aplikasi pemakaian learning curve theory pada pekerjaan

Aplikasi Pemakaian Learning Curve Theory Pada Pekerjaan Pengecoran Kolom Pada Proyek Pembangunan Apartemen L.A City

Dickson Jingga

Departemen Teknik Sipil. Fakultas Teknik, Universitas Indonesia, Kampus UI Depok, Depok 16424, Indonesia

E-mail: [email protected]

ABSTRAK Dengan hanya menggunakan kurva-s, kita tidak dapat memprediksi produktivitas pada suatu pekerjaan yang berulang maka dari itulah, diperlukan sebuah metode penjadwalan yang tepat yaitu learning curve. Tujuan dari penelitian ini adalah untuk menentukan apakah learning curve dapat digunakan secara akurat untuk memprediksi produktivitas kerja dari unit selanjutnya dengan mengaplikasikan prinsip tersebut kepada pengecoran kolom pada pembangunan proyek apartemen L.A City. Hasil yang didapatkan menunjukkan bahwa teori learning curve ini tidak sesuai dengan kenyataan yang terdapat di lapangan. Banyak faktor-faktor yang mempengaruhi teori tersebut termasuk kondisi cuaca, kombinasi pekerja dan penundaan yang terjadi.

Application of Learning Curve Theory on the work of column casting in construction

Project of L.A City Apartment

ABSTRACT

By simply using the s-curve, productivity on a repetitive work cannot be predicted, and because of that, a proper scheduling method like learning curve is required. The goal of this research is to determine whether the learning curve can be used to accurately predict the next unit of work productivity by applying those principles to the column casting in the development of L.A City. The result of this survey shows that this learning curve theory does not correspond to the reality in the field. Many factors that affect the theory including weather condition, crew members and delays. Keywords: Column casting ; learning curve ; repetitive; productivity Pendahuluan Selama menangani sebuah proyek konstruksi, kontraktor diharuskan untuk memilih

keputusan-keputusan yang menghasilkan atau mengkontribusikan hasil akhir yang efisien

untuk owner. Keputusan-keputusan ini akan memberikan dampak terhadap strategi-strategi

yang menghubungkan antara biaya, waktu dan kualitas dari suatu proyek (Hinze, 2008, hal.

246), karena hal tersebut merupakan sasaran kinerja proyek yang didapatkan dari hasil suatu

perkiraan/estimasi.

Aplikasi pemakaian…, Dickson Jingga, FT UI, 2014

Anton, Krishna, Biemo, dan Reini (2011) melakukan penelitian terhadap produktivitas pada

proyek yang terdapat di Indonesia. Penelitian tersebut menekankan bahwa faktor yang

berhubungan dengan desain, implementasi dan perencanaan merupakan aspek yang harus

diperhatikan untuk meningkatkan produktivitas dari sebuah proyek (Soekiman, Pribadi,

Soemardi, & Wirahadikusumah, 2011, hal. 39).

Pada kebanyakan proyek konstruksi, pengestimasian pendjadwalan hanya mengacu kepada

kurva s atau s-curve. Kurva-s hanya dapat menunjukkan progres pelaksanaan mulai dari awal

hingga proyek selesai. Produktivitas per pekerja tidak dapat diketahui dengan kurva-s

tersebut. Dengan hanya menggunakan kurva s, kita tidak dapat memprediksi produktivitas

pada suatu pekerjaan yang berulang (repetitive), maka dari itulah, diperlukan sebuah metode

penjadwalan yang tepat.

Metode penjadwalan yang spesifik dapat digunakan untuk menguntungkan proyek konstruksi

dengan karakteristik yang berulang, akan tetapi menggabungkan learning effect (efek

pembelajaran) pada estimasi durasi aktivitas dapat menyebabkan hasil yang lebih baik.

