BAB IV HASIL DAN ANALISIS. Akhir karena pada bab ini akan diperoleh kesimpulan yang merupakan jawaban dari

Transkripsi

1 BAB IV HASIL DAN ANALISIS Dalam bab ini dibahas proses pengumpulan dan pengolahan data yang berlangsung selama penelitian. Analisis data merupakan bagian terpenting dalam penyusunan Tugas Akhir karena pada bab ini akan diperoleh kesimpulan yang merupakan jawaban dari permasalahan yang dibahas. Data diperoleh melalui kuesioner kepada responden. Pengisian kuesioner dilakukan oleh sampel dari para pekerja konstruksi yang terlibat dalam pekerjaan struktur di proyek West Vista Apartment Jakarta Barat. Kemudian data dikumpulkan dan dilakukan analisis menggunakan uji validitas dan reliabilitas sehingga didapatkan faktor-faktor yang paling berpengaruh terhadap waste material besi tulangan di proyek tersebut dan seberapa besar pengaruhnya. Dalam proses pengolahan data yang terkumpul, peneliti menggunakan bantuan dari perangkat Microsoft Excel 2007 dan software IBM SPSS v20. Varibel penelitian yang digunakan dalam penelitian ini dapat dilihat pada table 4.1. Tabel 4.1 Variabel Penelitian beserta Indikatornya Variabel Variabel Indikator Referensi Perubahan desain Kurang memperhatikan ukuran material yang digunakan Bossink & Brouwers, 1996 Desain Pendetailan gambar yang rumit Informasi gambar yang kurang Keterlambatan shopdrawing / gambar kerja Pengalaman Empiris Pelaksanaan Kesalahan yang diakibatkan oleh tenaga kerja Bossink & Brouwers, 1996 IV-1

2 Tabel 4.1 Variabel Penelitian beserta Indikatornya Lanjutan Bab IV Hasil dan Analisis Variabel Variabel Indikator Referensi Peralatan yang tidak berfungsi dengan baik Pelaksanaan Waste Material Besi Tulangan Sumber : Olahan Penulis 4.1 Tahap Kuesioner Penggunaan material yang salah sehingga perlu diganti Jumlah material yang dibutuhkan kurang tepat karena perencanaan yang tidak sempurna Informasi tipe dan ukuran material yang akan digunakan terlambat disampaikan kepada kontraktor Kesalahan dalam penggunaan material Pengukuran dilapangan tidak akurat sehingga terjadi kelebihan volume Lemahnya pengawasan pekerjaan dari Construction Team Lemahnya pengawasan fabrikasi material dari pihak Bar Bending Schedule Team Pemanfaatan sisa potongan material yang tidak maksimal, terkait dengan keydate pekerjaan Standart ukuran panjang besi tulangan yang tidak dapat digunakan kembali untuk item pekerjaan lain. Bossink & Brouwers, 1996 Pengalaman Empiris Pengalaman Empiris Setelah kuesioner disetujui, kuesioner disebarkan pada responden. Para responden yang terlibat merupakan para pekerja konstruksi yang terlibat secara langsung dalam pembangunan proyek West Vista Apartment Jakarta Barat. Responden / sampel dipilih oleh peneliti secara subyektif karena peneliti telah memahami bahwa informasi yang dibutuhkan dapat diperoleh dari satu kelompok sasaran tertentu. Dalam penelitian hal ini disebut dengan teknik purposive sampling. Kuesioner diberikan kepada 36 orang responden yang terdiri dari staff dari PT.ACSET Indonusa dan pekerja / tukang besi yang terlibat langsung dalam pekerjaan struktur (pembesian) di proyek West Vista Apartment Jakarta Barat. Berikut adalah data-data responden yang terlibat dalam penelitian ini. IV-2

