Model Prediksi Nilai Sosial Proyek pada Proyek Infrastruktur Jalan

Maelissa, Nelda (2026) Model Prediksi Nilai Sosial Proyek pada Proyek Infrastruktur Jalan. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text 7012221002-Doctoral.pdf - Accepted Version Restricted to Repository staff only Download (7MB) | Request a copy

Abstract

Keberhasilan suatu proyek secara tradisional diukur berdasarkan pencapaian biaya, waktu dan mutu. Namun, paradigma keberhasilan proyek saat ini telah berkembang menuju pendekatan yang lebih berorientasi pada keberlanjutan dan manfaat yang dihasilkan oleh proyek. Dalam hal ini, nilai sosial proyek menjadi aspek penting yang merepresentasikan manfaat sosial yang dihasilkan proyek bagi stakeholder dan masyarakat pada umumnya. Pada proyek jalan, nilai sosial proyek tidak hanya ditentukan oleh hasil fisik infrastruktur, tetapi juga sejauh mana proyek mampu meningkatkan aksesibilitas, keselamatan, kenyamanan, penerimaan masyarakat, serta kualitas hidup pengguna dan masyarakat. Meskipun demikian, penelitian mengenai nilai sosial proyek pada proyek infrastruktur jalan masih relatif terbatas, terutama terkait identifikasi faktor-faktor yang mempengaruhinya dan pengembangan model prediksi yang mampu menangkap hubungan kompleks antar variabel. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang berpengaruh signifikan terhadap pencapaian nilai sosial proyek, mengembangkan model prediksi nilai sosial proyek berbasis Adaptive Neuro-Fuzzy Inference System (ANFIS) serta menguji model tersebut pada konteks proyek nyata yang mewakili tiga tipologi proyek infrastruktur jalan. Penelitian menggunakan pendekatan eksplanatori-prediktif, dengan analisis regresi berganda untuk menjelaskan pengaruh dan signifikansi faktor secara parsial dan simultan, sedangkan ANFIS untuk mengembangkan model prediksi nilai sosial proyek. Pengumpulan data dilakukan melalui survei kuesioner terhadap stakeholder proyek yang terdiri atas pemerintah, kontraktor, konsultan, dan masyarakat, dengan jumlah 365 responden valid. Model regresi menjelaskan 76.7% variasi nilai sosial proyek (R2 = 0.767). Desain merupakan faktor yang paling dominan dalam mempengaruhi nilai sosial proyek (β = 0.615, p < 0.001), sedangkan kinerja organisasi proyek menunjukan pengaruh marjinal yang signifikan (β = 0.192, p < 0.10). Sementara itu, keterlibatan masyarakat, peran pemerintah, dan praktik keberlanjutan proyek memiliki koefisien positif namun tidak signifikan secara statistik. Temuan ini menunjukan bahwa desain menjadi titik ungkit utama dalam pembentukan nilai sosial proyek, sementara kinerja organisasi proyek berperan penting dalam memastikan manfaat desain dapat dikelola dan diterjemahkan menjadi manfaat yang dirasakan stakeholder. Berdasarkan pengembangan model prediksi menggunakan ANFIS, konfigurasi terbaik diperoleh pada pendekatan Subtractive Clustering dengan Cluster Influence Range (CIR) sebesar 0.45. Model akhir berbentuk Sugeno orde pertama dengan 3 fuzzy rules, yang memprediksi nilai sosial proyek berdasarkan lima variabel input, yaitu keterlibatan masyarakat, peran pemerintah, praktik keberlanjutan proyek, kinerja organisasi proyek, dan desain. Hasil model menunjukan bahwa nilai sosial proyek terbentuk melalui kombinasi dan interaksi non-linear antar faktor, dengan kontribusi dominan dari desain dan kinerja organisasi proyek, sedangkan faktor lainnya berperan sebagai penguat pada konfigurasi tertentu. Uji kesesuaian prediksi model pada tiga studi kasus proyek jalan yakni flyover Aloha, underpass Sudirman, dan jalan Menganti-Wiyung menunjukan bahwa model memiliki tingkat akurasi prediksi yang baik dengan nilai MAPE di bawah 10%. Penelitian ini memberikan kontribusi teoritis, metodologis, dan praktis dalam pengembangan kajian nilai sosial proyek pada proyek infrastruktur jalan. Secara teoritis, penelitian ini memperkaya pemahaman mengenai faktor-faktor pembentuk nilai sosial proyek, khususnya dengan menunjukan peran dominan desain dan kinerja organisasi proyek dalam konteks proyek jalan. Secara metodologis, penelitian ini mengintegrasikan pendekatan eksplanatori melalui regresi berganda dan pendekatan prediktif melalui ANFIS untuk menganalisis sekaligus memprediksi nilai sosial proyek. Secara praktis, model prediksi yang dihasilkan dapat digunakan sebagai alat bantu pengambilan keputusan pada tahap perencanaan, pelaksanaan, maupun evaluasi proyek untuk mengidentifikasi potensi capaian nilai sosial proyek dan menentukan intervensi perbaikan pada faktor-faktor yang dominan sehingga mendukung pencapaian nilai sosial proyek yang lebih optimal dan berkelanjutan.
======================================================================================================================================
