BAB IV HASIL DAN ANALISIS

Transkripsi

1 BAB IV HASIL DAN ANALISIS 4.1. Pendahuluan Bab ini menjelaskan tentang analisa dan pengolahan data hasil kuisioner yang telah mendapat tanggapan dari para responden / tim proyek yang ada di lapangan dengan melakukan pengisian kuisioner. Hasil dari tanggapan oleh pakar yang sudah divalidasi kemudian dilakukan eliminir, untuk variabel yang tidak dieliminir menjadi variabel yang berpengaruh paling signifikan terhadap keterlambatan penyelesaian pelaksanaan proyek New Harco Glodok Jakarta Barat Kuisioner Tahap Pertama Pada kuesioner tahap pertama adalah kuesioner terhadap para pakar pada proyek New Harco Glodok Jakarta Barat. Yang menjadi pakar adalah para pimpinan proyek New Harco Glodok Jakarta Barat yang sudah terlibat di dunia konstruksi gedung dengan pengalaman minimal 10 tahun. Tujuan dari pelaksanaan kuesioner tahap pertama adalah melihat tanggapan pakar mengenai variabel yang ditemukan peneliti melalui studi literatur. Pada tahap ini para pakar memberikan tanggapan beserta masukan terhadap 30 variabel penelitian yang diajukan oleh penulis. Setelah kuesioner terkumpul, kemudian dilakukan perbaikan atas variabel yang tidak disetujui oleh para pakar akan dibuang dan tidak dipergunakan pada pengumpulan data kuesioner tahap kedua yaitu kepada responden yakni para staff-staff yang terlibat pada proyek New Harco Glodok Jakarta Barat. Berikut adalah tabel validasi pakar keterlambatan penyelesaian proyek New Harco Glodok Jakarta Barat. IV-1

2 Tabel 4.1 Hasil Kuisioner Tahap Pertama Variabel X Variabel X1 Peristiwa - Peristiwa Yang Memungkinan Terjadinya Keterlambatan Keterlambatan pengiriman material Hasil Kesimpulan X X Ya X2 Harga Material yang Fluktiatif X X X X X Tidak X3 Pencuri yang berada di Proyek X X X X X X Tidak X4 X5 X6 X7 X8 X9 X10 X11 X12 Kualitas dari Bahan Material yang buruk Keterlambatan pemesanan material Sub-kontraktor yang tidak mumpuni dalam bekerja Kualitas dari tenaga kerja yang ada buruk Kondisi cuaca yang tidak menentu Perubahan spesifikasi dari material selama proyek berlangsung Keterlambatan ketersediaan pelayanan air proyek Keterbatasan jumlah tenaga kerja Efisiensi dalam mempergunakan waktu X X X X X Ya X X Ya X X X X X X X X X X Ya X X X X X X X Tidak X X X X Ya X X X X X Tidak Ya Ya Ya IV-2

3 Variabel X13 X14 X15 X16 X17 X18 X19 X20 X21 X22 X23 Peristiwa - Peristiwa Yang Memungkinan Terjadinya Keterlambatan Kualitas peralatan yang digunakan buruk Kurangnya koordinasi antara pihak yang terlibat Sistem pembayaran pemilik ke kontraktor yang tidak sesuai kontrak akibat alasan tertentu Lambatnya keputusan yang diambil oleh owner Kesulitan dalam pengurusan perizinan Lemahnya manajemen proyek dan pelaksanaan oleh kontraktor Keterlambatan dalam tindakan inspeksi dan persetujuan oleh konsultan Adanya perubahan desain atau kesalahan desain Adanya perbedaan hasil estimasi oleh estimator owner dan kontraktor Ketersediaan material dan peralatan dari suplier lokal yang tidak baik Kesalahan dalam pemilihan kontraktor oleh owner Hasil Kesimpulan X X X X X Ya X X X Ya X X X Ya Ya X Ya X X X Ya Ya Ya X X X X Ya X X X Ya X X X X X Tidak IV-3

4 Variabel X24 X25 X26 X27 X28 X29 X30 Peristiwa - Peristiwa Yang Memungkinan Terjadinya Keterlambatan Adanya perbedaan budaya dan suku dalam kelompok tenaga kerja Mobilisasi dari peralatan dan tenaga kerja dalam proyek yang kurang terkontrol Lemahnya penggunaan alat oleh tenaga kerja Kondisi lahan proyek yang kurang baik Kesalahan dalam pemilihan metode kerja Kesalahan dalam estimasi waktu pelaksanaan Kesalahan dalam estimasi biaya proyek yang dianggarkan Sumber : Data primer yang diolah (2017) Hasil Kesimpulan X X X X Ya X X X Ya X X X X X X X Tidak X X X X Ya X X X Ya X X X X Ya X X Ya IV-4

