estimasi biaya tahap konseptual pada proyek pelebaran jalan

ESTIMASI BIAYA TAHAP KONSEPTUAL PADA PROYEK
PELEBARAN JALAN PROVINSI DI ACEH TAMIANG
Firdani Ananta1 dan Syahrizal2
1
Departemen Teknik Sipil, Universitas Sumatera Utara (USU)
Jl. Perpustakaan, Kampus USU Medan 20155 INDONESIA
E-mail: [email protected]
2
Staf Pengajar Departemen Teknik Sipil, Universitas Sumatera Utara (USU)
Jl. Perpustakaan, Kampus USU Medan 20155 INDONESIA
E-mail: [email protected]
Abstrak
Biaya adalah salah satu unsur pokok dalam pelaksanaan suatu proyek. Banyak proyek yang
terhambat ataupun gagal disebabkan oleh kekurangan biaya. Umumnya hal ini terjadi karena pada saat
tahap konseptual, para pelaku konstruksi, khususnya owner proyek, tidak memiliki cukup informasi
mengenai berapa biaya yang dibutuhkan untuk melaksanakan proyek tersebut. Untuk mengatasi masalah
tersebut, maka dilakukan estimasi biaya tahap konseptual. Salah satu metode dalam melakukan estimasi
biaya tahap konseptual adalah dengan mengestimasi biaya dari komponen komponen utama ataupun
pekerjaan yang dominan dari proyek tersebut. Jenis pekerjaan yang dominan tersebut didapat dengan
menggunakan analisa pareto. Untuk dapat memperkirakan harga dan mengantisipasi perubahan harga
pekerjaan dominan tersebut, digunakan prinsip probabilitas, yaitu dengan metode simulasi monte carlo.
Pada penelitian ini, peneliti mencoba untuk mengestimasi biaya tahap konseptual pada proyek
“PELEBARAN JALAN BTS. KOTA LANGSA – BTS. PROV SUMUT (2 jalur kota tamiang) pada tahun
2015”.
Pada penelitian ini dilakukan analisa pareto terhadap rencana anggaran biaya (RAB), lalu hasil
analisa pareto dijadikan objek wawancara untuk mengetahui variasi harga satuan minimum, harga satuan
maksimum, dan penyebab perubahan harga satuan pekerjaan tersebut, sedangkan harga satuan most likely
diambil sesuai harga di rencana anggaran biaya (RAB). Selanjutnya dilakukan simulasi monte carlo dengan
menggunakan add in crystal ball pada microsoft office excel yang input datanya berupa biaya pekerjaan
dari hasil wawancara, sehingga simulasi akan menghasilkan distribusi probabilitas nilai estimasi biaya
tahap konseptual.
Dari hasil penelitian diperoleh distribusi probabilitas nilai estimasi biaya tahap konseptual pada
proyek tersebut, dan didapatkan bahwa probabilitas kesuksesan pelaksanaan proyek sesuai biaya di
penawaran kontraktor adalah sebesar 13.775 %. Peneliti menyarankan biaya yang disiapkan adalah sebesar
Rp.25,901,371,569.41, dengan dana kontigensi sebesar Rp.294,418,587. Melalui analisa sensitifitas dapat
diketahui persentase pengaruh tiap jenis pekerjaan terhadap perubahan total biaya proyek.
Kata kunci : estimasi biaya konseptual, analisa pareto, simulasi Monte Carlo
Abstract
Cost is one of the main element of a project. Most of the project failure caused by cost deficiency.
This usually happen because at conceptual stage, the construction actor, especially project owner, does not
have enough information about how much cost needed to complete the project. Therefore conceptual cost
estimation is necessary, one of the method is by estimating the dominant work of the project. The dominant
work can be obtained by using pareto analysis. To estimate the price and anticipate price changes, can be
done by using probability principal, one of them is Monte Carlo simulation. This thesis is about conceptual
cost estimating for “PELEBARAN JALAN BTS. KOTA LANGSA – BTS. PROV SUMUT (2 jalur kota
tamiang) pada tahun 2015” project.
