BAB IV ANALISIS DAN PEMBAHASAN. Analasis pengaruh faktor-faktor keterlambatan terhadap pembengkakan biaya

BAB IV Analisis dan Pembahasan

BAB IV ANALISIS DAN PEMBAHASAN

4.1 Tinjauan Pustaka Pada bagian ini

akan dilakukan analisis dan pembahasan mengenai

Analasis pengaruh faktor-faktor keterlambatan terhadap pembengkakan biaya proyek perumahan dengan data di peroleh dari data primer dan sekunder yang diolah dengan program Statistical Package for Social Science (SPSS) dan Microsoft Excel yang nantinya akan didapat hasil dari analisis tersebut. 4.2 Data Responden Berikut ini adalah daftar perusahaan yang dijadikan responden dalam penelitian ini: 1) PT. Mitra Inti Cemerlang Jl. Outer Ring Road Taman Palm Nomer 39 ,Cengkareng Jakarta Barat 2) PT. Istana Putra Mandiri Jl. Kelapa Dua Ruko Jasmine HA 1/23 Gading Serpong Tangerang 3) PT. Sulam Primax Perkasa Jl. Pejuangan Blok C No.8 kebun jeruk jakarta barat 4) PT. Gusantara Global Mandiri Jl. WR.Supratman Kav. 05 Ciputat Tangerang Selatan 5) PT. Griya Tritunggal Sakti Jl. Boulevard Blok B No 35 Gading Serpong Tangerang 6) PT. Citra Ecopolis Raya IV-1 http://digilib.mercubuana.ac.id/


Jl. Citra Raya Boulevard Cikupa Tangerang 7) PT. Putra Lintang Cemerlang Jl.,MH Tamrin No. 11 Jakarta Pusat 8) PT. Asri Karya Binangun Jl. Pondok jaya sepatan ,Tigaraksa,Tangerang 9) PT. Serpong Karya Cemerlang Jl. Gedung SICC LT.3 Sentul City Bogor. 10) PT. Ketira Engineering Consultants Jl. Tanah Abang V 56-56A, Petojo Selatan, Gambir, Jakarta. 4.3 Deskripsi Data Deskripsi hasil penelitian ini didasarkan pada skor dari kuesioner yang digunakan untuk mengetahui distribusi data responden yang diteliti dalam penelitian ini. Penjelasan data responden akan disajikan sebagai berikut: 4.2.1 Distribusi Frekuensi Berdasarkan Jenis Kelamin Responden Untuk mengetahui lebih lanjut distribusi responden berdasarkan jenis kelamin responden dapat dilihat pada hasil frekuensi data responden sebagai berikut: Tabel 4.1. Distribusi Jenis Kelamin Responden

Valid

Frequency

Percent

Valid Percent

Cumulative Percent

Laki - laki

35

87,5

87,5

87,5

Perempuan

5

12,5

12,5

100,0

Total

40

100,0

100,0

IV-2 http://digilib.mercubuana.ac.id/

BAB IV Analisis dan Pembahasan Sumber: Data primer yang diolah dengan SPSS 20

Hasil tabel di atas diperoleh hasil bahwa sebagian besar responden berjenis kelamin pria dengan jumlah 35 orang atau sebesar 87,5 %, sedangkan responden paling sedikit berjenis kelamin wanita sebanyak 5 orang dengan presentase sebesar 12,5 %. Berikut adalah distribusi jenis kelamin responden menggunakan gambar pie chart:

Jenis kelamin Perempuan

Laki-Laki Gambar 4.1 Distribusi Jenis Kelamin

4.2.2 Distribusi Frekuensi Berdasarkan Usia Responden Untuk mengetahui lebih lanjut distribusi responden berdasarkan usia responden dapat dilihat pada hasil frekuensi data responden sebagai berikut: Tabel 4.2. Distribusi Usia Responden

Frequency

Percent

Valid Percent

Cumulative Percent

23 - 30 tahun

16

40.0

40.0

40.0

31 - 40 tahun 41 - 49 tahun > 55 tahun Total

17 3 4 40

42.5 7.5 10.0 100.0

42.5 7.5 10.0 100.0

82.5 90.0 100.0

Usia

Valid

Sumber: Data primer yang diolah dengan SPSS 20

Dari hasil tabel di atas diperoleh hasil bahwa sebagian besar IV-3 http://digilib.mercubuana.ac.id/


distribusi responden berdasarkan usia berada pada kisaran usia 23-30 tahun tahun sebanyak 16 orang dengan persentasi 40 %, usia 31-40 tahun tahun sebanyak 17 orang dengan persentasi 42.5%, usia 41-49 tahun tahun sebanyak 3 orang dengan persentasi 7.5 % dan lebih dari 55 tahun sebanyak 4 orang dengan presentase 10 %. Berikut adalah distribusi usia responden menggunakan gambar pie chart :

Gambar 4.2 Distribusi usia responden

4.2.3 Distribusi Frekuensi Berdasarkan Jabatan Responden Untuk mengetahui lebih lanjut distribusi responden berdasarkan jabatan responden dapat dilihat pada hasil frekuensi data responden sebagai berikut: Tabel 4.3. Distribusi Jabatan Responden

Vali d

Supervisor Site Engineer Site Manager Project Manager Total

Frequency

Percent

10 5 19 6 40

25.0 12.5 47.5 15.0 100.0

Valid Percent 25.0 12.5 47.5 15.0 100.0

Cumulative Percent 25.0 37.5 85.0 100.0


Hasil tabel di atas diperoleh hasil diketahui bahwa sebagian besar distribusi responden berdasarkan jabatannya berada pada posisi Site IV-4 http://digilib.mercubuana.ac.id/


Manajer sebanyak 19 orang dengan persentasi 47,5%. Berikut adalah distribusi jabatan responden menggunakan gambar bar chart:

Gambar 4.3 Distribusi Jabatan Responden

4.2.4 Distribusi Frekuensi Berdasarkan Pendidikan Responden Untuk mengetahui lebih lanjut distribusi responden berdasarkan pendidikan responden dapat dilihat pada hasil frekuensi data responden sebagai berikut: Tabel 4.4. Distribusi Pendidikan Akhir Responden

SMA Diploma Valid S1 S2 Total

Frequency

Percent

Valid Percent

7 10 18 5 40

17.5 25.0 45.0 12.5 100.0

17.5 25.0 45.0 12.5 100.0

Cumulative Percent 17.5 42.5 87.5 100.0


Hasil tabel di atas diperoleh hasil diketahui bahwa sebagian besar distribusi responden berdasarkan pendidikan terakhirnya rata-rata berpendidikan S1 yaitu sebanyak 18 dengan persentasi 45 %. Berikut IV-5 http://digilib.mercubuana.ac.id/


adalah distribusi pendidikan responden menggunakan gambar bar chart:

Gambar 4.4 Distribusi Pendidikan Akhir Responden

4.2.5 Distribusi Frekuensi Berdasarkan Lama Kerja Responden Untuk mengetahui lebih lanjut distribusi responden berdasarkan lama kerja responden dapat dilihat pada hasil frekuensi data responden sebagai berikut: Tabel 4.5. Distribusi Lama Kerja Responden

Lama Kerja 1 - 5 tahun V 6 - 10 tahun a 11 - 15 tahun l 16 - 20 tahun i > 21 tahun d Total

Frequency 9 20 4 4 3 40

Percent 22.5 50.0 10.0 10.0 7.5 100.0


Valid Percent 22.5 50.0 10.0 10.0 7.5 100.0

Cumulative Percent 22.5 72.5 82.5 92.5 100.0

Hasil tabel di atas diperoleh hasil diketahui bahwa sebagian besar distribusi responden berdasarkan lama kerjanya adalah > 5 tahun yaitu IV-6 http://digilib.mercubuana.ac.id/


sebanyak 31 dengan persentasi 77,5%. Berikut adalah distribusi usia responden menggunakan gambar cone chart:

