penerapan metode monte carlo pada penjadwalan …
TRANSCRIPT
IJCCS, Vol.x, No.x, July xxxx, pp. 1~5
ISSN: 1978-1520
PENERAPAN METODE MONTE CARLO PADA PENJADWALAN
PROYEK KONSTRUKSI
(STUDI KASUS: PROYEK PEMBANGUNAN APARTEMEN THE
REIZ CONDO MEDAN)
APPLICATION OF MONTE CARLO METHOD FOR THE
CONSTRUCTION PROJECT SCHEDULING
(CASE STUDY : CONSTRUCTION PROJECT OF THE REIZ
CONDO APARTMEN MEDAN)
M. Taqwa Sitompul1, Indra Jaya Pandia
2, Andy Putra Rambe
3
1,2,3Departemen Teknik Sipil, Fakultas Teknik, Universitas Sumatera Utara
Jalan Perpustakaan Kampus USU, Medan 20155
Email: [email protected]
ABSTRAK
Dalam bidang manajemen proyek, simulasi Monte Carlo digunakan untuk menghitung atau
mengiterasi biaya dan 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. Sehingga dengan
adanya keragaman waktu atau durasi yang tidak menentu, penjadwalan dengan menggunakan
software Microsoft Project akan memiliki indikator lebih dalam keuntungan dan kerugian proyek
jika menggunakan metode Monte Carlo. Oleh karena itu, salah satu metode digunakan dalam proses
analisis risiko untuk menentukan estimasi waktu proyek, yaitu metode simulasi Monte Carlo. Dengan
meninjau latar belakang di atas, pada kasus Gedung Apartemen The Reiz Condo Medan maka perlu
adanya suatu penelitian untuk mencari durasi penjadwalan yang dapat diterima dan probabilitas
penjadwalan pada pembangunan gedung tersebut sehingga mendapat perkiraan waktu yang optimal
dan lebih aman.
Pada penelitian ini dilakukan simulasi Monte Carlo pada durasi pekerjaan optimis, paling disukai,
dan pesimis hasil survey pada pihak kontraktor gedung Apartemen The Reiz Condo Medan. Simulasi
pada penilitian ini menggunakan software Crystal Ball dan distribusi data yang di gunakan adalah
distrubusi triangular. Durasi pekerjaan hasil simulasi Monte Carlo kemudian digunakan untuk
melakukan penjadwalan menggunakan software Microsoft Project Professional. Sehingga di
dapatkan jadwal dan kurva S hasil simulasi Monte Carlo yang selanjutnya akan di analisis dan
dibandingkan dengan jadwal durasi rencana, optimis, paling disukai, dan pesimis.
Perbedaan jadwal yang di analisis dan di bandingkan pada penelitian kali ini adalah pada total
durasi pekerjaan dan besarnya probabilitas selesainya pekerjaan sesuai jadwal. Dari hasil simulasi
menggunakan software Crystal Ball telah diketahui probabilitas penyelesaian pekerjaan proyek
hasil simulasi Monte Carlo tiap pekerjaan yang telah disusun menjadi jadwal pada software
Microsoft Project menghasilkan durasi mean selama 419 hari dengan probabilitas sebesar 71.26%.
Jadwal dari hasil simulasi memiliki probabilitas yang lebih besar bila di bandingkan dengan jadwal
rencana yang memiliki durasi selama 358 hari dengan probabilitas sebesar 0.89%.
Kata Kunci : Monte Carlo, Durasi, Penjadwalan, Crystal Ball, Microsoft Project
ISS
In the field of project management, Monte Carlo simulation is used to calculate or iterate the
costs and times of a project by using randomly selected values from the probability distribution
of costs and time that may occur with the aim to calculate the possible distribution of total costs
and time of a project. So that with a variety of uncertain times or durations, scheduling using
Microsoft Project software will have a deeper indicator of project advantages and
disadvantages if using the Monte Carlo method. Therefore, one method is used in the risk
analysis process to determine project time estimates, named the Monte Carlo simulation
method. By reviewing the background above, in the case of The Reiz Condo Apartment Building
it is necessary to have a study to find the duration of acceptable scheduling and the probability
of scheduling the construction of the building so that the optimal and safer time estimates are
obtained.
In this study Monte Carlo simulations carried out on the duration of optimistic work, the most
liked, and the pessimistic results of the survey on the contractor of The Reiz Condo Medan
Apartment building. The simulation in this research is using Crystal Ball software and the data
distribution that used is triangular distribution. The work duration of the Monte Carlo
simulation is used to schedule using Microsoft Project Professional software. So in getting the
S-schedule and curve the results of the Monte Carlo simulation will be analyzed later and
compared with the planned duration schedule, optimistic, most liked, and pessimistic.
The differences between schedules analyzed and compared to this study are the total duration
of work and the value of the probability of completion of the work on schedule.