This thesis, the first step is doing pareto analysis to the budget plan, and the result of the analysis
will be the object of the interview to get information about variation of minimum price, maximum price
and the cause of price change, and the most likely price are the same as in the budget plan. Next is doing
Monte Carlo simulation by using Crystal Ball add-in on microsoft excel, which the input are the cost
variation from the interview results. So the simulation result will be a probability distribution of conceptual
cost estimate value.
1
From the thesis, the probability distribution of conceptual cost estimation of the project can be
obtained. And the probabilty of project succes according to the cost in the contractor’s budget plan is about
13.775%. The author’s recommendation cost is Rp.25,901,371,569.41, with contigency cost is
Rp.294,418,587. From sensitivity analysis can be obtained the affecting percentage of each work to the
total cost of the project
.
Keywords : conceptual cost estimate, pareto analysis, Monte Carlo simulation
1. PENDAHULUAN
Biaya adalah salah satu unsur pokok dalam pelaksanaan proyek. Banyak proyek terhambat ataupun
gagal karena kekurangan biaya. Umumnya ini terjadi karena pada saat tahap konseptual, para pelaku
konstruksi khususnya owner proyek, tidak memiliki cukup informasi mengenai berapa biaya yang
dibutuhkan untuk melaksanakan proyek tersebut. Oleh karena itu perlu dilakukan estimasi biaya tahap
konseptual. Estimasi biaya konseptual adalah proses estimasi biaya proyek yang dilakukan pada tahap
konseptual, dimana rancangan belum mencapai tahap fiksasi. Salah satu metode yang dapat digunakan
adalah dengan memperkirakan biaya dari komponen komponen utama atau pekerjaan dominan dari proyek
tersebut. Untuk mendapatkan jenis pekerjaan dominan adalah dengan menggunakan analisa pareto.
Selanjutnya dalam estimasi harga, digunakan prinsip probabilitas untuk mengantisipasi perubahan harga.
Salah satunya adalah dengan menggunakan metode analisa Monte Carlo. Pada estimasi biaya tahap
konseptual, simulasi Monte Carlo dapat mengakumulasikan probabilitas perubahan harga yang mungkin
terjadi pada pelaksanaan proyek. Simulasi ini akan sangat mudah apabila dibantu oleh software Crystal
ball.
Tujuan dari tugas akhir ini adalah memperkirakan nilai estimasi biaya konseptual dari proyek
PELEBARAN JALAN BTS. KOTA LANGSA – BTS. PROV SUMUT ( 2 jalur kota tamiang) pada tahun
2015 sesuai dengan probabilitas harga, mengetahui persentase probabilitas kesuksesan apabila proyek
dilaksanakan sesuai biaya di RAB terhadap nilai hasil estimasi biaya konseptual, dan untuk mengetahui
pekerjaan apa saja yang paling mempengaruhi total biaya proyek.
2. LANDASAN TEORI
2.1 Manajemen Proyek
Manajemen proyek adalah segala kegiatan merencanakan, mengorganisasikan, mengarahkan dan
mengendalikan seluruh sumber daya yang tersedia untuk mencapai tujuan proyek dalam waktu tertentu
dengan sumber daya tertentu. Ada tiga hal yang selalu menjadi tolak ukur keberhasilan proyek tersebut,
ketiga tolak ukur tersebut yaitu besar biaya (anggaran) yang dialokasikan, jadwal pelaksanaan proyek, mutu
produk (hasil kegiatan proyek).
2.2 Siklus Proyek
Dalam siklus proyek, kegiatan-kegiatan berlangsung mulai dari titik nol kemudian meningkat
intesitasnya sampai ke puncak (peak), lalu turun dan berakhir. Menurut United Nation Industrial
Development (UNIDO), tahap proyek dibagi menjadi tiga yaitu tahap konseptual (pendahuluan), tahap
perencanaan dan pemantapan / definisi, dan tahap implementasi.Manfaat utama dari pembagian siklus
proyek adalah memudahkan untuk mengidentifikasi dan mengikuti perubahan kegiatan, dan selanjutnya
menyiapkan sumber daya dan usaha yang diperlukan untuk menanganinya.