Gambar 4.5 Distribusi Lama Kerja Responden

4.4 Uji Deskriptif Variabel Deskriptif variabel dalam penelitian ini bertujuan untuk memberikan gambaran distribusi data dalam penelitian yang meliputi: Ketidaktepatan perencanaan tenaga kerja (X1), Kualitas tenaga kerja yang buruk (X2), Keterlambatan penyedian alat / material akibat kelalaian kontraktor (X3), Penanganan keberadaan dan kualitas dari alat / material yang buruk (X4), Kesulitan Finansial (X5), Kurangnya pengalaman kotraktor (X6), Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor (X7), Metode Konstruksi/teknik pelaksanaan yang salah /tidak tepat (X8), Dana dari pemilik proyek tidak mencukupi (X9), Keterlambatan penyediaan material (X10) , Petenatapan pelaksaan jadwal proyek yang amat ketat (X11), Dampak Keterlambatan (Y1), Dan Dampak Pembengkakan Biaya (Y2) berdasarkan nilai mean, median, simpang baku, nilai minimum, dan nilai maksimum. Adapun hasil selengkapnya adalah sebagai berikut :



Tabel 4.6. Distribusi Data Variabel

Variabel

N

Minimum

Maximum

Mean

Std. Deviation

X1

40

1

5

2,78

1,310

X2

40

2

5

3,75

1,056

X3

40

2

5

4,02

0,733

X4

40

1

5

3,63

1,125

X5

40

1

5

2,80

1,091

X6

40

1

5

4,03

1,050

X7

40

1

5

3,25

1,214

X8

40

2

5

3,87

0,911

X9

40

1

5

3,03

1,187

X10

40

2

5

3,87

0,911

X11

40

2

5

4,15

0,893

Y1_TOTAL

40

15

32

24,05

4,120

Y2_TOTAL

40

13

34

29,55

4,157

Valid N (listwise)

40

Sumber: Hasil pengolahan data kuesioner

4.5 Uji Validitas Uji

validitas

digunakan

untuk

mengukur

ketepatan

dan

kecermatan suatu alat ukur atau instrumen dalam melakukan fungsi ukurannya. Suatu istrumen dikatakan mempunyai validitas yang tinggi apabila alat tersebut menjalankan fungsi ukurannya sesuai dengan maksud dilakukan pengukuran tersebut (Azwar, 2007:4). Uji validitas dapat dilakukan dengan melakukan korelasi antar sekor butir pertanyaan dengan total skor konstruk atau variabel IV-8 http://digilib.mercubuana.ac.id/


(Ghozali, 2013). Atau bisa juga membandingkan antara nilai r hitung dengan r tabel, apabila nilai:

 Jika r hitung > r tabel, maka hasilnya valid  Jika r hitung < r tabel, maka hasilnya tidak valid Tabel 4.7 Hasil Uji Validitas Variabel Faktor Keterlambatan ( X )

No

Kode Keterlambatan

Keterangan r hitung

r tabel

korelasi

korelasi

1

X1

0,679

0,312

VALID

2

X2

0,267

0,312

TIDAK VALID

3

X3

0,286

0,312

TIDAK VALID

4

X4

0,459

0,312

VALID

5

X5

0,591

0,312

VALID

6

X6

0,497

0,312

VALID

7

X7

0,506

0,312

VALID

8

X8

0,283

0,312

TIDAK VALID

9

X9

0,439

0,312

VALID

10

X10

0,525

0,312

VALID

11

X11

0,461

0,312

VALID

Sumber: Data kuesioner diolah dengan SPSS 20

Tabel 4.8 Hasil Uji Validitas Variabel Dampak Keterlambatan ( Y1)

No

Kode Keterlambatan

Keterangan r hitung

r tabel

korelasi

korelasi

1

Y 1.1

0,694

0,312

VALID

2

Y 1.2

0,137

0,312

TIDAK VALID

3

Y1. 3

0,353

0,312

VALID

4

Y 1.4

0,278

0,312

TIDAK VALID

5

Y 1.5

0,549

0,312

VALID



6

Y 1.6

0,465

0,312

VALID

7

Y 1.7

0,357

0,312

VALID

8

Y 1.8

0,271

0,312

TIDAK VALID

9

Y1. 9

0,371

0,312

VALID

10

Y1. 10

0,504

0,312

VALID

11

Y 1.11

0,278

0,312

TIDAK VALID


Tabel 4.9 Hasil Uji Validitas Variabel Dampak Pembengkakan Biaya (Y2)

No

Kode Keterlambatan

Keterangan r hitung

r tabel

korelasi

korelasi

1

Y 2.1

0,523

0,312

VALID

2

Y 2.2

0,571

0,312

VALID

3

Y2. 3

0,593

0,312

VALID

4

Y 2.4

0,631

0,312

VALID

5

Y 2.5

0,354

0,312

VALID

6

Y 2.6

0,391

0,312

VALID

7

Y 2.7

0,029

0,312

TIDAK VALID

8

Y 2.8

0,283

0,312

TIDAK VALID

9

Y2.9

0,299

0,312

TIDAK VALID

10

Y2.10

0,422

0,312

VALID

11

Y 2.11

0,446

0,312

VALID


Berdasarkan tabel di atas terdapat variabel X1 – X11 yaitu variabel faktor penyebab keterlambatan terdapat data yang valid ada 8 variabel dan tidak valid berjumlah 3 variabel, Sedangankan variabel Y1 ada 11 pertanyaan yaitu variabel dampak keterlambatan dengan data yang valid ada 7 pertanyaan , data tidak valid ada 4 pertanyaan dan pada variabel dampak pembengkakan biaya (Y2) data yang valid ada 8 pertanyaan, data yang tidak valid ada 3 pertanyaan. Untuk variabel



pertanyaan yang tidak valid harus dikeluarkan karena tidak memenuhi syarat untuk uji selanjutnya. 4.6 Uji Reliabilitas Uji reliabilitas merupakan alat yang digunakan untuk mengetahui konsistensi alat ukur, apakah alat pengukur yang digunakan dapat diandalkan dan tetap konsisten jika pengukuran tersebut diulang (Priyatno, 2008:25).

Pengukuran reliabilitas yang akan digunakan dalam penelitian ini adalah dengan menggunakan program SPSS (Statistical Package for Social Science), yang akan memberikan fasilitas untuk mengukur reliabilitas dengan uji statistic Cronbach’s Alpha (α). Menurut (Ghozali, 2006) bahwa suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbach’s Alpha (α) > 0,60. Untuk mengetahui hasil dari uji reliabilitas dari ketiga variabel dalam penelitian ini, dapat dilihat pada tabel berikut ini: Tabel 4.10 Hasil Uji Reabilitas

No

1 2 3

Variabel Penelitian Faktor Keterlambatan Dampak Keterlambatan Dampak Pembengkakan Biaya

Jumlah pernyataan

Cronbach’s Alpha

Batas Cronbach’s Alpha

Keterang an

8

0,651

0,6

Reliabel

7

0,609

0,6

Reliabel

8

0,639

0,6

Reliabel


Berdasarkan tabel 4.7 yakni rangkuman hasil uji reliabilitas, bahwa nilai Cronbach’s Alpha (α) untuk faktor keterlambatan 0,651 yang artinya reabel, Dampak keterlambatan 0,609 yang artinya reliabel, Dampak pembengkakan biaya IV-11 http://digilib.mercubuana.ac.id/


