ESTIMASI BIAYA KONTINJENSI PADA TENDER PROYEK KONSTRUKSI DENGAN FUZZY LOGIC

ESTIMASI BIAYA KONTINJENSI PADA TENDER PROYEK KONSTRUKSI DENGAN FUZZY LOGIC M. Arif Rohman Jurusan Teknik Sipil, ITS, Surabaya, Indonesia email: [email protected] Arazi Idrus Civil Engineering Department, Universiti Teknologi Petronas (UTP), Perak, Malaysia ABSTRAK Memperkirakan biaya kontinjensi proyek secara tepat pada proses tender merupakan salah satu kunci sukses dari manajemen proyek. Pada makalah ini diperkenalkan cara memperkirakan biaya kontinjensi proyek berdasarkan konsep analisa resiko dengan metode logika samar (fuzzy logic). Fuzzy logic dimana merupakan salah satu cabang kecerdasan buatan (artificial intelligent) dipakai untuk memodelkan biaya kontijensi dengan menggunakan teori kemungkinan (possibility theory). Metode ini mengakomodasi pengalaman dan intuisi kontraktor untuk menyelesaikan masalah ketidakpastian (uncertainty) pada resiko. Sebuah studi kasus dipakai untuk menunjukkan pemakaian metode ini pada proyek konstruksi. Berdasarkan pendapat kontraktor, hasil analisa dengan memakai metode ini dapat diterima untuk proyek yang dimaksud. Kata kunci : tender

analisa resiko, biaya kontinjensi, fuzzy logic, kecerdasan buatan, proses

memiliki dasar yang dapat dipertanggungjawabkan secara ilmiah (Baccarini 2006).

1. PENDAHULUAN Proyek konstruksi memiliki sifat yang unik, kompleks dan selalu diliputi oleh berbagai macam ketidakpastian dalam pelaksanaaannya. Karena itu konstruksi sering dianggap sebagai bidang yang beresiko tinggi. Resiko tidak bisa dihilangkan, tapi bisa diminimalkan, ditransfer atau dikelola oleh kontraktor (Mills 2001). Semakin awal resiko dideteksi dan dikelola, semakin besar keuntungan yang bisa didapatkan dari proyek. Oleh karena itu manajemen resiko perlu diterapkan mulai dari tahap awal proyek. Salah satu upaya melakukan manajemen resiko adalah dengan merepresentasikan besarnya dampak resiko dalam satuan biaya, dan memasukkannya dalam komponen biaya penawaran saat proses tender yang biasa disebut sebagai biaya kontinjensi (Al Bahar 1988). Biaya kontinjensi selama ini sering ditentukan dengan hanya menambahkan biaya kira-kira 10% dari biaya proyek (Mills 2001). Namun, metode semacam ini tidak

ISBN No. 978-979-18342-0-9

D-29

Beberapa metode untuk menentukan biaya kontinjensi proyek telah diperkenalkan. Beberapa diantaranya adalah methods of moments, monte carlo simulation (MCS), factor rating, individual risks, range estimating, regression, artificial neural network, fuzzy sets, control interval memory, influence diagram, theory of constrains, and analytical hierarchy process atau AHP (Baccarini 2006). Akan tetapi, sebagian besar metode tersebut lebih didasarkan pada analisa statistik. Metode statistik memberikan hasil analisa yang akurat, namun sangat bergantung pada data-data historis di lapangan. Di bidang konstruksi, data-data semacam ini seringkali tidak mudah didapatkan. Data dari satu proyek ke proyek lainnya seringkali berbeda. Di samping itu informasi terkait dengan resiko biasanya bersifat kurang akurat (imprecise) dan samar (vague). Hal itu karena resiko seringkali dinyatakan dengan istilah bahasa (linguistic term) dibanding dinyatakan secara angka atau numerik (Kangari 1989).

M. Arif Rohman, Arazi Idrus

RL RS i

Fuzzy set dan fuzzy logic yang merupakan bagian dari bidang kecerdasan buatan (artificial intelligent) merupakan metode yang memungkinkan analisa masalah ketidakpastian yang diliputi ketidakakuratan atau kesamaran.

Salah satu cara mengantisipasi resiko adalah dengan merepresentasikan tingkat resiko dalam satuan biaya dan memasukkannya dalam biaya penawaran proyek pada proses tender atau sering diistilahkan sebagai biaya kontinjensi.

Beberapa peneliti memperkenalkan pemakaian teori ini dalam analisa resiko. Salah satunya adalah penggunaan fuzzy set untuk menghitung biaya kontinjensi (Paek, 1993). Namun beberapa keterbatasan masih terdapat pada metode yang sudah ada. Salah satunya adalah masalah kesulitan karena kompleksitas dalam penggunaannya (Sonmez et al. 2007).