2.3 Estimasi Biaya
Pada awalnya estimasi dapat digunakan untuk mengetahui berapa besar biaya yang diperlukan
untuk membangun proyek tersebut. Bagi pemilik, perkiraan biaya akan menjadi patokan untuk menentukan
kelanjutan investasi. Untuk kontraktor, keuntungan finansial yang diperolehnya tergantung kecakapannya
membuat perkiraan biaya. Sedangkan untuk konsultan, angka tersebut diajukan kepada pemilik sebagai
usulan jumlah biaya terbaik untuk berbagai kegunaan sesuai perkembangan proyek. Menurut Iman
Soeharto (1999), terdapat setidaknya 3 macam perkiraan biaya proyek berdasarkan waktu pelaksanaannya,
yaitu perkiraan biaya pendahuluan (PBP), anggaran biaya proyek (ABP), anggaran biaya definitive (ABD).
Tingkat keakurasian estimasi bergantung pada ketersediaan infomasi, sehingga keakurasian meningkat
seiring dengan berjalannya tahapan proyek.
2
2.4 Estimasi Biaya Tahap Konseptual
Estimasi biaya tahap konseptual dapat didefinisikan sebagai perkiraan biaya proyek yang dilakukan
sebelum sejumlah informasi mengenai detail terkumpul dan mencapai fiksasi. Estimasi biaya tahap
konseptual memiliki beberapa karakteristik yaitu bersifat tidak pasti, krusial, dan sumbernya terbatas.
Menurut Michael D. Dell’Isola (2002), ada 4 kategori utama metode estimasi biaya yaitu metode harga unit
satuan, metode cost-modelling dan parametrik, analisa biaya sistem/elemental, dan metode survey kuantitas
2.5 Analisa Pareto
Analisa Pareto adalah suatu metode statistika yang biasa digunakan dalam ilmu manajemen untuk
mencari apa saja kategori kategori utama yang mempunyai dampak paling signifikan terhadap suatu
kejadian atau masalah. Analisa pareto dilakukan dengan cara mengukur besar dampak dari setiap kategori
terhadap suatu masalah, sehingga dapat diketahui kategori mana yang mempunyai dampak paling
signifikan terhadap masalah tersebut, sehingga kegiatan pengendalian akan lebih efektif dengan
memusatkan perhatian pada kategori kategori yang mempunyai dampak yang paling signifikan, daripada
meninjau berbagai kategori pada suatu ketika (Nasution, 2005).
2.6 Teori Probabilitas
Pada dasarnya teori probabilitas bermaksud mengkaji dan mengukur ketidakpastian (uncertainty)
serta mencoba menjelaskan secara kuantitatif. Diumpamakan suatu kegiatan terjadi secara berulang ulang
dengan kondisi yang dianggap sama ( Soeharto, 1995: 229). Untuk mencari nilai probabilitas digunakan
berbagai distribusi. Dalam penelitian ini distribusi digunakan adalah distribusi triangular dan distribusi
normal.
2.7 Analisis Statistik Diskriptif
Dalam distribusi probabilitas, digunakan analisa statistik untuk mendeskripsikan nilainya.
Beberapa jenis analisa yang biasa digunakan adalah rata-rata (mean), modus, median, persentil, deviasi
standar/ simpangan baku, varians, skewness, dan kurtosis.
2.8 Simulasi Monte Carlo
Dalam bidang manajemen proyek, simulasi Monte Carlo digunakan untuk menghitung atau
mengiterasi biaya atau waktu sebuah proyek dengan menggunakan nilai-nilai yang dipilih secara random
dari distribusi probabilitas biaya dan waktu yang mungkin terjadi, dengan tujuan untuk menghitung
distribusi kemungkinan biaya dan waktu total dari sebuah proyek (Project Management Institute, 2004).