0,639 yang artinya reliabel. Sehingga dapat disimpulkan bahwa seluruh item pernyataan dari ketiga variabel yang telah valid dan reliabel. Karena nilai Cronbach’s Alpha lebih besar dari 0,60 (Ghozali, 2006). 4.7 Asumsi Klasik Pengujian asumsi klasik diperlukan dalam regresi linier berganda untuk mengetahui apakah data mengalami penyimpangan atau tidak. Gunanya untuk memperoleh nilai penaksir atau nilai koefisien α dan β yang tidak bisa sehingga menjadi nilai yang terbaik. Uji ini dilakukan sebelum melakukan analisis regresi. Adapun pengujian terhadap asumsi klasik meliputi uji normalitas, uji multikolinearitas

dan

uji

heteroskedastisitas,

Adapun

hasil

pengujian

selengkapnya adalah sebagai berikut:

4.7.1. Uji Normalitas Uji normalitas data bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan independen keduanya mempunyai distribusi normal atau tidak. Uji normalitas dalam penelitian ini menggunakan uji Kolmogorov-Smirnov. Dalam uji ini variabel dikatakan berdistribusi normal jika nilai Asymp. Sig (2-tailed) lebih besar dari nilai normal 0,05 (Santoso, 2012:230). Untuk hasil pengujian normalitas data dapat dilihat pada tabel berikut ini: Tabel 4.11.Kolmogorov – Smirnov Test

Model

Z

Unstandardized residual (X1,X4,X5,X6,

Probability (p)

0.804

0.537

Kriteria

Kesimpulan

P> α

Data Berdistribusi Normal

( 0.05 )



X7, X9,X10,X11 terhadap Y1 Unstandardized residual (X1,X4,X5,X6, X7, X9,X10,X11 terhadap Y2 Unstandardized residual (Y1.1,Y1.3,Y1.5,Y1.6, Y1.7,Y1.9,Y1.10 terhadap Y2

0.707

0,676

0.699

0,751

P> α ( 0.05 ) P> α ( 0.05 )

Data Berdistribusi Normal Data Berdistribusi Normal


Dari tabel di atas diketahui bahwa hasil pengujian normalitas menggunakan metode Kolmogorov-Smirnov memiliki nilai signifikansi atau probabilitas > 0,05 maka sebaran data dalam penelitian ini berdistribusi normal. Maka dapat disimpulkan bahwa residual telah memenuhi asumsi distribusi normal. Berikut ini juga terlihat visual gambar residual dimana titik-titik mengikuti pola garis lurus.

Gambar 4.6 Kolmogorov – Smirnov Test



4.7.2. Uji Heteroskedastisitas Uji ini bertujuan untuk mengetahui apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual, dari satu pengamatan ke pengamatan yang lain. Jika varians dari residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas dan jika varians berbeda, disebut heterokedastisitas. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Tabel 4.12. Hasil Uji Heteroskedastisitas X terhadap Y1

NO

Variabel

Thitung

p

X1

Ketidaktepatan perencanaan tenaga kerja

1,936

0,062

X4

Penanganan keberadaan dan kualitas dari alat / material yang buruk

-0,019

0,985

X5

Kesulitan Finansial

-2,021

0,052

X6

Kurangnya pengalaman kotraktor

-0,514

0,611

X7

Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor

-0,025

0,980

X9

Dana dari pemilik proyek tidak mencukupi

-1,339

0,190

X10

Keterlambatan penyediaan material

-1,747

0,091

X11

Petenatapan pelaksaan jadwal proyek yang amat ketat

0,856

0,398

Thitung

p

Sumber: Data kuesioner diolah dengan SPSS 20 Tabel 4.13. Hasil Uji Heterlskedastisitas X terhadap Y2

NO X1 X4

Variabel Ketidaktepatan perencanaan tenaga kerja Penanganan keberadaan dan kualitas dari alat / material yang buruk

-0,785

0,438

-0,354

0,100



X5

Kesulitan Finansial

-0,341

0,735

X6


-0,856

0,398

0,389

0,700

X7


X9


0,511

0,613

X10


0,412

0,683

X11


1,297

0,204


Tabel 4.14. Hasil Uji Heterlskedastisitas Y1 terhadap Y2

NO Y1,1

Variabel Hilangnya produktivitas dan efisiensi tenaga kerja dalam menyelesaikan proyek

Produktivitas pekerja menurun karena banyaknya jam nganggur Tersendatnya dukungan sumber dana membuat Y1,5 pelaksanaan pekerjaan menjadi terhambat Membutuhkan waktu yang lebih banyak dalam Y1,6 mengatasi permasalahan yang timbul Terjadi banyak masalah didalam pelaksanaan Y1,7 kegiatan proyek kerena lemahnya koordinasi Penyediaan material dan peralatan proyek tidak Y1,9 dapat didatangkan tepat waktu Proyek dapat berhenti karena kekurangan tenaga Y1,10 kerja Y1,3

Thitung

p

-0,851

0,401

-0,243

0,81

-0,792

0,434

-1,365

0,054

0,689

0,496

0,158

0,876

-0,851

0,401


Berdasarkan hasil uji Heteroskedtisitas (Glejser Method) di atas diketahui nilai probabilitas pada masing-masing variabel > 0,05 dengan demikian tidak terjadi heteroskedastisitas pada variable X (Faktor resiko keterlambatan) terhadap Y1 (Dampak Keterlambatan ) , variable X Faktor resiko keterlambatan) terhadap Y2 (Dampak Pembengkakan biaya).Dan Y1 (Dampak keterlambatan ) terhadap Y2 (Dampak pembengkakan biaya). IV-15 http://digilib.mercubuana.ac.id/


4.7.3. Uji Multikolinieritas Uji multikolinearitas bertujuan untuk menguji apakah model regres ditemukan adanya korelasi yang sempurna antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi yang sempurna di antara variabel bebas. Salah satu

cara untuk mendeteksi adanya

multikolinearitas adalah dengan melihat tolerance atau Varians Inflation Factor (VIF). Apabila tolerance lebih kecil dari 0,1 atau nilai VIF di atas 10, maka terjadi multikolinearitas. Tabel 4.15 Hasil Uji Multikolinieritas X terhadap Y1

Variabel

Tolerance

VIF

Ketidaktepatan perencanaan tenaga kerja (X1) Penanganan keberadaan dan kualitas dari alat / material yang buruk (X4) Kesulitan Finansial (X5)

0,554

1,804

0,633

1,579

0,669

1,494

Kurangnya pengalaman kotraktor (X6) Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor (X7)

0,788

1,269

0,709

1,410

Dana dari pemilik proyek tidak mencukupi (X9)

0,663

1,509

Keterlambatan penyediaan material (X10)

0,656

1,524

Petenatapan pelaksaan jadwal proyek yang amat ketat (X11)

0,819

1,221

Sumber: Data kuesioner diolah dengan SPSS 20 Tabel 4.16 Hasil Uji Multikolinieritas X terhadap Y2

Variabel

Tolerance

VIF

Ketidaktepatan perencanaan tenaga kerja (X1)

0,554

1,804

Penanganan keberadaan dan kualitas dari alat / material yang buruk (X4)

0,633

1,579

Kesulitan Finansial (X5)

0,669

1,494

Kurangnya pengalaman kotraktor (X6)

0,788

1,269



Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor (X7) Dana dari pemilik proyek tidak mencukupi (X9)

0,709

1,410

0,663

1,509

Keterlambatan penyediaan material (X10)

0,656

1,524

Petenatapan pelaksaan jadwal proyek yang amat ketat (X11)

0,819

1,221

Sumber: Data kuesioner diolah dengan SPSS 20 Tabel 4.17 Hasil Uji Multikolinieritas Y1 terhadap Y2

