Kata Kunci: Manajemen risiko, teknik risiko, sistem pendukung keputusan, penalaran
berbasis kasus.
pengantar
Risiko, sebagaimana disajikan dalam makalah ini, memiliki dua elemen: hasil dan
kemungkinan. Dalam dua karya mani berkaitan dengan pengelolaan risiko dalam
konstruksi Flanagan dan Norman (1993) menggambarkan risiko dalam hal probabilitas
yang diterapkan pada pengambilan keputusan dan Godfrey (1996) menganggapnya
sebagai kemungkinan sebuah peristiwa terjadi. Ada berbagai teknik yang tersedia untuk
mengelola risiko di industri konstruksi dan siklus manajemen risiko didefinisikan dengan
baik. Tahap pertama adalah identifikasi risiko. Instimsi Insinyur Sipil dkk. (1998)
menghasilkan panduan untuk mengelola risiko dalam proyek. Mereka menyoroti
pentingnya mengidentifikasi risiko karena mereka yang tidak teridentifikasi tidak dapat
dikelola. Risiko kemudian dianalisis (perkiraan dan tahap evaluasi) j ini memungkinkan
risiko untuk memasuki tahap akhir dari siklus yang didefinisikan oleh Baker ct al. (1999)
sebagai respon dan monitoring. Pada semua tahapan ini sejumlah teknik manajemen
risiko yang berbeda tersedia. Namun, peneliti sebelumnya sudah
menunjukkan bahwa ada diskontinuitas antara teknik-teknik yang digunakan dalam
praktik dan yang telah dikembangkan dalam literatur (misalnya Akintoye dan MacLeod,
1997; Wood and Ellis, 2003). Literatur akademis menunjukkan bahwa walaupun ada
sejumlah teknik yang tersedia, para praktisi mengandalkan dan hanya berfokus pada
sejumlah kecil saja.
Untuk mengatasi masalah ini dikembangkan dua alat pendukung keputusan yang
dikembangkan. Yang pertama digunakan menggunakan pendekatan matriks dan model
penalaran berbasis kasus kedua (CBR) untuk memilih teknik yang tepat. Alat-alat ini
memungkinkan pengguna teknik manajemen risiko untuk membuat keputusan yang
lebih tepat dalam memilih teknik yang tepat dan mempertimbangkan menerapkan teknik
yang mungkin belum dipertimbangkan oleh pengguna sebelumnya.
berlaku. Ini menyiratkan bahwa teknik tunggal tidak selalu merupakan obat mujarab.
Dey dan Ogunlana (2004) menghasilkan sistem pendukung keputusan untuk pemilihan
teknik risiko dalam proyek build-operate-transfer. Namun, Dikmen ar o /. (2004)
mencatat tidak adanya alat pendukung keputusan terpadu yang terintegrasi dan
meminta kerangka kerja formal untuk dibuat (Dikmen e., 2004). Wang ci al. (2004) juga
mengidentifikasi kebutuhan ini:
Telah diakui bahwa pekerjaan ulang dengan nama yang holistik diinginkan untuk
penilaian risiko sistem insinyur besar di mana pemodelan risiko yang sesuai (sic) dan alat
pengambilan keputusan dapat dipilih untuk digunakan pada berbagai tahap proses
desain dan operasi.
Selanjutnya, Lyons dan Skitmore (2004) menyimpulkan bahwa satu teknik risiko mungkin
tidak selalu sesuai untuk setiap situasi. Dengan demikian, penelitian yang disajikan
dalam makalah ini bertujuan untuk mengidentifikasi alat pendukung keputusan atau alat
yang memungkinkan pemilihan teknik yang tepat untuk berbagai masalah di lingkungan
binaan.
metode
Penelitian awal yang meneliti literatur mengidentifikasi 36 teknik yang berbeda yang
telah diterapkan dalam masalah manajemen konstruksi di masa lalu. Beberapa dari 36
ini diterapkan di lebih dari satu tahap siklus manajemen risiko (misalnya estimasi dan
evaluasi). Hal ini menghasilkan 52 aplikasi dari 36 teknik di semua tiga tahap yang terdiri
dari 16 di identiacation,
18 pada estimasi dan 18 pada evaluasi. 13 teknik lainnya yang diidentifikasi memiliki
rincian yang tidak memadai untuk digunakan.