Cara untuk mengetahui berapa jumlah iterasi yang dibutuhkan untuk mendapatkan relative error yang kita
harapkan adalah :
1
𝑛−1
Mencari standar deviasi :𝜎 = √
(∑ 𝑋𝑛2 − 𝑛𝑋̌ 2 )
Mencari nilai absolute error : (absolute error) ε = (relative error) (nilai yang diukur)
3𝜎
Menentukan jumlah iterasi yang dibutuhkan : N = ( 𝜖 )2
Setelah dilakukan simulasi Monte Carlo dengan jumlah iterasi yang ditentukan, maka akan
didapatkan sebuah output dalam bentuk distribusi probabilitas hasil iterasi tersebut.
2.9 Crystal Ball
Crystal ball adalah suatu software add inn untuk Microsoft Office Excel yang digunakan untuk
pemodelan prediksi, peramalan simulasi, dan optimasi. Aplikasi Crystal Ball meliputi analisis risiko
keuangan, penilaian, teknik, Six Sigma, alokasi portofolio, estimasi biaya, dan manajemen proyek. Dalam
penggunaannya, Crystal Ball mempunyai 3 cell yang fungsinya berbeda beda, yaitu Assumption cells,
decision cells, forecast cells.
3. METODE PENELITIAN
Data sekunder yang digunakan adalah RAB dari proyek PELEBARAN JALAN BTS. KOTA
LANGSA – BTS. PROV SUMUT ( 2 jalur kota tamiang) pada tahun 2015, dan data primer didapat dari
wawancara terhadap narasumber yaitu 4 orang staff pelaksana proyek tersebut. Secara keseluruhan,
flowchart penelitianya adalah
3
Estimasi Biaya Tahap Konseptual Pada
Proyek Pembangunan Jalan Provinsi Di
Aceh Tamiang
Studi Literatur
Pengumpulan Data
Data Primer
Wawancara
Data Sekunder
Rencana Anggaran Biaya
Analisa Pareto



Pengolahan Data
Tabulasi Hasil Wawancara
Menghitung Biaya Pekerjaan
Simulasi Monte Carlo Menggunakan
Crystal Ball
Analisa Hasil
Kesimpulan dan Saran
Gambar 3.1 Flowchart Penelitian
4.
4.1.
4.1.1
PENGUMPULAN, PENGOLAHAN DAN ANALISA DATA
Pengumpulan Data
Analisa Pareto Data Sekunder
Langkah awal adalah menghitung bobot tiap pekerjaan dari RAB. Contoh menghitung bobot untuk
pekerjaan Mobilisasi adalah :
Biaya Pekerjaan
= Rp. 116.118.000,00
Total Harga Proyek
= Rp. 25.544.546.343,90
Bobot Pekerjaan
=
116.118.000,00
25.544.546.343,90
= 0,45 %
Lalu pekerjaan diurutkan berdasarkan bobot terbesar ke yang terkecil, dan hitung bobot kumulatif masing
masing. Pekerjaan yang ada diantara bobot kumulatif antara 0-80 persen adalah pekerjaan dominan.
Tabel 4.1 Tabel Hasil Analisa Pareto
Jenis Pekerjaan
Laston Lapis Pondasi (AC - Base)
Laston Lapis Antara (AC - BC)
Saluran Bebentuk U Tipe DS 2
Sat
Biaya Pekerjaan
Bobot
Ton
Ton
M1
4,617,163,731.60
4,039,073,589.60
3,132,783,000.00
18.07
15.81
12.26
Bobot
Kumulatif
18.07
33.89
46.15
4
Laston Lapis Aus (AC-WC)
Lapis Pondasi Agregat Kelas B
Lapis Pondasi Agregat Kelas A
Timbunan Pilihan dari Sumber Galian
Kerb Pracetak Jenis 2
Ton
M3
M3
M3
M1
2,796,198,592.32
1,571,488,128.00
1,522,055,981.00
1,515,456,583.20
1,204,881,480.00
10.95
6.15
5.96
5.93
4.72
57.10
63.25
69.21
75.14
79.86
4.1.2
Data Primer
Kuisioner yang dibagikan adalah menanyakan tentang berapa harga maksimum, dan harga
minimum dari tiap tiap jenis pekerjaan. Harga most likely diambil dari harga sesuai RAB. Selanjutnya
diwawancarai tentang penyebab perubahan harga pada proyek.
