The accuracy of pre‐tender building cost estimates

in Australia
Keakuratan estimasi biaya bangunan pra-tender

di Australia

Perkiraan biaya bangunan pra tender adalah informasi penting ketika mengambil keputusan di
proyek tahap perencanaan dan desain. Karakteristik proyek yang penting mempengaruhi keakuratan
estimasi biaya bangunan pra-tender diperiksa dan perbaikan praktis untuk meningkatkan akurasi
estimasi dipertimbangkan. Pendekatan kuantitatif digunakan untuk mengatasi masalah penelitian.
Analisis data dari 56 proyek dan dari survei kuesioner pos dari 102 perusahaan survei kuantitas
menunjukkan bahwa akurasi perkiraan biaya bangunan pra-tender bervariasi sesuai dengan ukuran
proyek dan bahan struktural utama. Ketika delapan karakteristik proyek dikontrol dalam analisis
regresi berganda, akurasi estimasi dipengaruhi oleh ukuran proyek. Estimasi proyek yang lebih kecil
lebih bias daripada estimasi proyek yang lebih besar. Diketahui bahwa biaya bangunan pra-tender
lebih sering dinilai terlalu tinggi daripada yang diremehkan. Ditaksir terlalu tinggi perkiraan salah
dengan jumlah yang lebih besar dari perkiraan yang diremehkan. Analisis data juga mengungkapkan
bahwa keakuratan estimasi biaya pra-tender bangunan tidak meningkat seiring waktu. Mayoritas
responden agak tidak puas dengan keakuratan estimasi di industri. Estimasi probabilitas dan simulasi
perkiraan masa lalu, mengurangi survei kuantitas dan pergantian keterampilan teknik biaya,
menggabungkan sentimen pasar ke perkiraan, keterlibatan awal surveyor kuantitas pada tahap
singkat, dan tepat dokumentasi pengalaman yang diperoleh dalam estimasi proyek harus membantu
perusahaan meningkatkan akurasi perkiraan untuk proyek baru.

Kata kunci: Australia, akurasi estimasi, estimasi pra-tender, survei kuantitas, tender.

Pendahuluan

Estimasi biaya pra-tender bangunan rentan terhadap ketidakakuratan (bias) karena mereka sering
disiapkan dalam jangka waktu terbatas, dan tanpa finalisasi ruang lingkup proyek. Mengejar proyek
yang underestimated diremehkan dapat menyebabkan kegagalan proyek. Di samping itu, perkiraan
terlalu tinggi dari suatu proyek pada tahap pra-tender dapat menyebabkan proyek yang layak
dibatalkan atau ditender ulang ketika tidak ada tawaran yang cukup dekat untuk mengizinkan proyek
menghadiahkan. Bias dalam estimasi suatu proyek dapat muncul dari dua sumber, yaitu, bias yang
terkait dengan proyek itu sendiri (akan sama terlepas dari estimator) dan Bias terkait dengan teknik
estimasi yang digunakan dan lingkungan (yang akan berubah tergantung pada estimator). Satu-
satunya karya yang diterbitkan dikenal berkaitan dengan akurasi perkiraan biaya di Australia konteks
adalah Mills (1997), yang membandingkan prediksi pergerakan harga bangunan oleh surveyor
kuantitas dengan harga bangunan gerakan aktual Biro Statistik Australia, dan Bromilow et al. (1988),
yang mengalisis perbedaan antara jumlah kontrak dan jumlah kontrak akhir. Tujuan dari penelitian
ini adalah:

(1) untuk mengeksplorasi frekuensi dan ukuran ketidaktepatan dalam estimasi biaya pra-tender
bangunan (mis varians antara estimasi biaya pra tender danjumlah kontrak — tender yang diterima)
menggunakan Data Australia;
(2) untuk mengeksplorasi karakteristik proyek yang mempengaruhikeakuratan estimasi biaya
bangunan pra tender;

(3) untuk menilai apakah akurasi pra-tender perkiraan biaya bangunan telah meningkat dari waktu
ke waktu;

(4) untuk menyelidiki apa yang dilakukan perusahaan untuk meningkatkan keakuratan estimasi biaya
dalam praktik, dan dalam hal itu, evaluasi keefektifan metode perbaikan.