2004). Sebaliknya, risiko internal adalah mereka yang berada dalam kendali organisasi,
atau 'risiko yang berasal dari organisasi proyek atau inangnya, yang timbul dari aturan,
kebijakan, proses, struktur, tindakan, keputusan, perilaku, atau budaya' (Barber, 2005) .
Ini adalah perbedaan universal dan berlaku untuk semua jenis risiko. Oleh karena itu
telah digunakan sebagai tingkat kerusakan pertama dalam kerangka kerja. Satu
perbedaan signifikan antara sifat eksternal dan internal adalah posisi organisasi penilai.
Tingkat kerusakan yang tinggi ini terlalu umum untuk tujuan memilih teknik yang tepat -
oleh karena itu diperlukan tingkat rincian lebih lanjut.
mencakup seluruh siklus hidup suatu proyek dan sejalan dengan RIBA Pfan o / Work
(2000) dan seluruh biaya hidup (Marenjak, 2004). Tahapannya adalah (1) awal /
kelayakan; (2) desain; (3) konstruksi; (4) commis-
sioning; (5) operasi; dan (6) dekomisioning.
Model FTR
Unsur pertama dari tahap karakteristik data dari kerangka kerja adalah ketidakjelasan.
Ketidakjelasan adalah "ketidaktepatan definisi" (Blockley, 1995). Untuk tujuan
menghilangkan sifat data dalam suatu masalah, kekaburan hadir jika apa yang sedang
dinilai tidak tepat. Ketidaktepatan ini dapat berasal dari perbedaan dalam memahami
istilah yang digunakan, atau dari berbagai kemungkinan nilai dalam data (Blockley dan
Godfrey, 2000). Misalnya ketidakjelasan terjadi dalam hal-hal seperti tinggi, sedang atau
rendah; atau biaya besar dan kecil.
Aspek ketidaklengkapan model berkaitan dengan hal yang tidak diketahui (Blockley dan
Godfrey, 2000). Dengan menggunakan basis ini semua model manajemen risiko
mencoba untuk memodelkan ketidaklengkapan. Jika masalah dinilai dengan adanya hal
yang tidak diketahui, semua teknik pengelolaan risiko akan termasuk dalam kategori ini.
Untuk mengatasi hal ini, sifat yang tepat dari ketidaklengkapan disempurnakan untuk
menghubungkan semata-mata dengan data yang tekniknya diterapkan. Ini memberikan
representasi yang lebih baik tentang ketidaklengkapan data.
Pertimbangan terakhir adalah keacakan. Keacakan adalah "kurangnya pola tertentu"
(Blockley, 1995). Inilah ketidakpastian yang didefinisikan oleh probabilitas dan statistik
(Blockley dan Godfrey, 2000). Data yang berkaitan dengan masalah yang diberikan
dicirikan dengan menggunakan definisi revisi dari model FIR.
Karakteristik FIR telah dipertahankan untuk memodelkan ketidakpastian dalam data
karena tiga alasan: (1) model mudah digunakan, dan mudah dinilai; (2) model ini diakui
secara luas dalam literatur konstruksi
dikembangkan untuk ketidakpastian dan (3) proses penilaian contoh dalam literatur
menunjukkan bahwa data sesuai dengan strukturnya.
Analisis teknik
memecahkan masalah berdasarkan pengalaman masa lalu yang disimpan dalam basis kasus.