Biaya kontinjensi (contingency cost) didefinisikan sebagai biaya yang ditambahkan pada biaya dasar proyek (base cost estimate) yang dipakai untuk mengatasi apabila beberapa faktor resiko terjadi dalam pelaksanaan proyek menurut tingkat yang dapat diterima oleh standar perusahaaan (Baccarini 2006).

Untuk mengatasi keterbatasan metode sebelumnya, makalah ini memperkenalkan pemakaian konsep analisa resiko berdasarkan metode fuzzy logic untuk memperkirakan biaya kontinjensi proyek. Metode ini cukup fleksibel diterapkan pada tahap tender karena didasarkan pada intuisi dan pengalaman kontraktor.

3. BIAYA KONTINJENSI DENGAN KONSEP ANALISA RESIKO DAN FUZZY LOGIC Ada dua hal yang perlu dilakukan untuk membuat model biaya kontinjensi dengan prinsip analisa resiko dengan metode fuzzy logic, yaitu mendefinisikan model biaya kontinjensi dan memodelkannya dengan metode fuzzy logic.

2. RESIKO DAN BIAYA KONTINJENSI Kamus Oxford mendefinisikan resiko sebagai peluang ancaman, dampak negatif atau kerugian (Ayyub 2001). Resiko juga didefinisikan sebagai peluang terjadinya sesuatu yang memiliki dampak terhadap tujuan (AS/NZS 2004). Resiko timbul karena adanya faktor ketidakpastian (uncertainty) dari suatu kejadian yang biasa disebut sebagai faktor resiko (risk factor).

3.1. Mendefinisikan Model Biaya Kontinjensi Model biaya kontinjensi yang akan diperkenalkan pada makalah ini didasarkan pada model yang sudah dikenalkan pada penelitian sebelumnya. Al Bahar (1988) memodelkan biaya kontinjensi sebagai fungsi penjumlahan nilai ekspekstasi (expected value) dari beberapa faktor resiko yang tingkat resikonya dianggap signifikan .

Besar kecilnya tingkat resiko (risk level) dipengaruhi oleh dua variabel, yaitu banyaknya kejadian dan nilai dampak apabila faktor resiko terjadi (Al Bahar 1988). Banyaknya kejadian sering dinyatakan sebagai variabel risk likelihood (RL), sedangkan dampak resiko dinyatakan sebagai variabel risk severity (RS). Adapun tingkat resiko dinyatakan sebagai variabel risk magnitude (RM).

Nilai ekspektasi tersebut dihitung dengan prinsip analisa resiko, dimana tingkat resiko setiap faktor resiko dihitung dengan metode simulasi Monte Carlo (Monte Carlo Simulation). Model untuk biaya kontinjensi dengan konsep analisa resiko tersebut dinyatakan pada persamaan 2.

Hubungan ketiga variabel faktor resiko tersebut dinyatakan seperti pada pers. 1.

n

Co =

n

RMi =

∑ i =1

∑ i =1

Rei; Re = f (Ci,Pi) ………………..…..(2)

dimana: Co = Total biaya kontinjensi Re = Biaya kontinjensi setiap faktor resiko Ci = Nilai dampak resiko (risk consequence) = Nilai probabilitas (risk probability) Pi i = 1, 2, 3 …..n

RLi x RSi………………………….....

..(1) dimana: RM = risk magnitude (tingkat resiko)

ISBN No. 978-979-18342-0-9

= risk likelihood (probabilitas resiko) = risk severity (dampak resiko) = faktor resiko (1,2,3….n)

D-30

Estimasi Biaya Kontinjensi Pada Tender Proyek Konstruksi Dengan Fuzzy Logic

Pada persamaan 2 biaya kontinjensi dihitung sebagai fungsi penjumlahan dari nilai biaya kontinjensi untuk setiap faktor resiko. Nilai biaya kontinjensi besarnya dipengaruhi oleh variabel probabilitas (P) dan dampak resiko (C).

diketahui melalui proses pembelajaran (learning process) terhadap fenomena resiko di bidang ini Level

Level 2 Faktor Resiko 1 RM1= RL1 x RS1

3.2. Memodelkan Faktor Resiko dengan Fuzzy Logic Faktor Resiko 2 RM2= RL2 x RS2

Model biaya kontinjensi dengan fuzzy logic disusun dengan mengadopsi model pada persamaan 2. Model ini dinyatakan dalam bentuk struktur hierarki faktor resiko atau disebut risk breakdown structure (RBS) seperti pada Gambar 1. Model ini tersusun atas dua level, level 1 menyatakan total biaya kontinjensi dan level 2 menyatakan faktor resiko yang mempengaruhi besarnya total biaya kontinjensi.