Penting untuk mempelajari keakuratan biaya bangunan memperkirakan karena sebagian besar
peran surveyor kuantitas dan insinyur biaya (cost engineeer) dalam industri konstruksi adalah untuk
memberikan kepastian biaya kepada klien. Dengan demikian pengetahuan yang dikembangkan
dalam penelitian ini harus membantu surveyor kuantitas, estimator dan cost engineeer sehingga
mereka mengetahui bagaimana perkiraan biaya mereka telah dilakukan

dari waktu ke waktu dan karakteristik proyek apa yang perlu perhatian khusus selama estimasi biaya;
dan praktik apa yang dapat meningkatkan akurasi estimasi mereka.

Kerangka teoritis dan ruang lingkup studi

Apa itu ketepatan estimasi?

Estimasi biaya pra-tender (atau biaya tahap awal Estimasi) adalah perkiraan biaya suatu proyek
selama tahap perencanaan dan desain (Serpell, 2005). Skitmore (1991) menggambarkan keakuratan
tahap awal estimasi terdiri dari dua aspek, yaitu bias dan konsistensi estimasi bila dibandingkan
dengan kontrak atau harga tender yang diterima. Bias adalah berkaitan dengan ‘rata-rata perbedaan
antara harga tender aktual dan perkiraan 'sementara konsistensi perkiraan berkaitan dengan with
tingkat variasi sekitar rata-rata ’.

Faktor-faktor yang mempengaruhi ketepatan estimasi

Gambaran dari studi sebelumnya menunjukkan bahwa sejumlah besar faktor dapat
mempengaruhi keakuratan suatu estimasi. Gunner and Skitmore (1999a) mengulas studi
sebelumnya dan meringkas faktor-faktor sebagai berikut: fungsi bangunan, jenis kontrak, ketentuan
kontrak, jumlah kontrak, intensitas harga, masa kontrak, jumlah penawar, tahun baik / buruk, dasar
pengadaan, sektor proyek (publik, swasta atau gabungan), jumlah barang berharga dan jumlah
gambar. Gunner dan Skitmore (1999a) menganalisis estimasi 181 proyek di Singapura. Mereka
menemukan bahwa mayoritas faktor mempengaruhi akurasi estimasi. Menggunakan data dari 42
proyek di Indonesia Singapore Ling dan Boo (2001) menemukan hasil yang serupa ketika mereka
membandingkan lima variabel terhadap karya Gunner dan Skitmore (1999a). Skitmore dan Picken
(2000) mempelajari efek empat faktor independen (jenis bangunan, ukuran proyek, sektor proyek
dan tahun) tentang estimasi akurasi. Mereka menguji empat faktor menggunakan data dari 217
proyek di Amerika Serikat. Mereka menemukan bahwa bias dalam estimasi proyek dipengaruhi oleh
ukuran proyek dan tahun, sedangkan konsistensi dalam estimasi dipengaruhi oleh jenis proyek,
ukuran dan tahun. Dalam sebuah penelitian dari 67 proyek konstruksi industri di seluruh dunia,
Trost dan Oberlender (2003) mengidentifikasi 45 faktor yang berkontribusi terhadap akurasi tahap
awal perkiraan. Mereka merangkum faktor menjadi 11 elemen ortogonal. Dari 11 faktor, lima yang
paling penting meliputi: desain proses, pengalaman tim dan informasi biaya, waktu yang diizinkan
untuk persiapan perkiraan, persyaratan situs, dan penawaran dan tenaga kerja iklim. Semua studi ini
menunjukkan bahwa ada yang besar jumlah variabel yang secara substansial dapat mempengaruhi
keakuratan estimasi tahap awal.