5 4.3. Kuisioner Tahap Kedua Setelah dilakukan validasi hasil kuesioner para pakar, maka dilakukan pengumpulan data tahap kedua. Pada tahap ini pengumpulan data dilakukan dengan memberikan atau menyebarkan angket kuesioner kepada 30 orang responden. Angket kuesioner dapat dilihat pada lampiran penelitian ini. Responden dalam penelitian ini adalah para staff-staff yang terlibat dalam proyek New Harco Glodok Jakarta Barat. Sehingga dapat diperoleh penyebab keterlambatan penyelesaian pelaksanaan proyek New Haarco Glodok Jakarta Barat. Tabel 4.2 Data Umum Responden No. Nama Profesi Masa Kerja (tahun) Pendidikan Usia (tahun) Jenis Kelamin 1 Dyani Poetranto 2 Barnard Sahat PM Wahana Sentra Sejati PM Jaya Construction Management 14 S2 39 L 16 S1 41 L 3 S. Damaik Project Manager 19 STM 45 L 4 Bambang Tri Site Manager 4 S1 36 L 5 Didi Rahutomo Site Manager 2 S1 44 L 6 Rizki Suryo D Time Control 2 D3 22 L 7 Bambang W Safety Enginering 43 D3 65 L 8 Abdul Muin SHE Inspector 4 S1 45 L 9 Didik Heryanto Quality Control 5 S1 39 L 10 Yusuf Quality Control 4 S1 36 L 11 Simbolon Quality Control 8 S1 39 L 12 Taryono Kabag Teknik 11 S1 44 L 13 Prama Setiawan Costing (Kabag Kendali Biaya) 8 S1 33 L IV-5

6 No. Nama Profesi Masa Kerja (tahun) Pendidikan Usia (tahun) Jenis Kelamin 14 Disca Alif Drawing Control 4 S1 29 L 15 Erik Maulana CAD Drafter 5 S1 31 L 16 Dian CAD Drafter 1 S1 26 L 17 Abdul Aziz QS 3 S1 25 L M Diaz Radhitya PH Bambang Sulistyo QS 4 S1 26 L Surveyor 17 STM 42 L 20 Ali Ahmad Surveyor 12 STM 35 L 21 Dodi Cahyadi Ass. Surveyor 5 STM 32 L 22 Ridwan Sutejo Ass. Surveyor 4 STM 32 L 23 Yoserizal 24 Achmad Faisal 25 Parlindungan PS 26 Mizone 27 Muksin 28 Agus Indra 29 Adil Murdjoko Koordinator Sipil Pelaksana Struktur Pelaksana Struktur Pelaksana Struktur Pelaksana Struktur Pelaksana Arsitek Pelaksana Arsitek 4 D3 50 L 7 D3 52 L 6 STM 43 L 24 STM 48 L 22 SMA 40 L 5 STM 47 L 1 STM 59 L 30 Rony Saputra Kabag Logistik 3 STM 34 L Sumber : Data primer yang diolah (2017) Profil Responden Berdasarkan Jenis Kelamin Responden Jenis kelamin seseorang dapat mempengaruhi kinerja karyawan dalam menyelesaikan pekerjaan. Dari 30 responden yang merupakan staff-staff yang terlibat dalam proyek yang dijadikan sample penelitian dapat dilihat identitas berdasarkan jenis kelamin sebagai berikut : IV-6

7 Tabel 4.3 Jenis Kelamin Responden Kriteria Keterangan Jumlah Prosentase Jenis Pria % Kelamin Wanita 0 0% Jumlah % Sumber : Data primer yang diolah (2017) Jenis Kelamin Responden Wanita 0% Pria 100% Gambar 4.1 Pie Chart Jenis Kelamin Responden (Sumber : Data primer yang diolah, 2017) Dari table 4.3 diatas bahwa seluruh staff yang terlibat pada proyek New Harco Glodok Jakarta Barat adalah pria yaitu sebanyak 30 staff karyawan (100%) dan 0 staff karyawan (0%) berjenis kelamin wanita Profil Responden Berdasarkan Umur Responden Umur responden staff-staff yang terlibat pada proyek New Harco Glodok Jakarta Barat yang dijadikan sample dapat dilihat pada tabel 4.4 berikut ini : IV-7

