diatas harus dikontrol dengan sangat baik, salah satunya adalah dengan mengontrol faktor faktor yang menyebabkan kenaikan biaya pekerjaan diatas. 5.2 Saran Untuk pengaplikasian simulasi Monte Carlo pada penelitian selanjutnya, diharapkan bukan saja terhadap rencana biaya proyek tetapi juga dapat diaplikasikan pada penjadwalan, konsep nilai hasil dan sebagainya. Sehingga pemanfaatan metode Monte Carlo dapat secara maksimal digunakan guna meminimalisir kerugian finansial yang mungkin terjadi dikemudian hari. 6 DAFTAR PUSTAKA Abisetyo, W. (n.d.). Penerapan Penjadwalan Probabilistik Pada Proyek Pengembangan. AULABIH, R. (2016). Penerapan Metode Monte Carlo Pada Penjadwalan Proyek Gedung Dinas Sosial Kota Blitar. Dell Isola, M. D. (2002). Architect s Essentials of Cost Management. John Wiley & sons,inc. Fadjar, A. (2008). "Aplikasi Simulasi Monte Carlo Dalam Estimasi Biaya Proyek (skripsi)". Jurnal SMARTek, Vol. 6, No. 4. Gould, F. (1997). Managing the Construction Process (Estimating Schedulingand. New Jersey: Prantice Hall. Gray, Clifford F dan Erik W. Larson. (2006). Project Management : The Manajerial Process. The McGraw-Hill Companies. (2016, April 18). Retrieved from wikipedia.com: Institute, P. M. (2004). A Guide to the Project Management Body of Knowledge: PMBOK Guide. 3rd ed. Newton Square. Pennsylvania. Istimawan, D. (1996). Manajemen Proyek & Konstruksi. Yogyakarta: Kanisius. Kesturi, L. (2012). Estimasi Biaya Tahap Konseptual Pada Konstruksi Gedung Perkantoran Dengan Metode Artificial Neural Network (skripsi). Depok; Universitas Indonesia. Kwak, Y. &. (2007.). Exploring Monte Carlo Simulaton Applications For Project. Journal: Risk Management, (44 57). 8

9 Nazir, M. (Agustus 2003). Metode Penelitian. Jakarta: Ghalia Indonesia. Nurwulandari, A. d. (2013). Sistem Pendukung Pengambilan Keputusan Pengadaan Obat Menggunakan Model Pareto ABC dan Optimasi Kualitatif (Studi Kasus Apotik PS). Seminar Nasional Aplikasi Teknologi Informasi. Oakland, J. S. (2003). Statistical Process Control. Burlington MA: Elsevier Science. Pawitan, G. d. (2008). Aplikasi Analisis Pareto Dalam Pengendalian Inventori Bahan Baku Pada Bisnis Restoran. Administrasi Bisnis, Vol 4, No 1: hal Pratt, S. (1999). Cost of Capital: Estimation and Applications. The CPA journal RAHMADHANI, M. B. (2016). Penerapan Metode Monte Carlo Pada Penjadwalan Proyek Gedung Autis Center Kota Blitar Tahun Roring, H. S. (2014). "Model Estimasi Biaya Tahap Konseptual Konstruksi Bangunan Gedung Dengan Metode Parametrik ( Studi Kasus Bangunan Gedung Publik Di Wilayah Manado Dan Sekitarnya). Jurnal Ilmiah Media Engineering, Vol.4 No.2. Schexnayder, C. J. (2003). Construction Management. New York: McGraw Hill Construction. Siregar, H. P. (2012). Penerapan Penjadwalan Probabilistik Menggunakan Simulasi Montecarlo Pada Proyek Pembangunan Gedung Puri Adhyaksa Jakarta Timur. Jurnal Teknik Pomits Vol. 1, No. 1, (2012) 1-6. Soeharto, I. (2001). Manajemen Proyek : Dari Konseptual Sampai Operasional. Jakarta: Erlangga. Sudiarta, I. K. (2011). "Estimasi Biaya Konseptual Konstruksi Gedung Dengan Faktor Kapasitas Biaya" (tesis). Denpasar; Universitas Udayana. Sudjana. (2002). Metode Statistika. Bandung. Bandung: Tarsito. Taylor, B. W. (1996). Saint Manajemen ( Pendekatan Matematika Untuk Bisnis) II. Jakarta: Salemba Empat. 9