Intinya, CBR mengidentifikasi teknik yang paling tepat untuk mengatasi masalah baru berdasarkan
teknik yang digunakan untuk mengatasi masalah serupa di masa lalu. Perkembangan selanjutnya
dari matriks Penelitian yang dilakukan dengan menggunakan CBR, sebagaimana dirinci kemudian
dalam makalah ini, menunjukkan bahwa pemilihan teknik tidak bergantung pada risiko pemilik atau
tahap proyek. Dengan demikian, matriks disempurnakan untuk mengecualikan fitur ini. Hal ini
mengakibatkan PESTLE, ketidakjelasan, ketidaklengkapan dan keacakan pada sumbu horizontal dan
teknik vertikal. Matriks yang dikurangi ini ditunjukkan pada Gambar 1. Ada lima teknik yang
diidentifikasi dalam literatur sebagai yang sesuai untuk manajemen risiko dalam industri konstruksi
tetapi hanya memiliki aplikasi ‘saran’. Ini telah dimasukkan dalam teknik dalam matriks, ditandai
dengan tanda bintang (*) tanpa karakteristik masalah yang ditentukan. Masalah ‘yang disarankan’
telah dihilangkan karena model CBR telah menunjukkan kekurangan ‘saran’. Karakteristik data dan
masalah untuk teknik ini dapat dimasukkan jika contoh aktual direkam. Pengembangan model CBR
Pengantar CBR Case-based reasoning (CBR) adalah cabang kecerdasan buatan. Ini adalah metode
yang meneliti apa yang telah terjadi di masa lalu dan menerapkannya pada situasi baru (Kolodoner,
1993). Watson (1999) melakukan peninjauan ulang atas aplikasi tersebut dan menyelidiki filosofi
CBR. Dia menyimpulkan bahwa CBR bukan teknik, tetapi pendekatan untuk memecahkan masalah.
Metode pengembangan untuk model CBR tergantung pada masalah yang sedang diterapkan. Dalam
memecahkan masalah baru berdasarkan pengalaman masa lalu, CBR menggunakan basis penalaran
manusia. Proses ini menerapkan seperangkat atribut, atau fitur, untuk menentukan setiap kasus
dalam basis kasus. Ini terkait dengan keluaran yang terkait dari kasus-kasus dalam basis kasus, yang
disebut hasilnya. Kasus-basis kemudian diakses saat dipresentasikan dengan kasus baru, untuk
menemukan kasus historis yang serupa dan hasil yang sesuai. CBR telah digunakan dalam literatur
manajemen konstruksi untuk aplikasi seperti memprediksi hasil litigasi konstruksi (Arditi dan
Tokdemir, 1999), memprediksi biaya konstruksi (Yau dan Yang, 1998), mengidentifikasi mekanisme
kegagalan (Liao ci nf., 2000 ) dan
menilai produktivitas proses konstruksi siklik (Graham dan Smith, 2004). Ini hanya
sebagian kecil dari literatur yang diterbitkan yang menunjukkan keberhasilan penerapan
CBR terhadap masalah manajemen konstruksi.
Penelitian yang disajikan dalam makalah ini telah menggunakan prinsip berbasis
pengetahuan CBR untuk mengidentifikasi di mana teknik manajemen risiko telah
digunakan dalam masalah manajemen risiko serupa sebelumnya. Metodologi CBR telah
digunakan untuk menentukan fitur utama dari kerangka kerja dan oleh karena itu untuk
mempermudah proses seleksi. Tujuan di bagian makalah ini adalah untuk membahas
penerapan CBR terhadap pemilihan teknik manajemen risiko yang tepat; Mekanika atau
filosofi CBR sendiri tidak dieksplorasi secara mendalam karena mereka berbohong
dengan lingkup makalah. Pembaca dirujuk ke Watson (1 997) dan Kolodoner (1 993)
untuk informasi lebih lanjut mengenai prinsip-prinsip CBR.
Siklus CBR ditunjukkan pada Gambar 2. Tahap pertama dalam CBR adalah
mengembangkan basis kasus yang berisi rincian kasus masa lalu. Ketika sebuah kasus
baru kemudian dipresentasikan ke case-base kasus serupa diambil. Hasil dari kasus-
kasus bersejarah ini kemudian dapat digunakan untuk membuat keputusan mengenai
hasil yang sesuai untuk kasus baru tersebut. Dalam kasus-dasar penalaran kadang-
kadang mungkin untuk menyesuaikan hasil untuk memperhitungkan sebagian
pertandingan antara fitur. Namun, nama kategoris dari output sebagai teknik
manajemen risiko berarti bahwa adaptasi tidak berlaku untuk penelitian ini.
