penentuan nilai mark-up pada proyek-proyek...
TRANSCRIPT
PENENTUAN NILAI MARK-UP PADA PROYEK-PROYEK KONSTRUKSI
MENGGUNAKAN REGRESI DUMMY
Disampaikan di :
RUANG SIDANG JURUSAN TEKNIK SIPIL
17 JANUARI 2012
MAHASISWA :DWITYA DHANURENDRA
(3107 100 022)
DOSEN PEMBIMBING :TRIJOKO WAHYU ADI, ST, MT, Ph.D.
BAB I . PENDAHULUAN
LATAR BELAKANG PERMASALAHAN
Pada proses tender, penawaran yang dilakukan oleh kontraktor dalamtender sangat berpengaruh untuk mendapatkan suatu proyek. Bilapenawaran harga terlalu tinggi maka peluang mendapatkan proyekberkurang. Bila penawaran terlalu rendah kemungkinan kontraktormendapat untung sangat rendah.
Maka dari itu besarnya mark-up sangat berpengaruh untuk mendapatkanproyek dan tidak mengesampingkan keuntungan.
Penawaran yang tepat sangat penting untuk mendapatkan peluang tender.
Untuk itulah dibutuhkan adanya model prediksi untuk menentukan nilaimark-up pada proyek-proyek konstruksi.
RUMUSAN MASALAH
1. Karakteristik proyek yang seperti apa yang dapatmempengaruhi besarnyamark-up?
2. Berapa nilai mark-up yang sesuai dengan situasi dankondisi proyek sehinggatetap berpeluangmemenangkan tender danmemperoleh keuntungan?
TUJUAN
1. Untuk mengetahuikarakteristik proyek yang dapat mempengaruhikeputusan mark up.
2. Membuat model prediksiuntuk mengetahui nilaimark-up yang sesuaidengan situasi dan kondisiserta karakteristik proyek.
BATASAN MASALAH
1. Proyek-proyek yang ditinjau yaitu proyek-proyek yang dilakukanoleh kontraktor-kontraktor di Jakarta.
2. Kontraktor yang ditinjauhanya kontraktor dengankualifikasi grade 7 dengan nilai proyekdiatas 1 milyar.
MANFAAT
1. Pengembangan keilmuanmanajemen konstruksi, khususnya keilmuan cost management
2. Dapat menjadirefrensi/rujukanpenelitian berikutnya
BAB II . TINJAUAN PUSTAKA
Mark-up“sejumlah biaya yang
ditambahkan, dalam biayalangsung proyek ,pada hargapenawaran untuk menutupi
biaya tak langsung, yang meliputi: biaya resiko dan
keuntungan proyek”
Faktor-faktorPertimbangan Mark-Up
Dozzi danAbourizk
Ahmad danMinkahar
Kondisi Pasar Tipe Proyek HubunganDenganOwner
DurasiPelaksanaan
Lokasi Proyek IdentitasOwner
Overhead Rate
JumlahKompetitorTender
Beban Kerja Nilai Proyek
KompleksitasProyek
Buruh LokalYang Tersedia
Sampel, Populasi dan Teknik Sampling Teknik samplingMenggunakan simple random sampling
PopulasiKontraktor di jakarta dengan grade 7.Dengan jumlah kontraktor grade 7= 251 kontraktormaka dengan B=0.2 ,didapat n= 22 Untuk memenuhi asumsi distribusi normal maka jumlah sampeldibulatkan menjadi 30, sedangkan untung validasi digunakan 5 sampelsehingga total responden adalah 35 Populasi SamplingProject Engineer dan estimator dari proyek-proyek kontraktor jakarta.