Banyak aktivitas konstruksi yang dilakukan berulang-ulang akan menghasilkan fenomena

yang dinamakan efek pembelajaran atau learning effect. Efek itu menyatakan bahwa waktu

ataupun biaya yang diperlukan untuk melakukan satu siklus adalah lebih sedikit daripada

yang dibutuhkan untuk melakukan siklus sebelumnya.

Learning curve dapat digunakan dalam berbagai cara. Nilai potensial dari learning curve

adalah kemampuannya dalam memprediksi waktu/siklus kerja lanjutan (Everett & Farghal,

1994, hal. 41). Fungsi utamanya adalah pengestimasian, tetapi mereka juga dapat digunakan

dalam memprediksi performa pekerjaan, dalam hal ini berkaitan dengan produktivitas.

(Wong, Cheung, & Hardcastle, 2007, hal. 474-482). Beberapa investigasi sebelumnya yang

mengaplikasikan teori learning curve ini kepada industri konstruksi membuktikan

kepentingan konsep ini terhadap produktivitas daripada pekerja (Abdulaziz M. Jarkas, 2010,

hal. 1279).

Pada penelitian kali ini, learning curve akan diterapkan pada pekerjaan konstruksi yang

berulang (repetitive) yaitu pekerjaan kolom khususnya pada pengecoran kolom. Hal tersebut

merupakan syarat dari learning curve theory dimana aplikasi ini dapat diterapkan pada

pekerjaan berulang seperti yang telah dilakukan penelitian oleh Jimmie H.


Penelitian ini memiliki tujuan untuk mengetahui faktor-faktor yang mempengaruhi

produktivitas dari learning curve dan menguji efisiensi pemakaian learning curve dalam

memprediksi kinerja-kinerja dalam pengerjaan pengecoran kolom di proyek konstruksi

apartemen L.A City.

Tinjauan Teoritis Sejarah Learning Curve

Salah satu penelitian pertama dilakukan pada data produksi badan pesawat, yang

menyebabkan perumusan teori Learning Curve, dilakukan oleh Mayor Leslie MacDill,

komandan di McCook Lapangan pada 1925. McCook Field adalah rumah bagi penelitian

pesawat, pengembangan dan rekayasa produksi.

T.P. Wright, yang juga memulai penelitiannya pada awal 1920-an, dikreditkan dengan

publikasi pertama teori kurva pembelajaran pada tahun 1936 saat bekerja untuk Curtiss

Aeroplane Company. Dalam Journal of Sciences Aeronautical, "Faktor-faktor yang

Mempengaruhi Biaya Pesawat," ia menunjukkan bahwa jumlah pesawat yang diproduksi

meningkat, biaya rata-rata kumulatif untuk memproduksi pesawat berkurang dengan laju yang

konstan. Ini dikenal sebagai formulasi rata-rata kumulatif kurva pembelajaran (alias kurva

Wright, kurva Northrop).

Setelah Perang Dunia II, saat bekerja untuk Lockheed Corporation, JR Crawford

mengusulkan bahwa jumlah pesawat yang diproduksi meningkat, biaya unit untuk

memproduksi pesawat tersebut menurun dengan laju yang konstan. Ini dikenal sebagai

formulasi kurva belajar Unit (alias kurva Crawford, kurva Boeing). Sebutan-sebutan lain

untuk kurva pembelajaran (learning curve) adalah kurva pengalaman, kurva biaya, dan kurva

biaya perbaikan.

Learning Curve Theory

Learning curve adalah representasi grafis hubungan antara durasi produksi unit dan jumlah

unit yang telah diproduksi (Olomolaiye, Jayawardane, & Harris, 1998). Konsep teori learning

curve ini pertama kali diperkenalkan kepada industri pesawat ketika T.P. Wright


mempublikasikan sebuah artikel pada Journal of the Aeronautical Science Februari 1936

(Nortfleet, 2004).

Beberapa unsur-unsur yang diperhatikan pada aplikasi learning curve (Hinze, 2008, hal.