8 Tabel 4.4 Umur Responden Kriteria Keterangan Jumlah Prosentase tahun 5 17% Umur tahun 12 40% tahun 10 33% > 50 tahun 3 10% Jumlah % Sumber : Data primer yang diolah (2017) > 50 tahun 10% Chart Title tahun 17% tahun 33% tahun 40% Gambar 4.2 Pie Chart Umur Responden (Sumber : Data primer yang diolah, 2017) Berdasarkan tabel 4.4 di atas dapat diketahui bahwa sebagian besar staff yang terlibat pada proyek New Harco Glodok Jakarta Barat adalah responden yang berumur tahun sebanyak 12 orang staff (40%). Sedangkan kelompok yang berumur tahun sebanyak 10 orang staff (33%). Kelompok lain yang berumur tahun sebanyak 5 orang staff (17%). Dan kelompok yang berumur >50 tahun sebanyak 3 orang (10%). IV-8

9 Profil Responden Berdasarkan Tingkat Pendidikan Responden Tingkat pendidikan mempengaruhi karyawan dalam pengambilan keputusan dalam berbagai hal. Profil responden staff-staff yang terlibat pada proyek New Harco Glodok Jakarta Barat dapat dilihat pada tabel 4.5 berikut ini : Tabel 4.5 Tingkat Pendidikan Responden Kriteria Keterangan Jumlah Prosentase SMA/SMK/STM 11 37% Pendidikan D3 4 13% S % S2 1 3% Jumlah % Sumber : Data primer yang diolah (2017) Tingkat Pendidikan Responden S2 3% S1 47% SMA/SMK/STM 37% D3 13% Gambar 4.3 Pie Chart Tingkat Pendidikan Responden (Sumber : Data primer yang diolah, 2017) Berdasarkan tabel 4.5 diatas dapat diketahui bahwa sebagian besar staff yang terlibat pada proyek New Harco Glodok Jakarta Barat adalah responden yang berpendidikan S1 sebanyak 14 orang staff (47%). Kelompok yang berpendidikan SMA/SMK/STM sebanyak 11 orang staff (37%). Kelompok yang berpendidikan D3 IV-9

10 sebanyak 4 orang staff (13%). Dan kelompok yang berpendidikan S2 sebanyak 1 orang staff (3%) Profil Responden Berdasarkan Masa Kerja Responden Masa kerja adalah pengalaman seseorang selama bekerja. Berikut masa kerja responden staff-staff yang terlibat pada proyek New Harco Glodok Jakarta Barat : Tabel 4.6 Masa Kerja Responden Kriteria Keterangan Jumlah Prosentase 1-4 tahun 13 43% Masa Kerja 5-9 tahun 8 27% tahun 3 10% > 15 tahun 6 20% Jumlah % Sumber : Data primer yang diolah (2017) Masa Kerja Responden tahun 10% > 15 tahun 20% 1-4 tahun 43% 5-9 tahun 27% Gambar 4.4 Pie Chart Masa Kerja Responden (Sumber : Data primer yang diolah, 2017) Profil Responden Berdasarkan Jabatan Responden Jabatan seseorang mempengaruhi persepsi seseorang. Jabatan responden dapat dilihat pada tabel 4.7 berikut : IV-10

11 Tabel 4.7 Jabatan Responden Kriteria Keterangan Jumlah Prosentase Project Manajer 3 10% Site Manager 2 7% Time Control 1 3% Safety Enginering 1 3% SHE Inspector 1 3% Quality Control 3 10% Jabatan/Posisi Kabag Teknik 1 3% Purchasing 1 3% Drafter 3 10% QS 2 7% Surveyor 4 13% Koordinator Sipil 1 3% Pelaksana 6 20% Logistik 1 3% Jumlah % Sumber : Data primer yang diolah (2017) Logistik 3% Jabatan Responden Koordinator Sipil 3% Surveyor 14% Pelaksana 20% QS 7% Drafter 10% Project Manajer 10% Site Manager 7% Time Control 4% Safety Enginering 3% SHE Inspector 3% Quality Control 10% Kabag Teknik 3% Purchasing 3% Gambar 4.5 Pie Chart Jabatan Responden (Sumber : Data primer yang diolah, 2017) IV-11