3 Tabel 4.2 Data Responden Responden Jabatan Usia Pengalaman R1 PM R2 Project Control 26 5 R3 Engineer 24 2,5 R4 Drawing Checker 22 4 R Surveyor R R R8 Supervisor R R10 Koordinator BBS R BBS R R ,7 R QC R R R ,8 QS R R R R Tukang Besi R ,5 R R R25 Wakil Mandor Besi R R ,7 R R ,7 R ,3 R31 Tukang Besi 24 3 R R R R R Sumber: Olahan Penulis IV-3

4 4.2 Hasil Tabulasi Data Kuesioner Pengaruh Desain & Pelaksanaan Terhadap Waste Material Besi Tulangan Hasil tabulasi data kuesioner yang diberikan kepada responden tentang pengaruh desain dan pelaksanaan terhadap waste besi tulangan di proyek West Vista Apartment dapat dilihat pada lampiran 1, hasil tersebut merupakan data ordinal. Data ordinial merupakan data kualitatif. Angka hanya merupakan simbol dan tidak memiliki jenjang/tingakatan. Karena tidak mengekpresikan jumlah maka angka tersebut tidak dapat dioperasikan ke dalam bentuk persamaan matematika (Kurniawan, 2009). Agar data kuesioner dapat dihitung melalui operasi matematika dan menjadikan pengujian ini sebagai pengujian parametrik, maka data ordinal tersebut harus diolah menjadi data interval. Data interval yaitu data yang mempunyai inverval tetap dalam bentuk bilangan kuantitatif. Dengan data ini peneliti mampu melihat besarnya perbedaan antara satu individu atau obyek lainnya. Data ini benar-benar angka yang bisa digunakan dalam operasi matematika (Sawono, 2012). Data interval dari kuesioner ini dapat dilihat pada lampiran 2. IV-4

5 4.3 Uji Validitas dan Uji Reliabilitas Uji validitas dan reliabilitas instrumen merupakan suatu proses untuk menilai valid atau tidaknya data pada kuesioner. Hasil penelitian bias dipercaya apabila datanya diukur dengan menggunakan alat ukur atau instrumen yang valid dan reliabel. Pengujian validitas dan reliabilitas dimulai dengan menguji validitas terlebih dahulu. Pengujian ini dilakukan dengan menggunakan IBM SPSS v20. Instrumen penelitian dikatakan valid apabila nilai Sig (2-tailed) < 0,05 dan nilai korelasinya > nilai r tabel. Dengan menggunakan uji dua arah dengan tingkat signifikansi 5 % (taraf kepercayaan 95 %) dan jumlah responden (N) = 36, memiliki derajat bebas atau degree of freedom (df) = N-2 = 36-2 = 34. Maka dengan df = 34 dan signifikansi 5% = 0,05 didapatkan nilai r tabel = 0,329. DF=N-2 Tabel 4.3 Data Distribusi Nilai r Tingkat Signifikansi untuk Uji Satu Arah Tingkat Signifikansi untuk Uji Dua Arah IV-5

6 DF=N-2 Tabel 4.3 Data Distribusi Nilai r Lanjutan Tingkat Signifikansi untuk Uji Satu Arah Tingkat Signifikansi untuk Uji Dua Arah Sumber: SPSSIndonesia.com/2014 Tabel 4.4 Hasil Uji Validitas Variabel X1 Variabel X1 (Desain) Nilai Nilai r Tabel Kesimpulan x1.1 Pearson Correlation,520 ** Sig. (2-tailed),001 x1.2 Pearson Correlation,635 ** x1.3 Pearson Correlation,549 ** Sig. (2-tailed),001 x1.4 Pearson Correlation,719 ** x1.5 Pearson Correlation,624 ** x1.6 Pearson Correlation,749 ** IV-6