4.2
Hasil Wawancara
Dari hasil wawancara, maka diambil nilai rata rata dari masing masing variasi harga pekerjaan
untuk mewakili hasil wawancara tersebut. Dan dapat dirangkum bahwa penyebab berubahnya biaya
pekerjaan adalah jarak dan kondisi jalur antara quarry dengan area proyek, efektifitas alat berat yang
digunakan, perubahan harga material, kualitas sumber daya manusia, dan keadaan di area proyek.
4.3
Biaya Pekerjaan
Contoh menghitung biaya pekerjaan laston lapis pondasi (ac-base).
 Biaya Pekerjaan Minimum
= harga satuan minimum x volume
Rp. 4,352,079,693.37
= 1,018,138 x 4274.55
 Biaya Pekerjaan Most Likely = harga satuan most likely x volume
Rp. 4,617,163,731.60
= 1,080,252 x 4274.55
 Biaya Pekerjaan Maksimum
= harga satuan maksimum x volume
5,137,070,195.09
= 1,201,780 x 4274.55
4.4
Simulasi Monte Carlo
4.4.1 Nilai Iterasi
Untuk menghitung nilai iterasi, pada awalnya harus dihitung nilai standar deviasi, dan nilai absolute error.
Tabel 4.3 perhitungan standar deviasi
Harga Pekerjaan(X)
̅)
Nilai Rata Rata (𝒙
̅)
(x -𝒙
̅)^2
(x-𝒙
19,282,093,047.18
20,399,103,273.32
22,505,257,351.49
20,728,817,890.66
-1,446,724,843.48
-329,714,617.34
1,776,439,460.82
2,093,012,772,755,730,000.00
108,711,728,887,773,000.00
3,155,737,157,975,620,000.00
5,357,461,659,619,130,000.00
Total
∑𝒏𝒊=𝒊 (𝒙𝒊 − 𝒙
̅ )𝟐
n
𝟓,𝟑𝟓𝟕,𝟒𝟔𝟏,𝟔𝟓𝟗,𝟔𝟏𝟗,𝟏𝟑𝟎,𝟎𝟎𝟎.𝟎𝟎
𝟑−𝟏
𝜎=√
= 5,357,461,659,619,130,000.00
=3
= 1,636,682,873.93
Selanjutnya hitung absolute error untuk 2 persen
€ = 0,02 x 20,728,817,890.66 = Rp. 414,576,357.81
Lalu hitung jumlah iterasi minimal
N = { ( 3 x 1,636,682,873.93) / (414,576,357.81) } 2 = 140.27 Iterasi
Akan tetapi karena penelitian ini menggunakan bantuan aplikasi crystal ball, maka jumlah iterasi yang
dilakukan lebih besar sehingga menambah keakurasian perkiraan (forecasting).
4.4.2 Simulasi Monte Carlo Menggunakan Crystal Ball
Langkah awal memasukkan input data adalah memilih jenis distribusi untuk assumption cell, pada
penelitian ini digunakan distribusi triangular. Lalu Masukkan data dari variasi biaya pekerjaan ke
assumption cell sebagai input. Gambar 4.1 menunjukkan contoh proses memasukkan data untuk pekerjaan.