12 4.4. Uji Instrumen Penelitian Uji instrumen penelitian dilakukan untuk mengkaji apakah hasil kuisioner yang telah dikumpulkan merupakan data yang valid dan benar. Adapun uji instrumen pada penelitian kali ini menggunakan SPSS versi Uji Validitas Dari 30 sample penelitian yang diperoleh, maka dilakukan uji validitas terhadap setiap variabel. Uji validitas ini dilakukan dengan menggunakan bantuan software SPSS versi 20. Menurut Santoso (2000, dalam Rizki;2014) untuk menentukan layak atau tidaknya suatu item yang akan digunakan, maka perlu dilakukan uji signifikansi atau taraf nyata sebesar 0,05 (5%), yakni variabel penelitan dianggap valid jika berkorelasi signifikan terhadap skor total. Selain itu, penentuan validitas juga ditentukan dengan perbandingan r hitung metode Pearson Correlation dengan nilai tabel r. Jika koefisien korelasi item terhadap total > r tabel dengan df (0,05, n-2) maka dinyatakan valid. Outputnya menjelaskan hasil uji apakah sebuah data hasil dari jawaban kuesioner responden bisa dikatakan valid atau tidak. Data di katakan valid apa bila nilai Item-Total Statistics lebih besar dari r tabel. Tabel r dapat dilihat pada lampiran. Di dapat nilai r tabel pada 30 sample atau responden adalah 0,361. Data yang tidak valid dapat di eliminasi. Setelah melakukan beberapa langkah operasional, maka output yang dihasilkan dari uji ini dapat dilihat sebagai berikut : IV-12

13 Tabel 4.8 Hasil Uji Validitas Variabel r hitung r tabel Validitas X1 0,403 0,361 Valid X2 0,685 0,361 Valid X3 0,455 0,361 Valid X4 0,509 0,361 Valid X5 0,456 0,361 Valid X6 0,705 0,361 Valid X7 0,683 0,361 Valid X8 0,546 0,361 Valid X9 0,609 0,361 Valid X10 0,637 0,361 Valid X11 0,706 0,361 Valid X12 0,592 0,361 Valid X13 0,627 0,361 Valid X14 0,452 0,361 Valid X15 0,685 0,361 Valid X16 0,532 0,361 Valid X17 0,550 0,361 Valid X18 0,655 0,361 Valid X19 0,494 0,361 Valid X20 0,430 0,361 Valid X21 0,680 0,361 Valid X22 0,808 0,361 Valid X23 0,585 0,361 Valid X24 0,729 0,361 Valid Sumber : Data primer yang diolah dengan SPSS (2017) Berdasarkan tabel di atas, dapat dilihat bahwa semua variabel dinyatakn valid dengan nilai r hitung > r tabel Uji Reliabilitas Menurut Rizky (2014), untuk mengetahui konsistensi alat ukur, yakni apakah alat ukur reliabel dan tetap konsisten untuk pengukuran berulang, maka digunakan uji reabilitas dimana ketentuannya sebagai berikut: a. Nilai Cronbach Alpha 0,6 menunjukkan bahwa kuisioner penelitian tidak reliabel. b. Nilai Cronbach Alpha 0,6 menunjukkan bahwa kuisioner penelitian reliabel. IV-13

14 Tabel 4.9 Hasil Uji Reliabilitas Cronbach s Alpha N of Items 0, Sumber : Data primer yang diolah dengan SPSS (2017) Dari tabel di atas maka di dapat nilai cronbach s alpha output yaitu 0,920. Maka dapat disimpulkan jika data reliabel atau dapat dipercaya Analisis Regresi Linier Berganda Analisis regresi linear merupakan satu alat dengan beberapa aplikasi penting. Ia juga merupakan satu set prosedur statistik yang selalu di gunakan untuk menjelaskan hubungan secara linear antara dua atau lebih variabel independen (X1, X2,.Xn) dengan variabel dependen (Y) (Rahim Bin Utah, 2013). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio. Persamaan regresi linear berganda sebagai berikut: Y = a + b1x1+ b2x bnxn Keterangan: Y = Variabel dependen (nilai yang diprediksikan) X1 dan Xn = Variabel independen a = Konstanta (nilai Y apabila X1, X2..Xn = 0) b = Koefisien regresi (nilai peningkatan ataupun penurunan) IV-14

