Pertemuan 16 · Proyek Akhir · Statistika 2 Satuan Kredit Semester · Program Studi Diploma Empat Manajemen Proyek Konstruksi

Proyek Ujian Akhir Semester Terintegrasi

Pertemuan 16 mengintegrasikan seluruh kemampuan semester ke dalam satu proyek statistik berbasis masalah Manajemen Proyek Konstruksi. Mahasiswa harus mampu merumuskan masalah, mengaudit data, memilih metode yang tepat, menjalankan analisis dengan IBM SPSS Statistics, menginterpretasikan output, menyusun laporan, serta mempertahankan keputusan analisis dalam presentasi dan pertanggungjawaban lisan (defense).

Audit Kualitas Data Pemilihan Metode Uji t Analisis Varians Korelasi Regresi Sederhana Regresi Berganda IBM SPSS Statistics Interpretasi Laporan Presentasi & pertanggungjawaban lisan 320 menit UAS 35%

Target Pertemuan 16: mahasiswa mampu menyusun, mempresentasikan, dan mempertahankan analisis statistik masalah Manajemen Proyek Konstruksi berbasis bukti. Kriteria utama: masalah jelas, metode tepat, interpretasi valid, dan kesimpulan menjawab masalah.

Sinkronisasi Rencana Pembelajaran Semester

Kemampuan Akhir yang Direncanakan: Evaluasi KAD 6-11 melalui UAS Proyek Statistik MPK.
Waktu: Asesmen 100 + PT 110 + BM 110 = 320 menit
Penilaian: UAS 35%
Referensi RPS: 1,2,3,4,5

Tujuan belajar Pertemuan 16

Proyek akhir dibagi menjadi 4 tujuan utama agar mahasiswa mempunyai alur kerja yang jelas. Ini bukan empat tugas terpisah; semuanya merupakan satu proyek terintegrasi.

1
Merumuskan masalah, pertanyaan analisis, dan kesiapan data. 2
Memilih metode statistik yang sesuai dengan pertanyaan dan desain data. 3
Menjalankan analisis IBM SPSS Statistics dan menginterpretasikan evidence. 4
Menyusun laporan, kesimpulan, presentasi, dan pertanggungjawaban lisan analisis.

Prinsip proyek: mahasiswa tidak dinilai dari banyaknya metode yang digunakan. Nilai utama terletak pada ketepatan metode untuk menjawab masalah, kualitas evidence, interpretasi, dan kemampuan mempertanggungjawabkan keputusan analisis.

Blueprint Ujian Akhir Semester

Inferensia dan Kualitas Data	20%
Perbedaan dan Analisis Varians	25%
Korelasi dan Regresi Sederhana/Berganda	35%
Interpretasi dan Laporan	20%
Total	100%

Bobot Ujian Akhir Semester terhadap nilai mata kuliah: 35%.

Alur proyek Pertemuan 16

Definisikan masalah. Apa keputusan atau pertanyaan proyek yang ingin dijawab?

Audit data. Periksa struktur, missing data, nilai ekstrem, coding, dan kesiapan variabel.

Pilih metode. Gunakan metode sesuai tujuan analisis dan desain data.

Jalankan analisis. Hasilkan output IBM SPSS Statistics yang relevan.

Interpretasikan evidence. Gabungkan statistik deskriptif, inferensial, ukuran efek/model, dan konteks.

Susun kesimpulan. Jawab masalah tanpa membuat klaim melebihi evidence.

Presentasikan dan pertahankan. Jelaskan mengapa metode dan keputusan analisis dapat dipertanggungjawabkan.

Siklus proyek: masalah → audit data → pilih metode → analisis → interpretasi → kesimpulan → laporan → presentasi/pertanggungjawaban lisan.