From the simulation results using Crystal Ball software, it is known that the probability of
completing project work from the Monte Carlo simulation each work that has been compiled
into a schedule on Microsoft Project software produces a mean duration of 419 days with a
probability of 71.26%. The schedule of the simulation results has a greater probability
compared to the plan schedule which has a duration of 358 days with a probability of 0.89%.
Keywords: Monte Carlo, Duration, Scheduling, Crystal Ball, Microsoft Project
PENDAHULUAN
Salah satu sumber daya yang menjadi
faktor penentu keberhasilan
penyelenggaraan suatu proyek adalah
tenaga kerja (Soeharto, 1995). Tenaga kerja
yang berkemampuan kerja yang baik
dibutuhkan dalam suatu proyek konstruksi
untuk mendapatkan hasil yang maksimal
dan memuaskan. Penggunaan sumber daya
manusia yang kurang tepat bisa
mengakibatkan kerugian yang besar pada
proyek kontruksi, untuk itu perlu dilakukan
analisa harga satuan pekerjaan. Pada
kondisi real, tidak semua pekerjaan dapat
mengacu pada standar yang telah ditetapkan
karena adanya pengaruh faktor lapangan.
Berdasarkan hal tersebut, maka perlu
dilakukan analisis perbandingan harga
satuan antara kondisi aktual di lapangan,
SNI, AHSP, dan Analisa Kabupaten untuk
melihat efektivitas tenaga kerja dan
efisiensi analisis harga satuan pekerjaan
yang paling tepat pada pekerjaan tersebut.
Penelitian ini dilakukan pada Proyek
Pembangunan Drainase Saluran Limbah
TPA Terjun Marelan Medan. Pengamatan
difokuskan pada tenaga kerja mandor,
tukang, dan pembantu tukang. Pengukuran
hanya dibatasi pada analisa kerja dan
waktu, tidak ditinjau upah kerja.
Penelitian ini bertujuan mengetahui
besarnya koefisien harga satuan pekerjaan
di lapangan, membandingkannya dengan
SNI, AHSP, dan Analisa K, mengetahui
harga satuan pekerjaan yang paling
mendekati kondisi lapangan, dan
membandingkan rasio harga satuan
pekerjaan di lapangan dengan SNI, AHSP,
dan Analisa K.
Analisa harga satuan pekerjaan berfungsi
sebagai pedoman awal perhitungan rencana
anggaran biaya bangunan yang didalamnya
terdapat angka yang menunjukkan jumlah
material, tenaga dan biaya persatuaan
pekerjaan. Harga satuan pekerjaan
merupakan harga suatu jenis pekerjaan
tertentu per satuan tertentu berdasarkan
rincian komponen-komponen tenaga kerja,
ISS
bahan, dan peralatan yang diperlukan dalam
pekerjaan tersebut.
Analisa harga satuan pekerjaan merupakan
analisa material, upah, tenaga kerja, dan
peralatan untuk membuat suatu satuan
pekerjaan tertentu yang diatur dalam analisa
SNI, AHSP, maupun Analisa
Kabupaten/Kota (K), dari hasilnya
ditetapkan koefisien pengali untuk material,
upah tenaga kerja, dan peralatan segala
jenis pekerjaan.
Penelitian terdahulu (Yunita, dkk, 2013)
menjelaskan bahwa indeks biaya
berpengaruh terhadap besarnya harga
satuan pekerjaan. Indeks biaya yang biasa
digunakan dalam perhitungan analisa harga
satuan pekerjaan mengacu pada Standar
Nasional Indonesia (SNI). SNI ini
menggambarkan rata-rata produktivitas
tenaga kerja di Indonesia. Produktivitas
tenaga kerja berbeda-beda tergantung
pengalaman kerja, budaya daerah asal dan
lain-lain.
Penetapan produktivitas tenaga kerja pada
SNI 7394:2008 masih dilakukan secara
padat karya. Inilah penyebab
dikeluarkannya peraturan baru oleh
kementerian, yaitu Analisa Harga Satuan
Pekerjaan (AHSP) Bidang Cipta Karya
2012 yang sudah menetapkan indek
METODE PENELITIAN
Pengumpulan data
Data yang diperlukan untuk setiap jenis
pekerjaan yang diamati adalah Data Primer
yaitu : data lapangan posisi dan situasi
dalam pekerjaan, kuesioner baik pada
pemilik, perencana, pelaksanaan dan
pengawasan proyek berkaian dengan
pelaksanaan kerja kepada general super
intendent, owner, konsultan supervisi, site
engineer,dan mandor.Kemudian diperlukan
juga Data primer yang meliputi : time
schedule dan kurva s.
Pengolahan Data
Data-data yang diperoleh dari hasil
observasi langsung di lapangan diolah
dengan Merode Monte Carlo
mengggunakan software Microsoft project.