15 Setelah melakukan beberapa langkah operasional, maka output yang dihasilkan terhadap uji ini dapat dilihat sebagai berikut : Tabel 4.10 Tabel Coefficient Sumber : Data primer yang diolah dengan SPSS (2017) Sehingga persamaan model regresi yang dapat dipakai adalah : Y = 2,103 0,182 X5 + 0,241 X3 0,198 X6 Keterangan : Y X5 X3 X6 = Keterlambatan Proyek = Kualitas dari tenaga kerja yang buruk = Keterlambatan pemesanan material = Kondisi cuaca yang tidak menentu Persamaan regresi di atas dapat dijelaskan sebagai berikut: a. Konstanta sebesar 2,130 ; artinya jika X1, X2,...Xn nilainya adalah 0, maka (Y) nilainya adalah 2,130 satuan. b. Koefisien regresi variabel X5 sebesar -0,182; artinya jika variabel independen lain nilainya tetap dan X5 mengalami kenaikan 1%, maka nilai (Y) akan mengalami penurunan sebesar 0,182 satuan. Koefisien bernilai negatif artinya IV-15

16 terjadi hubungan negatif antara X5 dengan nilai Y, semakin naik X5 maka semakin turun nilai Y. Artinya adanya faktor kualitas dari tenaga kerja yang ada buruk menjadi salah satu faktor mulurnya pelaksanaan proyek New Harco Glodok Jakarta Barat. c. Koefisien regresi variabel X3 sebesar 0,241; artinya jika variabel independen lain nilainya tetap dan X3 mengalami kenaikan 1%, maka nilai (Y) akan mengalami kenaikan sebesar 0,241 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X3 dengan nilai Y, semakin naik X3 maka semakin naik nilai Y. Artinya adanya faktor keterlambatan pemesanan material menjadi salah satu faktor mulurnya pelaksanaan proyek New Harco Glodok Jakarta Barat, pengaruh dari faktor tersebut cukup besar terlihat dari nilai positif koefisienya. d. Koefisien regresi variabel X6 sebesar -0,198; artinya jika variabel independen lain nilainya tetap dan X6 mengalami kenaikan 1%, maka nilai (Y) akan mengalami penurunan sebesar 0,198 satuan. Koefisien bernilai negatif artinya terjadi hubungan negatif antara X6 dengan nilai Y, semakin naik X6 maka semakin turun nilai Y. Artinya adanya faktor kondisi cuaca yang tidak menentu menjadi salah satu faktor mulurnya pelaksanaan proyek New Harco Glodok Jakarta Barat. A. Analisis Korelasi Ganda Analisis ini digunakan untuk mengetahui hubungan antara dua atau lebih variabel independen (X1, X2, Xn) terhadap variabel dependen (Y) secara serentak. Koefisien ini menunjukkan seberapa besar hubungan yang terjadi antara variabel independen (X, X2 Xn) secara serentak terhadap variabel dependen (Y). nilai R berkisar antara 0 IV-16

17 sampai 1, nilai semakin mendekati 1 berarti hubungan yang terjadi semakin kuat, sebaliknya nilai semakin mendekati 0 maka hubungan yang terjadi semakin lemah. Menurut Sugiyono (2007, dalam Duwi; 2011) pedoman untuk memberikan interpretasi koefisien korelasi 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 Setelah melakukan beberapa langkah operasional, maka output yang dihasilkan dari uji ini dapat dilihat model summary sebagai berikut: Tabel 4.11 Hasil Analisis Korelasi Ganda Model Summary d Model R R Square Adjusted R Square Std. Error of the Estimate 1,414 a,171,142, ,548 b,301,249, ,638 c,407,339,40520 a. Predictors: (Constant), X5 b. Predictors: (Constant), X5, X3 c. Predictors: (Constant), X5, X3, X6 d. Dependent Variable: Y Sumber : Data primer yang diolah dengan SPSS (2017) Berdasarkan tabel di atas diambil model dengan angka R tersebsar yaitu model ke-3 sebesar 0,638. Hal ini menunjukkan bahwa terjadi hubungan yang kuat antara X1, X2,...Xn terhadap faktor penyebab keterlambatannya pelaksanaan pada proyek New Harco Glodok Jakarta Barat. IV-17