n = 𝑁
1+ 𝐵2
Regresi Linear Berganda
Adapun rumus regresi linear berganda yaitu sebagai berikut:
Y= aX1 + bX2 + …. + nXn
Ada 2 pengujian dalam regresilinear berganda:1. Uji serentak (uji F)2. Uji individual
Regresi Dummy
Jika ada variabel predictor bertipekategorik atau kualitatif makaditerapkan metode regresi dummy.Untuk menentukan banyaknyadummy digunakan rumus n-1
Contoh lembar kuisioner
METODE PENELITIANPERMASALAHAN
PERANCANGAN
KUESIONER
STUDI LITERATUR
PENGUMPULAN
DATA PRIMER
(SURVEY)
85% DATA UNTUK
TRAINING , 15% DATA
UNTUK TESTING
KESIMPULAN DAN
SARAN
JIKA MEMUNGKINKAN
DILENGKAPI DENGAN
DATA SEKUNDER
PENETAPAN
POPULASI & SAMPEL
PENELITIAN
ANALISA DATA
(REGRESI DUMMY)
UJI SERENTAK
KEBAIKAN MODEL
DIDAPATKAN
MODEL PREDIKSI
YANG PALING
SIGNIFIKAN
METODE
STEPWISE
Jumlah kuisionerdisebar =50 kuisioner
kembali = 35 kuisioner(70%)
(kepada kontraktor grade 7)
BAB IV ANALISA DATA
Gambaran umum penelitiandan profil responden
Lembar Kuisioner
Lembar Kuisioner
JENIS PROYEK : GEDUNG / JALAN / JEMBATAN / SALURAN DRAINASE
RESPONDEN
VARIABEL
Ukuran Proyek
(Dalam Milyar)lokasi Proyek Kondisi Pasar
Jumlah
Kompetitor TenderTipe Proyek
Durasi Pelaksanaan
(Dalam Bulan)
Overhead Rate
(Dalam %)
Beban Kerja
Perusahaan yang
Dikerjakan
Buruh Lokal yang
Tersedia
Kompleksitas
ProyekIdentitas Owner
Hubungan
Dengan Owner
Mark Up
(Dalam %)
PT.1 9.874 Mudah Dijangkau Baik 5-10 Gedung 3 5%-10% Banyak > 30 Tinggi Pemerintah Baik 17.43
PT.2 83 Mudah Dijangkau Buruk <5 Gedung 7 5%-10% Sedang 10-20 Tinggi Swasta Baik 14.55
PT.3 2.25 Mudah Dijangkau Baik <5 Gedung 3 5%-10% Sedang >30 Rendah Swasta Baik 15.13
PT.4 4.74 Mudah Dijangkau Baik <5 Gedung 4 5%-10% Sedang >30 Rendah Swasta Baik 14.18
PT.5 27.263 Mudah Dijangkau Baik 5-10 Gedung 9 5%-10% Sedang >30 Tinggi Swasta Baik 15.18
PT.6 16.728 Mudah Dijangkau Baik 5-10 Jalan 3 5%-10% Sedang >30 Tinggi Pemerintah Baik 15.68
PT.7 65.909 Mudah Dijangkau Baik 5-10 Gedung 11 5%-10% Sedang >30 Tinggi Swasta Baik 18.43
PT.8 9.619 Mudah Dijangkau Baik <5 Gedung 4 5%-10% Sedang >30 Rendah Pemerintah Baik 17.18
PT.9 12.924 Sulit Dijangkau Baik <5 Gedung 5 >10% Banyak >30 Tinggi Pemerintah Baik 18.08
PT.10 12.272 Sulit Dijangkau Baik 10-20 Gedung 10 >10% Sedang 10-20 Tinggi Pemerintah Baik 14.68
PT.11 45 Sulit dijangkau Baik 10-20 Jalan 15 5%-10% Banyak 10-20 Tinggi Pemerintah Baik 27.5
PT.12 15 Sulit dijangkau Baik 10-20 Jalan 5 5%-10% Sedang 20-30 Rendah Pemerintah Baik 25
PT.13 160 Mudah dijangkau Baik 5-10 Gedung 25 2%-5% Sedang <10 Tinggi Pemerintah Baik 25