7 Tabel 4.4 Hasil Uji Validitas Variabel X1 Lanjutan Bab IV Hasil dan Analisis Variabel X1 (Desain) Nilai Nilai r Tabel Kesimpulan x1.7 Pearson Correlation,793** N 36 Tabel 4.5 Hasil Uji Validitas Variabel X2 Variabel X2 (Pelaksanaan) Nilai Nilai r Tabel Kesimpulan X2.1 Pearson Correlation,684 ** X2.2 Pearson Correlation,645 ** X2.3 Pearson Correlation,630 ** X2.4 Pearson Correlation,534 ** Sig. (2-tailed),001 X2.5 Pearson Correlation,592 ** X2.6 Pearson Correlation,687 ** X2.7 Pearson Correlation,712 ** X2.8 Pearson Correlation,548 ** Sig. (2-tailed),001 X2.9 Pearson Correlation,682 ** X2.10 Pearson Correlation,660 ** x2.11 Pearson Correlation,547 ** Sig. (2-tailed),001 x2.12 Pearson Correlation,528 ** Sig. (2-tailed),001 N 36 Tabel 4.6 Hasil Uji Validitas Variabel Y Variabel Y (Waste) Nilai Nilai r Tabel Kesimpulan y1 Pearson Correlation,654 ** y2 Pearson Correlation,623 ** y3 Pearson Correlation,681 ** IV-7

8 Tabel 4.6 Hasil Uji Validitas Variabel Y Lanjutan Bab IV Hasil dan Analisis Variabel Y (Waste) Nilai Nilai r Tabel Kesimpulan y4 Pearson Correlation,576 ** y5 Pearson Correlation,535 ** Sig. (2-tailed),001 y6 Pearson Correlation,737 ** y7 Pearson Correlation,608 ** y8 Pearson Correlation,626 ** y9 Pearson Correlation,622 ** y10 Pearson Correlation,732 ** y11 Pearson Correlation,671 ** y12 Pearson Correlation,733 ** y13 Pearson Correlation,590 ** y14 Pearson Correlation,631 ** N 36 Berdasarkan pada hasil pengujian tersebut, seluruh variabel indikator dinyatakan valid karena nilai Sig (2-tailed) < 0,05 dan nilai Pearson Correlation > nilai r tabel. Menurut Sugiyono (2007), pedoman untuk memberikan interpretasi koefisien korelasi adalah sebagai berikut : 0,00 0,199 = Sangat Rendah 0,20 0,399 = Rendah 0,40 0,599 = Sedang 0,60 0,799 = Kuat 0,80 1,000 = Sangat kuat IV-8

9 Dan sesuai dengan hasil pengujian, maka diperoleh korelasi antar variabel sebagai berikut. Tabel 4.7 Korelasi Antara Variabel Bebas dan Terikat Variabel Variabel X1 (Desain) Pearson Correlation Nilai Pengaruh x1.7,793** Kuat x1.6,749** Kuat x1.4,719** Kuat x1.2,635** Kuat x1.5,624** Kuat x1.3,549** Sedang x1.1,520** Sedang Variabel X2 (Pelaksanaan) X2.7,712** Kuat X2.6,687** Kuat X2.1,684** Kuat X2.9,682** Kuat X2.10,660** Kuat X2.2,645** Kuat X2.3,630** Kuat X2.5,592** Sedang X2.8,548** Sedang X2.11,547** Sedang X2.4,534** Sedang X2.12,528** Sedang Setelah seluruh variabel indikator dinilai valid, selanjutnya dilakukan uji reabilitas. Reliabilitas adalah suatu ukuran yang digunakan untuk menunjukkan sejauh mana alat ukur menghasilkan pengukuran yang sama atau konsisten apabila pengukuran dilakukan berulang-ulang dengan alat ukur yang sama. Ketentuannya adalah sebagai berikut : a. Nilai Alpha Cronbach < 0.6, menunjukkan bahwa instrument penelitian tidak realiabel untuk mengukur variabel penelitian. IV-9