Dalam mengembangkan model CBR untuk membantu dalam memilih teknik manajemen
risiko yang tepat, variabel berikut dalam metodologi diselidiki untuk mendapatkan model
optimal: metrik kesamaan fitur; bobot masing-masing fitur; metode seleksi; dan nilai
ambang batas. Metode selecoon di CBR memperhitungkan masalah dalam matriks yang
berkaitan dengan frekuensi penggunaan.
basis kasus
Basis kasus dihuni dari contoh-contoh yang dinilai terhadap kerangka kerja. Fitur-fitur
tersebut didefinisikan sebagai enam elemen kerangka (internal / eksternal PESTL £; fase
proyek; pemilik risiko; ketidakjelasan; ketidaklengkapan; dan keacakan). Telah dicatat
selama proses ini bahwa salah satu contoh teknik, untuk satu pemilik atau tahap risiko,
dapat diterapkan ke lebih dari satu karakteristik PESTLE. Ini diatasi dengan
mengekstraksi kombinasi dari masing-masing kerangka feamres. Misalnya, jika masalah
itu bersifat sosial dan
Validasi
Model optimum diuji dengan memvalidasi model dengan menggunakan 42 contoh
tambahan, dimana 20 mengandung contoh 'yang disarankan'. Contoh-contoh ini
digabungkan untuk membuat 1.226 kasus seperti yang dilakukan untuk kasus-kasus
dalam basis kasus. Tujuan validasi dalam CBR adalah membandingkan kemampuan
model untuk memprediksi dengan benar hasil yang diketahui dari kasus baru (Gonzalez
er al 1998). Penggunaannya ditunjukkan dalam contoh berikut.
Asumsikan sebuah kasus baru yang memiliki hasil 'Monte Carlo Simulation' pada tahap
estimasi untuk masalah teknologi internal yang dipertimbangkan pada tahap konstruksi
oleh kontraktor. Masalahnya melibatkan ketidakjelasan. Untuk
Semua kasus dalam kasus-basis skor kesamaan dihitung. Semua data adalah nominal
dalam masalah alat risiko, sehingga kesamaan diukur untuk masing-masing fitur sebagai
100% di mana fitur dari kasus baru sesuai dengan fitur kasus di basis kasus. Skor fitur
adalah 0% di mana tidak ada kecocokan. Kesamaan rata-rata dihitung di semua fitur
untuk setiap kasus dalam basis kasus. Kasus yang paling mirip kemudian dapat dipilih
dengan hasil yang sesuai. Jika kasus dalam kasus dengan nilai kesamaan tertinggi
memiliki 'simulasi Monte Carlo' sebagai hasilnya, maka kasus validasi berhasil diprediksi.
Untuk menilai perbedaan antara contoh 'disarankan' dan 'acmal', basis kasus terpecah.
Model pertama menganggap contoh 'disarankan' identik dengan contoh aktual; kedua
case-base hanya berisi kasus-kasus yang sebenarnya. Hal itu ditunjukkan melalui validasi
bahwa hasil yang diperoleh secara signifikan lebih baik bila nilai yang disarankan
dikeluarkan, sehingga nilai 'disarankan' tidak dipertahankan untuk model lebih lanjut.
Hasil ini ditunjukkan di sebelah kiri Tabel 1 untuk model enam fitur.
Penalaran berbasis kasus memungkinkan penyelidikan ke dalam fitur yang penting
dalam mengambil kasus serupa. Hal ini dilakukan dengan menghapus fitur satu per satu
dari basis kasus dan set validasi dan validasi ulang untuk menemukan kesalahannya.
Semua kombinasi fitur masukan diselidiki, dan ditemukan bahwa
Fase proyek dan pemilik risiko dapat dihapus dari alat karena ini tidak secara signifikan
mempengaruhi output. Tujuan dari elemen pemilik risiko adalah untuk membedakan
antara risiko eksternal dan internal. Dengan pemilik risiko tidak lagi diperlukan, tidak
perlu membedakan antara enam elemen PESTLE eksternal dan keenam internal. Dengan
demikian, indeks 12 pada feil PESTLE dikurangi menjadi enam. Model yang dihasilkan
mampu memprediksi teknik yang benar dari basis kasus yang digunakan, untuk kasus
validasi pada 80% kasus untuk teknik identifikasi, dan 98,5% kasus untuk tahap estimasi
dan evaluasi. Hasilnya ditunjukkan untuk model empat fitur di sisi kanan Tabel 1.
