Latar Belakang Teoretis

Karya Ahmed Farouk Kineber dkk. yang berjudul, "Revolutionizing Construction: A Cutting-edge Decision-making Model for Artificial Intelligence Implementation in Sustainable Building Projects," menyoroti sebuah paradoks sentral dalam industri arsitektur, rekayasa, konstruksi, dan operasi (AECO). Di satu sisi, sektor ini merupakan pilar fundamental ekonomi global; di sisi lain, ia juga menjadi kontributor signifikan terhadap konsumsi energi dan emisi gas rumah kaca, sambil berjuang melawan stagnasi produktivitas yang telah berlangsung selama beberapa dekade. Penelitian ini secara tajam mengidentifikasi lambatnya adopsi teknologi baru, khususnya Kecerdasan Buatan (AI), sebagai salah satu akar masalah, terutama di negara-negara berkembang seperti Nigeria, di mana metode konstruksi tradisional masih mendominasi.  

Kerangka teoretis yang dibangun oleh penulis memposisikan AI bukan sebagai ancaman terhadap tenaga kerja, melainkan sebagai teknologi komplementer yang strategis. AI dipandang mampu mentransformasi industri dengan meningkatkan efisiensi proyek, mengurangi pemborosan, mengoptimalkan alokasi sumber daya, dan secara signifikan meningkatkan standar kesehatan serta keselamatan kerja. Dengan latar belakang ini, studi ini merumuskan dua pertanyaan penelitian yang esensial: (1) Sejauh mana AI dapat membantu sektor konstruksi modern di Nigeria? dan (2) Apa saja kondisi dan pendorong krusial untuk integrasi AI yang efektif di industri konstruksi? Hipotesis utama yang diajukan adalah bahwa terdapat hubungan yang signifikan secara statistik antara faktor-faktor pendorong implementasi AI dengan tingkat adopsi AI itu sendiri di dalam industri.  

Metodologi dan Kebaruan

Untuk menguji hipotesisnya, penelitian ini mengadopsi metodologi kuantitatif yang canggih dan berlapis. Pengumpulan data primer dilakukan melalui survei terstruktur yang disebarkan kepada 150 pemangku kepentingan yang relevan di sektor konstruksi bangunan di Lagos, Nigeria, dengan tingkat respons yang valid mencapai 66,96%. Responden, yang terdiri dari arsitek,  

quantity surveyor, pembangun, dan insinyur, memberikan penilaian mereka terhadap berbagai pendorong dan manfaat adopsi AI menggunakan skala Likert lima poin.  

Analisis data dilakukan dalam dua tahap utama. Pertama, Exploratory Factor Analysis (EFA) digunakan untuk mereduksi sejumlah besar variabel pendorong dan manfaat menjadi beberapa konstruk laten yang lebih ringkas dan bermakna secara teoretis. Kedua, model hubungan antar konstruk ini diuji menggunakan  

Partial Least Squares Structural Equation Modeling (PLS-SEM), sebuah teknik statistik yang kuat untuk menganalisis hubungan sebab-akibat yang kompleks antar variabel, bahkan dengan ukuran sampel yang relatif kecil.  

Kebaruan dari penelitian ini terletak pada aplikasinya yang spesifik dan penggunaan metodologi yang canggih. Alih-alih hanya melakukan tinjauan literatur atau analisis regresi sederhana, studi ini membangun dan memvalidasi sebuah model pengambilan keputusan empiris dalam konteks negara berkembang. Dengan demikian, karya ini memberikan sebuah kerangka kerja yang dapat diukur dan direplikasi untuk memahami dinamika adopsi teknologi di lingkungan yang penuh tantangan.

Temuan Utama dengan Kontekstualisasi

Analisis data menghasilkan serangkaian temuan kuantitatif yang memberikan wawasan mendalam.

Pertama, melalui EFA, 15 variabel pendorong adopsi AI berhasil dikelompokkan menjadi tiga konstruk utama yang secara kolektif menjelaskan 52,86% dari total varians. Ketiga pendorong ini adalah:

1. Teknologi (Technology): Mencakup aspek-aspek seperti ketersediaan perangkat dan keamanan siber.

2. Kemajuan (Advancement): Terkait dengan kemajuan pesat teknologi dan investasi dari para pemain besar di industri.

3. Pengetahuan (Knowledge): Meliputi peran AI dalam mengatasi tantangan informasi dan meningkatkan pengalaman klien.  

Selanjutnya, 16 variabel manfaat adopsi AI juga berhasil dikelompokkan menjadi dua faktor utama yang menjelaskan 50,37% dari total varians: (1) Percepatan Penyelesaian Proyek dan (2) Peningkatan Kesehatan dan Keselamatan.  

Puncak dari temuan ini adalah hasil dari model PLS-SEM, yang secara definitif mengonfirmasi hipotesis penelitian. Ditemukan bahwa ketiga konstruk pendorong (Teknologi, Kemajuan, dan Pengetahuan) secara kolektif memiliki pengaruh positif dan signifikan secara statistik terhadap implementasi AI di industri konstruksi. Secara deskriptif, penelitian menunjukkan bahwa ketiga pendorong ini berkontribusi sekitar 15% terhadap variasi dalam adopsi AI yang teramati. Di antara ketiganya, faktor "Teknologi" terbukti menjadi komponen dengan pengaruh terbesar. Temuan ini mengontekstualisasikan bahwa, meskipun pengetahuan dan kemajuan industri penting, ketersediaan dan keamanan perangkat teknologi itu sendiri merupakan prasyarat paling fundamental untuk mendorong adopsi AI di lapangan.  

Keterbatasan dan Refleksi Kritis

Penulis secara jujur mengakui beberapa keterbatasan dalam studi mereka. Ruang lingkup penelitian yang terbatas pada Lagos State, Nigeria, membuat generalisasi temuan ke wilayah lain harus dilakukan dengan hati-hati. Selain itu, studi ini tidak memasukkan pengaruh faktor budaya dalam industri konstruksi, yang sering kali menjadi penghalang signifikan terhadap adopsi teknologi baru.  