5
Gambar 4.1 Input data untuk pekerjaan Laston Lapis Pondasi (AC-Base)
Setelah proses memasukkan input data selesai. Selanjutnya adalah mengatur output yaitu
forecasting cell. Masukkan formula yang akan digunakan untuk forecast cell, yaitu total dari assumption
cell dikali dengan 100/80. Lalu klik forecast cell,dan tentukan nama dan unit forecasting, juga tentukan
tingkat akurasi (presisi). Jalankan simulasi dengan jumlah iterasi yang telah ditentukan di toolbar, apabila
tingkat keakurasian juga ditetapkan, maka simulasi akan berhenti apabila telah mencapai keakurasian yang
diharapkan atau mencapai jumlah iterasi yang sudah ditentukan, tergantung mana yang tercapai lebih dulu.
Pada percobaan pertama, iterasi berhenti pada jumlah 150 kali karena crystal ball menganggap nilai
keakurasian 98% sudah tercapai. Karena hasilnya berbeda dengan hasil perhitungan yang didapat bahwa
iterasi minimal adalah 140, maka diambil jumlah iterasi yang paling banyak, yaitu 150 kali. Selanjutnya
jalankan jumlah iterasi sebanyak 10.000 dan 100.000 iterasi. Hasil forecast dengan 100.000 kali iterasi dan
statistiknya seperti pada gambar 4.2,.
Gambar 4.2 Hasil forecast dengan 100.000 kali iterasi dan statistiknya.
4.5
4.5.1
Analisis dan Pembahasan
Simulasi Monte Carlo
Simulasi ini dilaksanakan menggunakan input data hasil wawancara. Peneliti hanya melakukan 3
kali simulasi karena perbedaan hasil yang dari simulasi tersebut sudah kecil, sehingga dianggap tidak
dibutuhkan simulasi selanjutnya. Dari 3 jenis simulasi tersebut, didapatkan hasil yaitu :
6
Tabel 4.2. Tabel hasil analisa pareto
Nilai
Mean
Median
Minimum
Maksimum
Mean Std Error
150 kali iterasi
25,913,643,968.55
25,891,179,147.30
25,244,687,249.44.
26,670,329,180.72
24,394,595.31
10.000 kali iterasi
25,909,852,268.30
25,896, 236,674.37
24,788,312,924.27
27,137,638,547.78
3,334,806.21
100.000 kali iterasi
25,912,180,758.26
25,903,784,266.35
24,734,885,650.83
27,222,442,153.81
1,056,264.49
Untuk keperluan analisa, peneliti hanya menggunakan data simulasi ke 3, yaitu 100.000 kali iterasi,
karena simulasi ini memiliki nilai mean standard error terkecil dibanding yang lainnya. Biaya aktual
pelaksanaan proyek yang terdapat di RAB adalah sebesar Rp.25,544,546,343.90. Apabila angka tersebut
dimasukkan kedalam hasil forecasting, maka didapat persentase probabilitas keberhasilan pelaksanaan
proyek sebesar 13.655% (gambar 4.3), yang berarti dana tersebut dianggap terlalu murah untuk pelaksanaan
proyek, sehingga pelaksanaan proyek akan sangat beresiko kekurangan dana. Oleh karena itu, apabila
proyek tetap dilanjutkan sesuai dengan dana diatas, maka kontraktor pelaksana harus sangat berhati-hati
dan harus dapat mengontrol sebab-sebab bertambahnya biaya proyek dengan sangat ketat.
Gambar 4.3 Probabilitas keberhasilan pendanaan proyek sesuai biaya di RAB
Berdasarkan penelitian terdahulu, diambil biaya proyek yang diharapkan dengan presentase
keberhasilan sebesar 50%, yaitu sebesar Rp.25,903,778,765.42. Dan untuk biaya kontingensi diambil dari
presentase keberhasilan 80% dikurangi presentase keberhasilan 50%, sebesar Rp.291,879,538.
Pengambilan kontingensi biaya ini dikarenakan persentase keberhasilan 80% dianggap merupakan nilai
dimana peluang kesuksesannya sudah cukup besar.