Matriks yang dihasilkan adalah alat yang berguna untuk menyoroti tren dan kesenjangan
dalam penelitian manajemen risiko. Aspek yang dipertimbangkan adalah frekuensi teknik
yang diterapkan pada matriks. Ada 52 aplikasi teknik yang tersedia untuk semua tahap
manajemen risiko. Karakteristik masalah paling sering terjadi adalah ekonomi. Ada 40
aplikasi yang mengelola risiko ekonomi. Alasan di balik ini mungkin berasal dari
kesederhanaan relatif nilai yang dimonetisasi untuk menghitung risiko dan fokus dalam
industri pada laba dan biaya. Sebelum penggabungan fitur PESTLE eksternal dan internal
dicatat bahwa ada 40 internal ekonomi dan 29 eksternal. Sejumlah besar contoh internal
dapat dipertanggungjawabkan oleh organisasi yang peduli dengan risiko yang paling
dapat mereka kontrol. Risiko ekonomi eksternal, termasuk pasar dan nilai sisa, mungkin
lebih sulit untuk dinilai dan oleh karena itu dapat dihindari. Ini berarti bahwa mereka
tidak dapat dinilai menggunakan teknik yang diberikan, tetapi contoh-contoh itu belum
diidentifikasi. Ada juga sejumlah teknik yang tersedia untuk menghadapi risiko politik,
sosial dan hukum dengan 22, 24 dan
27 aplikasi masing-masing. Ini mungkin karena ini adalah risiko 'lunak', membuat
penilaian mereka lebih rumit.
Dalam menilai FIR, dari 52 aplikasi, 32 dan
19 dapat menangani ketidaklengkapan dan keacakan masing-masing; Namun hanya 13
yang bisa mengatasi ketidakjelasan. Hal ini disebabkan oleh munculnya penilaian fuzzy
yang relatif baru. Hal ini cenderung meningkat saat teknik tumbuh dalam penerimaan,
dan metode fuzzy diteliti.
Nilai yang hilang menyoroti sifat dinamis matriks. Ini telah dibangun menggunakan 1 79
contoh dari literatur. Kesenjangan tidak berarti bahwa teknik tidak bisa diterapkan, tapi
itu contohnya
belum selesai untuk menyelesaikan matriks. Namun karena matriks ini memungkinkan
penilaian yang berharga yang harus dilakukan dalam memilih teknik.
Model CBR telah mengatasi keterbatasan matriks dalam menggabungkan data dan
teknik pemilihan berdasarkan jumlah contoh pada basis kasus. Ini telah menunjukkan
bahwa pemilik risiko dan elemen fase proyek dapat dihapus dari model dan
mempertahankan setidaknya secara statistik tingkat yang sama dari hasil validasi.
Dimasukkannya contoh ‘saran’ telah terbukti memiliki dampak signifikan pada output. ini
menarik untuk dicatat bahwa pengecualian lengkap dari nilai-nilai ini menghasilkan hasil
yang lebih baik. Ada dua kemungkinan alasan untuk ini: pertama mungkin bahwa
contoh-contoh ini disarankan sebagai obat mujarab dalam literatur, tetapi sebenarnya
tidak. Kedua, dalam menilai contoh aktual, lebih banyak rincian diberikan hanya karena
mereka adalah contoh — sehingga nama yang tepat dari kategori lebih mudah untuk
dinilai. Ada keterbatasan dalam data yang digunakan untuk menyelidiki dua pendekatan
tersebut. Dasar pemilihan teknik adalah bahwa contoh dalam literatur benar. Telah
ditunjukkan bahwa contoh 'yang disarankan' akan menunjukkan bahwa contoh-contoh ini
tidak selalu dapat diandalkan. Namun, efeknya telah dihapus. Menurut literatur, contoh-
contoh yang tersisa semuanya menunjukkan keberhasilan penerapan yang relevan
teknik.
Dua alat yang dikembangkan dalam penelitian ini adalah metode pendukung keputusan.
