no comments

Tips Analisis SEM-PLS Faktor Penghalang Prestasi Kos untuk Projek Pembinaan Besar di Malaysia

Abstrak

Kajian ini membongkar faktor penghalang kepada prestasi kos dalam projek pembinaan besar di Malaysia. Tinjauan soal selidik telah dijalankan di kalangan pelanggan dan perunding yang terlibat dalam projek pembinaan besar. Dalam soal selidik itu, sebanyak 35 faktor penghalang yang dikumpulkan dalam 7 kategori telah dibentangkan kepada responden untuk menilai tahap ketara setiap faktor. Sebanyak 300 borang soal selidik diedarkan. Hanya 144 set lengkap yang diterima dan dianalisis dengan menggunakan perisian statistik multivariate maju Modeling Equation Structural (SmartPLS v2). Analisis ini melibatkan tiga proses lelaran di mana beberapa faktor telah dipadam untuk membuat model boleh diterima. Hasil analisis mendapati bahawa nilai R2 model adalah 0.422 yang menunjukkan bahawa model yang dibangunkan mempunyai kesan yang besar terhadap prestasi kos. Berdasarkan bentuk akhir model, kategori pengurusan tapak kontraktor adalah yang paling menonjol dalam mempamerkan kesan ke atas prestasi kos projek pembinaan besar. Penemuan ini disahkan menggunakan analisis kuasa analisis lanjutan. Analisis multivariate yang kuat ini secara eksplisit mendapati kategori penting yang terdiri daripada beberapa faktor penyebab kepada prestasi kos yang rendah dalam projek pembinaan yang besar. Ini akan memberi manfaat kepada semua pihak yang terlibat dalam projek pembinaan untuk mengawal overrun kos.

1. Introduction

Prestasi kos yang tidak mencukupi dalam projek-projek pembinaan adalah elemen yang terkenal dalam menghasilkan sejumlah besar kos yang diatasi oleh industri pembinaan di dunia. Pengurangan kos adalah sangat dominan di kedua-dua negara maju dan membangun [1]. Ia memberi kesan kepada perkembangan fizikal dan ekonomi bagi negara dan oleh itu, adalah penting untuk memastikan projek-projek pembinaan selesai dalam anggaran kos. Banyak penyelidikan di seluruh dunia telah dijalankan untuk memahami prestasi kos projek pembinaan. Meng [2] juga menyiasat pembinaan UK dan mendapati bahawa 26 (25.2%) daripada 103 projek yang diselidiki menghadapi overrun. Kajian kes yang dijalankan oleh Chang pada empat projek di Amerika Syarikat mendapati bahawa keseluruhan projek yang menghadapi kos meningkat melebihi 12.3% hingga 51.3% dengan purata 24.8% daripada jumlah kontrak. Begitu juga, Žujo et al. [4] mempelajari 92 struktur trafik di Slovenia dan mendapati bahawa kos pembinaan melebihi 51% daripada kos yang dianggarkan.

Berbanding dengan negara maju, kos yang dialami di negara membangun lebih serius. Di India, satu kajian mengenai 290 projek dengan jumlah kontrak sebanyak 270,568 juta rupee India menghadapi sejumlah 200,024 juta rupee India yang ditanggung kos di mana purata setiap projek menghadapi 73% melebihi anggaran kos sebagaimana yang disebutkan [5]. Di Korea, Lee mengkaji 161 projek termasuk 138 projek jalan raya, 16 projek kereta api, 2 lapangan terbang, dan 5 projek pelabuhan. Penemuannya menunjukkan bahawa 95% daripada projek jalan raya menghadapi 50% kos ditangguhkan; semua projek kereta api juga menghadapi kos 50% ditanggulangi sementara 2 projek lapangan terbang mengalami kos 100% ditenggelami dan 5 projek pelabuhan mengalami kira-kira 40% kos ditangguhkan. Satu siasatan terhadap 137 projek pembinaan di Nigeria mendapati bahawa 55% daripada projek-projek yang dihadapi kosnya ditenggelamkan dalam lingkungan 5% hingga 808% daripada kos projek [7]. Projek jalan pintas Utara di Kampala, Uganda, kos yang berpengalaman ditenggelami dengan lebih dari 100% sementara, dalam kajian lain, didapati bahawa 53% daripada 30 projek pembinaan menyiasat overruns kos yang dihadapi [8].