18 B. Analisis Determinasi (R2) Analisis determinasi dalam regresi linear berganda digunakan untuk mengetahui prosentase sumbangan pengaruh variabel independen (X1, X2, Xn) secara serentak terhadap variabel dependen (Y) (Duwi, 2011). Koefisien ini menunjukkan seberapa besar prosentase variasi variabel independen yang digunakan dalam model mampu menjelaskan variasi variabel dependen R2 sama dengan 0, maka tidak ada sedikitpun prosentase sumbangan pengaruh yang diberikan variabel independen terhadap variabel dependen, atau variasi variabel independen yang digunakan dalam model tidak menjelaskan sedikitpun variasi variabel dependen. Sebaliknya R2 sama dengan 1, maka prosentase sumbangan pengaruh yang diberikan variabel independen terhadap variabel dependen adalah sempurna, atau variasi variabel independen yang digunakan dalam model menjelaskan 100% variasi variabel dependen. berikut : Dari hasil analisis regresi, lihat pada output model summary dan disajikan sebagai Tabel 4.12 Hasil Analisis Determinasi Model Summary d Model R R Square Adjusted R Square Std. Error of the Estimate 1,414 a,171,142, ,548 b,301,249, ,638 c,407,339,40520 a. Predictors: (Constant), X5 b. Predictors: (Constant), X5, X3 c. Predictors: (Constant), X5, X3, X6 d. Dependent Variable: Y Sumber : Data primer yang diolah dengan SPSS (2017) Berdasarkan tabel di atas diambil model dengan angka R2 (R Square) terbesar yaitu model ke-3 sebesar 0,407 atau 40,7%. Hal ini menunjukkan bahwa prosentase sumbangan pengaruh variabel independen (X1, X2,...Xn) terhadap variabel dependen IV-18

19 sebesar 40,7%. Atau variasi variabel independen yang digunakan dalam model (X2, X2,... Xn) mampu menjelaskan sebesar 40,7% variasi variabel dependen. Sedangkan sisanya sebesar 59,3% dipengaruhi atau dijelaskan oleh variabel lain yang tidak dimasukkan dalam model penelitian ini. Adjusted R Square adalah nilai R Square yang telah disesuaikan, nilai ini selalu lebih kecil dari R Square dan angka ini bisa memiliki harga negatif. Menurut Santoso (2001, Dwi; 2011) bahwa untuk regresi dengan lebih dari dua variabel bebas digunakan Adjusted R2 sebagai koefisien determinasi. Standard Error of the Estimate adalah suatu ukuran banyaknya kesalahan model regresi dalam memprediksikan nilai Y (Dwi, 2011). Dari hasil regresi di dapat nilai 0,12, hal ini berarti banyaknya kesalahan dalam prediksi nilai kinerja waktu sebesar 0,12. Sebagai pedoman jika Standard error of the estimate kurang dari standar deviasi Y, maka model regresi semakin baik dalam memprediksi nilai Y. C. Uji Autokolerasi dengan Durbin Watson Untuk mengetahui ada tidaknya penyimpangan asumsi klasik autokolerasi, yaitu kolerasi yang terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi dilakukan uji Durbin Watson dengan ketentuan sebagai berikut : 1) Jika d lebih kecil dari dl atau lebih besar dari (4-dL) makaa hipotesis nol ditolak, yang berarti terdapat autokolerasi 2) Jika d terletakantara du dan (4-dU), maka hipotesis nol diterima, yang berarti tidak ada autokolerasi. 3) Jika d terletak antara dl dan du atau diantara (4-dU) dan (4-dL), maka tidak menghasilkan kesimpulan yang pasti. IV-19

20 Tabel 4.13 Tabel Model Summary Model Summary d Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1,414 a,171,142, ,548 b,301,249, ,638 c,407,339, ,631 a. Predictors: (Constant), X5 b. Predictors: (Constant), X5, X3 c. Predictors: (Constant), X5, X3, X6 d. Dependent Variable: Y Sumber : Data primer yang diolah dengan SPSS (2017) Dari hasil output diatas nilai DW yang dihasilkan dari model regresi adalah 2, 631. Sedangkan dari tabel DW dengan signifikansi 0,05 dan jumlah data (n) = 30, serta k = 3 (k adalah jumlah variabel independen, yaitu X5, X3, X6) diperoleh nilai dl sebesar 1,2138 dan du sebesar 1,6498. Karena nilai DW berada pada daerah antara (4- du) dan (4-dL), 2,3502 < 2,631 < 2,7862 maka disimpulkan bahwa tidak menghasilkan kesimpulan yang pasti. D. Uji Multikolinearitas Multikolinearitas adalah keadaan dimana variabel-variabel independen dalam persamaan regresi mempunyai korelasi yang erat satu sama lain. Uji ini dilakukan untuk mengetahui apakah terdapat multikolinieritas atau terjadinya korelasi diantara variabel terpilih. Model regresi yang baik harus tidak ada multikolinearitas (Santoso 2001 dikutip Prayoga, 2011). Metode untuk mendiagnosa adanya multikolinearitas dilakukan dengan melihat nilai dari tolerance dan Variante Inflation Factor (VIF), suatu model regresi dikatakan bebas dari multikolinieritas (Anhar Januar, 2013), jika : Melihat Nilai Tolerance : 1) Jika Nilai tolerance lebih besar dari 0,10 maka artinya tidak terjadi Multikolinieritas terhadap data yang diuji IV-20