Ini adalah tujuan yang dimaksudkan dari penelitian, yang telah dipenuhi. Pembatasan
pada data yang tersedia menghasilkan kerangka yang mampu mengkarakterisasi teknik
yang tepat. Namun, ada kemungkinan bahwa faktor-faktor lain akan dipertimbangkan
oleh mereka yang memilih teknik. Ini tidak membatasi alat karena mereka memberi
panduan pembuat keputusan mengenai alat yang sesuai. Keputusan akhir untuk
menerapkan teknik yang diberikan harus dibuat hanya setelah mempertimbangkan
kemampuan dan keakraban pengguna dengan teknik, dan parameter spesifik proyek
lainnya, misalnya ukuran proyek, biaya dan durasi.
Kesimpulan
Matriks teknik manajemen risiko yang dihasilkan dari pekerjaan ini adalah alat yang
berguna dan mudah digunakan dalam memilih teknik manajemen risiko yang paling
tepat untuk lingkungan binaan. Ini mengatasi masalah mengetahui kapan teknik tertentu
dapat diterapkan. Namun, masih diperlukan bagi pengguna teknik untuk memahami
bagaimana teknik tersebut harus diterapkan.
Selain memenuhi tujuan mengembangkan alat pendukung keputusan untuk memilih
manajemen risiko
Teknik, ada tiga kesimpulan utama yang bisa ditarik. Pertama, adalah mungkin untuk
mengkarakterisasi masalah manajemen risiko menggunakan PESTLE dan FIR. Meskipun
PESTLE dikembangkan untuk risiko eksternal, hal itu telah disesuaikan dan terbukti
efektif juga untuk risiko internal. Struktur data dibatasi dengan menggunakan kerangka
kerja standar. Namun, penting bahwa ini memiliki kombinasi kesederhanaan, sekaligus
tetap komprehensif. Langkah-langkah tambahan di luar FIR dipertimbangkan dan sulit
untuk diukur dan dinilai. FIR telah digunakan karena sudah mapan, mengambil
pendekatan umum untuk merepresentasikan ketidakpastian dan mudah dipahami.
Kedua, nilai 'yang disarankan' yang ada dalam literatur dapat mempengaruhi pilihan
teknik manajemen risiko yang efektif. Penting untuk memastikan bahwa penerapan
teknik diverifikasi dengan contoh aktual sebelum dimasukkan dalam basis kasus. Ketiga,
penelitian telah menunjukkan bahwa kombinasi karakteristik masalah tertentu tidak
memiliki contoh luas yang disediakan untuk aplikasi mereka. Output matriks telah
menunjukkan bahwa ada Jack alat yang tersedia untuk menangani area tertentu. Ini
adalah risiko 'lunak' dalam dimensi hukum, sosial dan politik. Penelitian lebih lanjut harus
dilakukan dalam bidang-bidang ini, termasuk pengembangan teknik fuzzy dan
penerapan teknik untuk pemerintah, keuangan dan organisasi manajemen fasilitas.
Database yang lebih lengkap dan akurat kemudian dapat dibangun untuk membangun
alat tersebut.
Kesimpulannya, alat CBR telah diproduksi yang dapat memprediksi teknik manajemen
risiko yang tepat untuk digunakan dalam lingkungan binaan menggunakan kerangka
kerja karakterisasi masalah standar. Alat ini membuat penilaian berdasarkan frekuensi
terjadinya kasus-kasus bersejarah, dan memungkinkan pengambil keputusan untuk
memilih teknik manajemen risiko yang tepat di bidang manajemen konstruksi. Namun,
masih perlu bagi pengguna untuk memiliki sumber daya dan pemahaman untuk
menerapkan teknik yang dipilih.
Akhirnya, penerapan CBR telah bermanfaat dalam pekerjaan ini dalam
menyederhanakan kerangka kerja karakterisasi masalah dengan menghapus fase proyek
dan pemilik risiko. Konsekuensi dari hal ini adalah bahwa fitur PESTLE juga dapat
disederhanakan dengan menghapus persyaratan untuk membedakan antara jenis
eksternal dan internal. Hal ini selanjutnya menyederhanakan pendekatan matriks.
Dukungan dari Dewan Riset Teknik dan Ilmu Pengetahuan Alam (EPSRC) dalam
mendanai pekerjaan ini diterima dengan rasa syukur.