Menurut Gunner (1997) faktor-faktor yang mempengaruhi akurasi estimasi saling terkait
sehingga Bias dari satu faktor bisa ditutupi oleh satu atau lebih banyak faktor. Misalnya, Gunner dan
Skitmore (1999b) berteori bahwa ‘Intensitas Harga sendiri adalah perlu dan cukup untuk
menjelaskan bias sistematis (inakurasi) dalam membangun perkiraan harga ’. Intensitas Harga adalah
total biaya bangunan dibagi dengan area lantai kotor. Teori intensitas harga menyatakan itu
bangunan dengan tarif unit rendah (biaya / m2 lantai kotorarea) akan cenderung terlalu tinggi,
sementara itu dengan tingkat unit yang tinggi akan cenderung underestiamated. Dalam studi
terhadap 89 proyek konstruksi di Hong Kong, Skitmore dan Drew (2003) mendukung teori intensitas
harga.

Dalam penelitian lain, Skitmore and Picken (2000) menggunakan data dari 217 proyek di
Amerika Serikat menemukan bahwa 'tahun' adalah variabel mendasar yang bertanggung jawab
untuk bias dan inkonsistensi dalam estimasi biaya, setelah mengenyampingkan efek perancu dari
empat faktor yang diajukan. Temuan itu kontras dengan teori 'intensitas harga' Gunner dan Skitmore
(1999b). Namun, hasil mereka mendukung teori Gunner (1997) yang menyatakan bahwa interelasi
antara variabel menyebabkan efek perancu. Ini juga mendukung Gunner dan Skitmore (1999a)
dalam saran mereka itu satu variabel yang mendasari adalah penyebab bias dan konsistensi terlihat
dalam perkiraan.

Hipotesis Studi

Berdasarkan review dari studi sebelumnya, berikut ini hipotesis ditetapkan:

Hipotesis 1: Bias sistematik dan inkonsistensi pada estimasi biaya bangunan pretender
dipengaruhi oleh ukuran proyek (diukur dengan nilai proyek, jumlah lantai dan luas lantai kotor),
lokasi, jenis proyek, pengadaan rute, sektor proyek, intensitas harga dan pokok bahan struktural.

Hipotesis 2: Keakuratan estimasi biaya bangunan pra-tender belum membaik seiring waktu.

Hipotesis 3: Perusahaan survei kuantitas setuju cara paling efektif yang mereka yakini akan
meningkatkan akurasi perkiraan biaya pra-tender bangunan.

Metode penelitian

Pengumpulan data

Dua metode pengumpulan data digunakan untuk mencapai tujuan studi. Untuk mencapai tujuan 1, 2
dan 3, data dikumpulkan dari 56 file proyek konstruksi selesai antara tahun 1999 dan 2007. Data
diperoleh dari kantor perusahaan survei kuantitas di Australia. Informasi diperoleh sehubungan
masing-masing proyek termasuk: proyek nilai, jumlah lantai, luas lantai kotor (GFA), lokasi proyek
(kawasan pusat bisnis, metropolitan, atau pedesaan), jenis proyek (perumahan, industri atau
komersial), rute pengadaan yang digunakan, sektor proyek (publik, swasta atau gabungan),
intensitas harga (diukur dengan rasio nilai proyek dan luas lantai kotor), dan bahan struktural utama
yang digunakan (baja, beton atau kayu).

Proyek-proyek dipilih dengan metode pengambilan sampel acak. Diambil daftar proyek yang selesai
dari tahun 1999 hingga 2007. Proyek yang tidak cocok untuk analisis, karena jenis pekerjaan yang
salah atau kurangnya estimasi tahap awal disingkirkan. Kemudian, setiap proyek diberi nomor seri
secara berurutan dari satu. Angka acak kemudian dihasilkan menggunakan program Microsoft Excel.
Proses menghasilkan 85 angka acak. Angka yang berulang dihapus bila muncul kedua kalinya. Proses
menghasilkan 56 angka acak. Proyek-proyek dengan serial angka yang sesuai dengan 56 angka acak
dipilih untuk pengumpulan dan analisis data. Karena peneliti diizinkan akses langsung ke semua
data, tidak ada data yang dipilih berdasarkan rekomendasi dari surveyor kuantitasyang bertanggung
jawab atas taksiran. Jadi tidak ada bias dalam pengumpulan data.