Total Biaya Kontinjensi Proyek RMtotal = RM1+RM2 + …. +RMn

Faktor Resiko ke-n

RMn = RLn x RSn

Biaya kontinjensi dihitung sebagai fungsi penjumlahan dari nilai biaya kontinjensi semua faktor resiko yang dinyatakan dengan RMtotal. Banyaknya faktor resiko yang dijumlahkan tergantung dari faktor resiko yang dianggap signifikan pada sebuah proyek.

Gambar 1. Model Biaya Kontinjensi

Secara umum bentuk aturan tersebut dinyatakan dengan hubungan sebagai berikut. JIKA RL adalah X DAN RS adalah Y MAKA RM adalah Z

Besarnya biaya kontinjensi pada setiap faktor resiko dinyatakan dengan RMn. Sedangkan variabel risk likelihood (RL) dan risk severity (RS) adalah variabel yang dianggap berpengaruh pada besar kecilnya nilai RM. Besarnya nilai biaya kontinjensi pada masing-masing faktor resiko (level 2) tersebut akan dimodelkan dengan fuzzy logic. Sedangkan total biaya kontinjensi (level 1) dijumlahkan dengan operasi aritmatika biasa.

dimana: RL = variabel probabilitas resiko (risk likelhood) RS = variabel dampak resiko (risk severity) RM = variabel tingkat resiko (risk magnitude) X, Y dan Z = istilah linguistik untuk resiko; misalnya rendah, sedang, tinggi.

Selanjutnya nilai istilah linguistik tersebut direpresentasikan pada himpunan fuzzy yang beranggotakan elemen himpunan dan tingkat keanggotaanya yang disebut sebagai fuzzy membership function. Berbeda dengan konsep himpunan crisp yang tingkat keanggotaannya hanya dinyatakan dalam bilangan 0 atau 1, konsep himpunan fuzzy memungkinkan sebuah elemen himpunan dinyatakan sebagai angka antara 0 dan 1. Hal ini yang kemudian disebut sebagai kesamaran (fuzziness). Kesamaran antara istilah satu dan lainnya apablila dinyatakan dalam bentuk kurva akan membentuk irisan (overlapping), dimana satu bilangan bisa menjadi anggota dari lebih dari satu istilah linguistik.

Sistem fuzzy logic terdiri atas variabel masukan (input variable) dan variabel keluaran (output variable). Pada system ini RL dan RS dirancang sebagai variabel masukan dan RM sebagai variabel keluaran. Prinsip dalam pemodelan sistem fuzzy logic adalah menyatakan hubungan antara ketiga variabel biaya kontinjensi tersebut dalam bentuk aturan dasar (rule base) dengan memakai istilah linguistik menggunakan prinsip JIKA (sebab) MAKA (akibat). Prinsip semacam ini sering dipakai oleh praktisi konstruksi dalam melakukan pengambilan keputusan (decision making). Hubungan antara sebab dan akibat tersebut bisa

ISBN No. 978-979-18342-0-9

Setiap faktor resiko dapat dimodelkan dengan sistem fuzzy logic yang berbeda. Hal itu tergantung dari persepsi setiap pembuat

D-31


sistem mengenai bentuk membership function dan aturan yang sesuai untuk setiap faktor resiko. Namun karena pada dasarnya secara umum semua faktor resiko memiliki karakteristik yang hampir sama, maka hanya perlu dibuat satu model yang bersifat umum (generic model).

Sumbu vertikal menyatakan derajat keanggotaan ( )da r is et i apanggot aRLy ang ber ni l aiant ar a0dan1.Ni l ai0ber ar t iangka t er s ebutt i dak memi l i kik eanggot aan pada i s t i l a h l i ngui s t i k t er t ent u, s ement ar a 1 ber ar t i angka dal am s kal a hor i z ont a l t er s ebut mer upakan anggot a penuh dar i i s t i l a hl i ng ui s t i kt er t ent u.

Pembuatan sistem fuzzy dapat dilakukan dengan memakai program MATLAB (Matrix Laboratory) atau Fuzzy CLIPS (C Language Integrated Production System) untuk memudahkan perhitungan dan melakukan simulasi dengan komputer. Pemodelan pada sistem fuzzy logic meliputi beberapa tahap, yaitu pembuatan membership function, rule base dan sistem fuzzy inferensi. 3.3. Fuzzy Membership Function Fuzzy membership function (MF) adalah bilangan yang menyatakan fungsi keanggotaan elemen himpunann pada himpunan fuzzy (fuzzy set) pada istilah linguistik. Istilah linguistik dipakai untuk menyatakan tingkatan resiko dari variabel RL, RS dan RM.