Begitu juga, industri pembinaan Malaysia juga dipengaruhi oleh beban yang melampaui beban. Khamidi et al. [9] yang dipetik dari laporan ringkasan Ketua Audit Negara Malaysia 2008 bahawa elektrifikasi projek landasan keretapi double antara Rawang dan Ipoh telah mengakibatkan kos ditelan sebanyak RM 1.43 bilion. Endut et al. [10] dalam kajian mereka mengenai 308 projek pembinaan awam dan 51 swasta mendapati hanya 46.8% daripada projek awam dan 37.2% daripada projek swasta yang disiapkan dalam bajet. Selanjutnya, satu kaji selidik yang dijalankan di wilayah selatan Semenanjung Malaysia menekankan bahawa 89% daripada 140 responden menyebut bahawa kebanyakan projek mereka menghadapi kos ditimpa [11].

Oleh itu, kos yang ditanggung adalah satu isu yang penting dalam industri pembinaan yang memerlukan perhatian yang serius dalam meningkatkan prestasi kos projek sebagai overrun adalah beban tambahan kepada semua pihak yang terlibat dalam projek tersebut. Adalah penting untuk mengenal pasti faktor-faktor penyebab kepada kos yang ditanggung untuk menguruskan prestasi kos projek dengan berkesan. Oleh itu, kajian ini memberi tumpuan kepada membongkar faktor penghalang kepada prestasi kos pembinaan projek besar di Malaysia. Kaedah analisis multivariate maju bagi Model Persamaan Struktur (SEM) yang bersamaan grafik perwakilan matematik [12] telah digunakan untuk analisis ini kerana ia adalah pendekatan yang sangat berkesan dalam menganalisis hubungan sebab-akibat antara faktor [13].

2. Menghalang Faktor-faktor untuk Prestasi Kos

Kemunculan prestasi kos rendah dalam projek pembinaan disebabkan oleh pelbagai faktor. Faktor-faktor yang menghalang ini dirujuk sebagai faktor penambahbaikan kos oleh banyak penyelidik. Kesusasteraan dikaji semula pada Kaming et al. [14] kerja menunjukkan bahawa faktor utama yang mempengaruhi kos projek dalam projek bangunan bertingkat tinggi adalah kos bahan meningkat oleh inflasi, pengurangan kuantiti yang tidak tepat, kos buruh meningkat disebabkan oleh sekatan persekitaran, kekurangan pengalaman di lokasi projek, kekurangan pengalaman projek jenis, keadaan cuaca yang tidak menentu, dan kurangnya pengalaman peraturan tempatan. Dalam kajian Chang, dua sebab kenaikan kos dalam projek rekabentuk kejuruteraan ialah permintaan pemilik perubahan dalam skop dan kerja tambahan. Semasa di Koushki et al. [15] kajian mengenai projek kediaman swasta, faktor penyumbang utama adalah masalah berkaitan kontraktor, masalah berkaitan dengan bahan, dan kekangan kewangan pemilik, Enshassi et al. [16] mengkaji projek-projek pembinaan yang menyatakan bahawa faktor utama adalah kenaikan harga bahan, kelewatan pembinaan, pembekalan bahan mentah dan peralatan oleh kontraktor, turun naik kos bahan binaan, penempatan mata wang tempatan yang tidak diselesaikan, bahan projek monopoli oleh beberapa pembekal, sumber kekangan (dana dan pembantu bersekutu, tidak bersedia), kekurangan perancangan / pemantauan kos semasa peringkat sebelum dan selepas kontrak, penambahbaikan kepada lukisan standard semasa peringkat pembinaan, perubahan reka bentuk, dan kuantiti yang tidak tepat.

Nawaz et al. [17] menjalankan tinjauan di kalangan profesional pembinaan, kontraktor, arkitek, pereka reka bentuk, pembekal, dan subkontraktor di Pakistan dan mengenal pasti 10 faktor utama yang mempengaruhi prestasi kos: rasuah dan rasuah, kepentingan politik, pengurusan tapak yang lemah, sikap oleh perunding, kerja tambahan tanpa kelulusan, perubahan kerap semasa pelaksanaan, penyaduran emas, keselamatan dan kesihatan, dan akses terhad ke tapak kerja. Park dan Papadopoulou [18] melaporkan bahawa punca-punca kos yang paling ketara dalam projek infrastruktur yang dialami di Asia adalah kontrak yang diberikan kepada pembida yang paling rendah, penyiasatan tapak yang tidak mencukupi, keadaan tapak yang tidak dijangka, kajian pra-pembinaan yang tidak mencukupi, dan anggaran yang tidak tepat.