Untuk mencapai tujuan 4, kuesioner terstruktur dirancang untuk pengumpulan data. Itu
terdiri pertanyaan mengenai profil responden, profil perusahaan mereka, kepuasan responden
dengan tingkat ketelitian estimasi saat ini dalam industri, dan pandangan responden tentang tingkat
akurasi estimasi yang dapat diterima. Para responden juga diminta untuk menilai 12 metode yang
dapat digunakan untuk meningkatkan akurasi estimasi. Bergantung kepada sifat pertanyaan,
responden diminta menunjukkan jawaban mereka pada skala Likert lima poin atau a skala kategori.

Kuesioner dikirimkan ke 102 perusahaan survei kuantitas pada bulan Juli / Agustus 2007.
Perusahaan-perusahaan itu dipilih secara acak dari daftar sekitar 166 perusahaan dikelola oleh
Australian Institute of Quantity Surveyor (AIQS) (AIQS, 2003).

Analisis data, hasil dan diskusi

Tingkat respons dan karakteristik sampel dari kuisioner

Survei kuesioner menghasilkan tingkat respons 41%. Gambar 1 menunjukkan distribusi

geografis tanggapan. 29% dari perusahaan yang menanggapi memiliki lebih sedikit dari 6 staf teknis,
42% memiliki antara 6 dan 15 staf teknis, 22% memiliki antara 16 dan 25 staf, dan 7% memiliki 26
atau lebih staf teknis.

90% dari kuesioner diisi oleh salah satu seorang direktur atau rekan perusahaan sedangkan
10% diselesaikan oleh surveyor kuantitas senior atau seorang surveyor kuantitas. 81% dari mereka
memiliki lebih dari 15 tahun pengalaman, 13% memiliki antara 10 dan 15 tahun pengalaman, dan 6%
memiliki kurang dari 10 tahun pengalaman. Secara keseluruhan, data berasal dari profesional eselon
kuantitas survei tertinggi di Australia, dan tanggapan mereka dapat diandalkan.

Toleransi dan kepuasan responden terhadap akurasi estimasi dalam industri

Tidak ada responden yang menunjukkan bahwa mereka sangat puas dengan tingkat akurasi estimasi
saat ini. 66% menyatakan mereka sangat tidak puas, tidak puas atau tidak puas atau tidak puas,
sementara 34% diindikasikan bahwa mereka puas. Ketika estimasi tahap awal adalah dibandingkan
dengan tender terendah (jumlah kontrak), 24% responden percaya bahwa batas toleransi dalam 5%
dapat diterima, 54% menominasikan toleransi ¡10%, 20% menominasikan toleransi 20%, dan 2%
dinominasikan toleransi 30%. Juga, 70% dari responden menunjukkan keakuratan tahap awal
estimasi belum membaik sama sekali, sangat sedikit atau sedikit selama 15 tahun terakhir
sementara 25% percaya terjadi peningkatan hampir secara memadai atau memadai. 5% tidak
menanggapi.

Analisis data awal dari proyek masa lalu

Perawatan data (tretment of data)

Data yang diperoleh dari 56 proyek dianalisis berdasarkan ukuran proyek (diukur dengan nilai
proyek, luas lantai kotor dan jumlah lantai), lokasi, rute pengadaan, jenis proyek, bahan struktural
utama dan harga intensitas. Waktu estimasi dikendalikan oleh transformasi estimasi pra-tender dan
jumlah kontrak masing-masing memproyeksikan harga Desember 2006 menggunakan indeks harga
bangunan yang diterbitkan oleh Rawlinsons (2006, 2007). Juga, perbedaan dalam proses estimasi
dan pendekatan diketahui telah dikendalikan karena proyek yang dianalisis dilakukan di perusahaan
yang sama di bawah prosedur jaminan kualitas yang sama. Sektor proyek (apakah pribadi atau publik
atau bersama) juga dikecualikan dari analisis karena 56 proyek tidak menyediakan penyebaran data
yang cukup besar untuk memungkinkan analisis statistik dampak sektor proyek. terdapat terlalu
sedikit sampel proyek yang dibeli oleh sektor swasta. dan juga terlalu sedikit sampel proyek yang
dibeli bersama sektor publik dan swasta.