Project success has traditionally been measured based on the achievement of cost, time, and quality. However, the paradigm of project success has gradually evolved toward a broader perspective that emphasizes sustainability and the benefits delivered by projects. In this context, Project Social Value (PSV) has emerged as an important aspect, representing the social benefits generated by projects for stakeholders and society in general. In road infrastructure projects, project social value is not solely determined by the physical outcomes of the infrastructure, but also by the extent to which the project improves accessibility, safety, comfort, public acceptance, and the quality of life of users and affected communities. Nevertheless, studies on project social value in road infrastructure projects remain relatively limited, especially regarding the identification of influencing factors and the development of predictive models capable of capturing complex and non-linear relationships among variables. This study aims to analyse the factors that significantly influence the achievement of project social value, develop a project social value predictive model based on the Adaptive Neuro-Fuzzy Inference System (ANFIS), and test the model on real project case studies representing three typologies of road infrastructure projects. This study employed an explanatory-predictive approach, with multiple linear regression analysis used to explain the partial and simultaneous effects and significance of the factors, while ANFIS was used to develop the project social value predictive model. Data were collected through questionnaire surveys distributed to project stakeholders, consisting of government representatives, contractors, consultants, and community members, with a total of 365 valid respondents. The regression model explains 76.7% of the variance in project social value (R2 = 0.767). Design emerges as the strongest predictor (β = 0.615, p < 0.001), while project organisational performance shows a marginally significant effect (β = 0.192, p < 0.10). Meanwhile, community engagement, government role, and project sustainability practices have positive coefficients, but their effects on project social value are not statistically significant. These findings indicate that design serves as the main leverage point in shaping project social value, while project organizational performance plays an important role in ensuring that design benefits can be managed and translated into benefits perceived by stakeholders. Based on the development of the ANFIS predictive model, the best configuration was obtained using the Subtractive Clustering approach with a Cluster Influence Range (CIR) of 0.45. The final model is a first order Sugeno model with 3 fuzzy rules, predicting project social value based on five input variables: community engagement, government role, project sustainability practices, project organizational performance, and design. The model results indicate that project social value is formed through the combination and non-linear interaction of factors, with dominant contributions from design and project organizational performance, while other factors act as reinforcing factors under certain configurations. The model prediction suitability test on three real project case studies, namely the Aloha flyover, Sudirman underpass, and Menganti-Wiyung road project, demonstrates that the model achieves good predictive accuracy with MAPE values below 10%. This study provides theoretical, methodological, and practical contributions to the development of project social value research in road infrastructure projects. Theoretically, this study enriches the understanding of the factors shaping project social value, particularly by demonstrating the dominant role of design and project organisational performance in the context of road infrastructure projects. Methodologically, this study integrates an explanatory approach through multiple linear regression analysis and a predictive approach through ANFIS to analyse and predict project social value. Practically, the resulting predictive model can serve as a decision-support tool during the planning, implementation, and evaluation stages of projects to identify the potential achievement of project social value and determine improvement interventions for the dominant factors, thereby supporting the achievement of more optimal and sustainable project social value.

Item Type:	Thesis (Doctoral)
Uncontrolled Keywords:	Nilai Sosial Proyek, Proyek Jalan, Model Prediksi, ANFIS, Analisis Regresi Berganda, Desain Project Social Value, Road Project, Predictive Model, ANFIS, Multiple Linear Regression, Design
Subjects:	H Social Sciences > HT Communities. Classes. Races > HT133 City and Towns. Land use,urban T Technology > TH Building construction > TH438 Construction industry--Management. Project management. T Technology > TH Building construction > TH880 Sustainable buildings. Sustainable construction. Green building
Divisions:	Faculty of Civil Engineering and Planning > Civil Engineering > 22001-(S3) PhD Thesis
Depositing User:	Nelda Maelissa
Date Deposited:	28 Jul 2026 01:53
Last Modified:	28 Jul 2026 01:53
URI:	http://repository.its.ac.id/id/eprint/138019

Actions (login required)

View Item