3. Model Konsep

Dalam menilai kesan faktor menghalang menggunakan PLS-SEM, model konseptual diperlukan. Model ini dijelaskan dalam hubungan antara pemboleh ubah laten dan pemboleh ubah manifestasi relatifnya. Dalam kajian ini, model konseptual dibangunkan berdasarkan 35 faktor penghalang (juga dikenali sebagai pembolehubah manifes) yang dikelompokkan kepada 7 kategori (dikenali sebagai pembolehubah laten eksogen) yang dinamakan sebagai Faktor Berkaitan Pengurusan Tapak Kontraktor (CSM), Faktor Berkaitan Reka Bentuk dan Dokumentasi (DDF), Faktor Berkaitan Pengurusan Kewangan (FIN), Faktor Berkaitan Maklumat dan Komunikasi (ICT), Faktor Berkaitan Sumber Manusia (Tenaga Kerja), Faktor Berkaitan Sumber Manusia Bukan Manusia (MMF), dan Faktor Berkaitan Pentadbiran dan Pengurusan Projek dan Kontrak ). Model konsep yang memperlihatkan hubungan antara LV dan pemboleh ubah manifes ditunjukkan dalam Rajah 1 di mana LV ditarik dengan bentuk bujur manakala unsur berbentuk segi empat mewakili pembolehubah yang nyata. Dalam PLS-SEM, secara amnya model itu digambarkan oleh dua komponen yang dirujuk sebagai (1) model pengukuran atau membina yang menghubungkan pemboleh ubah nyata dengan LV relatif dan (2) model struktur yang menunjukkan hubungan antara pelbagai LVs [19].

4. Pengumpulan dan Pengumpulan Data

Kaedah pengumpulan data dikawal oleh model konseptual yang dibangunkan lebih awal. Untuk kajian ini, data telah dikumpulkan menggunakan kaji selidik soal selidik berstruktur. Tinjauan ini dijalankan di kalangan pelanggan dan perunding yang terlibat dalam mengendalikan projek pembinaan besar di Malaysia. Sebanyak 300 borang soal selidik (150 di kalangan firma pelanggan dan 150 firma perunding) telah diedarkan di 11 negeri Semenanjung Malaysia. Sebagai tindak balas, 156 set soal selidik yang lengkap telah diterima, di mana 12 set soal selidik tidak lengkap dan dianggap tidak sesuai. Analisis menggunakan 144 set soal selidik lengkap yang cukup berdasarkan Hair et al. [13] peraturan untuk saiz sampel yang diperlukan dalam PLS-SEM. Berdasarkan set soal selidik yang lengkap, demografi responden dibentangkan.

Majoriti responden (68%) mempunyai pengalaman kerja selama lebih daripada 10 tahun dalam mengendalikan projek pembinaan. Juga, 76% daripada responden telah mencapai ijazah kejuruteraan. Majoriti responden mengendalikan jawatan pengarah, pengurusan, dan kejuruteraan dalam organisasi masing-masing. Ini menunjukkan bahawa peserta dalam kaji selidik adalah cekap dan oleh itu data yang dikumpul dianggap sah.

5. Penilaian / Analisis PLS-SEM

Model konseptual yang dibangunkan telah dikeluarkan dalam perisian SmartPLS [20] untuk kerja simulasi dalam menilai kesan pembolehubah yang nyata (faktor penghalang) terhadap prestasi kos pembinaan. Simulasi PLS model ini dilakukan dengan mengira dan menilai pelbagai parameter yang merangkumi pemuatan item, kebolehpercayaan, dan ujian sah. Ia melibatkan proses 2 langkah seperti yang dicadangkan oleh Henseler et al. [21] yang melibatkan pengiraan parameter model PLS secara berasingan dengan menyelesaikan blok model pengukuran dan kemudian menganggar pekali jalan model struktur [22]. Akhir sekali, model keseluruhan disahkan ujian analisis kuasa.

5.1. Penilaian Model Pengukuran

Penilaian model pengukuran bertujuan untuk menilai konsistensi dan kesahihan pembolehubah yang nyata. Penilaian konsisten adalah melalui manifes individu dan membina ujian kebolehpercayaan. Walaupun kesahihan pembolehubah diuji berasaskan kesahihan konvergen dan diskriminasi [23], kebolehpercayaan manifes individu menerangkan varians relatif individu yang nyata kepada pemboleh ubah terpendam dengan mengira beban luar piawaian pemboleh ubah yang nyata [24]. Pemboleh ubah manifes dengan beban luar 0.7 atau lebih tinggi dianggap sangat memuaskan [21, 24]. Walaupun nilai pemuatan 0.5 dianggap sebagai boleh diterima, pemboleh ubah nyata dengan nilai muatan kurang daripada 0.5 harus dijatuhkan [25, 26]. Hulland [27] berpendapat bahawa 0.4 harus menjadi nilai pemuatan yang boleh diterima di mana Henseler et al. [21] mencadangkan bahawa pemboleh ubah nyata dengan nilai pemuatan antara 0.4 dan 0.7 perlu dikaji semula sebelum penghapusan. Sekiranya penghapusan penunjuk ini meningkatkan kebolehpercayaan komposit maka dibuang atau mengekalkan faktor-faktor tersebut. Walaupun untuk kajian ini nilai pemotongan yang diambil untuk beban luar ialah 0.5, proses berulang digunakan untuk menghapuskan pemboleh ubah manifes dengan mempertimbangkan Henseler et al. [21] cadangan.