Peta proyek Pertemuan 16

Tujuan Pembelajaran 1 · Masalah & Data Tujuan Pembelajaran 2 · Pemilihan Metode Tujuan Pembelajaran 3 · Analisis & Interpretasi Tujuan Pembelajaran 4 · Laporan & pertanggungjawaban lisan

Pertanyaan yang Baik → Data yang Layak → Metode yang Tepat → Evidence → Kesimpulan yang Dapat Dipertanggungjawabkan

Halaman ini adalah panduan proyek. Dataset dan pertanyaan proyek aktual diberikan melalui sistem pembelajaran sesuai jadwal dosen.

TUJUAN PEMBELAJARAN 1

Merumuskan masalah, pertanyaan analisis, dan kesiapan data

↑ Kembali ke Tujuan Belajar

1.1 Mulai dari masalah, bukan menu perangkat lunak

Proyek statistik yang baik tidak dimulai dari pertanyaan “uji apa yang ingin dipakai?”. Mulailah dari masalah Manajemen Proyek Konstruksi yang ingin dijawab.

Contoh pertanyaan

Apakah dua metode kerja menghasilkan produktivitas yang berbeda?
Apakah produktivitas berbeda pada tiga metode pelaksanaan?
Apakah keterlambatan material berhubungan dengan keterlambatan aktivitas?
Seberapa baik tenaga kerja memprediksi produktivitas?
Bagaimana beberapa faktor secara bersama-sama berkaitan dengan keterlambatan proyek?

1.2 Definisikan unit observasi

Mahasiswa harus mampu menjelaskan apa yang diwakili oleh satu baris data: proyek, aktivitas, pekerja, hari kerja, paket pekerjaan, atau unit lain.

1.3 Audit struktur data

nama variabel jelas;
jenis dan skala data benar;
satuan konsisten;
coding kategorik terdokumentasi;
data hilang diidentifikasi;
nilai tidak logis ditelusuri;
duplikasi diperiksa;
nilai ekstrem diverifikasi.

1.4 Jika menggunakan kuesioner

Jika dataset berasal dari instrumen multi-item, mahasiswa perlu memeriksa validitas item secara kontekstual dan reliabilitas skala sebelum membentuk skor yang digunakan pada analisis lanjutan.

1.5 Evidence awal proyek

rumusan masalah;
pertanyaan analisis;
definisi populasi/sampel bila relevan;
unit observasi;
daftar variabel dan skala;
catatan audit dan tindakan pembersihan;
dataset bersih yang dapat ditelusuri ke sumber kerja.

Latihan Tujuan Pembelajaran 1

Sebuah dataset memiliki variabel biaya, durasi, jumlah pekerja, metode kerja, dan keterlambatan material. Apa yang harus dilakukan sebelum memilih uji statistik?

Jawaban: rumuskan pertanyaan proyek terlebih dahulu, tentukan peran setiap variabel, periksa skala/coding/satuan, audit missing data dan nilai ekstrem, lalu tentukan metode berdasarkan pertanyaan dan desain data.

↑ Kembali ke Tujuan Belajar

TUJUAN PEMBELAJARAN 2

Memilih metode statistik yang sesuai dengan pertanyaan dan desain data

↑ Kembali ke Tujuan Belajar

Pemilihan metode harus mengikuti jenis pertanyaan, jumlah kelompok/prediktor, hubungan antarobservasi, skala data, pola visual, dan asumsi.

2.1 Decision flow utama

Pertanyaan utama	Desain/data	Metode yang dapat dipertimbangkan
Apakah dua kelompok berbeda?	dua kelompok independen	Uji t dua sampel independen
Apakah terjadi perubahan?	unit sama diukur dua kali	Uji t berpasangan
Apakah ≥3 kelompok berbeda?	satu faktor, kelompok independen	Analisis Varians Satu Arah / pendekatan robust sesuai kondisi
Apakah dua variabel berhubungan?	linear numerik / monotonik	Korelasi Pearson / Spearman
Apakah satu X dapat memprediksi Y?	satu prediktor	Regresi linear sederhana
Apakah beberapa X dapat memprediksi Y?	dua atau lebih prediktor	Regresi linear berganda

2.2 Jangan memilih metode dari nilai-p normalitas saja

Pemilihan metode bukan: “nilai-p normalitas > 0,05 → parametrik; sebaliknya nonparametrik”. Periksa desain, skala data, bentuk hubungan/distribusi, nilai ekstrem, ukuran sampel, dan tujuan analisis secara bersama-sama.