21 2) Jika Nilai tolerance lebih kecil dari 0,10 maka artinya terjadi Multikolinieritas terhadap data yang diuji Melihat Nilai VIF (Variance Inflation Factor) : 1) Jika Nilai VIF lebih kecil dari 10,00 maka artinya tidak terjadi Multikolinieritas terhadap data yang diuji 2) Jika Nilai VIF lebih besar dari 10,00 maka artinya terjadi Multikolinieritas terhadap data yang diuji. Dari hasil analisis regresi SPSS versi 24, lihat pada output tabel coefficients disajikan sebagai berikut: Tabel 4.14 Tabel Coefficients Sumber : Data primer yang diolah dengan SPSS (2017) Pada model summary dengan nilai R terbesar yaitu pada model ke-3, maka pada uji multikolienaritas diambil nilai pada model ke-3. Berikut hasil uji multikolienaritas : IV-21

22 Model 3 Tabel 4.15 Hasil Analisis Uji Multikolienaritas (Constant) Collinearity Statistics Tolerance VIF Keterangan X5,876 1,141 Non Multikolienaritas X3,956 1,046 Non Multikolienaritas X6,841 1,188 Non Multikolienaritas a. Dependent Variable: Y Sumber : Data primer yang diolah dengan SPSS (2017) Berdasarkan hasil uji multikolinearitas menunjukkan angka VIF masih berada di bawah angka 10, juga angka tolerance yang masih berada pada angka diatas nilai 1. Hal ini menunjukkan variabel bebas yang diteliti tidak saling berhubungan sehingga tepat digunakan sebagai variabel bebas dalam model (Anhar Januar,2013). E. Uji Koefisien Regresi Secara Bersama-sama (Uji F) Uji ini digunakan untuk mengetahui apakah variabel independen (X1, X2,.Xn) secara bersama-sama berpengaruh secara signifikan terhadap variabel dependen (Y) (Dwi, 2011). Menurut Duwi (2011) adapun kriteria pengujian : 1) Apabila nilai F hitung lebih besar dari F tabel maka disimpulkan bahwa terdapat pengaruh yang signifikan antara variabel independen (X1, X2,.Xn) secara simultan terhadap keterlambatan proyek (Y) dan sebaliknya 2) Apabila nilai Sig. lebih kecil dari taraf signifikansi yang digunakan (misal: 0,01 / 0,05 / 0,1 tergantung peneliti) maka dapat disimpulkan bahwa terdapat pengaruh yang signifikan antara variabel independen (X1, X2,.Xn) secara simultan terhadap keterlambatan proyek (Y) dan sebaliknya. Setelah melakukan beberapa langkah operasional, maka output yang dihasilkan dari uji ini dapat dilihat anova sebagai berikut: IV-22

23 Tabel 4.16 Hasil Uji F ANOVA a Model Sum of Squares df Mean Square F Sig. Regression 1, ,232 5,781,023 b Residual 5,968 28,213 Total 7, Regression 2, ,082 5,800,008 c Residual 5,036 27,187 Total 7, Regression 2,931 3,977 5,951,003 d Residual 4,269 26,164 Total 7, a. Dependent Variable: Y b. Predictors: (Constant), X5 c. Predictors: (Constant), X5, X3 d. Predictors: (Constant), X5, X3, X6 Sumber : Data primer yang diolah dengan SPSS (2017) Pada tabel ANOVA di atas dari 3 model tersebut, nilai signifikan terkecil maka yang dapat di analisis yaitu model ke.3 dengan nilai signifikasi 0,003. Tahap-tahap untuk melakukan uji F adalah sebagai berikut : a) Merumuskan Hipotesis Ho : Tidak ada pengaruh secara signifikan antara X1, X2,... Xn secara bersamasama terhadap keterlambatan proyek. Ha : Ada pengaruh secara signifikan antara X1, X2,... Xn secara bersama-sama terhadap keterlambatan proyek. b) Menentukan tingkat signifikansi Tingkat signifikansi menggunakan = 5% (signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian) IV-23