PT.14 35 Mudah dijangkau Baik >20 Gedung 10 2%-5% Sedang 20-30 Tinggi Pemerintah Baik 26
PT.15 384 Mudah dijangkau Baik <5 Gedung 25 2%-5% Sedang 10-20 Tinggi Pemerintah Baik 27.5
PT.16 10 Mudah dijangkau Baik >20 Gedung 5 5%-10% Sedang 20-30 Rendah Pemerintah Baik 25
PT.17 200 Mudah dijangkau Baik <5 Gedung 25 <2% Sedikit 10-20 Tinggi Swasta Baik 12.5
PT.18 75 Sangat mudah dijangkau Baik <5 Gedung 15 2%-5% Sedang <10 Tinggi Pemerintah Baik 30
PT.19 15 Mudah dijangkau Baik 5-10 Gedung 10 2%-5% Sedang 20-30 Rendah Swasta Baik 15
PT.20 120 Sulit dijangkau Baik 5-10 Jalan 10 5%-10% Sedang 10-20 Tinggi Pemerintah Baik 25
PT.21 25 Mudah dijangkau Baik 5-10 Gedung 10 2%-5% Sedang 10-20 Rendah Pemerintah Baik 25
PT.22 105 Sangat mudah dijangkau Baik 5-10 Gedung 15 2%-5% Sedang 10-20 Tinggi Swasta Baik 15
PT.23 170 Mudah dijangkau Baik 5-10 Gedung 20 2%-5% Sedang 10-20 Tinggi Pemerintah Baik 30
PT.24 80 Mudah dijangkau Baik 5-10 Gedung 15 2%-5% Sedang 10-20 Tinggi Swasta Baik 12.5
PT.25 120 Mudah dijangkau Baik 5-10 Gedung 20 2%-5% Sedang 10-20 Rendah Pemerintah Baik 30
PT.26 70 Mudah dijangkau Baik <5 Gedung 10 <2% Sedang 10-20 Rendah Swasta Baik 15
PT.27 150 Mudah dijangkau Baik 5-10 Jalan 11 5%-10% Banyak >30 Rendah Swasta Baik 30
PT.28 25 Sulit dijangkau Buruk 5-10 Jalan 12 >10% Banyak <10 Tinggi Pemerintah Baik 20
PT.29 25 Mudah dijangkau Buruk >20 Gedung 12 5%-10% Banyak >30 Tinggi Pemerintah Baik 24
PT.30 25 Mudah dijangkau Baik >20 Gedung 12 5%-10% Banyak >30 Tinggi Pemerintah Baik 18
PT.31 100 Mudah dijangkau Baik 5-10 Gedung 6 5%-10% Banyak >30 Tinggi Swasta Baik 30
PT.32 20 Mudah dijangkau Baik <5 Gedung 6 2%-5% Sedang 10-20 Rendah Swasta Baik 17.35
PT.33 80 Mudah dijangkau Buruk >20 Gedung 17 5%-10% Banyak 10-20 Tinggi Pemerintah Baik 22
PT.34 11 Mudah dijangkau Baik >20 Gedung 8 5%-10% Sedang 20-30 Rendah Pemerintah Baik 20
PT.35 150 Sulit Dijangkau Baik 5-10 Jalan 9 5%-10% Banyak 20-30 Tinggi Pemerintah Baik 24
RESPONDEN
VARIABEL
sumber: perusahan-perusahan kontraktor di Jakarta (PT)
Tabel HasilKusioner
Analisa data dengan minitab
1. Uji serentakDidapat hasil Y = 20.7 + 10.6 X1_1 + 5.73 X1_2 - 0.81 X1_3 - 7.07 X2_2 - 5.46 X2_3 - 0.92 X3_2 - 2.53 X4_1 + 0.89 X4_2 - 0.94 X4_3 - 2.02 X5_1 + 6.30 X6_1 + 0.39 X6_2 + 2.08 X6_3 + 9.28 X7_1 + 8.02 X7_2 + 6.05 X7_3 - 7.8 X8_2 - 10.6 X8_3 + 3.01 X9_1 + 6.53 X9_2 - 0.26 X9_3 - 5.95 X10_2 + 7.97 X11_1
dengan tabel annova
Model yang dihasilkan tidak signifikan karena nilai P>0.05Dimodelkan kembali dengan regresi stepwise.