4.5.2
Analisa Sensitivitas
Analisa sensitivitas menunjukkan besar pengaruh dari suatu input distribusi aktivitas terhadap
output variabel. Pada total biaya proyek maka input jenis pekerjaan yang memiliki angka sensitivitas tinggi
akan menyebabkan perubahan yang paling besar pada total biaya proyek. Nilai presentase analisa
sensitivitas yang didapat adalah :
1.Laston Lapis Pondasi (AC - Base)
= 38.2 %
2.Laston Lapis Antara (AC - BC)
= 24.9 %
3.Saluran Bebentuk U Tipe DS 2
= 12.4 %
4.Laston Lapis Aus (AC-WC)
= 12.2 %
5.Lapis Pondasi Agregat Kelas B
= 4.3 %
6.Lapis Pondasi Agregat Kelas A
= 3.6 %
7.Timbunan Pilihan dari Sumber Galian
= 3.2 %
8.Kerb Pracetak Jenis 2
= 1.3 %
Kegiatan-kegiatan yang memiliki sensitivitas tinggi tersebut merupakan kegiatan dominan. Untuk
itu, kegiatan tersebut perlu direncanakan dengan sangat baik agar tidak terjadi kenaikan pada total biaya
proyek. Selain itu, adalah dengan mengidentifikasi penyebab penyebab naiknya biaya pekerjaan yang
mungkin timbul pada aktivitas-aktivitas dengan sensitivitas tinggi, sehingga penyebab naiknya biaya
proyek dapat dihindari semaksimal mungkin
.
7
5
KESIMPULAN DAN SARAN
5.1
Kesimpulan
1. Model distribusi nilai estimasi biaya pada proyek adalah terdistribusi normal, dan dengan 100.000 kali
iterasi maka didapat data hasilnya adalah :
Mean
: 25,912,180,758.26
Median
: 25,903,784,266.35
Minimum
: 24,734,885,650.83
Maximum
: 27,222,442,153.81
Mean Std Error
: 1,056,264.49
2. Berdasarkan analisa hasil, didapatkan bahwa probabilitas kesuksesan pelaksanaan proyek sesuai biaya
di RAB adalah sebesar 13.775%, angka tersebut menunjukkan bahwa biaya proyek yang direncanakan
di RAB cenderung kurang, sehingga pelaksanaan proyek akan sangat beresiko kekurangan dana. Oleh
karena itu, apabila proyek tetap dilanjutkan sesuai dengan dana diatas, maka kontraktor pelaksana
proyek harus sangat berhati – hati, dan harus dapat mengontrol sebab-sebab bertambahnya biaya proyek
dengan sangat ketat. Disarankan bahwa dana yang disiapkan untuk proyek tersebut adalah sebesar Rp.
25,901,371,569.41, dan dana kontigensi sebesar Rp.294,418,587.
3. Analisa sensitifitas menunujukkan persentase pengaruh jenis jenis pekerjaan terhadap perubahan total
biaya proyek, yaitu :
Laston Lapis Pondasi (AC - Base)
= 38.2 %
Laston Lapis Antara (AC - BC)
= 24.9 %
Saluran Bebentuk U Tipe DS 2
= 12.4 %
Laston Lapis Aus (AC-WC)
= 12.2 %
Lapis Pondasi Agregat Kelas B
= 4.3 %
Lapis Pondasi Agregat Kelas A
= 3.6 %
Timbunan Pilihan dari Sumber Galian
= 3.2 %
Kerb Pracetak Jenis 2
= 1.3 %
Jenis pekerjaan diatas harus diprioritaskan, dan biaya pelaksanaan pekerjaan diatas harus dikontrol
dengan sangat baik, salah satunya adalah dengan mengontrol faktor faktor yang menyebabkan kenaikan
biaya pekerjaan diatas.
5.2
Saran
Untuk pengaplikasian simulasi Monte Carlo pada penelitian selanjutnya, diharapkan bukan saja
terhadap rencana biaya proyek tetapi juga dapat diaplikasikan pada penjadwalan, konsep nilai hasil dan
sebagainya. Sehingga pemanfaatan metode Monte Carlo dapat secara maksimal digunakan guna
meminimalisir kerugian finansial yang mungkin terjadi dikemudian hari.