Adapun tahapan proses pengolahan data,
yakni:
a) Pengambilan data dengan cara penyebaran
kuesioner pada kontraktor pelaksana
proyek.
b) Diperoleh waktu tercepat, terlama, dan
paling mungkin untuk setiap pekerjaan
proyek dan jadwal rencana proyek.
c) Pengolahan data dengansimulasiMonte
Carlo menggunakan software Crystal Ball
dengan kesalahan mutlak maksima sebesar
2%.
d) Membuat penjadwalan dengan Microsoft
Project dan kurva S menggunakan hasil
Monte Carlo.
e) Membandingkan Jadwal rencana dengan
jadwal hasil simulasi Monte Carlo.
Setelah proses analisa selesai, kemudian di
lanjutkan lagi dengan membuat
“Kesimpulan“, kesimpulan berisi
ringkasan dan semua proses yang
dilakukan sebelumnya yang bertujuan agar
para pembaca lebih memahami
maksuddantujuandanpenulisanini.
Dan di akhiri dengan “Selesai“,selesai
adalah merupakan suatu akhir dan suatu
kegiatan dalam proses penulisan.
Gambar 1. Diagram Alir Penelitian
IJCCS ISSN: 1978-1520
HASIL DAN PEMBAHASAN
WBS (Work Breakdown Structure)
Penyusunan ulang penjadwalan
menggunakan perangkat Microsoft Project
terhadap struktur uraian pekerjaan (Work
Breakdown Structure) yang menjadi
batasan masalah yakni item-item pekerjaan
struktur atas untuk mengetahui aktivitas apa
saja yang berada pada lintasan kritis.
Setelah penyusunan ulang penjadwalan
menggunakan perangkat Microsoft Project
selesai, maka dapat dilihat susunan
aktivitas-aktivitas pekerjaan pada
penjadwalan ini diketahui aktivitas yang
berada pada lintasan kritis, antara lain
sebagai berikut:
1. Pekerjaan Struktur Lantai P1 & Lantai
Dasar + Gedung Penunjang Lt. 1
2. Pekerjaan Struktur Lantai P2 +
Gedung Penunjang Lt. 2
3. Pekerjaan Struktur Lantai P3 +
Gedung Penunjang Lt. 3
4. Pekerjaan Struktur Lantai P4 + Gedung
Penunjang Lt. 4
5. Pekerjaan Struktur Lantai P5
6. Pekerjaan Struktur Lantai P6
7. Pekerjaan Struktur Lantai 6
8. Pekerjaan Struktur Lantai 7
9. Pekerjaan Struktur Lantai 8
10. Pekerjaan Struktur Lantai 9
11. Pekerjaan Struktur Lantai 10
12. Pekerjaan Struktur Lantai 11
13. Pekerjaan Struktur Lantai 12
14. Pekerjaan Struktur Lantai 13
15. Pekerjaan Struktur Lantai 14
16. Pekerjaan Struktur Lantai 15
17. Pekerjaan Struktur Lantai 16
18. Pekerjaan Struktur Lantai 17
19. Pekerjaan Struktur Lantai 18
20. Pekerjaan Struktur Lantai 18 Mezzanine
21. Pekerjaan Struktur Lantai 19
22. Pekerjaan Struktur Lantai 20
23. Pekerjaan Struktur Lantai 21
24. Pekerjaan Struktur Lantai 22
25. Pekerjaan Struktur Lantai 23
26. Pekerjaan Struktur Lantai 24
27. Pekerjaan Struktur Lantai 25
28. Pekerjaan Struktur Lantai 26
29. Pekerjaan Struktur Lantai 27
30. Pekerjaan Struktur Lantai 28
31. Pekerjaan Struktur Lantai Atap & Dag
Atap
Estimasi Durasi Probabilitik
Estimasi durasi probabilistik
diperoleh melalui hasil survei yang telah
disusun melalui formulir kuesioner yang
diberikan kepada responden-responden
yang dituju dengan mempertimbangan
posisi dan pengalaman yang telah dmiliki.
Responden-responden yang dimaksud
antara lain owner, konsultan supervisi,
general superintendent, site engineer dan
mandor pada Proyek Pembangunan
Apartemen The Reiz Condo Medan (PT
Waskita Karya, Tbk).
Data-data tersebut di atas kemudian
dihitung nilai rata-ratanya, seperti contoh
perhitungan rata-rata Pekerjaan Struktur
Lantai P1 & Lantai Dasar + Gedung
Penunjang Lt. 1 berikut ini:
1) Rata-rata durasi tercepat (a)
pekerjaan dapat diselesaikan:
Rata-rata a
ISS
2) Rata-rata durasi terlama (b)
pekerjaan dapat diselesaikan:
Rata-rata b
Simulasi Monte Carlo
Simulasi Monte Carlo dilakukan dengan
memasukkan input berupa waktu durasi
tercepat, mean, dan terlama. Output yang
didapatkan berupa waktu durasi mean hasil
simulasi Monte Carlo. Setelah dilakukan
simulasi pada setiap item pekerjaan, maka
didapatkan data statistic dari pekerjaan
tersebut.