Variabel

Tolerance

Hilangnya produktivitas dan efisiensi tenaga kerja dalam menyelesaikan proyek (Y1.1) Produktivitas pekerja menurun karena banyaknya jam nganggur (Y1.3) Tersendatnya dukungan sumber dana membuat pelaksanaan pekerjaan menjadi terhambat (Y1.5) Membutuhkan waktu yang lebih banyak dalam mengatasi permasalahan yang timbul (Y1.6) Terjadi banyak masalah didalam pelaksanaan kegiatan proyek kerena lemahnya koordinasi (Y1.7) Penyediaan material dan peralatan proyek tidak dapat didatangkan tepat waktu (Y1.9) Proyek dapat berhenti karena kekurangan tenaga kerja (Y1.10)

VIF

0,609

1,643

0,763

1,31

0,711

1,407

0,787

1,27

0,735

1,361

0,558

1,793

0,666

1,502


Hasil uji multikolinearitas pada pada tabel di atas dengan variabel dependen pembengkakan biaya proyek diketahui bahwa hasil tolerance pada masing-masing variabel bebas lebih besar dari 0,1 sedangkan nilai Varians

Inflation Factor (VIF) lebih kecil dari 10. Sehingga model

regresi dalam penelitian

ini

tidak

ada

masalah

multikolinearitas.

Berdasarkan hasil pengujian asumsi klasik diperoleh hasil bahwa data dalam

enelitian

tidak

mengalami

masalah

asumsi,

atau

dapat

dinyatakan BLUE (best, linear, unbiased, estimator).



4.7.4. Analisa Korelasi Analisa korelasi bertujuan untuk mencari kekuatan, signifikansi dan arah hubungan linier antara dua variabel atau lebih. Analisa statistik parametrik dengan data berdistribusi normal, menggunakan analisa korelasi dengan Product Moment Pearson. Output analisa korelasi berupa nilai koefisien korelasi ® yang signifikan antara kedua variabel. Nilai signifikan diperoleh dengan mencari hubungan variabel yang paling signifikan (*) terhadap variabel Y1 dan Y2, dengan nilai sig (*) yang paling kecil.

Kemudian menetapkan taraf signifikansi (α) 5%, dimana α

< 0,05 menunjukkan adanya korelasi atau hubungan linier yang signifikan antara variabel-variabel. Tabel 4.18 Nilai Koefisien Korelasi dengan Analisa Korelasi Product Moment Pearson ( X dan Y1)

NO X1 X4

Keterangan Variabel Ketidaktepatan perencanaan tenaga kerja Penanganan keberadaan dan kualitas dari alat / material yang buruk

Koefisien

Sig. (2-

korelasi

tailed)

0,738**

0,000

0,275

0,860

X5

Kesulitan Finansial

0,596**

0,000

X6


0,438**

0,005

0,602**

0,000

X7


X9


0,571**

0,000

X10


0,473**

0,002

0,228

0,157

X11



http://digilib.mercubuana.ac.id/

IV-18

BAB IV Analisis dan Pembahasan Tabel 4.19 Nilai Koefisien Korelasi dengan Analisa Korelasi Product Moment Pearson ( X dan Y2)

NO X1 X4

Keterangan Variabel Ketidaktepatan perencanaan tenaga kerja Penanganan keberadaan dan kualitas dari alat / material yang buruk

Koefisien

Sig. (2-

korelasi

tailed)

0,569**

0,000

0,561**

0,000

X5

Kesulitan Finansial

0,585**

0,000

X6


0,437**

0,005

0,013

0,938

0,070

0,668

0,614**

0,000

0,350*

0,027

X7


X9


X10


X11



Tabel 4.20 Nilai Koefisien Korelasi dengan Analisa Korelasi Product Moment Pearson ( Y1 dan Y2)

NO

Y1,1 Y1,3 Y1,5 Y1,6 Y1,7

Koefisien

Sig. (2-

korelasi

tailed)

Hilangnya produktivitas dan efisiensi tenaga kerja dalam menyelesaikan proyek

0,569**

0,000

Produktivitas pekerja menurun karena banyaknya jam nganggur Tersendatnya dukungan sumber dana membuat pelaksanaan pekerjaan menjadi terhambat Membutuhkan waktu yang lebih banyak dalam mengatasi permasalahan yang timbul Terjadi banyak masalah didalam pelaksanaan kegiatan proyek kerena lemahnya koordinasi

0,382*

0,000

0,500**

0,000

0,437**

0,005

Keterangan Variabel

Penyediaan material dan peralatan proyek tidak dapat didatangkan tepat waktu Proyek dapat berhenti karena kekurangan Y1,10 tenaga kerja Y1,9

0,013 0,070 0,600**

0,940 0,670 0,000




Tabel hasil analisa korelasi pearson dengan 40 koresponden

dengan

variabel X (Faktor resiko) , variabel Y1 (Dampak Keterlambatan) dan variabel Y2 (Dampak Pembengkakan Biaya ), dapat dilihat tabel diatas. Hasil yang diperoleh terdapat korelasi yang bepengaruh dimana α < 0,05 menunjukkan adanya korelasi atau hubungan linier yang signifikan antara variabel-variabel. 4.8 Uji Hipotesis Setelah uji asumsi klasik maka langkah selanjutnya adalah pengujian hipotesis yang dilakukan dengan menggunakan uji regresi linier berganda yang akan diuraikan sebagai berikut: 4.8.1. Analisis Regresi Linier Berganda Analisis regresi linier berganda digunakan untuk menentukan pengaruh yang ditimbulkan oleh indikator variabel bebas terhadap variabel terikat (Sugiyono, 2013:277). Analisis regresi linier berganda dilakukan untuk mengetahui koefisien regresi atau besarnya pengaruh variabel dependennya yaitu Y1 (Dampak Keterlambatan) dan Y2 ( Dampak Pembengkakan Biaya, sedangkan variabel independen yaitu Faktor-faktor resiko keterlambatan (X). Dalam penelitian ini menggunakan analisis regresi linier berganda dengan metode stepwise karena memiliki variabel independen lebih dari satu.


BAB IV Analisis dan Pembahasan Tabel 4.21 Hasil uji regresi linier berganda X terhadap Y1

Model 1 (Constant) X1 X5 X6 X7 X9 X10

Unstandardized Coefficients B Std. Error 4,365 1,238 1,008 ,760 1,139 ,914 ,927 1,135

Standardized Coefficients Beta

,209 ,227 ,211 ,199 ,213 ,257

,321 ,201 ,290 ,269 ,267 ,251

t 3,527

Sig. ,001

4,821 3,353 5,400 4,601 4,355 4,412

,000 ,002 ,000 ,000 ,000 ,000

a. Dependent Variable: Y1 Pengaruh Keterlambatan

Persamaan regresinya sebagai berikut: Y1’ = a + b1X1+ b2X5+b3X6+…….+bnXn Y1’ = 4,365 + 1,008X1 + 0,760X5 + 1,139 X6 + 0,914X7 +0 ,927 X9 +1,135X10 Keterangan: Y1’