Gambar4.Member s hi pFunct i onVar i abelRS Pa da kas us i nivar i abel RL di k at eg or i kan menj adi5 macam t i ngkat an,ya i t us a ngat r endah,r endah,s edang,t i ngg idan s a ngat t i ngg i .Beg i t upul adengan v ar i abl eRSdan RM,j ugadi paka i5maca mt i ngkat an.Ti dak adaket ent uanbakumengenaij uml ahi s t i l ah l i ngui s t i kyangha r usdi pa kai ,apa kah3 ,4,5, 7dans et er us nya.Bat as annyaa dal ahj uml ah i s t i l a h yang di pa kai cuk up mer epr es ent a s i kankondi s iy angs ebena r ny a. ( Ka s abov1996) .

Gambar 3 menunjukkan fuzzy MF yang dinyatakan dalam bentuk kurva MF dari variabel RL yang menyatakan tingkat kejadian dari sebuah faktor resiko. Sumbu horisontal menyatakan elemen himpunan dari variable probabilitas resiko (RL) yang bernilai antara 0% sampai dengan 100% kejadian. Skala tersebut didasarkan pada fenomena bahwa probabilitas kejadian sebuah faktor resiko adalah berkisar antara 0 sampai 100%. Dalam hal ini 0% berarti sebuah faktor resiko tidak pernah memiliki peluang terjadi, sementara 100% berarti resiko tersebut memiliki peluang selalu terjadi dalam setiap proyek.

S edangkanni l aiMFv ar i abelRS ,menyat a kan t i ngkat an dampak apabi l as ebuah f akt or r es i ko t er j a di .Sat uan yang di pakaiadal ah pr os ent as et er hadap t ot al bi ay a pr oy ek. S k al aangkayangdi paka iber ki s arant a r a0 s ampaidengan 30% t er hadap t ot albi aya pr oyek . Ni l ai t er s ebut di da s ar kan has i l penel i t i an s ebel umny a y ang menyat a kan ni l aibi ay akont i nj ens iber ki s arant ar a030% da r it ot albi a ya( S onmez2007) . Beber apa bent uk MF dapat di g una kan, ant ar al ai ntriangular, trapezoidal, sigmoid dan l ai ns ebagai nya. Hal i t ut er gant ung kepada mas i ngmas i ng pembuat s i s t em unt uk mer umus kanny a. Namun dal am apl i ka s i nya bent uk triangular dan trapezoidal MFba nya kdi pa kaidal am kas us anal i s ar es i ko( Zeng2007) .

Gambar 3. Membership Function Variabel RL

ISBN No. 978-979-18342-0-9

D-32


Pada kas us i ni MF i s t i l ah r es i ko s a ngat r endah ( VL) adal ah 0/1, 10 /0. 7, 20/0. 3, 30/0. Ar t i ny a s ebuah k ej adi an r es i ko di k at egor i k an pada i s t i l ah s angat r endah ( VL)apa bi l amemi l i kipr obabi l i t ass ebes ar0 %kej a di an,k ar enader aj atkea nggot aannya adal ah1.Pr oba bi l t as10% memi l i kider aj at keang got aan0. 7,dan pr obabi l i t a skej adi an 20% kej adi anmemi l i kider aj atkeanggot aan 0. 3 . S eda ngkan pr obabi l i t as kej adi an s ebes a r30%t i dakt er mas ukdal am i s t i l ahVL ka r enamemi l i kider aj atkeangg ot aan0. Gambar4 menunj ukkan MF unt uk var i abel RSdan RM y ang di model kan dal am bent uk y ang s ama k ar ena di as ums i kan bahwa RM dan RS memi l i k is at uan y ang s ama,ha nya i nt ens i t as ny a di penga r uhi ol eh bes a r kec i l nyava r i a belRL .

Ta bel1.Fuz z yRul eBas e Risk Severity (RS)

Risk Magnitude (RM)

VL

L

M

H

VH

VL

VL

VL

L

L

M

L

VL

L

L

M

M

M

L

L

M

M

H

H L M VH M M Sumber : Tah et al. (2000)

M H

H VH

VH VH

Risk Likelih ood (RL)

Ket er angan: VL=ver yl ow ( s angatr endah) L=l ow ( r endah) M=medi um ( s edang) H=hi gh( t i nggi ) VH=v er yhi gh( s angatt i nggi ) 3.5. Sistem Fuzzy Inferensi

3.4. Fuzzy Rule Base Rul e bas e mer upa kan at ur an yang di pakai s ebag ai da s ar bagi s i s t em f uz z y u nt uk mel a kukanpr os esf uz z yi nf er ens i( di j el a s kan dibagi ans el anj ut nya)deng anmengg una kan at ur ankons epJ I KAMAKAs eper t idi nyat a kan dal am per s amaa n3. Rk: JIKA RLik adalah Aik DAN RSik adalah Bik MAKA RMik adalah Ci k……………………..(3)