Menentukan Jumlah Iterasi
Sebelum melakukan simulasi hal
yang dilakukan adalah menentukan jumlah
iterasi yang diperlukan.
Berikut ini contoh perhitungan
iterasi dengan kesalahan mutlak maksimal
2% untuk item pekerjaan struktur lantai P1
&lantai dasar + gedung penunjang Lt.
1dengan durasi tercepat 29 hari dan durasi
terlama 32 hari :
- Standardeviasidihitungdengan
Microsoft excel menggunakanrumus
- =stdev(waktu min, waktu max)
=stdev(29,32)
Didapatkanhasil2.12
- Rata-rata dihitungdengan
Microsoft excel
menggunakanrumus
=average(waktu min, waktu max)
average(29,32)
Didapatkanhasil30,5.
- Absoluteerror = 0.02 x 30.5 = 0.61
- Iterasi (
) 108.84 ≈109
iterasi
Menjalankan Simulasi Monte Carlo
Berikut ini adalah pelaksanaan
simulasiMonte Carlo untuk item pekerjaan
struktur lantai P1 &lantai dasar + gedung
penunjang Lt. 1.
a. Menentukan asumsi untuk durasi
tercepat dan terlama item pekerjaan
untuk simulasi Monte Carlo.
b. Menentukan asumsi durasi mean acuan
untuk simulasi Monte Carlo.
c. Menjalankan Simulasi Monte Carlo.
Gambar 2 Tampilan hasil simulasi Monte
Carlo.
Gambar 3. Statistik Hasil Simulasi Monte
Carlo.
Berikut hasil simulasi monte carlo untuk
item pekerjaan struktur lantai P1 &lantai
dasar +gedung penunjang Lt. 1:
- Durasi tercepat pekerjaan dapat
diselesaikan: 28.83 ≈ 29 hari
- Durasi terlama pekerjaan dapat
diselesaikan: 32.44 ≈ 33 hari
- Durasi rata-rata pekerjaan dapat
diselesaikan: 30.63 ≈ 31hari
IJCCS ISSN: 1978-1520
Hasil Simulasi
Setelah simulasi dilakukan dan
didapatkan durasi tercepat, durasi terlama,
dan durasi rata-rata (mean) pekerjaan dapat
diselesaikan untuk seluruh item
pekerjaan,kemudian dicatat dan direkap
dalam Tabel berikut
Penyusunan Penjadwalan dengan
Microsoft Project
Tahap selanjutnya setelah didapatkan data
hasil simulasi Monte Carlo untuk setiap
pekerjaan, dilakukan penyusunan
penjadwalan dengan menggunakan
software Microsoft Project. Sehingga akan
didapatkan 4 durasi jadwal yaitu jadwal
rencana, jadwal tercepat, jadwal terlama,
dan jadwal mean hasil simulasi Monte
Carlo.
Gambar 4 Penyusunan Jadwal Rencana
Menggunakan Microsoft Project.
Gambar 5. Penyusunan Jadwal Tercepat
Menggunakan Microsoft Project.
Gambar 6. Penyusunan Jadwal Terlama
Menggunakan Microsoft Project.
Dari penjadwalan dengan
menggunakan Microsoft Project dapat
diketahui bahwa:
- Durasi rencana, pekerjaan struktur atas
dapat diselesaikan dalam: 358 hari
- Durasi tercepat, pekerjaan struktur atas
dapat diselesaikan dalam: 360hari
- Durasi terlama, pekerjaan struktur atas
dapat diselesaikan dalam: 456hari
- Durasi rencana, pekerjaan struktur atas
dapat diselesaikan dalam: 419hari
Rata-rata
Durasi
Tercepat
(hari)
Rata-rata
Durasi
Terlama
(hari)
Rata-rata
Durasi
Rata-rata
(hari)
Durasi
Tercepat
(hari)
Durasi
Terlama
(hari)
Durasi
Rata-rata
(hari)
1 2.3.1 Pekerjaan Struktur Lantai P1 & Lantai Dasar + Gedung Penunjang Lt. 1 28,83 32,44 30,63 29 33 31
2 2.3.2 Pekerjaan Struktur Lantai P2 + Gedung Penunjang Lt. 2 17,82 20,41 19,02 18 21 20
3 2.3.3 Pekerjaan Struktur Lantai P3 + Gedung Penunjang Lt. 3 23,77 27,38 25,59 24 28 26
4 2.3.4 Pekerjaan Struktur Lantai P4 + Gedung Penunjang Lt. 4 23,77 27,38 25,59 24 28 26
5 2.3.5 Pekerjaan Struktur Lantai P5 23,77 27,38 25,59 24 28 26