Frekuensi dan ukuran ketidakakuratan pada perkiraan biaya bangunan pra-tender

Persentase biaya perkiraan terlalu tinggi atau terlalu rendah (perkiraan kesalahan atau bias)
diperkirakan untuk setiap proyek oleh menggunakan rumus berikut:
Estimate bias~
pre tender cost estimate{accepted tender sum
accepted tender sum
|100
The mean estimate bias was also computed for the 56
projects using the following expression:
Mean estimate biasðxÞ~
Px
n
where x5estimate bias; n5number of projects.

Nilai positif bias estimasi menyiratkan penilaian yang terlalu tinggi terhadap biaya,
sementara nilai negatif menyiratkan suatu meremehkan(understimate) biaya. Analisis menunjukkan
bahwa sekitar 7 dari setiap 10 proyek, perkiraan biaya adalah melebih-lebihkan (overestimasi)
sementara dalam sekitar 3 dari setiap 10 proyek perkiraan biaya diremehkan understimate. Ini
menyiratkan bahwa Prakiraan biaya pra-tender lebih sering ditaksir terlalu tinggi dari yang
diremehkan. Bias pada biaya overestimasi berkisar dari + 0,97% hingga + 31,88% dengan rata-rata +
10% sementara bias dalam kisaran biaya yang understimate dari 22,21% hingga 219,83% dengan
rata-rata 29%.

Uji satu sampel (Levine et al., 2005) digunakan untuk uji hipotesis berikut: (1) rata-rata Bias
dalam biaya yang overestimasi (+ 10%) tidak berbeda dari nol; (2) Bias rata-rata dalam biaya yang
understimate (29%) adalah tidak berbeda dari nol. Hasilnya menunjukkan bahwa rata-rata Bias
dalam biaya overestimasi (+ 10%) secara signifikan berbeda dari 0% (p50.000, standar deviasi57%)
yang menyiratkan bahwa perkiraan yang overestimasi benar-benar bias dan tidak kebetulan.
Demikian pula dengan bias yang berarti dalam biaya yang understimate (29%) sangat berbeda dari
nol (p50.000, standar deviasi55%) yang juga menyiratkan bahwa perkiraan yang understimate benar-
benar bias dan tidak kebetulan.

Analisis menunjukkan bahwa perkiraan biaya untuk 56 proyek umumnya bias dan ditaksir
terlalu tinggi (rata-rata 524,29%) (lihat Tabel 1). Sekali lagi, uji satu sampel analisis menunjukkan
bahwa rata-rata (+ 4,29%) signifikan berbeda dari nol (p50.004, standar deviasi510.61%) artinya
estimasi tersebut bias secara keseluruhan. Namun, ketika seseorang mempertimbangkan fakta itu
sejak dini estimasi tahap disiapkan dengan sedikit informasi secara keseluruhan, estimasi bias
sebesar 24,29% dapat diterima.

tabel 1

Untuk memeriksa apakah kesalahan underestimate sama dengan kesalahan overstimasi,

dipilih tes Mann-Whitney (non-parametrik) (Levine et al, 2005) dibanding two-sample t-test t- karena
normalitas data tidak dapat ditunjukkan. Uji menunjukkan bahwa bias rata-rata dalam biaya yang
underestimate (29%) tidak sama dengan rata-rata bias dalam overstimasi biaya (+ 10%) (secara
statistik dan berbeda nyata: p50.000). Ini artinya prakiraan biaya pra-tender yang ditaksir terlalu
tinggi salah dengan margin yang lebih besar daripada biaya pra-tender perkiraan yang
underestimate.

Standar deviasi (S) dihitung untuk 56 proyek menggunakan ungkapan:

S~

ffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffi

Pðx {xÞ2.

di mana x5estimate bias; x5 dapat berarti bias;

jumlah proyek.