6
DAFTAR PUSTAKA
Abisetyo, W. (n.d.). Penerapan Penjadwalan Probabilistik Pada Proyek Pengembangan.
AULABIH, R. (2016). Penerapan Metode Monte Carlo Pada Penjadwalan Proyek Gedung Dinas Sosial
Kota Blitar.
Dell’Isola, M. D. (2002). Architect’s Essentials of Cost Management. John Wiley & sons,inc.
Fadjar, A. (2008). "Aplikasi Simulasi Monte Carlo Dalam Estimasi Biaya Proyek (skripsi)". Jurnal
SMARTek, Vol. 6, No. 4.
Gould, F. (1997). Managing the Construction Process (Estimating Schedulingand. New Jersey: Prantice
Hall.
Gray, Clifford F dan Erik W. Larson. (2006). Project Management : The Manajerial Process. The
McGraw-Hill Companies.
https://en.wikipedia.org/wiki/Triangular_distribution. (2016, April 18). Retrieved from wikipedia.com:
https://en.wikipedia.org/wiki/Triangular_distribution
Institute, P. M. (2004). A Guide to the Project Management Body of Knowledge: PMBOK Guide. 3rd ed.
Newton Square. Pennsylvania.
Istimawan, D. (1996). Manajemen Proyek & Konstruksi. Yogyakarta: Kanisius.
Kesturi, L. (2012). Estimasi Biaya Tahap Konseptual Pada Konstruksi Gedung Perkantoran Dengan
Metode Artificial Neural Network (skripsi). Depok; Universitas Indonesia.
Kwak, Y. &. (2007.). Exploring Monte Carlo Simulaton Applications For Project. Journal: Risk
Management, (44–57).
8
Nazir, M. (Agustus 2003). Metode Penelitian. Jakarta: Ghalia Indonesia.
Nurwulandari, A. d. (2013). Sistem Pendukung Pengambilan Keputusan Pengadaan Obat Menggunakan
Model Pareto ABC dan Optimasi Kualitatif (Studi Kasus Apotik PS). Seminar Nasional Aplikasi
Teknologi Informasi.
Oakland, J. S. (2003). Statistical Process Control. Burlington MA: Elsevier Science.
Pawitan, G. d. (2008). Aplikasi Analisis Pareto Dalam Pengendalian Inventori Bahan Baku Pada Bisnis
Restoran. Administrasi Bisnis, Vol 4, No 1: hal 80-96.
Pratt, S. (1999). Cost of Capital: Estimation and Applications. The CPA journal.69.1.
RAHMADHANI, M. B. (2016). Penerapan Metode Monte Carlo Pada Penjadwalan Proyek Gedung Autis
Center Kota Blitar Tahun 2013.
Roring, H. S. (2014). "Model Estimasi Biaya Tahap Konseptual Konstruksi Bangunan Gedung Dengan
Metode Parametrik ( Studi Kasus Bangunan Gedung Publik Di Wilayah Manado Dan
Sekitarnya). Jurnal Ilmiah Media Engineering, Vol.4 No.2.
Schexnayder, C. J. (2003). Construction Management. New York: McGraw Hill Construction.
Siregar, H. P. (2012). Penerapan Penjadwalan Probabilistik Menggunakan Simulasi Montecarlo Pada
Proyek Pembangunan Gedung Puri Adhyaksa Jakarta Timur. Jurnal Teknik Pomits Vol. 1, No. 1,
(2012) 1-6.
Soeharto, I. (2001). Manajemen Proyek : Dari Konseptual Sampai Operasional. Jakarta: Erlangga.
Sudiarta, I. K. (2011). "Estimasi Biaya Konseptual Konstruksi Gedung Dengan Faktor Kapasitas Biaya"
(tesis). Denpasar; Universitas Udayana.
Sudjana. (2002). Metode Statistika. Bandung. Bandung: Tarsito.
Taylor, B. W. (1996). Saint Manajemen ( Pendekatan Matematika Untuk Bisnis) II. Jakarta: Salemba
Empat.
9