Sebagai refleksi kritis, perlu dicatat bahwa meskipun model yang diajukan signifikan secara statistik, kemampuannya untuk menjelaskan variasi adopsi AI (R² = 15%) menunjukkan bahwa 85% dari faktor yang mempengaruhi adopsi AI berasal dari variabel lain yang tidak diteliti dalam model ini. Faktor-faktor seperti biaya implementasi, ketersediaan tenaga kerja terampil, resistensi terhadap perubahan, dan kebijakan pemerintah kemungkinan besar memainkan peran yang jauh lebih besar. Dengan demikian, model ini lebih tepat dilihat sebagai langkah awal yang penting, bukan sebagai penjelasan yang komprehensif.

Implikasi Ilmiah di Masa Depan

Terlepas dari keterbatasannya, implikasi praktis dari temuan ini sangat luas. Bagi para pembuat kebijakan, penelitian ini memberikan dasar empiris untuk merancang strategi dan insentif yang mendorong adopsi AI yang etis dan efektif. Bagi para insinyur dan pemangku kepentingan proyek, model ini menawarkan wawasan berharga untuk menyusun argumen bisnis yang kuat dalam memanfaatkan potensi AI untuk meningkatkan keberlanjutan, efisiensi, dan keselamatan proyek.  

Penelitian di masa depan harus diarahkan untuk memperluas model ini dengan memasukkan variabel-variabel penghambat (seperti biaya dan resistensi budaya) untuk menciptakan kerangka pengambilan keputusan yang lebih holistik. Melakukan studi komparatif di negara-negara berkembang lainnya juga akan sangat berharga untuk menguji validitas model ini di berbagai konteks. Sebagai refleksi akhir, karya Kineber dkk. ini memberikan kontribusi penting dengan menggeser diskusi tentang AI di bidang konstruksi dari ranah konseptual ke validasi empiris, sebuah langkah yang sangat dibutuhkan untuk mendorong transformasi nyata di salah satu industri terpenting di dunia.

Sumber

Kineber, A. F., Elshaboury, N., Oke, A. E., Aliu, J., Abunada, Z., & Alhusban, M. (2024). Revolutionizing construction: A cutting-edge decision-making model for artificial intelligence implementation in sustainable building projects. Heliyon, 10(2024), e37078. https://doi.org/10.1016/j.heliyon.2024.e37078

Latar Belakang Teoretis

Industri konstruksi, sebuah pilar fundamental dalam pembangunan peradaban, secara paradoksal menghadapi tantangan produktivitas yang stagnan sejak pertengahan abad ke-20. Di tengah kemajuan teknologi yang pesat di sektor lain, konstruksi masih berjuang dengan inefisiensi, pemborosan, dan keterlambatan. Menjawab tantangan ini, karya Lesly Velezmoro-Abanto dkk. menyajikan sebuah tinjauan literatur sistematis yang mengeksplorasi konvergensi dua paradigma transformatif:  

Lean Construction (LC) dan Kecerdasan Buatan (Artificial Intelligence - AI). Paper ini dibangun di atas premis bahwa sinergi antara filosofi efisiensi LC dan kapabilitas analitik AI dapat menjadi katalisator untuk revolusi yang telah lama dinantikan dalam manajemen proyek (Project Management - PM).

Kerangka teoretis yang diusung memposisikan LC sebagai filosofi manajemen yang berfokus pada identifikasi dan eliminasi segala bentuk pemborosan (waste), menjaga alur kerja yang stabil, dan mengelola sumber daya secara optimal untuk menghindari penundaan serta biaya tambahan. Di sisi lain, AI, khususnya sub-bidangnya  

Machine Learning (ML), diperkenalkan sebagai seperangkat teknik komputasi yang mampu menganalisis data dalam volume masif, menghasilkan model prediktif untuk mengoptimalkan kinerja, dan belajar secara mandiri dari informasi yang diolahnya. Argumen sentral yang diajukan penulis adalah bahwa kombinasi antara prinsip-prinsip LC dan kekuatan analitik ML bukan lagi sekadar konsep teoretis, melainkan sebuah strategi praktis yang dapat meningkatkan profitabilitas dan efisiensi proyek secara signifikan. Dengan demikian, tujuan utama dari studi ini adalah untuk memetakan secara komprehensif lanskap penelitian yang ada, mengidentifikasi cakupan aplikasi teknik AI dalam metodologi LC, dan bagaimana keduanya dapat merevolusi PM dalam hal efisiensi biaya dan waktu.  

Metodologi dan Kebaruan

Untuk mencapai tujuannya, penulis mengadopsi metodologi Tinjauan Literatur Sistematis (Systematic Literature Review - SLR) yang ketat, dengan berpedoman pada protokol PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses). Pendekatan ini memastikan bahwa proses seleksi artikel dilakukan secara transparan, dapat direplikasi, dan berbasis bukti, yang merupakan ciri khas dari penelitian ilmiah tingkat tinggi. Prosesnya melibatkan empat fase penyaringan yang berhasil mereduksi 43.654 artikel awal dari enam basis data terkemuka menjadi 63 artikel final yang paling relevan, berdasarkan kriteria inklusi dan eksklusi yang ketat, seperti rentang publikasi enam tahun terakhir (2018-2023) dan relevansi dengan topik penelitian.  

Sebagai pelengkap, analisis bibliometrik dilakukan menggunakan perangkat lunak VOSviewer untuk memvisualisasikan jaringan dan hubungan antar kata kunci dari artikel-artikel yang terpilih. Analisis ini berhasil mengidentifikasi klaster-klaster penelitian utama, yang menegaskan bahwa  

Lean Construction, AI, ML, dan Building Information Modeling (BIM) merupakan episentrum dari diskursus ilmiah di bidang ini.