Parameter kedua untuk penilaian konsisten dibina kebolehpercayaan di mana ia dinilai oleh dua langkah, iaitu Alpha Cronbach dan Reliability Composite (CR). Alfa dan CR Cronbach menunjukkan sejauh mana satu set pembolehubah nyata menilai pembinaan laten tunggal. Walau bagaimanapun, berbanding dengan alpha Cronbach, kebolehpercayaan komposit dianggap sebagai ukuran konsistensi dalaman yang lebih baik kerana ia menggunakan beban piawai pembolehubah yang nyata. Walau bagaimanapun, tafsiran skor kebolehpercayaan komposit dan Cronbach’s Alpha adalah serupa. Litwin [29] mencadangkan bahawa nilai alpha cronbach mestilah lebih tinggi daripada 0.7 dan untuk kebolehpercayaan komposit, nilai 0.7 disarankan sebagai “sederhana” [13].

Untuk kesahihan pembolehubah, pembolehubah diuji berdasarkan kesahan yang konvergen dan diskriminasi. Kesahan konvergen dijalankan oleh ujian Pengujian Purata Rata-rata (AVE) pada pembolehubah [28]. Ia menentukan jumlah varians yang ditangkap oleh pemboleh ubah laten daripada pemboleh ubah yang relatifnya disebabkan oleh ralat pengukuran. Barclay et al. [30] dan Hair et al. [13] berpendapat bahawa sekurang-kurangnya 50% daripada varians dari pemboleh ubah nyata harus ditangkap oleh pemboleh ubah laten. Ini menunjukkan bahawa nilai AVE pembinaan adalah lebih besar daripada 0.5. Kesahan diskriminan dilakukan untuk mengesahkan bahawa pemboleh ubah nyata dalam mana-mana pembinaan adalah relevan dengan pemboleh ubah laten yang ditetapkan di mana nilai silang silangnya dalam LV adalah lebih tinggi daripada itu dalam mana-mana pembinaan lain [25].

Berdasarkan kriteria di atas, model pengukuran dinilai oleh proses iteratif untuk membuang pemboleh ubah yang nyata dari model yang dibangunkan. Oleh itu, sejumlah 3 lelaran terlibat dalam kajian ini di mana setiap lelaran dinilai mengikut kriteria dan menyebabkan membuang 6 pemboleh ubah nyata.

Dalam lelaran pertama Jadual 2, tiga membina ICT, LAB, dan MMF mempunyai pengukuran parametrik di atas nilai pemotongan. Walaupun 4 pembinaan lain (CSM, DDF, FIN, dan PMCA) telah mencapai nilai pengukuran yang memuaskan kecuali AVE yang berada di bawah 0.5. Selepas lelaran telah membuang 6 pemboleh ubah nyata yang nyata dalam 4 pembinaan yang CSM02, CSM03, DDF04, FIN03, FIN04, dan PMCA01.

Setelah proses lelaran selesai, model akhir diperiksa untuk validasi diskriminasi berdasarkan nilai pemuatan silang yang dijana dari lelaran terakhir seperti yang ditunjukkan dalam Jadual 3. Pemuatan silang semua pemboleh ubah nyata mempunyai nilai yang lebih tinggi pada pembolehubah laten relatifnya berbanding dengan pembinaan lain seperti dalam Jadual 3. Ini mengesahkan bahawa pemboleh ubah nyata dalam setiap pembinaan mewakili pembolehubah terpendam yang memberi keterangan mengenai kesahihan diskriminasi model.