10 b. Nilai Alpha Cronbach > 0.6, menunjukkan bahwa instrument penelitian realiabel untuk mengukur variabel penelitian. Tabel 4.8 Hasil Uji Reliabilitas Variabel X1 (Desain) Reliability Statistics Cronbach's Alpha N of Items,778 7 Tabel 4.9 Hasil Uji Reliabilitas Variabel X2 (Pelaksanaan) Reliability Statistics Cronbach's Alpha N of Items, Tabel 4.10 Hasil Uji Reliabilitas Variabel Y (Waste) Reliability Statistics Cronbach's Alpha N of Items, Pengujian reabilitas pada semua variabel dinyatakan reliabel karena nilai Cronbach s Alpha pada masing-masing variabel > 0, Uji Asumsi Klasik 1. Uji Multikolinearitas Uji ini dilakukan untuk mengetahui apakah ada korelasi antar variabel bebas. Karena jika terjadi korelasi diantara variabel bebas (terjadi multikolinearitas) maka variabel tersebut tidak orthogonal, yaitu variabel bebas yang nilai korelasi antar sesamanya adalah sama dengan nol. Syaratnya adalah Nilai Tolerance < 1 dan Nilai VIF antara < 10. IV-10

11 Model 1 (Constant) Tabel 4.11 Hasil Uji Multikolinearitas Collinearity Statistics Tolerance VIF Desain,512 1,954 Pelaksanaan,512 1, Uji Homogenitas Uji homogenitas dilakukan untuk mengetahui apakah beberapa varian populasi adalah sama atau tidak. Uji ini dilakukan sebagai prasyarat dalam analisis independent sampel t test dan ANOVA. Asumsi yang mendasari dalam analisis varian (ANOVA) adalah bahwa varian dari populasi adalah sama. Gambar 4.1 Hasil Uji Homogenitas Dari Gambar terlihat bahwa titik-titik menyebar secara acak tidak membentuk pola tertentu yang jelas, seperti bergelombang, melebar kemudian menyempit. Selain itu IV-11

12 titik-titik tersebut menyebar diatas dan dibawah angka pada sumbu Y, maka dapat disimpulkan bahwa data adalah homogen. 3. Uji Normalitas Uji normalitas digunakan untuk menjelaskan jenis distribusi dari sebuah data. Metode regresi linier mengharuskan residual model terdistribusi normal. Syarat normalitas yaitu jika titik-titiknya menyebar dan disekitar garis diagonal serta penyebarannyapun mengikuti arah garis diagonal, seperti pada hasil pengujian normalitas dibawah ini. Gambar 4.2 Hasil Uji Normalitas Dengan adanya titik-titik yang menyebar dan disekitar garis diagonal serta penyebarannyapun mengikuti arah garis diagonal. Hal tersebut membuktikan bahwa model regresinya telah memenuhi asumsi normalitas. IV-12

13 4.5 Uji Regresi Linear Berganda 1. Untuk Variabel X1 (Desain) Terhadap Variabel Y Tabel 4.12 Tabel Coefficients a X 1 dan Y Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta (Constant) 4,654,400 11,643,000 1 Desain -,625,130 -,635-4,794,000 Pada output ketiga kolom Coefficients a diperoleh nilai konstanta sebesar 4,654 artinya jika nilai variabel independent (bebas) nol maka nilai variabel depend (terikat) sebesar 4,654. Sehingga model persamaan regresi gandanya adalah Y = 4,654 0,625 X1. Nilai koefisien negativ 0,625 pada X1 menyatakan pengaruh negatif variabel independennya (desain). t Sig. 2. Untuk Variabel X2 (Pelaksanaan) Terhadap Variabel Y Tabel 4.13 Tabel Coefficients a X 2 dan Y Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta (Constant) 4,539,380 11,949,000 1 Pelaksanaan -,649,137 -,631-4,747,000 Pada output ketiga kolom Coefficients a diperoleh nilai konstanta sebesar 4,539 artinya jika nilai variabel independent (bebas) nol maka nilai variabel depend (terikat) sebesar 4,539. Sehingga model persamaan regresi gandanya adalah Y = 4,539 0,649 X2. Nilai koefisien negativ 0,649 pada X2 menyatakan pengaruh negatif variabel independennya (desain). t Sig. IV-13