2.3 Metode harus menjawab pertanyaan

Jika pertanyaan adalah “apakah tiga metode kerja memiliki mean produktivitas yang berbeda?”, korelasi bukan jawaban utama. Jika pertanyaan adalah “apakah jumlah tenaga kerja berkaitan dengan produktivitas?”, Analisis Varians bukan pilihan utama.

2.4 Minimum satu analisis utama yang benar

Lebih baik menggunakan satu metode utama yang tepat dan diinterpretasikan mendalam daripada banyak uji yang tidak terkait dengan masalah. Analisis tambahan hanya digunakan jika benar-benar membantu menjawab pertanyaan.

2.5 Navigator pemilihan metode

Jenis pertanyaan Kondisi

Navigator hanya membantu mengingat alur dasar. Keputusan final tetap memerlukan pemeriksaan data, asumsi, dan konteks substantif.

Latihan Tujuan Pembelajaran 2

Mahasiswa ingin menjelaskan keterlambatan proyek menggunakan keterlambatan material, jumlah pekerja, dan gangguan cuaca. Metode utama apa yang paling sesuai?

Jawaban: regresi linear berganda, jika variabel hasil numerik dan kondisi/asumsi model cukup terpenuhi, karena terdapat beberapa prediktor untuk satu variabel hasil.

↑ Kembali ke Tujuan Belajar

TUJUAN PEMBELAJARAN 3

Menjalankan analisis IBM SPSS Statistics dan menginterpretasikan evidence

↑ Kembali ke Tujuan Belajar

3.1 Analisis harus reproducible

Orang lain harus dapat memahami bagaimana hasil diperoleh. Simpan dataset kerja, dokumentasi perubahan data, dan output analisis secara teratur.

3.2 Urutan analisis

Deskriptif. Tampilkan jumlah kasus, ukuran pusat/penyebaran, serta grafik yang relevan.

Asumsi. Periksa asumsi yang benar-benar relevan untuk metode terpilih.

Analisis utama. Jalankan prosedur IBM SPSS Statistics yang tepat.

Ukuran efek/model. Laporkan ukuran efek, R², adjusted R², atau ukuran relevan lainnya.

Interval kepercayaan. Gunakan jika tersedia dan relevan.

Diagnostik. Periksa residual, multikolinearitas, atau post-hoc sesuai metode.

3.3 Evidence minimum menurut metode

Metode	Evidence minimum
Uji t independen	mean kelompok, asumsi, perbedaan mean, interval kepercayaan, nilai-p, ukuran efek
Uji t berpasangan	mean sebelum/sesudah, skor selisih, interval, nilai-p, ukuran efek
Analisis Varians	mean kelompok, asumsi, F, nilai-p, post-hoc bila perlu, eta squared
Korelasi	diagram pencar, koefisien, nilai-p, N, batas kausalitas
Regresi sederhana	diagram pencar, persamaan, slope, R², nilai-p, residual, batas prediksi
Regresi berganda	persamaan, R², adjusted R², F, koefisien parsial, Tolerance/Faktor Inflasi Varians, residual

3.4 Interpretasi harus menggunakan satuan asli

Jangan hanya menulis “hasil signifikan”. Jelaskan misalnya: “mean produktivitas berbeda 2,4 m²/hari” atau “setiap tambahan satu hari keterlambatan material berkaitan dengan peningkatan keterlambatan aktivitas 0,7 hari, dengan prediktor lain dalam model dipertahankan konstan secara statistik.”

3.5 Kesalahan yang harus dihindari

mengumpulkan banyak output tanpa hubungan dengan pertanyaan;
mengandalkan nilai-p saja;
menyebut “tidak ada pengaruh” hanya karena nilai-p > 0,05;
mengubah korelasi/regresi observasional menjadi klaim sebab-akibat;
menghapus nilai ekstrem tanpa dokumentasi;
mengabaikan asumsi/diagnostik yang relevan;
melakukan prediksi di luar ruang data tanpa peringatan.