Kebaruan dari karya ini tidak terletak pada penemuan data empiris baru, melainkan pada kontribusinya sebagai sebuah sintesis yang terstruktur dan komprehensif dari sebuah bidang yang bersifat interdisipliner dan cenderung terfragmentasi. Dengan memetakan secara sistematis titik temu antara LC dan AI, mengidentifikasi alat dan teknik yang paling dominan, serta membingkai manfaatnya dalam sebuah struktur yang koheren, paper ini menyajikan sebuah tinjauan "state-of-the-art" yang sangat berharga bagi akademisi maupun praktisi yang ingin memahami dan menavigasi frontier baru dalam manajemen konstruksi.

Temuan Utama dengan Kontekstualisasi

Analisis mendalam terhadap 63 artikel terpilih menghasilkan serangkaian temuan yang menjawab tiga pertanyaan penelitian utama yang dirumuskan oleh penulis.

Dominasi Alat Lean Construction (RQ1)
Temuan pertama menegaskan bahwa metodologi LC dan perangkatnya semakin mendapatkan pengakuan dan relevansi dalam praktik umum industri konstruksi. Di antara berbagai alat yang diidentifikasi, dua di antaranya menunjukkan dominasi yang jelas dalam literatur:  

Building Information Modeling (BIM) dan Last Planner System (LPS). BIM, sebagai platform untuk menciptakan model bangunan digital yang kaya informasi, berfungsi sebagai fondasi untuk kolaborasi yang lebih baik dan pengurangan kesalahan desain. Sementara itu, LPS adalah sistem kontrol produksi yang berfokus pada perencanaan kolaboratif dan peningkatan keandalan alur kerja di lapangan. Dominasi kedua alat ini mengontekstualisasikan bahwa digitalisasi perencanaan (melalui BIM) dan optimalisasi kontrol produksi kolaboratif (melalui LPS) merupakan dua vektor utama di mana prinsip-prinsip LC saat ini diimplementasikan dan diteliti.  

Spektrum Teknik Kecerdasan Buatan (RQ2)
Pada ranah AI, temuan menunjukkan bahwa Machine Learning (ML) adalah sub-bidang yang paling banyak dieksplorasi dalam konteks manajemen proyek konstruksi. Di dalam ML, teknik yang paling sering dipelajari adalah  

Artificial Neural Networks (ANN), yang meniru cara kerja otak manusia untuk mengenali pola kompleks dalam data, diikuti oleh Support Vector Machine (SVM), yang efektif untuk tugas klasifikasi dan regresi. Paper ini juga mengidentifikasi berbagai teknik lain seperti  

Convolutional Neural Networks (CNN) untuk pemrosesan gambar (computer vision), Decision Trees, dan Random Forest.

Lebih penting lagi, studi ini mengontekstualisasikan bagaimana teknik-teknik ini berintegrasi dengan filosofi LC. Misalnya, ANN digunakan untuk membuat prediksi akurat mengenai jadwal dan biaya, yang secara langsung mendukung prinsip LC dalam mengurangi variabilitas dan ketidakpastian. Demikian pula, teknik computer vision berbasis CNN dapat digunakan untuk pemantauan lokasi proyek secara otomatis, membantu mengidentifikasi pemborosan sumber daya atau praktik kerja yang tidak aman, yang sejalan dengan tujuan eliminasi limbah dalam LC.  

Manfaat Sinergistik (RQ3)
Pertanyaan penelitian ketiga mengeksplorasi manfaat dari kombinasi strategi LC dan ML. Temuan menunjukkan bahwa sinergi ini menghasilkan keuntungan yang signifikan, yang oleh penulis diklasifikasikan ke dalam empat kategori utama:

1. Efisiensi: Meliputi eliminasi limbah konstruksi, optimalisasi proses dan alur kerja, serta peningkatan efisiensi dalam alokasi sumber daya.  

2. Kualitas dan Keselamatan: Dicapai melalui pemantauan jarak jauh secara real-time, peningkatan akurasi pelaporan, dan fokus yang lebih besar pada keselamatan di lokasi kerja.  

3. Optimisasi Jadwal dan Anggaran: Terwujud melalui estimasi jadwal dan biaya yang lebih akurat, serta kemampuan untuk menghasilkan profitabilitas yang lebih tinggi.  

4. Pengurangan Risiko: Diperoleh dari kemampuan untuk mengidentifikasi dan memprediksi potensi risiko, mengurangi masalah tak terduga, dan memfasilitasi pengambilan keputusan yang lebih baik dan berbasis data.  

Secara kontekstual, manfaat-manfaat ini secara langsung selaras dengan prinsip-prinsip inti filosofi Lean. Hal ini menunjukkan bahwa AI tidak hanya berfungsi sebagai alat tambahan, tetapi sebagai enabler atau pemungkin yang memperkuat dan mempercepat pencapaian tujuan-tujuan LC, menjadikannya kombinasi yang sangat kuat untuk mencapai kesuksesan proyek.

Keterbatasan dan Refleksi Kritis

Penulis secara transparan mengakui beberapa keterbatasan yang melekat dalam penelitian mereka, termasuk ketersediaan dan kualitas data yang digunakan untuk melatih model ML dalam studi-studi yang ditinjau, potensi bias dalam seleksi artikel, kelangkaan riset yang secara spesifik berfokus pada integrasi LC dan ML, serta tantangan resistensi terhadap perubahan di industri konstruksi.  

Sebagai refleksi kritis, resensi ini menambahkan beberapa poin. Pertama, tinjauan ini sangat berhasil dalam mengidentifikasi "apa" (alat dan teknik yang digunakan), namun kurang mendalam dalam menganalisis "bagaimana" (mekanisme praktis dan tantangan integrasi di lapangan). Kedua, meskipun manfaat sinergi ini dipaparkan dengan baik, analisis yang lebih kritis mengenai potensi trade-off atau konflik akan memperkaya diskusi. Sebagai contoh, apakah investasi awal yang tinggi untuk implementasi AI bertentangan dengan prinsip reduksi biaya dalam LC, setidaknya dalam jangka pendek? Terakhir, ketergantungan pada analisis bibliometrik, meskipun berguna, berisiko menyederhanakan hubungan yang kompleks antar konsep yang mungkin dapat digali lebih dalam melalui analisis tematik kualitatif.