256):

a. Jumlah waktu dan biaya yang dibutuhkan setiap unit cenderung berkurang untuk

setiap unit yang telah berhasil dikerjakan

b. Jumlah waktu untuk memproduksi sebuah unit berkurang pada “decreasing rate”

c. Pengurangan waktu yang diperlukan untuk memproduksi setiap unit selalu diikuti

oleh model estimasi yang spesifik. Laju peningkatan (pembelajaran) dapat diprediksi

dengan menggunakan model matematika

Jika beberapa data ( lebih dari dua) diketahui, akurasi yang lebih bagus, mungkin, kurva

pembelajaran yang lebih realistik dapat dikembangkan sebagai alat prediksi. Terdapat dua

metode untuk memperoleh informasi pembelajaran dari data tersebut. Yang pertama adalah

dengan memplot poin-poin data tersebut dalam kertas logaritma. Garis lurus (straight line)

akan digambarkan melalui poin-poin tersebut. Kemiringan dari garis tersebut akan menjadi

laju pembelajaran (learning rate) dan memiliki nilai yang negatif. Sedangkan yang kedua

adalah dengan menggunakan least square method.

Tabel 1. Tabel Regresi

X Y log X log Y (!"# !)! (log X) x (log Y)

∑ ∑ ∑ ∑ Sumber: Hasil Olahan Sendiri

Dimana

X = lantai ke

Y = durasi pengecoran


Penentuan Learning rate

Untuk menentukan learning rate digunakan rumus berikut:

! =! (log! × log!)− log! × log!

! log! ! − log! ! ( 1 )

! =log !log 2 ( 2 )

Dimana :

N = jumlah observasi terhadap data jam kerja yang tersedia

b = kemiringan kurva

r = learning rate

Setelah learning rate didapatkan dari hasil perhitungan, tahap selanjutnya adalah

menentukan/memperkirakan durasi untuk item pekerjaan selanjutnya

!! = !! ×!! ( 3 )

Dimana :

!! = usaha yang diperlukan untuk menyelesaikan unit ke n

! = satuan angka

!! = konstanta (secara teori KT = T1)

S = parameter kemiringan atau faktor kemiringan ( memiliki nilai negatif)

S = Log Ø / log 2

Ø = laju peningkatan

Metode Penelitian Untuk mendapatkan jawaban dari perumusan masalah yang telah ditetapkan dalam penelitian

ini, maka diperlukan suatu strategi penelitian yang sesuai. Dalam penyusunan strategi

penelitian aplikasi learning curve theory pada pekerjaan pengecoran kolom pembangunan

apartemen LA City, terdapat beberapa komponen data yang perlu dipertimbangkan yaitu;


aktivitas pekerjaan kolom, variabel yang dilibatkan (berupa faktor-faktor yang berpengaruh

terhadap aplikasi learning curve) dan produktivitas pekerja.

Mengacu pada strategi penelitian yang disarankan oleh Yin (1994) dan berdasarkan latar

belakang rumusan masalah, yaitu bagaimana efisiensi pemakaian learning curve dalam

memprediksi kinerja-kinerja sumber daya pada pekerjaan pengecoran kolom dan faktor-faktor

apa saja yang mempengaruhi produktivitas daripada learning curve, maka dipilih pendekatan

studi kasus dan survey.

Gambar 1. Diagram alir proses penelitian Sumber: Hasil Olahan Sendiri


Dalam penelitian ini, metode yang digunakan untuk mendapatkan data adalah dengan survey

langsung ke lapangan. Data primer dalam penelitian ini diperoleh langsung melalui

pengamatan langsung di lapangan pada saat terjadi proses pengecoran kolom, metode ini

hanya dilakukan jika data sekunder yang ada kurang memadai. Pengamatan langsung

dilakukan menggunakan stopwatch untuk mendapatkan data durasi pengecoran tiap-tiap