S ecar a umum pr os es i nf er ens i memi l i ki empatt a hapan,y ai t uf uz z i f i kas i ,i mpl i k as i , ag gr ega s idandef uz z i f i k as i .Pr os esi nf er ens i l ebi hj el a sdapatdi l i hatpadaGamba r5.

di ma na: R=at ur andas a r( r ul ebas e) k=a t ur ank e-( 1 ,2,3 , …. m) RL,RSandRM=v ar i abelr es i k o A,BandC=i s t i l ahl i ngui s t i k i=f akt orr es i k o( 1,2,3, ……n)

3.6. Fuzzifikasi

Unt ukmemudahkandal am penul i s anat ur an, di buat model f uz z y as s oc i at i v e memor y ( FAM)s eper t it er l i ha tpadaTa bel1.( Tahet al 2 000 ) . Ni l ai RM mer upakan has i l kombi na s iv ar i abel RL dan RS . Sebagai c ont oh pada ba r i s per t a ma dan kol om per t ama ,k ombi na s ia nt ar aRLdanRSdi baca s ebag ai : JIKA RLa dal ahVLDAN RSada l ahVLMAKA RMadal ahVL Ni l a i RM s ebagai has i l kombi nas i dapat di t ent ukan s endi r i ol eh kont r akt or , ber da s ar kan penga l aman dan i nt ui s i mengenaif enomenar es i ko.

I S BNNo.9789791834209

S i s t em f uz z yi nf er ens iat aufuzzy inference mechanism mer upaka n pr os edur unt uk memet akanni l aii nputpadava r i a belRL,RS unt ukmendapa t kanni l a iRM.Adabeber apa pi l i hanmodeli nf er ens i ,ant ar al ai nSugeno dan Mamdani . Pada ka s us i ni model Mamdani di pa kai kar ena t el ah banyak di t er i ma dal am bany ak kas us pemodel an s i s t em pakar( exper ts y s t em)( Negnev i t s ky 2005) .

Fuz z i f i k as iada l ahpr os esmengubahbi l angan c r i s p yang di pakai s ebaga ii nput pada v a r i a bl eRLdanRSmenj adibi l anganf uz z y . I nputpadavar i abelRLdi nyat akans ebagaiX0 dan i nput pada var i a bel RS di nyat a kan s ebaga i Y0. Pr os es i ni di l akukan dengan memet akan bi l anga nc r i s pyangmer upa kan i nputpada va r i a belRL dan RSke mas i ngmas i ngMF . S edangkan has i l pr os es f uz z i f i kas i adal ah ni l aider aj atkeang got aan(µ) pa dakur v aMF y angt er pot ong.Padavar i abelRLdi nyat a kan s ebaga iµRLdanpa dava r i a bl eRSdi nyat a kan s ebaga i µRS . Ni l ai µ di ambi l dar i per pot ongang ar i st ega kl ur usi nputdengan kur va member s hi p f unc t i on pada s umbu v er t i kal .

D33


3.7. Implikasi v a r i a belCO (control output) s ebaga i mana I mpl i kas ia dal ahpr os espemet aanni l a i RL di t ul i s kanpadaper s amaa n5. dan µRSpadakur vaMFvar i abelRM aki bat COi = αk Λ μRMik (zi) …….………………….(5) pember l akuan at ur an J I KA ( s ebab) MAKA di mana: ( ak i bat ) .Kar ena a da2 i nputdal am s i s t em CO=co nt r olout put f uz z ymakas ebel um di pet akankek ur vaRM, akt orr es i ko( 1,2,3,……. n) ni l ai RL dan RS di gabung kan unt uki=f α=der aj atpemi cuan( l ev eloff i r i ng) menda pat kanni l aiyangakandi pet a kan. μRM = member s hi pf unct i o nvar i abelRM Peng gabungan di l akukan dengan memakai z=out puts i s t em f uz z ypadavar i abelRM oper at orf uz z y .J es ni soper at ort er gant ung dar ica r a penul i s an a t ur an.Apabi l a dal am 3.8. Aggregasi penul i s anat ur andi pi l i hoper at orATAU( OR) Aggr egas i adal ah pr os es meng gabung kan ma ka di g una kan oper as i ma ks i mum ( V) . h a s i l p r o s e s i mp l i k a s i d a r i b e b e r a p a a t u r an S ebal i knya apa bi l a di pi l i h oper at or DAN y ang t el ah di da pat kan pa da per s amaan 5. ( AND)makadi guna kanoper a s imi ni mum ( Λ) . S ecar amat emat i spr os esi nidi t ul i s kanpada Kar enada l a m kas usi nidi pi l i hoper a t orDAN per s amaan6. ma kadi gunakanoper as imi ni mum ( Λ) . μagg (zi) ={( αk Λ μRMik (zi)) V( αk+1 Λ Has i l pengga bungan µRL dan µRS unt uk s ebuah at ur an (rule) di ny at akan s ebagai μRMik+1(zi)) ni l aiαdandi t ul i s kanpadaper s a maan4. V(αk+2 Λ μRMik+2 (zi))V…………… k k k α = μRLi (xi) Λ μRSi (yi) ….……………....(4) V(αm Λ μRMim zi))}………………..(6) di mana : α=der a j atpemi cuan( l ev eloff i r i ng) μRL,μRS=member s hi pf unct i o nvar i abelRLdan RS k=nomorat ur an( 1,2,3 …. m) x,y=i nputbi l ang ancr i s pdar ivar i abelRLdanRS