Implikasi Ilmiah di Masa Depan

Sebagai penutup, Velezmoro-Abanto dkk. memberikan rekomendasi yang jelas untuk arah penelitian di masa depan, seperti melakukan studi kasus dan proyek percontohan untuk validasi di dunia nyata, merancang platform spesifik yang mengintegrasikan kedua metodologi, dan mengembangkan analisis biaya-manfaat yang komprehensif.  

Implikasi dari temuan ini sangat luas. Penelitian di masa depan harus bergerak melampaui pertanyaan "apa" menuju "bagaimana", dengan fokus pada pengembangan dan pengujian kerangka kerja praktis untuk mengintegrasikan alat LC spesifik dengan teknik AI tertentu (misalnya, kerangka kerja yang menghubungkan data dari LPS dengan model prediksi penundaan berbasis ANN). Selain itu, investigasi terhadap "faktor manusia"—bagaimana pengenalan AI mengubah dinamika tim, proses pengambilan keputusan, dan keterampilan yang dibutuhkan oleh manajer proyek dalam lingkungan Lean—menjadi sangat krusial.

Sebagai refleksi akhir, di tengah meningkatnya kompleksitas proyek, tekanan efisiensi, dan tuntutan keberlanjutan, sinergi antara filosofi eliminasi limbah LC dan kapabilitas optimisasi berbasis data AI bukan lagi sekadar keingintahuan akademis. Ia merupakan jalur kritis menuju masa depan industri konstruksi. Paper ini, meskipun bersifat tinjauan, berhasil menyediakan sebuah peta jalan tingkat tinggi yang sangat berharga untuk menavigasi dan membentuk frontier baru yang menjanjikan ini.

Sumber

Velezmoro-Abanto, L., Cuba-Lagos, R., Taico-Valverde, B., Iparraguirre-Villanueva, O., & Cabanillas-Carbonell, M. (2024). Lean Construction Strategies Supported by Artificial Intelligence Techniques for Construction Project Management-A Review. International Journal of Online and Biomedical Engineering (IJOE), 20(3), 99-114. https://doi.org/10.3991/ijoe.v20i03.46769

 

Buruknya Kinerja Proyek Konstruksi: Masalah Lama yang Belum Seles

 

Dalam beberapa dekade terakhir, dunia konstruksi menyaksikan pertumbuhan pesat dalam hal skala, kompleksitas, dan tuntutan teknis. Namun, satu masalah klasik tak kunjung teratasi: buruknya kinerja proyek, terutama keterlambatan dan pembengkakan biaya. Dalam konteks Malaysia, dan bisa dikatakan berlaku pula di negara berkembang lainnya seperti Indonesia, persoalan ini menjadi penghambat utama efektivitas pembangunan.

 

Tesis ini bertujuan untuk menelisik akar penyebab kinerja buruk dalam proyek konstruksi berdasarkan data lapangan dan telaah literatur, dengan fokus pada kasus-kasus di wilayah Selangor. Fokus utama adalah pada keterlambatan ekstensif, sebagai indikator kinerja buruk yang paling mencolok.

 

Metodologi: Pendekatan Indeks dan Survei Langsung

 

Penelitian ini dilakukan melalui survei kuesioner yang melibatkan berbagai aktor konstruksi, mulai dari pengembang, konsultan, hingga kontraktor utama yang pernah terlibat dalam proyek bangunan dan infrastruktur di Malaysia. Total 44 faktor penyebab kinerja buruk diidentifikasi, kemudian dikategorikan ke dalam 8 kelompok besar. Analisis dilakukan menggunakan metode indeks rata-rata (average index) untuk menentukan tingkat keparahan setiap faktor.

 

Delapan Kategori Besar Penyebab Buruknya Kinerja Proyek

 

1. Karakteristik Proyek

Kinerja buruk sering kali sudah ditentukan sejak tahap awal proyek. Proyek berskala besar dengan desain kompleks, kurangnya perencanaan detail dan jadwal yang tidak realistis merupakan pemicu utama. Beberapa proyek jalan tol, misalnya, terhambat karena desain awal yang tidak mempertimbangkan kondisi geoteknik lapangan.

 

2. Faktor Klien atau Pengembang

Peran klien ternyata sangat krusial. Ketidaktegasan dalam keputusan, perubahan spesifikasi di tengah jalan, serta lambatnya pembayaran sangat berpengaruh terhadap ritme proyek. Dalam banyak kasus, kontraktor tidak dapat melanjutkan pekerjaan karena cash flow terganggu.

 

3. Faktor Kontraktor

Kurangnya keterampilan teknis, pelatihan yang minim, dan ketidakmampuan manajerial menyebabkan keterlambatan dan kesalahan pelaksanaan. Bahkan, kontraktor yang terpilih karena penawaran terendah cenderung gagal memenuhi standar teknis.

 

4. Faktor Konsultan

Kinerja konsultan juga tak lepas dari sorotan. Desain yang tidak matang, inspeksi yang tidak disiplin, hingga komunikasi yang lemah dengan tim lapangan menyebabkan miskomunikasi dan pekerjaan ulang. Sebagai contoh, proyek pembangunan rumah susun di Malaysia sempat terhambat karena desain arsitektur yang tidak sinkron dengan struktur.

 

5. Tenaga Kerja dan Material

Faktor ini mencakup keterlambatan pengiriman bahan, kekurangan material di lokasi, serta pekerja yang tidak kompeten atau tidak cukup jumlahnya. Bahkan, 54% kegagalan konstruksi terjadi karena kualitas tenaga kerja yang rendah dan manajemen logistik yang lemah.