24 c) Menentukan F hitung Berdasarkan tabel diambil model ketiga dengan nilai Sig terkecil. Maka diperoleh F hitung sebesar 5,951 d) Menentukan F tabel Dengan menggunakan tingkat keyakinan 95% = 5%, df 1 (jumlah variabel-1) = 23, dan df 2 (n-k-1) atau = 5 (n adalah jumlah kasus dan k adalah jumlah variabel independen), hasil diperoleh untuk F tabel sebesar 2,534 atau dapat dicari di Ms. Excel dengan cara pada cell kosong ketik =finv(0,05;5;30) lalu enter. e) Kriteria pengujian - Ho diterima bila F hitung < F tabel - Ho ditolak bila F hitung > F tabel f) Membandingkan F hitung dengan F tabel Nilai F hitung > F tabel (5,951 > 2,534), maka Ho ditolak. g) Kesimpulan Karena F hitung > F tabel (5,951 > 2,534), maka Ho ditolak, artinya ada pengaruh secara signifikan antara X1, X2,... Xn secara bersama-sama terhadap keterlambatan proyek. Jadi dari kasus ini dapat disimpulkan bahwa X1, X2,... Xn secara bersama-sama ada pengaruh terhaddap keterlambatan proyek. Nilai Sig. hitung 0,003 < 0,05,maka Ho ditolak, artinya ada pengaruh secara signifikan antara variabel independen (X1, X2,.Xn) secara simultan terhadap keterlambatan proyek (Y). Jadi dari kasus ini dapat disimpulkan bahwa variabel IV-24

25 independen (X1, X2,.Xn) secara bersama-sama ada berpengaruh terhadap keterlambatan pelaksanaan proyek New Harco Glodok Jakarta Barat. F. Uji Koefisien Regresi Secara Parsial (Uji T) Uji ini digunakan untuk mengetahui apakah dalam model regresi variabel independen (X1, X2,..Xn) secara parsial berpengaruh signifikan terhadap variabel dependen (Y) (Duwi, 2011). 1) Menentukan Hipotesis : a) Ho : Secara parsial tidak ada pengaruh signifikan antara variabel independen (X1, X2,..Xn) dengan keterlambatan pelaksanaan proyek New Harco Glodok Jakarta Barat. b) Ha : Secara parsial ada pengaruh signifikan antara antara variabel independen (X1, X2,..Xn) dengan keterlambatan pelaksanaan proyek New Harco Glodok Jakarta Barat. 2) Kriteria Pengujian a) Ho diterima jika -t tabel < t hitung < t tabel b) Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel c) Bisa juga apabila nilai prob. t hitung (ouput SPSS ditunjukkan pada kolom sig.) lebih kecil dari tingkat kesalahan (alpha) 0,05 (yang telah ditentukan) maka dapat dikatakan bahwa variabel bebas (dari t hitung tersebut) berpengaruh signifikan terhadap variabel terikatnya, sedangkan apabila nilai prob. t hitung lebih besar dari tingkat kesalahan 0,05 maka dapat dikatakan bahwa variabel bebas tidak berpengaruh signifikan terhadap variabel terikatnya. IV-25

26 Setelah melakukan beberapa langkah operasional, maka output yang dihasilkan dari uji ini dapat dilihat sebagai berikut: Tabel 4.17 Hasil Uji T Coefficients a Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. (Constant) 2,103,526 3,995,000 3 X5 -,182,100 -,293-1,815,081 X3,241,086,430 2,784,010 X6 -,198,092 -,356-2,162,040 a. Dependent Variable: Y Sumber : Data primer yang diolah dengan SPSS (2017) Tingkat signifikansi (α) adalah 5%; untuk uji dua sisi, menjadi 5% / 2 = 2,5%. Dengan derajat kebebasan (df) n-k-1 atau = 5 (n adalah jumlah kasus). Dengan pengujian hasil diperoleh untuk t tabel sebesar 2,570 atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik =tinv(0.05;5). Tabel 4.18 Analisis Uji T Variabel -t Tabel t Hitung t Tabel Kesimpulan X5-2,056 < -1,815 < 2,570 X3-2,570 < 2,784 > 2,570 X6-2,570 > -2,162 < 2,570 Sumber : Data primer yang diolah dengan SPSS (2017) Ho diterima, artinya secara parsial tidak ada pengaruh signifikan antara antara variabel independen dengan keterlambatan pelaksanaan proyek. Ho ditolak, artinya secara parsial ada pengaruh signifikan antara antara variabel independen dengan keterlambatan pelaksanaan proyek. Ho ditolak, artinya secara parsial ada pengaruh signifikan antara antara variabel independen dengan keterlambatan pelaksanaan proyek. IV-26

27 IV-27