3.6 Kesimpulan harus menjawab masalah

Kesimpulan yang baik bukan rangkuman semua angka. Kesimpulan memilih evidence utama dan menggunakannya untuk menjawab pertanyaan proyek yang dirumuskan sejak awal.

Latihan Tujuan Pembelajaran 3

Output regresi menunjukkan nilai-p model < 0,001 dan R² = 0,70, tetapi residual menunjukkan pola melengkung kuat. Apakah model dapat langsung digunakan untuk kesimpulan/prediksi?

Jawaban: tidak langsung. Signifikansi dan R² tinggi tidak meniadakan masalah spesifikasi model. Pola residual melengkung menunjukkan model linear mungkin tidak memadai dan harus dievaluasi.

↑ Kembali ke Tujuan Belajar

TUJUAN PEMBELAJARAN 4

Menyusun laporan, kesimpulan, presentasi, dan pertanggungjawaban lisan analisis

↑ Kembali ke Tujuan Belajar

4.1 Struktur laporan proyek

Bagian	Isi minimum
1. Masalah	konteks proyek dan pertanyaan yang akan dijawab
2. Data	sumber/cakupan, unit observasi, variabel, skala, audit kualitas
3. Metode	metode yang dipilih dan alasan pemilihannya
4. Hasil	deskriptif, tabel/grafik, output utama, ukuran efek/model
5. Interpretasi	makna statistik dalam konteks Manajemen Proyek Konstruksi
6. Kesimpulan	jawaban terhadap pertanyaan, keterbatasan, dan implikasi

4.2 File/evidence proyek

dataset kerja yang sudah diaudit;
kamus data / definisi variabel;
catatan pembersihan atau transformasi;
file IBM SPSS Statistics atau format kerja yang ditentukan dosen;
output yang relevan;
laporan analisis;
bahan presentasi;
bukti tambahan yang diperlukan untuk reproducibility.

4.3 Presentasi

Presentasi harus menjawab alur berikut dengan singkat:

Apa masalahnya?

Data apa yang digunakan?

Mengapa metode tersebut dipilih?

Apa hasil utama?

Apa artinya bagi masalah proyek?

Apa keterbatasannya?

4.4 pertanggungjawaban lisan — pertanggungjawaban analisis

pertanggungjawaban lisan adalah sesi tanya-jawab singkat untuk memastikan mahasiswa memahami dan dapat mempertanggungjawabkan analisis yang dikumpulkan.

Pertanyaan yang mungkin diajukan:

Mengapa memilih uji ini dan bukan metode lain?
Apa unit observasi Anda?
Bagaimana Anda menangani missing data atau nilai ekstrem?
Apa arti nilai-p ini?
Apa ukuran efek atau kualitas modelnya?
Asumsi apa yang Anda periksa?
Apakah hasil ini membuktikan sebab-akibat?
Apa keterbatasan terbesar analisis Anda?

4.5 Kriteria proyek

Kriteria	Evidence yang diharapkan
Pemahaman masalah dan data	masalah jelas, unit observasi dan variabel tepat, audit data terdokumentasi
Pemilihan metode	metode menjawab pertanyaan dan sesuai desain/asumsi
Perhitungan/analisis	prosedur IBM SPSS Statistics dan evidence statistik benar
Interpretasi	output diterjemahkan ke makna substantif dengan batas yang benar
Kesimpulan berbasis bukti	kesimpulan menjawab masalah dan tidak melebihi evidence
Komunikasi data	laporan, tabel/grafik, presentasi, dan pertanggungjawaban lisan jelas serta konsisten

Bobot Ujian Akhir Semester: 35%. Halaman ini tidak menambahkan persentase internal per kriteria; instrumen/rubrik final mengikuti ketentuan dosen dan Rencana Pembelajaran Semester yang akan direvisi.