5.2. Penilaian Model Struktur

Model struktur menilai hubungan antara pembolehubah laten eksogen dan endogen dengan menilai nilai R2 iaitu koefisien penentuan [23] dan juga nilai β, iaitu pekali jalan model [25]. R 2 bersesuaian dengan tahap varians yang dijelaskan dari pembolehubah laten endogen [31] manakala β menunjukkan kekuatan kesan dari pembolehubah kepada pemboleh ubah laten endogen [32]. Menurut Cohen et al. [33, 34] untuk model yang baik, nilai R 2 pemboleh ubah laten endogen harus lebih daripada 0.26. Oleh kerana nilai R2 untuk model yang dibangunkan ialah 0.422 yang lebih tinggi daripada nilai yang dicadangkan, model itu dianggap mempunyai tahap yang jelas mengenai varians prestasi kos dengan menghalang faktor. Langkah seterusnya menilai pekali laluan semua pembolehubah laten (laluan) dengan membandingkan nilai β di semua jalan. Nilai β tertinggi melambangkan kesan terkuat dari prediktor (exogenous) pemboleh ubah laten ke arah pemboleh ubah terpendam (endogenous) yang tertinggal [35]. Walau bagaimanapun, nilai β perlu diuji untuk tahap kepentingannya melalui ujian nilai t. Ujian ini dicapai dengan melakukan teknik bootstrap bukan parametrik [25, 36, 37]. Teknik Bootstrapping mengkompilasi t-nilai dengan membuat bilangan sampel terdahulu. Rambut et al. [13] mencadangkan bahawa nilai-t yang boleh diterima untuk ujian dua ekor adalah 1.65 (tahap kepentingan = 10 peratus), 1.96 (tahap kepentingan = 5 peratus), dan 2.58 (tahap kepentingan = 1 peratus).

Ini menunjukkan bahawa semua laluan dalam model mempunyai kesan yang kuat terhadap prestasi kos. Nilai β tertinggi adalah 0.718 untuk faktor berkaitan pengurusan tapak kontraktor. Pembentukan yang paling penting (kumpulan faktor) mempengaruhi kritikal dalam mempengaruhi prestasi kos projek pembinaan.

5.3. Pengesahan Model

Model yang dibangunkan disahkan untuk menyemak kegunaannya. Pengesahan dilakukan dengan memeriksa kestabilan model melalui pengiraan kecukupan saiz sampel dengan ujian analisis kuasa. Ujian kuasa (1 – β) adalah untuk memeriksa kestabilan parameter model dengan saiz sampel yang digunakan untuk analisis [25]. Ini adalah untuk mengesahkan sama ada saiz sampel yang digunakan adalah mencukupi untuk menjana model yang stabil. Ujian ini dijalankan dengan mengira kuasa model melalui pakej perisian G * Power 3.1.2 [38, 39]. Parameter input yang diperlukan untuk perisian adalah pada tahap signifikans (α) ujian, saiz sampel (N) dari ukuran kajian dan kesan (ES) populasi. Saiz kesan dikira menggunakan Cohen et al. [34] persamaan.

Parameter input untuk kajian ini adalah tahap penting seperti 0.01 (iaitu, 99% tahap keyakinan), saiz sampel (N) sebagai 144, dan saiz kesan (ES) sebagai 0.73. Nilai yang dijana analisis kuasa untuk pelbagai saiz sampel ditunjukkan dalam Rajah 3. Rajah 3 menunjukkan bahawa kuasa model keseluruhan meningkat kerana bilangan saiz sampel meningkat. Ia mencapai kuasa 100% pada saiz sampel 50 kerana kajian ini menggunakan 144 sampel dan jelas bahawa ia adalah lebih mencukupi untuk mencapai kuasa yang besar.

6. Kesimpulan

Kajian ini menonjolkan prestasi kos dalam projek pembinaan yang terjejas oleh pelbagai faktor penghalang. Faktor-faktor ini dikumpulkan dan dimodelkan kepada 7 kategori dalam perisian SmartPLS di mana ia dianalisis untuk menilai kesan ke atas prestasi kos. Kesimpulan utama dari kajian ini adalah seperti berikut.

  1. 29 faktor penghalang mempunyai kesan yang kuat terhadap prestasi kos, kesimpulan utama diambil dari kajian.
  2. Nilai R2 model lebih daripada 0.26 dan diklasifikasikan sebagai model yang baik di mana ia mempunyai tahap ketara yang jelas tentang prestasi kos dengan faktor penghalang.
  3. Saiz sampel 144 yang terlibat dalam kajian ini adalah mencukupi dan disahkan melalui ujian analisis kuasa.
  4. Kebanyakan faktor penghalang yang mempengaruhi prestasi kos dalam industri pembinaan adalah pengurusan tapak Kontraktor.

Di dalam kumpulan pengurusan tapak kontraktor terdapat 7 faktor yang penting bagi kontraktor untuk memberikan lebih banyak penekanan untuk mencapai kejayaan projek-projek yang telah dijalankan oleh mereka.

KOMEN ANDA

Komen

TENTANG KAMI | PENAFIAN | HUBUNGI | HANTAR ARTIKEL