di mana: α =t i ng katmember s hi pf unc t i ony angdi pi c u μRM = member s hi pf unct i o nvar i abelRM z=out puts i s t em f uz z ypadavar i abelRM i=f akt orr es i ko( 1,2,3……n) k=j uml ahat ur an( 1,2,3…. m)

S el anj ut ny a ni l a i α di pet akan ke kur va out put RM dengan oper as i penggabungan ( c onj uc t i on oper at i on) mema kai oper at or mi ni mum ( ). Has i l ny a di nyat a kan s ebagai

I S BNNo.9789791834209

D34


Variabel RL

Variabel RS

Variabel RM µC

µA

µB 1

A

1

B

1

C µC

Rule 1

1 0

X

0

Y

0

Aggregasi

Z

µC1 µA

µB

A

1

B2 1

1

0

C

Rule 2

Z

µC 0

X

X0

0

X Y

0

Z

1

Y0 Implikasi

Fuzzifikasi

0 z

Gambar 5. Sistem Fuzzy Inferensi Mamdani

dengan ha s i l s ebel umnya.

4. STUDI KASUS S ebuah s t udikas usakan di papar kan unt uk menunj ukkan apl i ka s i met ode f uz z yl og i c unt uk memper ki r akan bi aya kont i nj ens i pr oyek .Pr oyek yang di pi l i h adal ah s ebuah kons t r uk s ij emba t anunt ukker et aapic epa t di Mal ay s i a dengan dat a s eper t i pada Tabel _2. Tabel 2. Data Proyek Jembatan ERL Putrajaya Nama Proyek Pemilik Klasifikasi Lokasi Tahun Kontraktor Durasi Nilai Proyek

Defuzzifikasi

Jembatan di Atas Landasan ERL Menghubungkan Presint 7 ke Terminal Pengangkutan Barat, Presint 7, Putrajaya, Malaysia Perbadanan Putrajaya G7 (Besar) Putrajaya, Malaysia 2003 - 2005 Hajadi Sdn. Bhd. 365 hari kerja RM 20 Juta

kont r akt or

4.1. Identifikasi Faktor Resiko Tahap i ni mer upa kan t ahapan unt uk mengi dent i f i kas if a kt orr es i koyangdi ang gap s i gni f i kandanmempengar uhibes a r nyani l ai bi ay akont i nj ens i .Tahapi nis ang atpent i ng mengi ngat ana l i s ar es i k ot er hadap f akt or r es i kohanyaakanbi s adi l akukanapa bi l aada i dent i f i kas it er hadapf ak t oryangdi maks ud. I dent i f i kas it er hadapf a kt orr es i k odi l akukan dengan br ai ns t or mi ng,wawancar a,maupun s t udida r ipenel i t i anpenel i t i an s ebel umnya ( Ay yub 2001) .F akt orr es i koyangs i gni f i kan da l am pr oyek t er s ebut di s us un dan di kl as i f i kas i kan menur ut hi er ar ki y ang di s ebut risk breakdown structure (RBS) s ebagi manat er l i hatpadaGambar6.

Ni l a i bi a ya k ont i nj ens i yang di al okas i kan padapr oyeki nia dal ahs eki t ar15%da r it ot al bi ay a.Angkat er s ebutdi das ar kandar ii nt ui s i dan pengal aman dar i manaj er pr oyek kont r ak t oryangs udahber pengal aman. S el anj ut ny amet ode i nia kan di pa kaiunt uk menghi t ung bi aya kont i nj ens i . Has i l per hi t ungan met ode i niakan di bandi ng kan

I S BNNo.9789791834209

per ki r aan

Z

4.2. Perhitungan Biaya Kontinjensi dengan Analisa Faktor Resiko Pa da t ahap i nidi buat modelf uz zy l og i c unt uk s et i a pf akt or r es i k o yang di ang gap s i gni f i kan t er ha dap pr oy ek. Namun pada makal ahi nihany adi buats at umodelumum unt uk s emua f akt or r es i ko. Di as ums i kan bahwas emuaf akt orr es i komemi l i k imodel f uz z yl ogi cyangs ama.