 

6. Hubungan Kontraktual

Permasalahan hukum dalam kontrak, seperti ketidakjelasan hak dan kewajiban antar pihak, serta kurangnya klausul penyelesaian sengketa, turut memperpanjang durasi proyek. Kontrak yang lemah sering kali menjadi sumber konflik yang berlarut.

 

7. Prosedur Pengadaan Proyek

Sistem tender yang hanya mengutamakan harga terendah sering kali menjadi jebakan. Proyek diserahkan kepada pihak yang tidak memiliki kapasitas teknis memadai. Selain itu, proses lelang yang panjang dan birokratis menyebabkan proyek mundur sebelum dimulai.

 

8. Lingkungan Eksternal

Faktor cuaca, regulasi pemerintah, dan masalah sosial seperti protes warga sekitar turut menjadi penyebab. Dalam proyek jembatan antarnegara bagian, misalnya, keterlambatan izin lingkungan menyebabkan proyek tertunda hingga dua tahun.

 

Tiga Penyebab Utama Berdasarkan Hasil Survei

 

Dari 44 faktor yang dianalisis, tiga faktor teratas dengan tingkat keparahan tertinggi adalah:

 

• Kualitas hubungan antar anggota tim proyek

Kolaborasi yang buruk antar pemilik, kontraktor, dan konsultan berpotensi menimbulkan konflik dan kesalahan eksekusi.

 

• Sistem komunikasi antar peserta proyek

Minimnya alur informasi formal membuat keputusan penting tertunda atau tidak dipahami semua pihak.

 

• Kemampuan memotivasi tim oleh pemimpin proyek

Kurangnya jiwa kepemimpinan menyebabkan moral kerja menurun dan produktivitas terganggu.

 

Rekomendasi Perbaikan untuk Industri Konstruksi

 

1. Perkuat Peran Manajer Proyek sebagai Leader, Bukan Hanya Administrator

Pemimpin proyek perlu dibekali soft skills seperti komunikasi, manajemen konflik, dan motivasi tim.

 

2. Reformasi Sistem Tender

Gabungkan aspek harga dan kualifikasi teknis untuk memilih kontraktor yang benar-benar kompeten.

 

3. Audit Desain Sejak Awal

Semua dokumen desain harus diverifikasi oleh tim independen sebelum tahap pelaksanaan.

 

4. Bangun Tim Terintegrasi Sejak Pra-Konstruksi

Libatkan semua aktor proyek mulai dari klien, konsultan, hingga kontraktor dalam perencanaan agar ada rasa memiliki bersama.

 

5. Penerapan Teknologi Seperti BIM dan ERP Konstruksi

Penggunaan teknologi dapat mempercepat alur komunikasi, pemantauan progres, dan pengendalian biaya.

 

6. Standardisasi Dokumen Kontrak dengan Klausul Penyelesaian Sengketa

Kontrak harus jelas dalam mengatur hak, kewajiban, serta mekanisme alternatif penyelesaian masalah seperti mediasi dan arbitrase.

 

Kritik dan Evaluasi Studi

 

Tesis ini sangat kuat dari sisi struktur metodologi dan komprehensif dalam pengelompokan faktor. Namun, perlu dicatat beberapa keterbatasan:

• Fokus hanya pada wilayah Selangor, sehingga generalisasi ke konteks nasional masih perlu pembuktian lebih lanjut.
• Belum membandingkan faktor-faktor ini dengan proyek di sektor publik dan swasta secara eksplisit.
• Tidak menyertakan variabel kultural atau politik yang bisa jadi sangat menentukan dalam proyek-proyek pemerintah.

 

Konteks Global dan Perbandingan dengan Negara Lain

 

Temuan Puspasari sejalan dengan riset di negara lain. Di Indonesia, Kaming et al. (1997) mencatat bahwa 87% proyek high-rise mengalami keterlambatan dan 86% mengalami pembengkakan biaya karena faktor serupa: tenaga kerja, logistik, dan perencanaan yang lemah.

 

Sementara itu, di Arab Saudi, Assaf & Al-Hejji (2005) menemukan bahwa kurangnya komunikasi dan perubahan desain adalah faktor utama keterlambatan. Ini menunjukkan bahwa isu-isu yang sama muncul di berbagai belahan dunia, meskipun dalam konteks lokal yang berbeda.

 

Kesimpulan: Akar Masalah Bukan pada Satu Pihak, tapi pada Sistem Kolaborasi

 

Berdasarkan temuan dalam tesis ini, penyebab buruknya kinerja proyek konstruksi tidak dapat ditimpakan kepada satu aktor saja. Sebaliknya, yang diperlukan adalah reformasi sistemik yang menyentuh seluruh siklus hidup proyek, mulai dari desain, kontraktual, hingga tahap pelaksanaan.

 

Solusi terbaik bukanlah mencari kambing hitam, melainkan memperbaiki sistem komunikasi, manajemen risiko, dan kolaborasi lintas aktor. Tesis Tatiana Rina Puspasari memberikan peta jalan yang sangat berguna bagi para pengambil keputusan, akademisi, maupun praktisi untuk mulai melakukan perbaikan dari dasar.

 

 

Sumber:

Puspasari, T. R. (2005). Factors Causing the Poor Performance of Construction Project. Master’s Thesis, Faculty of Civil Engineering, Universiti Teknologi Malaysia.

Mengapa Temuan Ini Penting untuk Kebijakan?

Artikel ini membahas 22 kompetensi inti yang wajib dikuasai oleh tenaga ahli bangunan gedung—seperti BIM, perancangan tahan gempa, analisis struktur, dan komunikasi kerja. Temuan ini sangat relevan untuk kebijakan publik, karena standarisasi kompetensi menjadi fondasi utama untuk kualitas bangunan, keselamatan publik, dan daya saing industri konstruksi Indonesia.

Implementasi di Lapangan: Dampak, Hambatan, dan Peluang

1. Dampak Positif dari Standarisasi Kompetensi

   • Kualitas dan Keamanan Bangunan: Tenaga ahli terlatih jadi lebih akurat dalam desain dan konstruksi.