= Dampak Keterlambatan

a

= konstanta

b1,b2

= koefisien regresi

X.1

= Variabel

X.2

= Variabel

Persamaan regresi di atas dapat dijelaskan sebagai berikut:  Konstanta sebesar 4,365; artinya jika X1, X2 dst nilainya adalah 0, maka Y1’ nilainya adalah 4,365 satuan.  Koefisien regresi variabel X1 sebesar 1,008 ; artinya jika variabel independen lain nilainya tetap dan X1 mengalami kenaikan 1%, maka IV-21 http://digilib.mercubuana.ac.id/


nilai Y1’ akan mengalami peningkatan sebesar 1,008 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X1 denganY1’, semakin naik X1 maka semakin meningkat nilai Y1.  Koefisien regresi variabel X5 sebesar 0,760 ; artinya jika variabel independen lain nilainya tetap dan X5 mengalami kenaikan 1%, maka nilai Y1’ akan mengalami peningkatan sebesar 0,760 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X5 denganY1’, semakin naik X5 maka semakin meningkat nilai Y1.  Koefisien regresi variabel X6 sebesar 1,139 ; artinya jika variabel independen lain nilainya tetap dan X6 mengalami kenaikan 1%, maka nilai Y1’ akan mengalami peningkatan sebesar 1,139satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X6 denganY1’, semakin naik X6 maka semakin meningkat nilai Y1.  Koefisien regresi variabel X7 sebesar 0,914 ; artinya jika variabel independen lain nilainya tetap dan X7 mengalami kenaikan 1%, maka nilai Y1’ akan mengalami peningkatan sebesar 0,914 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X7 denganY1’, semakin naik X7 maka semakin meningkat nilai Y1.  Koefisien regresi variabel X9 sebesar 0,927 ; artinya jika variabel independen lain nilainya tetap dan X9 mengalami kenaikan 1%, maka nilai Y1’ akan mengalami peningkatan sebesar 0,927 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X9 denganY1’, semakin naik X9 maka semakin meningkat nilai Y1.  Koefisien regresi variabel X10 sebesar 1,135 ; artinya jika variabel IV-22 http://digilib.mercubuana.ac.id/


independen lain nilainya tetap dan X10 mengalami kenaikan 1%, maka nilai Y1’ akan mengalami peningkatan sebesar 1,135 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X10 denganY1’, semakin naik X10 maka semakin meningkat nilai Y1.

Tabel 4.22 Hasil Uji regresi linier berganda X terhadap Y2

Model 1 (Constant) X1 X4 X5 X10

Unstandardized Coefficients B Std. Error 13,181 1,724 ,794 1,421 1,427 1,295

Standardized Coefficients Beta

,325 ,355 ,384 ,455

,250 ,385 ,374 ,284

t 7,647

Sig. ,000

2,447 3,999 3,721 2,844

,020 ,000 ,001 ,007

a. Dependent Variable: Y2 Pengaruh Pembengkakan Biaya

Persamaan regresinya sebagai berikut: Y2’ = a + b1X1+ b2X4+b3X5+…….+bnXn Y2’ = 13,181+ 0,794X1 + 1,421X4 + 1,427X5 + 1,295X10 Keterangan: Y2’

= Dampak Pembengakakan Biaya

a

= konstanta

b1,b2 = koefisien regresi X.1

= Variabel

X.2

= Variabel

Persamaan regresi di atas dapat dijelaskan sebagai berikut:  Konstanta sebesar 13,181; artinya jika X1, X2 dst nilainya adalah 0, maka Y2’ nilainya adalah 13,181satuan. IV-23 http://digilib.mercubuana.ac.id/


 Koefisien regresi variabel X1 sebesar 0,794 ; artinya jika variabel independen lain nilainya tetap dan X1 mengalami kenaikan 1%, maka nilai Y2’ akan mengalami peningkatan sebesar 0,794 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X1 dengan Y2’, semakin naik X1 maka semakin meningkat nilai Y2.  Koefisien regresi variabel X4 sebesar 1,421 ; artinya jika variabel independen lain nilainya tetap dan X4 mengalami kenaikan 1%, maka nilai Y2’ akan mengalami peningkatan sebesar 1,421 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X4 dengan Y2’, semakin naik X4 maka semakin meningkat nilai Y2.  Koefisien regresi variabel X5 sebesar 1,427 ; artinya jika variabel independen lain nilainya tetap dan X5 mengalami kenaikan 1%, maka nilai Y2’ akan mengalami peningkatan sebesar 1,427 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X5 dengan Y2’, semakin naik X5 maka semakin meningkat nilai Y2.  Koefisien regresi variabel X10 sebesar 1,295 ; artinya jika variabel independen lain nilainya tetap dan X10 mengalami kenaikan 1%, maka nilai Y2’ akan mengalami peningkatan sebesar 1,295 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara X10 dengan Y2’, semakin naik X10 maka semakin meningkat nilai Y2.


BAB IV Analisis dan Pembahasan Tabel 4.23 Hasil Uji regresi linier berganda Y1 terhadap Y2

Unstandardized Coefficients Model 1 (Constant) Y1.10 Y1.1 Y1.3

B 12,119 1,927 1,367 1,548

Standardized Coefficients

Std. Error 2,848 ,518 ,352 ,610

Beta ,419 ,429 ,273

t 4,256 3,722 3,888 2,538

Sig. ,000 ,001 ,000 ,016

a. Dependent Variable: Y2 Pengaruh Pembengkakan Biaya

Persamaan regresinya sebagai berikut: Y2’ = a + b1Y1+ b2Y3+b3 Y10+…….+bnXn Y2’ = 12,119+ 1,367 Y3 + 1,548 Y3 + 1,927Y10 Keterangan: Y2’

= Dampak Pembengakakan Biaya

a

= konstanta

b1,b2 = koefisien regresi Y.1

= Variabel

Y.2

= Variabel

Persamaan regresi di atas dapat dijelaskan sebagai berikut:  Konstanta sebesar 12,119; artinya jika Y1, Y2 dst nilainya adalah 0, maka Y2’ nilainya adalah 12,119 satuan.  Koefisien regresi variabel Y1 sebesar 1,367 ; artinya jika variabel independen lain nilainya tetap dan Y1 mengalami kenaikan 1%, maka nilai Y2’ akan mengalami peningkatan sebesar 1,367 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara Y1 dengan Y2’, semakin naik Y1 maka semakin meningkat nilai Y2.  Koefisien regresi variabel Y3 sebesar 1,548 ; artinya jika variabel independen lain nilainya tetap dan Y3 mengalami kenaikan 1%, maka IV-25 http://digilib.mercubuana.ac.id/


nilai Y2’ akan mengalami peningkatan sebesar 1,548 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara Y3 dengan Y2’, semakin naik Y3 maka semakin meningkat nilai Y2.  Koefisien regresi variabel Y10 sebesar 1,927 ; artinya jika variabel independen lain nilainya tetap dan Y10 mengalami kenaikan 1%, maka nilai Y2’ akan mengalami peningkatan sebesar 1,927 satuan. Koefisien bernilai positif artinya terjadi hubungan positif antara Y10 dengan Y2’, semakin naik Y10 maka semakin meningkat nilai Y2.

4.8.2.

2

Koefisien Determinasi (R )

Koefisien determinasi digunakan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel dependen dengan 2

melihat besarnya koefisien determinasi totalnya (R ). Koefisien 2

determinasi (R ) pada dasarnya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen (Ghozali, 2013). Tabel 4.24 Hasil Koefisien Determinasi X dan Y1

Model

R

R Square

1

0,958a

0,917

Adjusted R Square 0,902

a. Predictors: (Constant), X1, X5, X6, X7, X9, X10 Sumber: Data kuesioner diolah dengan SPSS 20

Std. Error of the Estimate 1,286

Tabel 4.25 Hasil Koefisien Determinasi X dan Y2

Model 1

R 0,867a

R Square 0,751

Adjusted R Std. Error of the Estimate Square 0,723 2,187

a. Predictors: (Constant), X1, X4, X5, X10 Sumber: Data kuesioner diolah dengan SPSS 20