4.6 Integritas akademik

mahasiswa harus memahami seluruh analisis yang dikumpulkan;
data tidak boleh direkayasa untuk menghasilkan nilai-p tertentu;
pembersihan data harus didokumentasikan;
pekerjaan pihak lain tidak boleh diajukan sebagai pekerjaan sendiri;
sumber eksternal yang digunakan harus dinyatakan secara wajar;
data sensitif harus dianonimkan sesuai kebutuhan.

Latihan Tujuan Pembelajaran 4

Dalam pertanggungjawaban lisan dosen bertanya: “Mengapa Anda memilih regresi berganda dan bukan korelasi Pearson?” Apa jenis jawaban yang diharapkan?

Jawaban: jelaskan bahwa pertanyaan proyek menggunakan satu variabel hasil dan beberapa prediktor, sehingga diperlukan model yang dapat mengestimasi koefisien parsial masing-masing prediktor sambil mempertahankan prediktor lain dalam model. Korelasi Pearson hanya merangkum hubungan dua variabel.

↑ Kembali ke Tujuan Belajar

Rangkuman Pertemuan 16

Tujuan Pembelajaran 1

Mulai dari masalah: rumuskan pertanyaan dan pastikan data layak dianalisis.

Tujuan Pembelajaran 2

Pilih metode: sesuaikan pertanyaan, desain, skala data, pola, dan asumsi.

Tujuan Pembelajaran 3

Bangun evidence: deskriptif + analisis utama + ukuran efek/model + diagnosis.

Tujuan Pembelajaran 4

Komunikasikan: laporan dan pertanggungjawaban lisan harus menunjukkan analisis yang dapat dipertanggungjawabkan.

Kalimat kunci Pertemuan 16: proyek statistik yang baik bukan yang paling rumit, tetapi yang paling tepat menjawab masalah dengan evidence yang dapat dipertanggungjawabkan.

Beban kegiatan Pertemuan 16

Asesmen	100 menit
Penugasan terstruktur	110 menit
Belajar mandiri	110 menit
Total	320 menit
Penilaian	UAS 35%

Checklist produk akhir

rumusan masalah dan pertanyaan analisis;
dataset bersih dan kamus data;
catatan audit/pembersihan;
alasan pemilihan metode;
output IBM SPSS Statistics yang relevan;
tabel/grafik utama;
interpretasi dan ukuran efek/model;
kesimpulan dan keterbatasan;
laporan akhir;
bahan presentasi dan kesiapan pertanggungjawaban lisan.

Checklist kesiapan Ujian Akhir Semester

0 dari 10 pemeriksaan selesai 0%

Checklist ini tersimpan hanya pada browser/perangkat dan bukan progres atau nilai resmi pada sistem pembelajaran.

Daftar Pustaka Pertemuan 16

Montgomery, D. C., & Runger, G. C. (2018). Applied Statistics and Probability for Engineers (7th ed.). Wiley.
Sudjana. (2005). Metoda Statistika. Bandung: Tarsito.
Sugiyono. (2019). Statistika untuk Penelitian. Bandung: Alfabeta.
Santoso, S. (2018). Menguasai Statistik dengan SPSS 25. Jakarta: Elex Media Komputindo.
Ghozali, I. (2021). Aplikasi Analisis Multivariate dengan Program IBM SPSS 26 (Edisi 10). Semarang: Badan Penerbit Universitas Diponegoro.

Daftar pustaka pada halaman ini identik dengan kode referensi pada Rencana Pembelajaran Semester terbaru.

↑ Kembali ke bagian utama

Penutup Semester

Setelah menyelesaikan proyek akhir, mahasiswa diharapkan tidak hanya mampu menjalankan IBM SPSS Statistics, tetapi juga mampu menjelaskan mengapa suatu metode dipilih, apa arti hasilnya, apa keterbatasannya, dan bagaimana evidence tersebut digunakan untuk menjawab masalah Manajemen Proyek Konstruksi.

Data → Evidence → Keputusan yang Dapat Dipertanggungjawabkan

↑ Lihat kembali Tujuan Belajar Pertemuan 16