   • Risiko Bencana Tereduksi: Kompetensi perancangan tahan gempa membantu mencegah dampak bencana.

   • Efisiensi Proyek: Teknologi seperti BIM meningkatkan koordinasi dan mengurangi kesalahan desain.

2. Hambatan yang Dihadapi

   • Ketimpangan Keterampilan SDM: Banyak tenaga di daerah belum menguasai teknologi mutakhir seperti BIM.

   • Biaya Sertifikasi Tinggi: Pelatihan dan sertifikasi profesional dianggap mahal bagi sebagian pekerja.

   • Regulasi Wajib Belum Ada: Standar ini masih dihimpun akademis, bukan diatur melalui kebijakan pemerintah.

3. Peluang Strategis

   • Sertifikasi Profesi yang Terstandarisasi: Pemerintah bisa menetapkan kompetensi sebagai syarat legal untuk praktik, termasuk BIM.

   • Penguatan Pendidikan Vokasi: Masukkan kompetensi inti ke kurikulum teknik sipil dan politeknik.

   • Pelatihan Digital Terjangkau: Kursus online seperti Building Information Modeling for Structure Design dapat memperluas akses.

5 Rekomendasi Kebijakan Publik Praktis

1. Tetapkan Standar Kompetensi Nasional
   Kementerian PUPR dan asosiasi profesi harus menyusun dan melegalkan 22 kompetensi inti sebagai standar nasional.

2. Integrasikan Kompetensi ke Kurikulum Pendidikan Teknik
   Keahlian seperti BIM, desain tahan gempa, dan analisis struktur harus menjadi bagian akademis wajib vokasi dan sarjana.

3. Program Sertifikasi dan Subsidi Pelatihan Massal
   Pemerintah harus menyediakan subsidi pelatihan dan sertifikasi, terutama untuk tenaga konstruksi di area dengan akses pendidikan terbatas.

4. Mewajibkan Penggunaan BIM dalam Tender Publik
   Implementasi BIM harus jadi syarat tender untuk proyek publik, dilengkapi akses ke kursus.

5. Integrasi Kompetensi Mitigasi Bencana dalam Regulasi
   Kompetensi perancangan tahan gempa harus menjadi syarat dalam perizinan bangunan gedung, mendukung keselamatan publik dan program ketahanan infrastruktur.

Kritik: Risiko Jika Tanpa Kebijakan Serius

Tanpa kebijakan yang menegaskan pentingnya sertifikasi dan pelatihan, kualitas keamanan bangunan bisa bervariasi, proyek rawan kesalahan, dan tenaga ahli terbagi antara yang tersertifikasi dan tidak—memicu ketidaksetaraan dalam praktik industri.

Penutup: Relevansi Strategis untuk Indonesia

Standarisasi kompetensi tenaga ahli bangunan gedung adalah fondasi untuk:

• Meningkatkan kualitas konstruksi,

• Melindungi keselamatan publik,

• Memperkuat profesionalisme dan daya saing industri.

Indonesia butuh regulasi, pendidikan vokasi, sertifikasi terjangkau, dan pelibatan teknologi digital—semua demi memastikan setiap tenaga ahli memiliki kompetensi mutakhir.

Sumber

Identifikasi Kompetensi yang Dibutuhkan Tenaga Ahli Teknik Bangunan Gedung pada Industri Konstruksi (2023).

Mengapa Temuan Ini Penting untuk Kebijakan?

Sejak berlakunya Masyarakat Ekonomi ASEAN (MEA) pada akhir 2015, Indonesia menghadapi persaingan tenaga kerja yang ketat, termasuk untuk profesi insinyur. Di sisi lain, pemerintah mencanangkan megaproyek infrastruktur yang membutuhkan insinyur profesional dalam jumlah signifikan. Namun, kasus kegagalan struktur seperti jembatan ambruk dan jalan tol amblas menimbulkan pertanyaan besar tentang kualitas insinyur yang bertanggung jawab.

Di luar negeri, khususnya di negara maju seperti Singapura dan Amerika Serikat, hanya insinyur berlisensi (

Professional Engineer/PE) yang memiliki kewenangan untuk mengesahkan desain teknis. Lisensi ini bukan sekadar pilihan, melainkan persyaratan hukum yang menjamin kompetensi dan akuntabilitas. Kontras dengan kondisi di Indonesia, di mana lulusan sarjana teknik dapat mengesahkan desain di lapangan , sertifikasi profesional menjadi kunci untuk meningkatkan kualitas dan mencegah kegagalan.

Implementasi di Lapangan: Dampak, Hambatan, dan Peluang

Pemerintah Indonesia telah mengeluarkan Undang-Undang Nomor 11 Tahun 2014 tentang Keinsinyuran sebagai langkah awal. Berdasarkan UU ini,

Program Profesi Insinyur (PSPPI) didirikan di 40 perguruan tinggi untuk menghasilkan insinyur profesional yang kompeten dan mampu bersaing.

Dampak Positif

• Penegasan Akuntabilitas: UU Keinsinyuran memberikan sanksi tegas bagi insinyur yang berpraktik tanpa Surat Tanda Registrasi Insinyur (STRI), dengan denda hingga Rp 200 juta atau pidana penjara dua tahun. Jika kegagalan pekerjaan menyebabkan kecelakaan atau hilangnya nyawa, sanksi dapat mencapai denda Rp 1 miliar dan penjara 10 tahun.

• Pengakuan Pembelajaran Lampau (RPL): PSPPI dapat ditempuh melalui jalur RPL, yang memungkinkan sarjana teknik dengan pengalaman kerja minimal dua tahun untuk memperoleh sertifikasi. Ini memberikan jalur yang efisien bagi profesional yang sudah berpengalaman.

Hambatan

• Kendala Tenaga Pengajar: Salah satu kendala dalam pembentukan PSPPI adalah persyaratan bahwa dosen pengampu harus memiliki sertifikat Insinyur Profesional Madya (IPM). Meskipun di beberapa universitas, hal ini diatasi dengan menempatkan prodi di tingkat fakultas, masalah spesialisasi lulusan tetap menjadi pertanyaan.