kolom. Selain itu, survey ke lapangan dapat berupa data jumlah pekerja yang melakukan

kegiatan pengecoran kolom. Adapun pengamatan langsung yang dilakukan adalah durasi

pengecoran atau berapa lamanya pengecoran dilakukan mulai dari pemasukan selang hingga

selesainya pengecoran pada sebuah kolom dengan menggunakan stopwatch. Pencatatan durasi

menggunakan alat bantu stopwatch tidak termasuk perpindahan cor bucket dari satu kolom ke

kolom lainnya. Pengamatan dilakukan pada 4 zona per lantai dimulai dari lantai 12 hingga

lantai 14. Proses pengecoran kolom dapat dilihat pada Gambar 2.

Gambar 2. Pengecoran Kolom Sumber: Data L.A City, 2013

Setelah data terkumpul, maka tahapan selanjutnya adalah dilakukan pengolahan data dan

analisa data. Pengolahan data dilakukan dengan menggunakan formula learning curve dengan

metode Wright’s log-linear secara matematis dengan bantuan software Microsoft Excel

ataupun software lainnya. Output dari formula tersebut adalah learning curve / kurva

pembelajaran untuk tiap zona pekerjaan kolom.


Analisis data kemudian dilanjutkan dengan melihat perbandingan kesesuaian teori learning

curve yang telah dibuat dengan realita konstruksi kolom per zona pada apartemen LA City.

Selain itu, perbandingan juga dilakukan terhadap learning curve secara teoritis. Setelah

dilakukan analisis grafis, faktor-faktor yang secara signifikan mempengaruhi perubahan kurva

learning curve pada pekerjaan kolom tersebut kemudian ditemukan dan dibahas.

Hasil Penelitian

Pembagian zona kolom pada proyek L.A City dapat dilihat pada.

Gambar 3. Zona Kolom L.A City Sumber: Data L.A City, 2013

Pengamatan terhadap pengecoran kolom yang dilakukan pada proyek apartemen L.A City

dimulai pada lantai 12. Hal tersebut dikarenakan tipe kolom pada lantai 12-16 identik.

Pekerjaan pengecoran pada lantai tersebut dilaksanakan pada akhir bulan April 2014. Pada

penelitian ini, pengamatan dilakukan pada 4 zona di setiap lantai seperti yang terlihat pada


Gambar 3 sampai dengan lantai 14 untuk zona 1, sedangkan untuk zona 2, 3 dan 4 dilakukan

sampai lantai 13. Keterbatasan data ini dikarenakan durasi penelitian yang tidak mencukupi.

Adapun ukuran kolom dan tipe kolom untuk lantai 12 – 14 dapat di lihat pada tabel 2.

Tabel 2. Detail Kolom

TYPE LT.12 s/d LT.16 K1 400 x 800

K1A 400 x 800 K1B 400 x 800 K1C 400 x 800 K1D 500 x 800 K1E 500 x 800

K1E1 500 x 800 K1F 400 x 800 K2 400 x 700

K2A 400 x 700 K2B 500 x 800 K2C 400 x 700

Sumber : Doc LA City, 2013

Data durasi pengecoran kolom yang didapatkan berdasarkan zona maupun lantai melalui

pengamatan langsung di lapangan menggunakan stopwatch dapat dilihat pada tabel 3:

Tabel 3. Rangkuman Durasi Pengecoran Kolom L.A City

Total Durasi Pengecoran (dalam menit)

Zona 1 Zona 2 Zona 3 Zona 4 Lantai 12 67,3 52,71667 52,11667 52,31667 Lantai 13 48,26667 49,4 42,21667 51,03333

Sumber: Hasil Olahan Sendiri

Dari total durasi pengecoran kolom pada masing-masing zona dan kedua lantai tersebut, maka

dapat ditentukan learning rate pada tiap-tiap zona tersebut dengan menggunakan tabel 1 dan

juga rumus 1 dan 2. Rangkuman dari hasil pengolahan data untuk mendapatkan learning rate

dapat dilihat pada Tabel 4.