6 2.3.6 Pekerjaan Struktur Lantai P6 23,77 27,38 25,59 24 28 26
7 2.3.7 Pekerjaan Struktur Lantai 6 21,64 24,57 23,03 22 25 24
8 2.3.8 Pekerjaan Struktur Lantai 7 16,65 19,34 18,04 17 20 19
9 2.3.9 Pekerjaan Struktur Lantai 8 16,65 19,34 18,04 17 20 19
10 2.3.10 Pekerjaan Struktur Lantai 9 16,65 19,34 18,04 17 20 19
11 2.3.11 Pekerjaan Struktur Lantai 10 16,65 19,34 18,04 17 20 19
12 2.3.12 Pekerjaan Struktur Lantai 11 16,65 19,34 18,04 17 20 19
13 2.3.13 Pekerjaan Struktur Lantai 12 16,65 19,34 18,04 17 20 19
14 2.3.14 Pekerjaan Struktur Lantai 13 16,65 19,34 18,04 17 20 19
15 2.3.15 Pekerjaan Struktur Lantai 14 16,65 19,34 18,04 17 20 19
16 2.3.16 Pekerjaan Struktur Lantai 15 16,65 19,34 18,04 17 20 19
17 2.3.17 Pekerjaan Struktur Lantai 16 16,65 19,34 18,04 17 20 19
18 2.3.18 Pekerjaan Struktur Lantai 17 16,65 19,34 18,04 17 20 19
19 2.3.19 Pekerjaan Struktur Lantai 18 16,65 19,34 18,04 17 20 19
20 2.3.20 Pekerjaan Struktur Lantai 18 Mezzanine 16,65 19,34 18,04 17 20 19
21 2.3.21 Pekerjaan Struktur Lantai 19 16,65 19,34 18,04 17 20 19
22 2.3.22 Pekerjaan Struktur Lantai 20 16,65 19,34 18,04 17 20 19
23 2.3.23 Pekerjaan Struktur Lantai 21 16,65 19,34 18,04 17 20 19
24 2.3.24 Pekerjaan Struktur Lantai 22 16,65 19,34 18,04 17 20 19
25 2.3.25 Pekerjaan Struktur Lantai 23 16,65 19,34 18,04 17 20 19
26 2.3.26 Pekerjaan Struktur Lantai 24 16,65 19,34 18,04 17 20 19
27 2.3.27 Pekerjaan Struktur Lantai 25 16,65 19,34 18,04 17 20 19
28 2.3.28 Pekerjaan Struktur Lantai 26 16,65 19,34 18,04 17 20 19
29 2.3.29 Pekerjaan Struktur Lantai 27 15,92 18,13 16,97 16 19 17
30 2.3.30 Pekerjaan Struktur Lantai 28 12,79 15,01 14,02 13 16 15
31 2.3.31 Pekerjaan Struktur Lantai Atap & Dag Atap 18,89 21,84 20,54 19 22 21
hasil simulasi hasil simulasi (pembulatan)
Tabel 4.1 Durasi Tercepat, Terlama, dan Rata-rata Hasil Simulasi Monte Carlo
No WBS Nama Pekerjaan
ISS
Penyusunan Kurva S
Kurva S terdiri dari sumbu vertical sebagai
nilai kumulatif biaya atau jam-orang atau
penyelesaian pekerjaan dan sumbu
horizontal sebagai waktu kalender masing
dari angka 0 sampai 100. Sebelum
menyusun kurva S harus diketahui jadwal
dari masing–masing kegiatan, bobot
(persentase) dari kegiatan tersebut hingga
distribusinya. Jadwal tiap pekerjaan
diperolehdarihasilpenjadwalan Microsoft
Project, sedangkan bobot tiap pekerjaan
diperoleh dari data kurva S, Rencana
Anggaran Biaya (RAB) ataupun dari BQ
(Bill of Quantity )proyek.
Analisis Jadwal Proyek
Dari hasil penjadwalan didapatkan 4
macam kurva S yakni durasi rencana, durasi
tercepat, durasi terlama dan durasi mean
hasil simulasi MonteCarlo yang selanjutnya
dibandingkan dengan kurva S rencana
proyek.
Dari Gambar Perbandingan Kurva
S Rencana dan Hasil Simulasi dan Tabel
Total Durasi Penjadwalan dapat dilihat
bahwa jadwal mean hasil simulasi berada
diantara durasi rencana, tercepat dan durasi
terlama, sehingga dapat dipertimbangkan
sebagai jadwal yang lebih ideal. Sehingga
jadwal tersebut lebih aman untuk digunakan
dan probabilitasnya lebih besar. Dapat
dilihat juga bahwa jadwal dengan durasi
hasil simulasi MonteCarlo memiliki
pekerjaan kritis sebanyak 31 pekerjaan.
Gambar 4.10 Perbandingan Kurva S Jadwal Durasi Rencana, Tercepat, Mean, dan Terlama.