D35


Pemodel an di l akukan dengan pr ogr a m MATLAB yang memi l i ki f as i l i t as unt uk memodel kans i s t em f uz z yl ogi c .Bent ukdan j eni sf uz z yMFda r imodelumum yangdi bua t dapat di l i hat pa da Ga mba r 3 dan 4 . S edangkan at ur an (rule base) ya ngdi pakai dapatdi l i hatpadaTabel _1.

adal ah bi a yakont i nj ens i .Angk aangkay ang di ma s ukkan s ebagaii nputdi dapat kan dar i ha s i li nt us i s idanpengal amankont r a kt ordi l apangan.

Modelf uz z yl ogi cumum unt uks emuaf akt or r es i ko da pat di l i hat pada t a mpi l a nr ul e v i ewer pada MATLAB f uz z yl ogi ct ool box s ebag ai manat er l i hatpadaGa mba r7.S i s t em dapatdi c obadenganmemas uk kanni l airisk likelihood ( RL)danrisk severity ( RS)unt uk menda pat kanni l aiRM. Level 1 Total

Level 2 Major Risks

Level 3 Risk Factors

Gambar7.Penguj i anpadaS i s t em Fuz z yLogi c Kondisi Bawah Tanah Yang Berbeda

S edangkan unt uk menda pat kan t ot albi aya kont i nj ens i pr oyek , maka s el ur uh has i l per hi t ungan dar is et i ap f akt orr es i k oy ang di per ki r akan s i gni f i ka n t er s ebut di j uml ahka n.Tot a lni l aipenj uml ahanadal ah mer upakan bi ay a kont i nj ens ida l am s at uan per s ent as et er hada pt ot albi ay apr oy ek.

Kondisi Cuaca

Resiko Eksternal

Perubahan Kebijakan Pemerintah Dampak Sosial Perubahan Ekonomi Penundaan Pembayaran Keterlambatan Akibat Pihak Ketiga

Resiko Proyek Konstruksi

Kecelakaan Kerja

Resiko Internal

Ketidaktersediaan Tenaga Kerja Permasalahan Buruh

Kerusakan Material

Pa dakas usi nidar ike14f akt orr es i koy ang s udah di i dent i f i kas is ebel umny a, hany a7 f akt or r es i ko ya ng di ang gap bet ul bet ul di anggap per l u di ma s ukkan dal am bi aya kont i nj ens i . Tabel 3 menunj ukkan j eni s f akt or r es i ko yang menur ut kont r akt or s i gni f i kan bes er t a per ki r aan ni l a i dar i mas i ngmas i ngva r i a belRLdanRS. S et el ah di j uml ahkan di ket ahuibahwa t ot al bi ay a kont i nj ens iyang per l u di t ambahkan pa das aatt endera dal ahs ebes ar12, 3%dar i t ot a lbi ayapr oyek.

Kerusakan Peralatan

Tabel3.Has i lAnal i s aBi ay aKont i nj ens i

Kualitas Pekerjaan

Gambar6.Ri s kBr eakdownS t r uct ur ePr oyek

S ebagaicont ohapabi l adi mas ukkanni l aiRL s ebes a r50% danni l aiRS1% ma kani l a iRM y ang di dapat ka n a dal ah s ebes ar 3, 5%. Ar t i nya dengan ni l a ipr obabi l i t as kej adi an s ebes a r5 0% dan dampak s ebes ar 1% dar i t ot albi ayapr oyek ,makabi ay akont i nj ens i unt uk f akt orr es i k o yang di ma ks ud adal ah s ebes a r3, 5%dar it ot a lbi ayapr oy ek.Unt uk menghi t ung bi ay a kont i nj ens i dar if akt or r es i ko yang l a i n, kont r akt or dapa t memper k i r a kan i nputRL dan RS s ehi ngga di dapat kan out putRM yangda l a m hali ni

I S BNNo.9789791834209

D36

No A 1.