BAB IV Analisis dan Pembahasan Tabel 4.26 Hasil Koefisien Determinasi Y1 dan Y2

Model

R

R Square

1

0,775a

0,600



a. Predictors: (Constant), Y1.10, Y1.1, Y1.3

Berdasarkan tabel diatas hasil dari analisis Model Summary pada tabel 2

diatas dapat dijelaskan nilai adjusted R square (R ) menunjukkan koefisien determinasi. Angka pada R diubah menjadi bentuk persen yang artinya presentase kontribusi variabel independen terhadap variabel dependen. Hasil analisis menunjukkan nilai R2 Tabel 4.13 adalah 0,902 berarti variabel independen Faktor resiko keterlambatan yaitu Ketidaktepatan perencanaan tenaga kerja (X1), Kesulitan Finansial (X5), Kurangnya pengalaman kotraktor(X6), Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor (X7), Dana dari pemilik proyek tidak mencukupi (X9), Keterlambatan penyediaan material (X10) dapat menjelaskan variasi variabel dependen (Dampak Keterlambatan) dengan kontribusi 90.2%, sedangkan sisanya 9,8 % diterangkan oleh variabel lain yang tidak diteliti. Nilai R2 Tabel 4.14 adalah 0,723 berarti variabel independen Faktor resiko keterlambatan yaitu Ketidaktepatan perencanaan tenaga kerja(X1),Penanganan keberadaan dan kualitas dari alat / material yang buruk(X4),KesulitanFinansial (X5), Keterlambatan penyediaan material (X10) dapat menjelaskan variasi variabel dependen (Dampak Pembengkakan biaya) dengan kontribusi 72.3 %, sedangkan sisanya 27,7 % diterangkan oleh variabel lain yang tidak diteliti.



Nilai R2 Tabel 4.14 adalah 0,567 berarti dampak keterlambatan dapat menjelaskan variasi variabel dependen (Dampak Pembengkakan biaya) dengan kontribusi 56,7 %, sedangkan sisanya 43,3 % diterangkan oleh variabel lain yang tidak diteliti. 4.8.3. Uji Ketepatan Model (Uji F) Uji F digunakan untuk mengetahui apakah variabel independen secara serentak atau bersama-sama berpengaruh signifikan terhadap variabel dependen. Dari hasil perhitungan SPSS diperoleh data sebagai berikut: Tabel 4.27 Hasil Uji F (X dan Y)

Probability Variabel

Fhitung

Kriteria

Kesimpulan

P<α

Berpengaruh

(0,05)

Signifikan

Kriteria

Kesimpulan

P<α (0,05)

Berpengaruh Signifikan

Kriteria

Kesimpulan

P<α (0,05)

Berpengaruh Signifikan

(p) Independen

61.162

0,000


Tabel 4.28 Hasil Uji F (X dan Y2 )

Variabel

Fhitung

Probability (p)

Independen

26.461

0,000

Sumber: Data kuisioner diolah dengan SPSS 20

Tabel 4.29 Hasil Uji F (Y1 dan Y2 )

Variabel

Fhitung

Probability (p)

Independen

17.995

0,000




Dari data di atas, diperoleh nilai Fhitung X ke Y1 sebesar 61,162 , X ke Y2 sebesar 26,461 dan Y1 ke Y2 sebesar 17,995 dengan probabilitas sebesar 0,000 < 0,05 artinya terdapat pengaruh signifikan yang sangat kuat antara Faktor Resiko Keterlambatan yaitu Ketidaktepatan perencanaan tenaga kerja (X1), Kesulitan Finansial (X5), Kurangnya pengalaman kotraktor(X6), Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor (X7), Dana dari pemilik proyek tidak mencukupi (X9), Keterlambatan penyediaan material (X10) terhadap Dampak keterlambatan (Y1) dan Faktor Resiko Keterlambatan

yaitu

Ketidaktepatan

perencanaan

tenaga

kerja

(X1),

Penanganan keberadaan dan kualitas dari alat / material yang buruk (X4), Kesulitan Finansial (X5), Keterlambatan penyediaan material (X10) terhadap Dampak Pembengkan Biaya (Y2). Serta Hilangnya efisiensi

tenaga

kerja

produktivitas

dan

dalam menyelesaikan proyek (Y1.1),Produktivitas

pekerja menurun karena banyaknya jam nganggur (Y1.3), Proyek dapat berhenti karena kekurangan tenaga kerja (Y1.10) terhadap Dampak Pembengkan Biaya (Y2).

4.8.4. Uji Signifikansi Parameter Individual (Uji Statistik t) Untuk seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Apakah variabel independen berpengaruh secara nyata atau tidak. Hal ini dapat dilihat dengan membandingkan nilai probabilitasnya (p-value) dengan tingkat signifikansi yang digunakan sebesar 0,05, jika p-value lebih kecil dari 0,05 maka dapat dikatakan bahwa variabel-variabel independen mempunyai pengaruh signifikan IV-29 http://digilib.mercubuana.ac.id/


terhadap variabel dependen (Priyatno, 2010). Hasil perhitungan dengan bantuan SPSS 20.0 diperoleh hasil variabel faktor keterlambatan (X) terhadap dampak keterlambatan (Y1) sebagai berikut :

Tabel 4.30 Hasil uji statistik T (X dan Y1)

Variabel K

e

X1

t X6 X7

i X5 X10 X9

K

Unstandardized Coefficients


B 1,008

Std. Error 0,209

Beta 0,321

t 4,821

Sig. 0,000

1,139 0,914 0,760 1,135 0,927

0,211 0,199 0,227 0,257 0,213

0,290 0,269 0,201 0,251 0,267

5,400 4,601 3,353 4,412 4,355

0,000 0,000 0,002 0,000 0,000


Tabel 4.31 Hasil Uji Statistik T (X dan Y1)

Beta In

t

X4

0,080g

1,355

0,185

Partial Correlation 0,233

X11

0,050g

0,942

0,353

0,164

Variabel

Sig.

Collinearity Statistics Tolerance 0,702 0,907


Ketidaktepatan perencanaan tenaga kerja (X1) mempunyai nilai thitung sebesar 4,281 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Ketidaktepatan perencanaan tenaga kerja berpengaruh signifikan positif (meningkatkan) terhadap Dampak Keterlambatan. Kesulitan Finansial (X5) mempunyai nilai thitung sebesar 3,353 dengan nilai probabilitas sebesar 0,002 < 0,05, maka H0 ditolak yang berarti Kesulitan



Finansial berpengaruh signifikan positif (meningkatkan) terhadap Dampak Keterlambatan. Kurangnya pengalaman kotraktor (X6) mempunyai nilai thitung sebesar 5,400 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Kurangnya pengalaman kotraktor berpengaruh signifikan positif (meningkatkan) terhadap Dampak Keterlambatan. Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor(X7) mempunyai nilai thitung sebesar 4,601 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor berpengaruh signifikan positif (meningkatkan) terhadap Dampak Keterlambatan. Dana dari pemilik proyek tidak mencukupi (X9) mempunyai nilai thitung sebesar 4,355 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Petenatapan pelaksaan jadwal proyek yang amat ketat berpengaruh signifikan positif (meningkatkan) terhadap Dampak Keterlambatan. Keterlambatan penyediaan material (X10) mempunyai nilai thitung sebesar 4,412 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Petenatapan pelaksaan jadwal proyek yang amat ketat berpengaruh signifikan positif (meningkatkan) terhadap Dampak Keterlambatan. Penanganan keberadaan dan kualitas dari alat / material yang buruk (X4) mempunyai nilai thitung sebesar 1,355 dengan nilai probabilitas sebesar 0,185 > 0,05, maka H0 diterima yang berarti Penanganan keberadaan dan kualitas dari alat / material yang buruk tidak berpengaruh signifikan positif terhadap Pembengkakan Biaya Proyek. IV-31 http://digilib.mercubuana.ac.id/


Petenatapan pelaksaan jadwal proyek yang amat ketat (X11) mempunyai nilai thitung sebesar 0,942 dengan nilai probabilitas sebesar 0,353 > 0,05, maka H0 diterima yang berarti Petenatapan pelaksaan jadwal proyek yang amat ketat tidak berpengaruh signifikan positif terhadap dampak keterlambatan. Hasil perhitungan dengan bantuan SPSS 20.0 diperoleh hasil variabel faktor keterlambatan (X) terhadap dampak pembengkakan biaya (Y2) sebagai berikut : Tabel 4.32 Hasil Uji Statistik T ( X dan Y2)

Variabel



X10

B 1,295

Std. Error 0,455

Beta 0,284

t 2,844

Sig. 0,007

X5 X4 X1

1,427 1,421 0,794

0,384 0,355 0,325

0,374 0,385 0,250

3,721 3,999 2,447

0,001 0,000 0,020

Sumber: Data kuisioner diolah dengan SPSS 20 Tabel 4.33 Hasil Uji Statistik T ( X dan Y2)

Variabel

Beta In

t

Sig.