Tabel 4. Learning rate yang dihasilkan masing-masing zona Learning Rate (%)

Zona 1 Zona 2 Zona 3 Zona 4 71,71867 93,7085 81,00416 97,54699

Sumber : Hasil Olahan Sendiri


Setelah learning rate didapatkan dari hasil perhitungan tiap-tiap zona, tahap selanjutnya

adalah menentukan/memperkirakan jumlah waktu yang dibutuhkan untuk lantai-lantai

berikutnya yaitu lantai 13, 14, dan 15 dengan menggunakan rumus 3. Grafik yang dihasilkan

pada masing-masing zona berbeda seperti yang terlihat pada Gambar 4, 5, 6, dan 7 untuk zona

1, 2, 3, dan 4.

Gambar 4. Learning Curve zona 1 Sumber: Hasil Olahan Sendiri


0.00

20.00

40.00

60.00

80.00

12 13 14 15

Value for the

n-‐th un

it (yn)

Lantai ke

Learning Curve Zona 1

0.00

20.00

40.00

60.00

80.00

12 13 14 15

Value for the

n-‐th un

it (yn)

Lantai ke





Pembahasan Learning curve pada zona yang berbeda menunjukkan learning rate yang berbeda pula. Pada

zona 1, dihasilkan learning rate sebesar 71,72%, zona 2 93,71%, zona 3 81%, dan zona 4

sebesar 97,55% seperti yang terlihat pada tabel 4. Dari keempat zona tersebut, hanya learning

rate zona 1 dan zona 3 yang berada pada kisaran antara 90%-70%, yang telah terindikasi oleh

Parker dan Oglesby (1972) untuk operasi repetitif pada bidang konstruksi. Learning rate

sebesar 93,7% pada zona 2 dapat diartikan sebagai diperlukannya usaha sebesar 93,71 % dari

unit pertama (dalam hal ini unit pertama adalah kolom pada lantai 12) untuk mengerjakan unit

kedua (kolom lantai 13). Makin besar nilai learning rate, maka makin banyak usaha yang

diperlukan untuk menyelesaikan unit selanjutnya. Memang terdapat peningkatan usaha karena

efek pembelajaran di tiap-tiap zona tersebut, akan tetapi peningkatan yang terjadi tidaklah

0.00

20.00

40.00

60.00

80.00

12 13 14 15

Value for the

n-‐th un

it (yn)

Lantai ke


0.00

20.00

40.00

60.00

80.00

12 13 14 15

Value for the

n-‐th un

it (yn)

Lantai ke



banyak. Pada zona 2 dan zona 4, peningkatan produktivitas seakan dapat diabaikan karena

peningkatan yang sedikit.

Grafik learning curve yang bagus adalah grafik yang memiliki kecuraman yang tinggi seperti

yang terlihat pada grafik di Gambar 4. Semakin curam suatu kurva, maka peningkatan efek

pembelajaran semakin tinggi. Dan sebaliknya jika kurva tersebut landai, peningkatan efek

pembelajaran akan sedikit.

Gambar 8. Perbandingan kurva aktual dengan learning curve pada zona 1 Sumber: Hasil Olahan Sendiri

Prediksi durasi zona 1 untuk lantai 14 adalah sebesar 39,74 menit. Hal ini tentunya

bertentangan dengan teori learning curve dimana unit yang dihasilkan akan memiliki durasi

penyelesaian yang lebih pendek daripada unit sebelumnya. Sedangkan dari data aktual,

dihasilkan sebesar 58,1 menit untuk zona 1 seperti yang terlihat pada grafik di Gambar 8.

Sehingga learning rate yang didapatkan adalah lebih dari 100% (atau dapat dikatakan tidak

terjadi peningkatan).