Faktor Resiko Resiko Internal Kondisi bawah tanah yang berbeda 2. Kondisi cuaca 3. Masalah dampak sosial 4. Perubahan kondisi ekonomi 5. Keterlambatan akibat pihak ketiga B Internal Risks 1. Kualitas pekerjaan 2. Kesalahan manajemen Total biaya kontinjensi

RL

RS

RM

60

1

3.49

20 20 50

0.25 0.25 1

0.70 0.70 3.49

10

0.25

0.64

30 40

0.3 0.25

0.59 2.60 12.3


5. KESIMPULAN S ebuahmet odeunt ukmemper k i r a kanbi aya kont i nj ens i ber das ar kan kons ep anal i s a r es i ko dan f uz z yl ogi cs udah di papa r kan padama kal ahi ni .Met odei nic ukupf l eks i bel unt ukdi pakai ,t er ut amapadapr os est ender di ma na dat at ent ang r es i k ot i dak mudah di dapat kan. Kont r akt or dapat memakai i nt ui s idanpeng al amanunt ukmengguna kan met odei ni . S ebuah s t udi ka s us di pakai unt uk menunj ukkan apl i kas i met ode i ni pada pr oyek s es ungguhnya . S ebuah pr oyek j embat anunt ukker et aapic epa tdiMal ay s i a di es t i ma s i bi aya k ont i nj ens i nya dengan met ode i ni .Ber das ar kan opi nikont r akt or , has i lana l i s adar imet odei nidi anggap bi a s di t er i ma . Unt ukmengha s i l kanmodelf uz z yl ogi cy ang akur atdan bi s adi pa kaij uga pada pr oyek pr oyek l ai nny a di per l ukan pel at i han t er hadap model ya ng s udah di buat . Beber apas t udika s ust ambahanbi s adi pakai unt uk mel a t i h modelaga r di c apa ibent uk y angl ebi hopt i mum. 6. DAFTAR ACUAN Mi l l s ,A. A S y s t ema t i c Appr oac ht o Ri s k Ma nagementf orCons t r uct i on.Structural Survey vol. 19 No. 5.pp. 245-252. 2001 AlBahar ,J . F.Ri s k ManagementAppr oach f orCons t r uct i onPr oj ec t :A S y s t ema t i c al Ana l y t i c alAppr oachf orCont r ac t or s .PhD Thesis, University of California Barkeley, California.1988 . Dav i d Bac car i ni .The Mat ur i ng Conceptof Es t i mat i ng Pr oj ectCos tCont i ng enc y -A Rev i ew. Department of Construction Management, Curtin University of Technology, Western Australia, Australia. 2006.

Kangar i ,R.andRi ggs ,L. S.Cons t r uct i onRi s k As s es s ment by L i ngui s t i c s . IEEE Transaction on Engineering Management, vol. 36, no. 2, May 1989. Tah, J . H. M. , Thor pe, A. a nd Mc Caf f er . Cont r act or Pr oj ec t Ri s k Cont i ngency Al l oc at i on Us i ng Li ngui s t i c Appr oxi mat i on. Computing Systems in Engineering vol. 4. Nop 2-3, pp.281293.1993. S onmez , R, Er gi n, A and Bi r gonul , T. Quant i t at i ve Met hodol ogy f or Det er mi nat i on of Cos t Cont i ngency i n I nt er nat i onal Pr oj ect s . Journal of Management in Engineering, ASCE. January 2007.pp 35-39 Ayy ub,B. M.Ri s kAnal y s i si nEngi neer i ngand Ec onomi c s .Chapman & Hall/CRC. 2003 Aus t r al i a/New Zea l and S t andar d 4360: 2 004 . 2004 . Kas abov , N. K. Foundat i ons of Neur al Net wor k s ,Fuz z yS y s t ems ,andKnowl edge adf or d Book.The MIT Engi neer i ng.A Br Press Cambridge, Massachusetts-London, England 1996. Zeng,J . ,An,M.andS mi t h,N. J .Appl i cat i on of a Fuz z y Bas ed Dec i s i on Maki ng Met hodol ogyt oCons t r uc t i onPr oj ec tRi s k As s es s ment . International Journal of Project Management 25. 589-600. 2007. Tah,J . H. M.and Car r ,V. A Pr opos alf or Cons t r uct i onRi s kAs s es s mentUs i ngFuz z y L ogi c . Journal of construction Management and Economics 18,491 500 . 2000 Negnev i t s ky , M. , Ar t i f i c i a lI nt el l i genc e. A Gui de t oI nt el l i gent Sy s t ems . Addi s onWes l ey .S ec ondEdi t i on.2005 Li n, C. T. , and L ee, C. S. G. Neur a l Fuz z y S y s t ems .Prentice Hall, Inc. 1 996.

Paek, J. H. and Oc k, J . H. Pr i c i ng Cons t r uct i onRi s k:Fuz z yS etAppl i cat i on. Journal of Construction Engineering and Management Vol. 119, no. 4, December 1993.

I S BNNo.9789791834209

D37

ESTIMASI BIAYA KONTINJENSI PADA TENDER PROYEK KONSTRUKSI DENGAN FUZZY LOGIC

Recommend Documents