Source db SS MS F P
Regression 23 942.65 40.98 2.34 0.147
Residual Error 6 105.11 17.52
Total 29 1047.76
X7_3 0.195
X8_2 0.106 0.238 0.227
X9_1 0.181 0.115 0.029 0.010
X9_2 0.042 0.014 0.010 0.010
X9_3
X10_2 0.001 0.001 0.001 0.001
X11_1 0.000 0.000 0.000 0.000
Variabel Step 13 Step 14 Step 15 Step 16
X1_1 0.000 0.000 0.000 0.000
X1_2 0.019 0.007 0.007 0.003
X1_3
X2_2
X2_3 0.042 0.066 0.074 0.036
X3_2
X4_1
X4_2
X4_3
X5_1
X6_1 0.012 0.008 0.012 0.007
X6_2
X6_3
X7_1
X7_2 0.111 0.325
Prosedur Stepwise
Variabel Step 1 Step 2 Step 3 Step 4
X1_1 0.174 0.047 0.033 0.007
X1_2 0.418 0.246 0.201 0.093
X1_3
X2_2
X2_3 0.317 0.274 0.212 0.190
X3_2
X4_1
X4_2
X4_3
X5_1
X6_1 0.422 0.213 0.179 0.156
X6_2
X6_3
X7_1
X7_2 0.310 0.254 0.221 0.130
d 0.195
X8_2 0.510 0.437 0.404 0.387
X9_1 0.667 0.637 0.483 0.460
X9_2 0.462 0.400 0.155 0.133
X9_3 0.953 0.929
X10_2 0.076 0.049 0.032 0.016
X11_1 0.063 0.031 0.017 0.010
Ukuranproyek
Lokasiproyek
Overhead rate
Jumlahburuh
Kompleksitasproyek
Identitas owner
HasilStepwise Output di atas menunjukkan bahwa prosedur stepwise
regression dilakukan sampai step (langkah) ke 16. Padastep ke 16 ini variabel/indikator yang masuk ke dalam
model adalah X1_1, X1_2, X2_3, X6_1, X9_1, X9_2, X10_2, X11_1. Selanjutnya variabel X1, X2, X6, X9, X10, dan X11
dimodelkan kembali secara serentak.
Model Terbaik
Variabel yang valid di Stepwise di modelkan lagi secaraserentak, Didapat hasil
Y = 13.4 + 7.60 X1_1 + 3.15 X1_2 - 1.26 X1_3 - 0.79X2_2 - 4.36 X2_3 + 8.50X6_1+ 3.19 X6_2 + 2.13 X6_3 + 5.03 X9_1 + 6.10 X9_2
- 0.20 X9_3 + - 5.41 X10_2+ 7.66 X11_1
Obs Mark Up
Asli
Mark Up
Taksiran
1 18.373 0.387
2 18.560 -0.069
3 27.183 -0.235
4 23.658 -0.183
5 30.683 -0.223
Validasi dengan menggunakan data testing diperlukan untuk mengetahuiseberapa baik model regresi yang diperoleh dalam memprediksi nilai mark up dari nilai-nilai variabel prediktor yang baru. Data testing yang digunakan padapenelitian kali ini berjumlah 5 buah observasi (15% data).
Didapat hasil:
Data Testing
Nilai pada kolom terakhir memiliki error sebesar 6.5%standar deviasinya sebesar 0.261
dengan varians sebesar 6.76% sehingga bisa disimpulkan
bahwa model yang dihasilkan cukup baik untuk kepentingan prediksi.
Kesimpulan
KesimpulanBerdasarkan data yang digunakan untuk membuat model, dapat disimpulkan:bahwa variabel yang mempengaruhi besar markup adalah:ukuran proyek,lokasi proyek, durasi pelaksanaan proyek,buruh lokal yang tersedia,kompleksitas proyek,dan identitas owner.Model prediksi mark-up yang dibentuk melalui regresiberganda dengan dummy adalah sebagai berikut:Y= Y = 13.4 + 7.60 X1_1 + 3.15 X1_2 - 1.26 X1_3 - 0.79X2_2 - 4.36 X2_3 + 8.50X6_1+ 3.19 X6_2 + 2.13 X6_3 + 5.03 X9_1 + 6.10 X9_2 -0.20 X9_3 + - 5.41 X10_2+ 7.66 X11_1
Dengan R2 = 84%, error = 6.5% dan varians = 6.7%
Saran
SaranDari hasil yang diujikan pada model prediksi mark-up, terlihat bahwa masihterdapat varian yang besar.Hal ini disebabkan karena jumlah data yang terbatas, maka bila inginmendapatkan model yang lebih baikdisarankan untuk menambah jumlah data..
TERIMA KASIH