Tabel 2 Total Durasi Penjadwalan
Jadwal Tercepat Terlama Mean Rencana
Durasi (Hari) 360 456 419 358
IJCCS ISSN: 1978-1520
Probabilitas Penjadwalan
Dari hasil simulasi menggunakan software
Crystal Ball telah diketahui probabilitas
penyelesaian pekerjaan proyek hasil
simulasi Monte Carlo tiap pekerjaan yang
telah disusun menjadi jadwal pada software
Microsoft Project menghasilkan durasi
mean selama 419 hari dengan probabilitas
sebesar 71.26%. Jadwal dari hasil simulasi
memiliki probabilitas yang lebih besar bila
di bandingkan dengan jadwal rencana yang
memiliki durasi selama 358 hari dengan
probabilitas sebesar 0.89%.
Untuk detail total durasi tiap presentase probabilitas penyelesaian proyek dapat dilihatpada
Tabel 4.4.
KESIMPULAN DAN SARAN
Kesimpulan
1. Durasi yang dihasilkan dari proses
simulasi Monte Carlo yang dijalankan pada
penjadwalan proyek pembangunan
Apartemen The Reiz Condo Medan yakni
durasi tercepat selama 360 hari, durasi
terlama selama 456 hari, dan durasi rata-
rata (mean) selama 419 hari.
2. Persentase kemungkinan keberhasilan
pekerjaan dari setiap durasi yang dihasilkan
dari proses simulasiMonte Carlo yang
dijalankan pada penjadwalan proyek
pembangunan Apartemen The Reiz Condo
Medan yakni durasi tercepat sebesar 1,15%,
durasi terlama sebesar 99,82%, dan durasi
rata-rata (Mean) sebesar 71,26%.
3. Perbedaan jadwal rencana pada proyek
pembangunan Apartemen The Reiz Condo
Medan bila dibandingkan dengan
penjadwalan menggunakan metode simulasi
Monte Carlo adalah lama durasi dan
besarnya probabilitas penyelesaian
pekerjaan. Jadwal dari hasil simulasi
memiliki probabilitas yang lebih besar
yakni selama 419 hari dengan probabilitas
sebesar 71.26%bila di bandingkan dengan
jadwal rencana yang memiliki durasi
selama 358 hari dengan probabilitas sebesar
0.89%.
Saran
1. Dilakukan perhitungan Monte Carlo
sebelum proyek berjalan agar didapatkan
jumlah durasi pekerjaan yang efektif
sehingga alokasi material dan sumber daya
tepat sasaran dan tepat tujuan sehingga
proyek tidak mengalami keterlambatan.
2. Dalam melakukan penjadwalan dengan
Microsoft Project yang dianalisis dengan
Metode Monte Carlo, perlu diperhatikan
ketelitian dalam memasukan data ke dalam
perhitungan karena akan mempengaruhi
hasil perhitungan.
DAFTAR PUSTAKA
Arifin, M., 2009, Simulasi Sistem Industri,
Graha Ilmu, Yogyakarta.
Aulabih, R., Unas, E, S., & Negara P, K., 2016,
Penerapan Metode Monte Carlo pada
Penjadwalan Proyek Gedung Dinas Sosial
Kota Blitar.
Dannyanti, E., 2010, Optimalisasi Pelaksaan
Proyek dengan Metode PERT dan CPM, Skripsi
Fakultas Ekonomi Universitas Diponegoro.
Fadjar, A., 2008, Aplikasi Simulasi Monte
Carlo dalam Estimasi Biaya Proyek, Jurnal
SMARTek, 6(4), pp. 222-227.
Handoko, T, H., 1999, Manajemen Proyek Edisi
2, Yogyakarta: BPFE.
Heizer, J., & Render, B., 2005, Operation
Management, 9th book 1, Salemba Empat,
Presentase (%) 0 10 20 30 40 50 60 70 80 90 100
Durasi (Hari) 351.80 379.69 390.15 397.24 403.01 407.98 413.12 418.28 424.05 432.68 457.72
Tabel 4.4 Presentase Probabilitas Penyelesaian Proyek
ISS
Jakarta. Kerzner, K., 2006, Project
Management: A System to Planning, Scheduling
and Controlling, Ninth Edition, John Wiley &
Sons.
Kho, B., 2016, Segitiga Manajemen Proyek dan
Tahapan Manajemen Proyek,
http://www.ilmumanajemenindustri.com ,
diakses pada 8 Juni 2017.
Law, M, A., & Kelton, D, W., 2000, Simulation
Modeling and Analysis, The McGraw-Hill
Companies, Inc, Singapore.
Misrali et al., 2015, Evaluasi Penjadwalan
Waktu dan Biaya pada Proyek Pembangunan
Gedung Kelas di Fakultas Ekonomi Universitas
Jember dengan Metode Pert, Artikel Ilmiah
Mahasiswa 2015.