• Kemitraan Magang: Program PSPPI mewajibkan porsi magang yang signifikan di lapangan, tetapi menentukan mitra perusahaan yang dapat mengakomodasi berbagai bidang ilmu dari departemen berbeda menjadi tantangan.

Peluang

• Kerja Sama Industri-Akademisi: Terdapat peluang untuk berkolaborasi dengan perusahaan-perusahaan besar seperti PT. Wijaya Karya, Pertamina, dan lainnya untuk menyediakan tempat magang. Staf manajemen dari perusahaan ini juga dapat dilibatkan sebagai dosen atau pembimbing.

   

• Evaluasi Berkelanjutan: Evaluasi program studi dan tracer study terhadap kepuasan pengguna lulusan harus dilakukan secara rutin untuk perbaikan berkelanjutan. Salah satu indikator keberhasilan adalah berkurangnya kasus kegagalan struktur.

   

5 Rekomendasi Kebijakan Praktis

Berdasarkan temuan dari studi ini, berikut adalah lima rekomendasi kebijakan praktis untuk mengimplementasikan UU Keinsinyuran secara efektif:

1. Penerbitan Peraturan Pemerintah yang Lebih Rinci

Pemerintah perlu segera mengeluarkan Peraturan Pemerintah sebagai turunan UU No. 11 Tahun 2014. Aturan ini harus secara spesifik meregulasi bahwa hanya insinyur berlisensi yang berhak mengesahkan desain teknis. Ini akan menutup celah hukum yang selama ini memungkinkan sarjana teknik tanpa sertifikasi untuk melakukan pekerjaan krusial.

2. Pembentukan Tim Khusus Penegakan Hukum

Untuk memastikan implementasi yang efektif, perlu dibentuk tim khusus yang bertugas mengawasi dan menegakkan hukum. Tim ini harus memastikan bahwa hanya insinyur yang memiliki STRI yang berhak melakukan praktik keinsinyuran.

3. Integrasi Dosen Praktisi

Guna mengatasi kendala ketersediaan dosen, pemerintah dan perguruan tinggi harus memfasilitasi integrasi dosen praktisi dari industri. Mereka dapat diangkat sebagai dosen pengampu atau pembimbing magang, yang membawa pengalaman nyata ke dalam kurikulum PSPPI.

4. Pengembangan Kurikulum Berbasis Kasus Nyata

Kurikulum PSPPI harus lebih mengutamakan praktik dan studi kasus nyata dari industri. Hal ini dapat dilakukan melalui magang kerja yang terstruktur dengan topik tesis yang berfokus pada penyelesaian masalah yang ditemui di lapangan.

5. Pengukuran Keberhasilan Program Berbasis Indikator Dampak

Evaluasi PSPPI harus tidak hanya berfokus pada tingkat kelulusan, tetapi juga pada indikator dampak seperti tingkat kepuasan pengguna lulusan dan, yang terpenting, penurunan kasus kegagalan struktur di Indonesia.

Kritik dan Risiko Jika Kebijakan Tidak Diterapkan

Tanpa implementasi yang tegas, upaya untuk meningkatkan kualitas insinyur melalui sertifikasi akan sia-sia. Persepsi negatif terhadap kualitas insinyur lokal akan terus berlanjut, yang pada akhirnya akan menghambat pembangunan infrastruktur dan daya saing bangsa di kancah global. Kegagalan struktur yang menelan biaya dan nyawa akan terus terjadi, dan kepercayaan publik terhadap profesi insinyur akan semakin menurun. Keterbatasan dalam penegakan hukum juga akan membuat sanksi yang diatur dalam UU tidak efektif.

Kesimpulan

Sertifikasi insinyur profesional sangat krusial bagi Indonesia, tidak hanya untuk meningkatkan daya saing di tengah MEA, tetapi juga untuk menjamin keselamatan dan kualitas infrastruktur. Meskipun telah ada landasan hukum, keberhasilan program ini sangat bergantung pada implementasi yang kuat dan komitmen dari pemerintah, industri, dan akademisi. Dengan meregulasi secara ketat dan memastikan setiap insinyur profesional memenuhi standar kompetensi yang tinggi, Indonesia dapat meminimalisir kegagalan struktur dan membangun fondasi yang kokoh untuk masa depan.

🔗 Sumber Paper: Supraba, I. (2017). Peningkatan Kualitas Insinyur Melalui Sertifikasi Insinyur Profesional. Prosiding Simposium II - UNIID 2017. Baca selengkapnya tentang kursus terkait di sini: K3 Konstruksi

Pendahuluan: Tantangan Strategis di Tengah Pertumbuhan Industri Konstruksi

 

Industri konstruksi Indonesia saat ini tengah berada di titik persimpangan antara peluang besar dan tantangan sistemik. Meskipun tercatat sebagai salah satu pasar konstruksi terbesar di dunia dengan nilai investasi mencapai USD 120,1 miliar pada 2010 dan pertumbuhan 567%, kenyataannya banyak perusahaan lokal masih terjebak dalam performa rendah dan profitabilitas yang minim. Hal ini mengindikasikan adanya kegagalan dalam memanfaatkan peluang pertumbuhan secara strategis.

 

Tesis ini meneliti akar persoalan tersebut dengan pendekatan yang mendalam melalui lensa Dynamic Capabilities Framework, yakni kemampuan perusahaan untuk beradaptasi dan berevolusi di tengah perubahan lingkungan bisnis yang cepat. Fokus utama adalah pada bagaimana perusahaan konstruksi Indonesia dapat merancang strategi jangka panjang untuk meningkatkan daya saing dan kinerja organisasi secara berkelanjutan.