Collinearity Statistics

X6

0,178e

1,994

0,054

Partial Correlation 0,324

X7

-0,174e

-1,964

0,058

-0,319

0,838

X9

-0,128e

-1,338

0,190

-0,224

0,765

X11

0,139e

1,551

0,130

0,257

0,849

Tolerance 0,819


Keterlambatan penyediaan material (X10) mempunyai nilai thitung sebesar 2,844 dengan nilai probabilitas sebesar 0,007 < 0,05, maka H0 ditolak yang berarti Petenatapan pelaksaan jadwal proyek yang amat ketat berpengaruh signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya.



Kesulitan Finansial (X5) mempunyai nilai thitung sebesar 3,721 dengan nilai probabilitas sebesar 0,001 < 0,05, maka H0 ditolak yang berarti Kesulitan Finansial berpengaruh signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya. Penanganan keberadaan dan kualitas dari alat / material yang buruk (X4) mempunyai nilai thitung sebesar 3,999 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Penanganan keberadaan dan kualitas dari alat / material yang buruk berpengaruh signifikan positif terhadap Dampak Pembengkakan Biaya. Ketidaktepatan perencanaan tenaga kerja (X1) mempunyai nilai thitung sebesar 2,447 dengan nilai probabilitas sebesar 0,020 < 0,05, maka H0 ditolak yang berarti Ketidaktepatan perencanaan tenaga kerja berpengaruh signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya. Kurangnya pengalaman kotraktor (X6) mempunyai nilai thitung sebesar 1,994 dengan nilai probabilitas sebesar 0,324 > 0,05, maka H0 diterima yang berarti Kurangnya pengalaman kotraktor tidak berpengaruh signifikan positif terhadap Dampak Pembengkakan Biaya. Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor (X7) mempunyai nilai thitung sebesar -1,964 dengan nilai probabilitas sebesar 0,058 > 0,05, maka H0 diterima yang berarti Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor tidak berpengaruh Dampak Pembengkakan Biaya. Dana dari pemilik proyek tidak mencukupi (X9) mempunyai nilai thitung sebesar -1,338 dengan nilai probabilitas sebesar 0,190 > 0,05, maka H0



diterima yang berarti Dana dari pemilik proyek tidak mencukupi tidak berpengaruh Dampak Pembengkakan Biaya. Petenatapan pelaksaan jadwal proyek yang amat ketat (X11) mempunyai nilai thitung sebesar 1,551 dengan nilai probabilitas sebesar 0,130 > 0,05, maka H0 diterima yang berarti Petenatapan pelaksaan jadwal proyek yang amat ketat tidak berpengaruh Dampak Pembengkakan Biaya.

Tabel 4.34 Hasil Uji Statistik T ( Y1 dan Y2)


Variabel


Y1.1

B 1,367

Std. Error 0,352

Beta 0,429

t 3,888

Sig. 0,000

Y1.3 Y1.10

1,548 1,927

0,610 0,518

0,273 0,419

2,538 3,722

0,016 0,001


Hilangnya

produktivitas

dan

efisiensi

tenaga

kerja

dalam

menyelesaikan proyek (Y1.1 ) mempunyai nilai thitung sebesar 3,888 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Kesulitan Finansial berpengaruh signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya. Produktivitas pekerja menurun karena banyaknya jam nganggur (Y1.3) mempunyai nilai thitung sebesar 2,538 dengan nilai probabilitas sebesar 0,016 < 0,05, maka H0 ditolak yang berarti Kesulitan Finansial

berpengaruh

signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya. Proyek dapat berhenti karena kekurangan tenaga kerja (Y1.10) mempunyai nilai thitung sebesar 3,772 dengan nilai probabilitas sebesar 0,001 < 0,05, maka IV-34 http://digilib.mercubuana.ac.id/


H0 ditolak yang berarti Kesulitan Finansial berpengaruh signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya. 4.9 Uji Autokorelasi (Durbin-Watson) Tujuan uji ini untuk mendeteksi adanya autokorelasi diantara data variabelvariabel. Hasil yang diperoleh dari uji autokorelasi dapat dilihat pada output tabel Model Summary dibawah ini. Tabel 4.35 Hasil Uji Model Autokorelasi

Model 1

R 0,958f

R Square 0,917



Durbin-Watson 2,136

a. Predictors: (Constant), X1, X6, X7, X5, X10, X9 b. Dependent Variable: Dampak Keterlambatan

Berdasarkan out put diatas ,Diketahui nilai DW 2,136 , selanjutnya nilai ini akan kita bandingkan dengan nilai tabel signifikasi 5% jumlah sampel 40 dan jumlah variabel independen 6 (k=6) maka diperoleh nilai dU 1,8538. Nilai DW 2,136 lebih besar dari batas atas (dU) 1,8538. dan kurang dari (4-dU) 4-1,8538= 2,1462 sehingga dapat simpulkan bahwa tidak terdapat autokorelasi diantara data variabel-variabel.

Tabel 4.36 Hasil Uji Model Autokorelasi

Model 1

R 0,867d

R Square 0,751



Durbin-Watson

1,852

a. Predictors: (Constant), X10, X5, X4, X1 b. Dependent Variable: Dampak Pembengkakan Biaya



Berdasarkan out put diatas ,Diketahui nilai DW 1,852 , selanjutnya nilai ini akan kita bandingkan dengan nilai tabel signifikasi 5% jumlah sampel 40 dan jumlah variabel independen 4 (k=4) maka diperoleh nilai dU 1,7209. Nilai DW 1,852 lebih besar dari batas atas (dU) 1,7209 dan kurang dari (4dU) 4-1,7209 = 2,2791 sehingga dapat simpulkan bahwa tidak terdapat autokorelasi diantara data variabel-variabel. Tabel 4.37 Hasil Uji Model Autokorelasi

Model 1

R 0,867d

R Square 0,751



Durbin-Watson 1,324

a. Predictors: (Constant), X10, X5, X4 b. Dependent Variable: Dampak Pembengkakan Biaya

Berdasarkan out put diatas ,Diketahui 1,324 , selanjutnya nilai ini akan kita bandingkan dengan nilai tabel signifikasi 5% jumlah sampel 40 dan jumlah variabel independen 4 (k=3) maka diperoleh nilai dU 1,658. Nilai DW 1,324 lebih kecil dari batas atas (dU) 1,658 dan kurang dari (4dU) 4-1,658 = 2,342 sehingga dapat simpulkan Jika terletak antara dL dan dU atau diantara (4-dU) dan (4-dL), maka Y1 terhadap Y2 tidak menghasilkan kesimpulan yang pasti.