Project Management Institute, 2000, A Guide to
the Project Management Body of Knowledge
(PMBOK Guide) 2000 Edition, Newton Square,
PA 19073- 3299 USA.
Raharja, I., 2014, Analisa Penjadwalan Proyek
dengan Metode PERT di PT Hasana Damai
Putra Yogyakarta pada Proyek Perumahan
Tirta Sani, Jurnal BENTANG, 2(1).
Santosa, B., 2009, Manajemen Proyek Konsep
& Implementasi, Graha Ilmu, Yogyakarta.
IJCCS ISSN: 1978-1520
4. KESIMPULAN
Kesimpulan harus mengindikasi
secara jelas hasil-hasil yang diperoleh,
kelebihan dan kekurangannya, serta
kemungkinan pengembangan selanjutnya.
Kesimpulan dapat berupa paragraf,
namun sebaiknya berbentuk point-point
dengan menggunakan numbering atau
bullet.
5. SARAN
Saran-saran untuk untuk penelitian
lebih lanjut untuk menutup kekurangan
penelitian. Tidak memuat saran-saran
diluar untuk penelitian lanjut.
UCAPAN TERIMA KASIH
Penulis mengucapkan terima kasih
kepada Tim Redaksi Jurnal Teknika
Politeknik Negeri Sriwijaya yang telah
memberi memberi kesempatan, sehingga
artikel ilmiah ini dapat diterbitkan.
DAFTAR PUSTAKA
● Buku dengan urutan penulisan: Penulis,
tahun, judul buku (harus ditulis miring)
volume (jika ada), edisi (jika ada), nama
penerbit dan kota penerbit .
[1] Castleman, K. R., 2004, Digital Image
Processing, Vol. 1, Ed.2, Prentice Hall,
New Jersey.
● Buku Terjemahan dengan urutan
penulisan: Penulis asli (nama depan,
tengah. (disingkat), belakang. (disingkat)),
tahun buku terjemahan, judul
bukuterjemahan (harus ditulis miring),
volume (jika ada), edisi (jika ada),
(diterjemahkan oleh : nama penerjemah),
nama penerbit terjemahan dan kota penerbit
terjemahan.
[2] Gonzales, R., P. 2004, Digital Image
Processing (Pemrosesan Citra Digital),
Vol. 1, Ed.2, diterjemahkan oleh
Handayani, S., Andri Offset,
Yogyakarta.
● Artikel dalam Buku dengan urutan
penulisan: Penulis artikel, tahun, judul
artikel (harus ditulis miring), nama editor,
judul buku (harus ditulis miring), volume
(jika ada), edisi (jika ada), nama penerbit
dan kota penerbit.
[3] Wyatt, J. C, dan Spiegelhalter, D., 1991,
Field Trials of Medical Decision-Aids:
Potential Problems and Solutions,
Clayton, P. (ed.): Proc. 15th Symposium
on Computer Applications in Medical
Care, Vol 1, Ed. 2, McGraw Hill Inc,
New York.
●Pustaka dalam bentuk artikel dalam
majalah ilmiah:
Urutan penulisan: Penulis, tahun, judul
artikel, nama majalah (harus ditulis miring
sebagai singkatan resminya), nomor,
volume dan halaman.
[4] Yusoff, M, Rahman, S.,A., Mutalib, S.,
and Mohammed, A. , 2006, Diagnosing
Application Development for Skin
Disease Using Backpropagation Neural
Network Technique, Journal of
Information Technology, vol 18, hal
152-159.
.
● Pustaka dalam bentuk artikel dalam
seminar ilmiah:
Artikel dalam prosiding seminar dengan
urutan penulisan: Penulis, tahun, judul
artikel, Judul prosiding Seminar (harus
ditulis miring), kota seminar, tanggal
seminar.
[5] Wyatt, J. C, Spiegelhalter, D, 2008,
Field Trials of Medical Decision-Aids:
Potential Problems and Solutions,
Proceeding of 15th Symposium on
Computer Applications in Medical Care,
Washington, May 3.
● Pustaka dalam bentuk
Skripsi/Tesis/Disertasi dengan urutan
penulisan: Penulis, tahun, judul skripsi,
Skipsi/Tesis/Disertasi (harus ditulis miring),
nama fakultas/ program pasca sarjana,
universitas, dan kota.
[6] Prasetya, E., 2006, Case Based
Reasoning untuk mengidentifikasi
ISS
kerusakan bangunan, Tesis, Program
Pasca Sarjana Ilmu Komputer, Univ.
Gadjah Mada, Yogyakarta.
●Pustaka dalam bentuk Laporan
Penelitian:
Urutan penulisan: Peneliti, tahun, judul
laporan penelitian, nama laporan penelitian
(harus
ditulis miring), nama proyek penelitian,
nama institusi, dan kota.
[7] Ivan, A.H., 2005, Desain target optimal,
Laporan Penelitian Hibah
Bersaing,Proyek Multitahun, Dikti,
Jakarta.