Hal ini menandakan bahwa tidak terdapat adanya pembelajaran di area tersebut. Hipotesa

dalam penelitian ini adalah bahwa learning curve dapat memprediksi kinerja pekerjaan yang

repetitif. Namun, hasil membuktikan bahwa efek learning ini tidak selalu tepat dikarenakan

terdapat banyak faktor lain yang tidak diperhitungkan.

0 10 20 30 40 50 60 70 80

12 13 14 15

Durasi pen

gecoran total

Lantai ke

Perbandingan kurva aktual dengan learning curve

Data Rencana

Data aktual


Gambar 9. Kurva learning rate pada zona 1

Sumber: Hasil Olahan Sendiri

Pertama, waktu pengecoran yang dilakukan pada masing-masing zona tiap lantai berbeda

yaitu pagi, siang maupun malam. Cuaca pada saat pekerjaan berlangsung seperti hujan

maupun terik panas dapat mempengaruhi durasi pengecoran tersebut. Keadaan tersebut terjadi

pada zona 1 di lantai 14 yang mengakibatkan lamanya durasi pengecoran. Pada saat

pengecoran 10 kolom di zona tersebut, hujan ringan terjadi. Penglihatan pekerja tentunya

terganggu karena adanya gangguan tersebut walaupun hujan hanya sedikit. Menurut

penelitian Mahesh Madan Gundecha yang dilakukan pada proyek konstruksi di USA pada

2012 (Gundecha, 2012, hal. 41), faktor cuaca merupakan peringkat 3 dari faktor-faktor yang

aneh dan peringkat 7 dari 40 faktor yang berpengaruh terhadap produktivitas pekerja.

Kedua, kombinasi pekerja yang melakukan pekerjaan pengecoran tidaklah selalu sama. Pada

proyek L.A City, rata-rata pengecoran sebuah kolom dilakukan oleh 3 orang. 2 orang berada

di atas kolom untuk membantu memasukkan selang pengecoran ke dalam kolom dan juga

sekaligus menggunakan vibrator untuk menggetarkan beton yang telah dituang. 1 orang lagi

berfungsi sebagai pengendali cor bucket. Akan tetapi, kadang-kadang hanya 1 orang yang

melakukan kegiatan pengecoran. Pengurangan orang ini cukup signifikan berpengaruh

terhadap durasi pengecoran. Hal tersebut tentunya dapat berpengaruh terhadap kinerja

pengecoran kolom. Faktor ini juga sesuai dengan penelitian-penelitian terdahulu tentang

learning curve pada proyek konstruksi. Abdulaziz (Abdulaziz M. Jarkas, 2010, hal. 1285)

melakukan penelitian terhadap produktivitas pekerja penulangan lantai dan slab. Learning

rate yang dihasilkan juga diatas 90% bahkan melewati 100%. Nilai tersebut menandakan efek

pembelajaran terhadap produktivitas pekerjaan tersebut tidak signifikan. Menurutnya, tidak

0 20 40 60 80 100 120 140

12 13 14

Learning ra

te (%

)

Lantai ke

Kurva Learning rate zona 1


dapat dipastikan bahwa kru pekerja yang sama akan terlibat di dalam proses penulangan dari

elemen yang sama atau bekerja pada sektor yang sama dari lantainya.

Ketiga, cuaca buruk dan tower crane yang digunakan untuk kegiatan lain akan membuat

penundaan pada pengecoran kolom. Pengaruh dari hal tersebut adalah loss learning.