Setelah itu, konsistensi dalam estimasi ditentukan dengan menghitung koefisien variasi

(CV) sebagai berikut:

CV ~

standar deviasi

berarti estimasi kesalahan

| 100

Standar Deviasi dan CV juga ditentukan untuk proyek dalam kelompok yang berbeda dari
delapan faktor diperiksa (Tabel 2). Koefisien variasi adalah ukuran dari prediksi bias estimasi.
Koefisien variasi besar menyiratkan bahwa estimasi bias bersifat volatile dan tidak dapat diprediksi.
Dengan inspeksi visual hasil (Tabel 2), perkiraan untuk 56 proyek (disatukan) tidak konsisten dengan
koefisien variasi 10,17%. Diasumsikan bahwa koefisien variasi dua digit adalah besar. Dengan
demikian risiko estimasi bias tidak kecil. Juga menunjukkan bahwa perusahaan memiliki sedikit
kendali atas kecenderungan bahwa estimasi akan menjadi bias.

tabel 2

Bias estimasi proyek dan konsistensi antar faktor proyek

Bias estimasi dan konsistensi estimasi untuk setiap kelompok dalam delapan faktor proyek diperiksa.
Rata-rata Bias estimasi dan koefisien variasi (estimasi konsistensi) juga ditentukan untuk proyek-
proyek di masing-masing kelompok faktor yang ditunjukkan pada Tabel 1. Hasilnya (Tabel 1)
menunjukkan bahwa perkiraan proyek di tiga kategori nilai proyek cenderung ditaksir terlalu tinggi.
Estimasi proyek dengan proyek lebih rendah nilai lebih bias dari perkiraan proyek dengan nilai lebih
besar. Tren yang sama diamati untuk estimasi proyek dalam jumlah ‘GFA’ dan tingkat kategori yang
berbeda. Dengan demikian estimasi proyek yang lebih kecil lebih bias dari estimasi proyek yang lebih
besar. Hasil untuk 'GFA' konsisten dengan Skitmore dan Drew (2003) dan Ling and Boo (2001) yang
keduanya menemukan bahwa perkiraan proyek area lantai kotor yang lebih kecil cenderung lebih
bias daripada perkiraan proyek dengan luas lantai kotor yang lebih besar. Namun, untuk 'nilai
proyek', hasilnya tidak konsisten dengan Skitmore dan Drew (2003) di mana perkiraan proyek
dengan nilai lebih kecil (kurang dari $ 60 juta) lebih sedikit bias dari perkiraan proyek dengan nilai
yang lebih tinggi (lebih dari $ 60 juta).

Selanjutnya, perkiraan biaya untuk pengadaan tradisional proyek cenderung lebih akurat
daripada perkiraan biaya yang dibeli menggunakan metode desain dan konstruksi . Perkiraan biaya
proyek perumahan cenderung menjadi yang paling tidak bias, diikuti oleh estimasi komersial dan
proyek-proyek industri. Temuan ini dapat menunjukan untuk pengalaman; misalnya, perusahaan
survei kuantitas dimana proyek sampel diperoleh telah menangani banyak proyek yang dibeli secara
tradisional dan proyek perumahan dan komersial. Ini bisa jadi alasan mengapa estimasi untuk proyek
tersebut kurang bias. Proyek yang dibeli dengan desain dan metode membangun, serta proyek-
proyek industri kurang umum dalam pengalaman perusahaan. Ini bisa menjelaskan mengapa
perkiraan untuk proyek-proyek itu lebih bias.

Analisis pendahuluan (Tabel 1) juga menunjukkan bahwa estimasi biaya proyek yang
menggunakan beton sebagai material struktural utama sejauh ini paling tidak bias (overestimasi
0,7%), diikuti oleh baja dengan rata-rata overestimasi 7,2%. Estimasi proyek menggunakan kayu
sebagai bahan struktural utama mereka cenderung menjadi yang paling bias, dengan rata-rata
overestimasi 9,8%. Sekali lagi, hasil ini dapat dijelaskan oleh pengalaman. Proyek sampel
menunjukkan bahwa perusahaan dari mana data diambil telah ditangani lebih sedikit proyek
menggunakan kayu bila dibandingkan dengan proyek dibangun dengan baja dan beton.

Berkenaan dengan intensitas harga, tren tampaknya terkait negatif. Perkiraan proyek
dengan $ / m2 rendah GFA cenderung lebih bias dari perkiraan proyek dengan GFA $ / m2 tinggi. Ini
bertentangan dengan Teori intensitas harga Gunner dan Skitmore (1999b). Namun, karena ini adalah
analisis awal, itu tidak konklusif.