Pustaka dalam bentuk artikel dalam
internet (tidak diperkenankan
melakukan sitasi artikel dari internet yang
tidak ada nama penulisnya):
● Artikel majalah ilmiah versi cetakan
dengan urutan penulisan: Penulis, tahun,
judul artikel, nama majalah (harus ditulis
miring sebagai singkatan resminya), nomor,
volume dan halaman.
[8] Wallace, V. P. , Bamber, J. C. dan
Crawford, D. C. 2000. Classification of
reflectance spectra from pigmented skin
lesions, a comparison of multivariate
discriminate analysis and artificial
neural network. Journal Physical
Medical Biology , No.45, Vol.3, 2859-
2871.
● Artikel majalah ilmiah versi online
dengan urutan penulisan: Penulis, tahun,
judul artikel, nama majalah ((harus ditulis
miring sebagai singkatan resminya), nomor,
volume, halaman dan
alamat website.
[9] Xavier Pi-Sunyer, F., Becker, C.,
Bouchard, R.A., Carleton, G. A.,
Colditz, W., Dietz, J., Foreyt, R.
Garrison, S., Grundy, B. C., 1998,
Clinical Guidlines on the identification,
evaluation, and treatment of overweight
and obesity in adults, Journal of
National Institutes of Health, No.3,
Vol.4, 123-
130, :http://journals.lww.com/acsm-
msse/Abstract/1998/11001/paper_treatm
ent_of_obesity.pdf.
● Artikel umum dengan urutan penulisan:
Penulis, tahun, judul artikel, alamat website
(harus ditulis miring), diakses tanggal …
[10] Borglet, C, 2003,Finding Asscociation
Rules with Apriori
Algorithm,http://www.fuzzy.cs.uniagd
eburgde/~borglet/apriori.pdf, diakses
tgl 23 Februari 2007.
Daftar Pustaka hanya memuat semua
pustaka yang diacu pada naskah tulisan,
bukan sekedar pustaka yang didaftar.
Pustaka ditulis urut kemunculan
pengacuan di naskah, bukan urut abjad
penulis.
[1] Castleman, Kenneth R., 2004, Digital
Image Processing, Vol. 1, Ed.2,
Prentice Hall, New Jersey.
[2] Gonzales, R., P. 2004, Digital Image
Processing (Pemrosesan Citra Digital),
Vol. 1, Ed.2, diterjemahkan oleh
Handayani, S., Andri Offset,
Yogyakarta.
[3] Wyatt, J. C, dan Spiegelhalter, D., 1991,
Field Trials of Medical Decision-Aids:
Potential Problems and Solutions,
Clayton, P. (ed.): Proc. 15th Symposium
on Computer Applications in Medical
Care, Vol 1, Ed. 2, McGraw Hill Inc,
New York.
[4] Yusoff, M, Rahman, S.,A., Mutalib, S.,
and Mohammed, A. , 2006, Diagnosing
Application Development for Skin
Disease Using Backpropagation Neural
Network Technique, Journal of
Information Technology, vol 18, hal
152-159.
[5] Wyatt, J. C, Spiegelhalter, D, 2008,
Field Trials of Medical Decision-Aids:
Potential Problems and Solutions,
Proceeding of 15th Symposium on
Computer Applications in Medical Care,
Washington, May 3.
[6] Prasetya, E., 2006, Case Based
Reasoning untuk mengidentifikasi
IJCCS ISSN: 1978-1520
kerusakan bangunan, Tesis, Program
Pasca Sarjana Ilmu Komputer, Univ.
Gadjah Mada, Yogyakarta.
[7] Ivan, A.H., 2005, Desain target optimal,
Laporan Penelitian Hibah
Bersaing,Proyek Multitahun, Dikti,
Jakarta.
[8] Wallace, V. P. , Bamber, J. C. dan
Crawford, D. C. 2000. Classification of
reflectance spectra from pigmented skin
lesions, a comparison of multivariate
discriminate analysis and artificial
neural network. Journal Physical
Medical Biology , No.45, Vol.3, 2859-
2871.
[9] Xavier Pi-Sunyer, F., Becker, C.,
Bouchard, R.A., Carleton, G. A.,
Colditz, W., Dietz, J., Foreyt, R.
Garrison, S., Grundy, B. C., 1998,
Clinical Guidlines on the identification,
evaluation, and treatment of overweight
and obesity in adults, Journal of
National Institutes of Health, No.3,
Vol.4, 123-
130, :http://journals.lww.com/acsm-
msse/Abstract/1998/11001/paper_treatm
ent_of_obesity.pdf.
[10] Borglet, C, 2003,Finding Asscociation
Rules with Apriori
Algorithm,http://www.fuzzy.cs.uniagd
eburgde/~borglet/apriori.pdf, diakses
tgl 23 Februari 2007.