14 3. Untuk Variabel X1 dan X2 Terhadap Variabel Y Tabel 4.14 Tabel Coefficients a X 1 dan X 2 Terhadap Y Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta 1 (Constant) 4,920,403 12,220,000 Desain -,373,174 -,379-2,143,040 Pelaksanaan -,377,182 -,367-2,073,046 Pada output ketiga kolom Coefficients a diperoleh nilai konstanta sebesar 4,920 artinya jika nilai variabel independent (bebas) nol maka nilai variabel depend (terikat) sebesar 4,920. Sehingga model persamaan regresi gandanya adalah Y = 4,920 0,373 X1 0,377 X2. Nilai koefisien negativ 0,373 pada X1 dan 0,377 pada X2, menyatakan pengaruh negativ variabel independennya (desain dan pelaksanaan). Jika variabel desain meningkat 1 poin, maka waste besi tulangan akan semakin turun. Semakin besar nilai koefisien variabel X1 dan X2 berarti semakin rendah pengaruhnya terhadap jumlah waste besi tulangan di proyek West Vista Apartment. T Sig. 4.6 Uji Hipotesis F 1. Untuk Variabel X1 (Desain) Terhadap Variabel Y Tabel 4.15 Hasil Uji Hipotesis F Variabel X 1 Terhadap Variabel Y ANOVA a Model Sum of Squares df Mean Square F Sig. Regression 5, ,462 22,979,000 b 1 Residual 8,081 34,238 Total 13, a. Dependent Variable: Waste b. Predictors: (Constant), Desain IV-14

15 Dari pengujian ANOVA dihasilkan nilai Sig. = 0,000. Karena nilai Sig < α = 0,05 maka koefisien korelasi yang dihasilkan adalah signifikan. 2. Untuk Variabel X2 (Pelaksanaan) Terhadap Variabel Y Tabel 4.16 Hasil Uji Hipotesis F Variabel X 2 Terhadap Variabel Y ANOVA a Model Sum of Squares df Mean Square F Sig. Regression 5, ,398 22,531,000 b 1 Residual 8,145 34,240 Total 13, a. Dependent Variable: Waste b. Predictors: (Constant), Pelaksanaan Dari pengujian ANOVA dihasilkan nilai Sig. = 0,000. Karena nilai Sig < α = 0,05 maka koefisien korelasi yang dihasilkan adalah signifikan. 3. Untuk Variabel X1 dan X2 Terhadap Variabel Y Tabel 4.17 Hasil Uji Hipotesis F Variabel X Terhadap Variabel Y ANOVA a Model Sum of Squares df Mean Square F Sig. 1 Regression 6, ,196 14,753,000 b Residual 7,150 33,217 Total 13, a. Dependent Variable: Waste b. Predictors: (Constant), Pelaksanaan, Desain Uji hipotesis F dilakukan untuk menguji koefisien korelasi yang dihasilkan apakah signifikan atau tidak. Dari pengujian ANOVA dihasilkan nilai Sig. = 0,000. Kriteria uji ANOVA adalah jika nilai Sig < α = 0,05 maka koefisien korelasi yang dihasilkan signifikan. Dari hasil tabel tersebut nilai Sig. = 0,000 < 0,05 berarti korelasi yang IV-15