Beralih ke perkiraan konsistensi, Tabel 1 mwnunjukan bahwa estimasi proyek dengan nilai
lebih rendah cenderung lebih konsisten dibanding perkiraan proyek dengan nilai yang lebih tinggi .
‘Jumlah lantai’ mengikuti tren yang sama. Estimasi proyek dengan jumlah lantai lebih rendah lebih
konsisten daripada estimasi proyek dengan yang lebih jumlah lantai tinggi. Sebaliknya, ‘GFA’
menunjukkan kebalikannya tren sedemikian rupa sehingga estimasi proyek lebih rendah GFA paling
tidak konsisten jika dibandingkan dengan GFA perkiraan proyek dengan GFA yang lebih besar.

Untuk lokasi, perkiraan proyek terletak di kawasan pusat bisnis (CBD) adalah yang paling
tidak konsisten bila dibandingkan dengan perkiraan proyek di wilayah metropolitan dan pedesaan.
Perkiraan proyek pengadaan dengan metode tradisional kurang konsisten bila dibandingkan dengan
perkiraan desain dan membangun proyek. Juga, perkiraan proyek perumahan lebih konsisten
daripada perkiraan proyek industri sementara perkiraan proyek industri lebih konsisten dari
perkiraan proyek komersial. Analisisnya juga mengungkapkan bahwa perkiraan proyek dibangun
dengan beton sebagai bahan struktural utama adalah paling tidak konsisten diikuti oleh perkiraan
proyek yang dibangun dengan kayu dan baja. Estimasi dari proyek dengan intensitas harga yang
lebih tinggi cenderung lebih banyak tidak konsisten dari perkiraan proyek dengan yang intensitas
harga lebih rendah.

Bila disatukan, analisis awal menunjukkan bahwa perkiraan proyek-proyek kecil lebih bias
tetapi tidak lebih konsisten daripada perkiraan proyek besar. Ini berarti bias dalam estimasi proyek
yang lebih kecil lebih besar dan konsisten, sedangkan bias dalam estimasi proyek besar lebih kecil
tetapi tidak konsisten.

Pengujian hipotesis

Dampak faktor proyek terhadap bias estimasi dan konsistensi estimasi

Data dari 56 proyek dianalisis lebih dekat untuk menyelidiki tren yang ditemukan oleh analisis
pendahuluan (Tabel 1). Metode Analisis varian (ANOVA) ini digunakan untuk membandingkan bias
estimasi rata – rata proyek dalam kelompok yang berbeda dari masing-masing dari delapan faktor.
Tujuannya adalah untuk menyelidiki apakah bias dalam estimasi proyek bervariasi sesuai dengan
masing – masing delapan faktor dalam Tabel 1. Hasilnya (Tabel 2) menunjukkan bahwa ada
perbedaan signifikan antara rata-rata estimasi bias untuk proyek dalam tiga kategori ‘Nilai proyek’
(F53.27, hal50.046). Juga ada perbedaan dalam estimasi bias rata-rata untuk proyek di tiga kategori
'jumlah lantai' (F511.86, p50.001). Demikian pula estimasi bias rata-rata proyek dalam tiga kategori
'bahan struktural utama' secara statistik berbeda (F53.96, p50.026).

Hasil ANOVA menunjukkan estimasi bias bervariasi sesuai dengan nilai proyek, jumlah lantai
dan jenis bahan struktural utama yang digunakan.

Setelah perbedaan signifikan rata-rata dalam estimasi ditemukan, prosedur Tukey-Kramer

(Levine et al., 2005) digunakan untuk menentukan kelompok mana yang berbeda. Prosedur Tukey –
Kramer memungkinkam pemeriksaan simultan perbandingan antara semua pasangan kelompok
(Levine et al., 2005) untuk masing-masing kelompok tiga faktor penting (nilai proyek, jumlah lantai
dan bahan struktural utama). Analisisnya mengungkapkan perbedaan berikut:

 Ada perbedaan yang signifikan antara estimasi bias proyek yang memiliki nilai ‘$ 1– $ 5 000
000’ dan mereka yang memiliki nilai ‘$ 5 000 001 ke atas’. Semua perbedaannya lainnya
cukup kecil sehingga dianggap karena kebetulan.
 Bias estimasi rata-rata proyek dengan ‘1–2 tingkat berbeda secara signifikan dari estimasi
rata-rata bias proyek dengan ‘3 atau lebih tingkat’. Mirip dengan nilai proyek, semua
perbedaan lainnya cukup kecil sehingga mungkin disebabkan oleh kebetulan.
 Ada perbedaan yang signifikan antara estimasi bias proyek yang dibangun dengan kayu dan
yang dibangun dengan beton. Sebagaimana sebelumnya, semua perbedaan lainnya cukup
kecil bahwa mereka mungkin karena kebetulan.