4.10 Pembahasan Hasil penelitian Dari analisis data, diperoleh hasil sebagai berikut: Tabel 4.38. Hasil penelitian

No X1 X4 X5 X6 X7 X9 X10 X11

Faktor -Faktor Keterlambatan Ketidaktepatan perencanaan tenaga kerja Penanganan keberadaan dan kualitas dari alat / material yang buruk Kesulitan Finansial Kurangnya pengalaman kotraktor Koordinasi dan komunikasi yang buruk dalam organisasi kontraktor Dana dari pemilik proyek tidak mencukupi Keterlambatan penyediaan material Petenatapan pelaksaan jadwal proyek yang amat ketat

Dampak Keterlambatan (Y1)

Dampak Pembengkakan Biaya(Y2)

Berpengaruh

Berpengaruh

Tidak Berpengaruh

Berpengaruh

Berpengaruh

Berpengaruh

Berpengaruh

Tidak Berpengaruh

Berpengaruh

Tidak Berpengaruh

Berpengaruh

Tidak Berpengaruh

Berpengaruh

Berpengaruh

Tidak Berpengaruh

Tidak Berpengaruh

4.10.1 Dampak terhadap keterlambatan Ketidaktepatan perencanaan tenaga kerja (X1) mempunyai nilai thitung sebesar 4,281 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Ketidaktepatan perencanaan tenaga kerja berpengaruh signifikan positif (meningkatkan) terhadap Dampak

Keterlambatan.

Kesulitan Finansial (X5) mempunyai nilai thitung sebesar 3,353 dengan nilai probabilitas sebesar 0,002 < 0,05, maka H0 ditolak yang berarti Kesulitan



Finansial

berpengaruh signifikan positif (meningkatkan) terhadap Dampak

Keterlambatan. Kurangnya pengalaman kotraktor (X6) mempunyai nilai thitung 5,400 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 berarti Kurangnya pengalaman kotraktor berpengaruh

sebesar

ditolak

signifikan

yang positif

(meningkatkan) terhadap Dampak Keterlambatan. Koordinasi dan komunikasi yang buruk dalam organisasi

kontraktor(X7)

mempunyai nilai thitung sebesar 4,601 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti

Koordinasi dan komunikasi yang buruk

dalam organisasi kontraktor berpengaruh terhadap Dampak

signifikan

positif

(meningkatkan)

Keterlambatan.

Dana dari pemilik proyek tidak mencukupi (X9) mempunyai nilai thitung sebesar 4,355 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Petenatapan pelaksaan jadwal proyek yang amat ketat berpengaruh signifikan positif (meningkatkan) terhadap Dampak Keterlambatan. Keterlambatan penyediaan material (X10) mempunyai nilai thitung sebesar 4,412 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang berarti Petenatapan pelaksaan jadwal proyek yang amat ketat berpengaruh signifikan positif (meningkatkan) terhadap Dampak Keterlambatan. Penanganan keberadaan dan kualitas dari alat / material yang buruk (X4) mempunyai nilai thitung sebesar 1,355 dengan nilai probabilitas

sebesar 0,185

> 0,05, maka H0 diterima yang berarti Penanganan keberadaan dan kualitas dari alat / material yang buruk tidak berpengaruh

signifikan

positif

terhadap

Pembengkakan Biaya Proyek. IV-38 http://digilib.mercubuana.ac.id/


Petenatapan pelaksaan jadwal proyek yang amat ketat (X11) mempunyai nilai thitung sebesar 0,942 dengan nilai probabilitas sebesar 0,05, maka H0 diterima yang berarti Petenatapan pelaksaan yang

amat ketat tidak berpengaruh signifikan positif

0,353 > jadwal proyek

terhadap

dampak

keterlambatan. 4.10.2 Dampak terhadap pembengkakan biaya Keterlambatan penyediaan material (X10) mempunyai nilai thitung sebesar 2,844 dengan nilai probabilitas sebesar 0,007 < 0,05, maka H0

ditolak

yang berarti Petenatapan pelaksaan jadwal proyek yang amat ketat berpengaruh signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya. Kesulitan Finansial (X5) mempunyai nilai thitung sebesar 3,721 dengan nilai probabilitas sebesar 0,001 < 0,05, maka H0 ditolak yang Kesulitan Finansial

berarti

berpengaruh signifikan positif (meningkatkan) terhadap

Dampak Pembengkakan Biaya. Penanganan keberadaan dan kualitas dari alat / material yang buruk (X4) mempunyai nilai thitung sebesar 3,999 dengan nilai probabilitas < 0,05, maka H0 ditolak yang berarti Penanganan alat / material yang buruk berpengaruh

sebesar 0,000

keberadaan dan kualitas dari

signifikan positif terhadap Dampak

Pembengkakan Biaya. Ketidaktepatan perencanaan tenaga kerja (X1) mempunyai nilai t hitung sebesar 2,447 dengan nilai probabilitas sebesar 0,020 < 0,05, maka ditolak yang berarti Ketidaktepatan perencanaan tenaga kerja

H0 berpengaruh

signifikan positif (meningkatkan) terhadap Dampak Pembengkakan Biaya. IV-39 http://digilib.mercubuana.ac.id/


Kurangnya pengalaman kotraktor (X6) mempunyai nilai thitung

sebesar

1,994 dengan nilai probabilitas sebesar 0,324 > 0,05, maka H0

diterima yang

berarti Kurangnya pengalaman kotraktor tidak berpengaruh

signifikan

positif terhadap Dampak Pembengkakan Biaya. Koordinasi dan komunikasi yang buruk dalam organisasi

kontraktor

(X7) mempunyai nilai thitung sebesar -1,964 dengan nilai probabilitas

sebesar

0,058 > 0,05, maka H0 diterima yang berarti

Koordinasi dan komunikasi

yang buruk dalam organisasi kontraktor tidak

berpengaruh

Dampak

Pembengkakan Biaya. Dana dari pemilik proyek tidak mencukupi (X9) mempunyai nilai thitung sebesar -1,338 dengan nilai probabilitas sebesar 0,190 > 0,05,

maka

diterima yang berarti Dana dari pemilik proyek tidak mencukupi

tidak

H0

berpengaruh Dampak Pembengkakan Biaya. Petenatapan pelaksaan jadwal proyek yang amat ketat (X11) mempunyai nilai thitung sebesar 1,551 dengan nilai probabilitas sebesar

0,130 > 0,05,

maka H0 diterima yang berarti Petenatapan pelaksaan jadwal

proyek

yang

kerja

dalam

amat ketat tidak berpengaruh Dampak Pembengkakan Biaya. 4.10.3 Dampak keterlambatan terhadap pembengkakan biaya Hilangnya

produktivitas

dan

efisiensi

tenaga

menyelesaikan proyek (Y1.1 ) mempunyai nilai thitung sebesar 3,888 dengan nilai probabilitas sebesar 0,000 < 0,05, maka H0 ditolak yang Finansial

berarti Kesulitan

berpengaruh signifikan positif (meningkatkan) terhadap Dampak

Pembengkakan Biaya. IV-40 http://digilib.mercubuana.ac.id/


Produktivitas pekerja menurun karena banyaknya jam nganggur mempunyai nilai thitung sebesar 2,538 dengan nilai probabilitas

(Y1.3)

sebesar 0,016

< 0,05, maka H0 ditolak yang berarti Kesulitan Finansial berpengaruh signifikan positif (meningkatkan) terhadap Dampak

Pembengkakan Biaya.

Proyek dapat berhenti karena kekurangan tenaga kerja (Y1.10) mempunyai nilai thitung sebesar 3,772 dengan nilai probabilitas sebesar 0,05, maka H0 ditolak yang berarti Kesulitan Finansial positif (meningkatkan) terhadap Dampak

0,001 <

berpengaruh signifikan

Pembengkakan Biaya.


BAB IV ANALISIS DAN PEMBAHASAN. Analasis pengaruh faktor-faktor keterlambatan terhadap pembengkakan biaya

Recommend Documents