 

Permasalahan Struktural dalam Industri Konstruksi Nasional

 

Salah satu isu utama yang diangkat adalah rendahnya daya saing perusahaan lokal. Berdasarkan data LPJK tahun 2006, dari total 116.460 perusahaan konstruksi, hanya 1% yang dikategorikan sebagai perusahaan besar. Ironisnya, kelompok kecil inilah yang mendominasi pasar nasional, sering kali melalui afiliasi asing.

 

Di sisi lain, perusahaan kecil dan menengah (UKM) menghadapi hambatan seperti:

• Persaingan tidak sehat dalam tender proyek publik.
• Ketergantungan pada jaringan informal dan kolusi.
• Keterbatasan akses modal dan teknologi.
• Kurangnya tenaga kerja profesional terlatih.

 

Suraji (2007) bahkan mencatat bahwa banyak perusahaan terjebak dalam sistem pengadaan publik yang tidak efisien dan penuh transaksi biaya tinggi.

 

Urgensi Manajemen Strategis dan Dynamic Capabilities

 

Berbeda dengan pendekatan strategi tradisional seperti Five Forces Porter yang bersifat eksternal dan VRIO yang fokus pada internal, kerangka Dynamic Capabilities yang dikembangkan oleh Teece, Pisano, dan Shuen (1997) memadukan kedua perspektif tersebut. Tesis ini memanfaatkan framework ini untuk membangun model strategis yang relevan bagi konteks Indonesia.

 

Dynamic Capabilities mencakup tiga elemen kunci:

• Sensing: Kemampuan mendeteksi peluang dan ancaman.
• Seizing: Kemampuan memanfaatkan peluang melalui sumber daya dan proses internal.
• Transforming/Reconfiguring: Kemampuan menyesuaikan struktur organisasi dan kompetensi dengan lingkungan bisnis yang dinamis.

 

Dengan model ini, perusahaan tidak hanya bereaksi terhadap perubahan tetapi juga mampu menciptakan perubahan pasar.

 

Analisis Data: Studi Kasus dan Temuan Kunci

 

Penulis melakukan survei empiris terhadap perusahaan konstruksi Indonesia untuk memverifikasi model konseptual yang dikembangkan. Temuan penting dari studi ini antara lain:

• Sebagian besar perusahaan masih memiliki orientasi jangka pendek, lebih memilih keuntungan cepat dibanding strategi pertumbuhan berkelanjutan.
• Ketiadaan strategi korporat jangka panjang menjadi penghambat utama dalam menghadapi persaingan global dan dampak krisis keuangan.
• Kinerja organisasi tidak selalu mencerminkan keunggulan bersaing yang berkelanjutan. Banyak perusahaan yang unggul secara performa keuangan namun rentan secara strategis.

 

Dalam konteks ini, competitive advantage tidak boleh disamakan dengan performance. Keduanya adalah dua konstruk berbeda yang saling berkaitan, namun perlu dikelola secara terpisah.

 

Kritik terhadap Praktik Strategi Konvensional

 

Salah satu kekuatan tesis ini adalah kritiknya terhadap praktik strategi konvensional di sektor konstruksi. Banyak peneliti terdahulu cenderung menggunakan pendekatan tunggal (single-based strategy) yang tidak mencerminkan kompleksitas nyata di lapangan. Padahal, lingkungan bisnis konstruksi sangat dinamis dan memerlukan pendekatan multi-tahap seperti dynamic capabilities.

 

Model Porter (1990) memang memberikan kerangka awal melalui teori klaster industri, namun belum menyentuh aspek transformasi organisasi dan inovasi strategis yang lebih mendalam sebagaimana difasilitasi oleh Dynamic Capabilities.

 

Implikasi Praktis dan Rekomendasi Kebijakan

 

Tesis ini menyarankan beberapa langkah strategis yang dapat diadopsi oleh pemerintah dan pelaku industri:

• Penerapan strategi berbasis pengetahuan (knowledge-based management) untuk memperkuat daya saing jangka panjang.
• Revitalisasi peran lembaga pengatur seperti NCSDB agar lebih transparan dan tidak didominasi oleh aktor-aktor besar.
• Pengembangan SDM dan manajemen proyek berbasis inovasi untuk mengatasi ketimpangan antara perusahaan lokal dan asing.

 

Lebih lanjut, pembuat kebijakan perlu mengurangi hambatan institusional dan memperbaiki ekosistem bisnis agar investasi domestik dan asing dapat berjalan seimbang.

 

Nilai Tambah: Relevansi dengan Tren Industri Global

 

Dari sudut pandang global, pendekatan Dynamic Capabilities sangat relevan dengan tren industri konstruksi masa kini yang makin terdigitalisasi dan bergantung pada efisiensi teknologi. Negara-negara maju seperti Jepang dan Jerman telah menerapkan strategi berbasis kapabilitas dinamis dalam menangani proyek infrastruktur berskala besar.

 

Indonesia pun mulai mengikuti tren ini melalui skema Public-Private Partnership (PPP), namun tanpa fondasi strategis yang kuat, perusahaan lokal akan sulit bersaing dengan perusahaan asing yang lebih siap.

 

Kesimpulan: Dinamika Kapabilitas sebagai Jawaban atas Ketimpangan Strategis

 

Tesis Muhammad Pamulu memberikan kontribusi signifikan terhadap literatur dan praktik strategi manajemen di sektor konstruksi Indonesia. Dengan pendekatan dynamic capabilities, tesis ini mampu menjawab pertanyaan kunci: bagaimana perusahaan lokal bisa tetap relevan dan unggul dalam lingkungan yang terus berubah?

 

Model yang dibangun tidak hanya menjadi panduan teoritis, tetapi juga menyediakan kerangka kerja praktis bagi pelaku industri, regulator, hingga akademisi. Jika diimplementasikan secara menyeluruh, pendekatan ini bisa menjadi titik balik dalam transformasi industri konstruksi Indonesia.

 

 

Sumber

Pamulu, M. (2010). Strategic Management for Indonesian Construction Enterprises: A Dynamic Capabilities Approach. Curtin University. Diakses dari https://espace.curtin.edu.au/handle/20.500.11937/476