Penundaan yang semakin lama akan membuat para pekerja kolom menjadi tidak terbiasa atau

kehilangan pembelajarannya atas proses dari pengecoran kolom tersebut. Jika pekerjaan

diinterupsi, maka para pekerja tidak dapat mendapatkan keuntungan dari pembelajaran yang

didapatkan dari pekerjaan yang serupa sebelumnya. Hal ini tentunya berkaitan dengan

psikologi dari masing-masing pekerja. Pekerja mungkin dapat mengingat pembelajarannya

walaupun telah terjadi interupsi di lapangan. Penelitian dilakukan oleh Jimmie dan Svetlana

(Olbina & Hinze, 2009, hal. 429) pada pemancangan tiang pondasi. Keterlambatan terjadi

setelah pemancangan ke 75. Namun, keterlambatan ini tidak disebabkan oleh peristiwa yang

berhubungan dengan aktivitas pemancangan. Ketika pemancangan kembali dilanjutkan,

terlihat bahwa adanya keterlambatan ini berdampak kepada aktivitas pemancangan. Learning

yang terjadi sebelumnya seakan-akan tidak ada.

Kesimpulan Dari hasil analisis yang telah dilakukan, maka dapat disimpulkan beberapa hal, yaitu:

a. Banyak faktor yang dapat mempengaruhi ketepatan rumus learning curve pada

pengecoran kolom apartemen L.A City. Hasil faktor yang ditemukan dalam penelitian

ini adalah dikarenakan faktor cuaca, kombinasi pekerja dan penundaan yang terjadi.

b. Pada proyek L.A City, learning rate yang terjadi pada pengecoran kolom memiliki nilai

yang berbeda. Pada zona 1, learning rate yang didapatkan adalah 71,7%, zona 2 93,7

%, zona 3 81 %, dan zona 4 sebesar 97,5%. Hanya Learning rate pada zona 1 dan zona

3 berada pada kisaran antara 90%-70% (10-30% peningkatan produktivitas) dan sesuai

dengan prinsip yang dikemukakan oleh Parker dan Oglesby pada proyek konstruksi.

Saran Saran yang dapat diberikan untuk penelitian ini adalah:


a. Mempertimbangkan berbagai macam variabel yang ada yang dapat mempengaruhi

teori learning curve dengan melakukan koreksi terhadap rumusan yang berlaku pada

kondisi ideal.

b. Mendapatkan jumlah data di lapangan yang banyak sehingga data yang didapatkan

untuk memperoleh learning rate akan semakin akurat.

c. Melakukan penelitian lanjutan yang meneliti kegiatan repetitif lainnya pada bidang

konstruksi

Daftar Referensi Abdulaziz M. Jarkas, P. P. (2010). Critical Investigation into the Applicability of the Learning Curve Theory to Rebar Fixing Labor Productivity. Journal of Construction Engineering and Management, 1279.\

Everett, J. G., & Farghal, S. (1994). Learning curve predictors for contruction field operation. J. Constr. Eng. Manage, 41.

Gundecha, M. M. (2012). Study Of Factors Affecting Labor Productivity At a Building Construction Project in the USA: Web Survey. Fargo, North Dakota.

Harold Kerzner, P. (2009). Learning Curve. Dalam P. Harolld Kerzner, Project Management : A system approach to Planning, Scheduling and Controlling. New York: John Wiley & Sons, Inc.

Hinze, J. W. (2008). Construction Planning and Scheduling (3rd Edition ed.). United States of America: Pearson.

Koehn, E., & Brown, G. (1985). Climatic Effects on Construction. J. Constr.Eng.Manage, 129-137.

Memon, A. H. (2011). Identifying Construction Resource factors Affecting Construction Cost : Case of Johor.

Olbina, S., & Hinze, J. (2009). Empirical Analysis of the Learning Curve Principle in Prestressed Concrete Piles. Journal of Construction Engineering and Management, 429.

Soekiman, A., Pribadi, K. S., Soemardi, B. W., & Wirahadikusumah, R. D. (2011). Study on Factor Affecting Project Level Productivity in Indonesia. Annals of Faculty Engineering Hunedoara- International Journal of Engineering.


Wong, P., Cheung, S., & Hardcastle, C. (2007). embodying learning effect in performance prediction. J.Constr.Eng. Manage, 474-482.


aplikasi pemakaian learning curve theory pada pekerjaan

Documents