16 dihasilkan signifikan. Maka H 0 ditolak dan Ha diterima, ini berarti secara bersama-sama (simultan) variabel bebas X1 dan X2 berpengaruh signifikan terhadap variabel terikat (Y). 4.7 Uji Hipotesis T Uji T digunakan untuk menguji secara parsial masing-masing variabel. Hasil uji T dapat dilihat pada tabel coefficients pada kolom sig (significance). Dilihat dari tabel 4.12 bahwa nilai signifikan (sig) = 0,000 < 0,05 pada variabel X1 yang artinya variabel X1 berpengaruh terhadap variabel Y. Untuk uji hipotesis T dari variabel X2 terhadap Y nilai signifikan (sig) = 0,000 < 0,05 dapat dilihat pada tabel Karena nilainya < nilai α maka variabel X2 berpengaruh terhadap variabel Y. Dan uji hipotesis T dari variabel X1 dan X2 terhadap Y ada pada tabel 4.16 dengan nilai signifikan (sig) = 0,040 < 0,05 pada variabel X1 dan nilai signifikan (sig) = 0,046 < 0,05 pada variabel X2. Karena semua signifikan (sig) memenuhi syarat < nilai α, maka H0 ditolak dan Ha diterima, yang berarti variabel bebas X1 dan X2 (desain dan pelaksanaan) berpengaruh terhadap variabel Y. 4.8 Koefisien Determinasi Hasil perhitungan koefisien determinasi / Adjusted R 2 dapat dilihat pada Model Summary pada tabel-tabel dibawah ini. IV-16

17 Tabel 4.18 Hasil Koefisen Determinasi Variabel X 1 Terhadap Variabel Y Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1,635 a,403,386,48753 a. Predictors: (Constant), Desain b. Dependent Variable: Waste Tabel 4.19 Hasil Koefisen Determinasi Variabel X 2 Terhadap Variabel Y Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1,631 a,399,381,48946 a. Predictors: (Constant), Pelaksanaan b. Dependent Variable: Waste Tabel 4.20 Hasil Koefisen Determinasi Variabel X 1 dan X 2 Terhadap Variabel Y Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1,687 a,472,440,46547 a. Predictors: (Constant), Pelaksanaan, Desain b. Dependent Variable: Waste Dari tabel-tabel tersebut, pada Model Summary variabel X 1 terhadap variabel Y diperoleh nilai koefisien korelasi/determinasi R sebesar 0,635 dan nilai R Square 0,403 yang artinya besarnya pengaruh variabel X1 terhadap Y adalah 40,3 %. Dan besarnya pengaruh X2 terhadap Y adalah 39,9 %, dilihat dari nilai R Square pada tabel Sedangkan nilai R Square pada tabel 4.20 menunjukkan bahwa variabel bebas (X1 dan X2) memiliki pengaruh kontribusi sebesar 47,2% terhadap variabel terikat (Y). Sedangkan sisanya sebesar 52,8 % dipengaruhi oleh variabel lain yang tidak disebutkan pada model penelitian ini. IV-17

18 4.9 Solusi untuk Meminimalisir Waste Material Besi Tulangan Proyek konstruksi tidak bisa lepas dari yang namanya waste, karenanya yang bisa dilakukan adalah meminimalisir nya. Berdasarkan review jurnal dan hasil wawancara, berikut adalah beberapa hal yang harus diperhatikan untuk dapat meminimalisir waste material besi tulangan : 1. Man Power a. Meningkatkan kualitas pekerja ataupun karyawan b. Meningkatkan kemampuan leadership, pengawasan dan pengecekan pekerjaan c. Meningkatkan ketelitian dan motivasi dalam bekerja d. Memperbaiki dan meningkatkan komunikasi antar divisi dalam proyek 2. Method a. Meningkatkan keakuratan BBS (Bar Bending Schedule) b. Memperhatikan metode penyambungan tulangnnya / meningkatkan pemahaman terhadap standart detail penulalangan yang ada c. Mengajukan konversi besi tulangan terkait dengan ketersediaan material 3. Mechine Melakukan perawatan secara berkala untuk mesin cutter dan bending, untuk menghindari adanya ketidaktepatan ukuran pada mesin tersebut. 4. Material Material disesuaikan dengan kebutuhan desain bangunan. Material bisa dipesan khusus ke pabrik atau sering disebut dengan material cut to length, panjang 13 m atau 9m dll. 5. Lingkungan a. Meningkatkan keamanan yang ada diproyek IV-18

19 b. Lebih memperhatikan cuaca saat pengorderan material, karena saat cuaca hujan besi akan lebih cepat korosi. Jadi sampai tumpukan material dilapangan sudah banyak dan perkerjaan ditolak oleh tim pengawas. IV-19