Mirip dengan tren yang diamati dalam analisis pendahuluan (Tabel 1), perkiraan proyek yang lebih
kecil cenderung lebih bias dari perkiraan proyek yang lebih besar. Sebuah Penjelasan bisa terletak
pada delegasi estimasi kerja. Biasanya, perkiraan proyek yang lebih kecil dilakukan oleh surveyor
kuantitas junior, sementara perkiraan proyek yang lebih besar dan lebih kompleks dikerjakan oleh
staf yang lebih berpengalaman; ketika staf junior terlibat, mereka diawasi oleh surveyor kuantitas
senior.
 Tes Levene (Brown et al., 1974) digunakan untuk menyelidiki apakah konsistensi dalam
estimasi bervariasi sesuai dengan delapan faktor. Tes Levene memungkinkan analisis homogenitas
varians (Conover et al., 1981; Levine et al., 2005). Hasil (Tabel 2) menunjukkan bahwa konsistensi
dalam estimasi tidak berbeda sesuai dengan salah satu dari delapan faktor diperiksa (mis. varians
ditemukan homogen melintasi kelompok masing-masing dari delapan faktor proyek).

Pemodelan regresi faktor proyek yang mempengaruhi bias estimasi

Faktor-faktor proyek yang mempengaruhi estimasi bias lebih jauh diselidiki menggunakan teknik
regresi linier berganda tradisional dengan bantuan Social Sciences software (SPSS). Variabel prediktor/
Independen adalah delapan faktor yang tercantum dalam Tabel 1 dan variabel dependennya adalah
estimasi bias (Y). faktor dimasukkan secara bertahap. Luas lantai kotor (GFA), nilai proyek dan
intensitas harga dimasukkan dalam model regresi sebagai variabel kontinu sedangkan faktor lainnya
dimasukkan sebagai variabel kategori menurut pengelompokan yang ditunjukkan pada Tabel 1.
Dengan demikian beberapa model regresi dikembangkan untuk menentukan dampak faktor-faktor
tersebut dapat direpresentasikan sebagai berikut:
Y~b0zb1GFAzb2ProjectValuezb3Price Intensity
zb4CBDzb5Metropolitanzb6Rural
zb7Traditionalzb8D&Czb9Residential
zb10Industrialzb11Commercialzb12Timber
zb13Steelzb14Concretezb151{2Storeys
zb163{7Storeyszb178Storeys and aboveze
where: Y5estimate bias;

tabel 3
b05is the Y intercept—it represents the average
estimate bias (Y) when all the independent factors in
the model are zero;
b1 to b17 are the slopes of Y associated with each
independent factor when other factors are held
constant;
e5random error in Y.

Diasumsikan hubungan antara Y dan variabel independen dapat didekati oleh model linear

yang memberikan perkiraan paling cocok dari model parameter dengan meminimalkan kesalahan
model (Draper dan Smith, 1981).

Koefisien regresi b0, b1, b2 ... b17 adalah parameter yang tidak diketahui. Hipotesis yang
menarik adalah: b15b25b3… 5b1750. Performa prediktif regresi linier berganda dapat dinilai oleh
nilai dari koefisien determinasi yang disesuaikan (adjusted R2).

Dari hasil (Tabel 3), bias dalam estimasi proyek dipengaruhi oleh nilai proyek dan jumlah
lantai. Sekitar 29% variasi dalam estimasi bias proyek dapat dikaitkan dengan nilai proyek dan
jumlah lantai. Jadi kita dapat menyimpulkan bahwa variasi yang signifikan dalam bias estimasi tahap
awal dapat dijelaskan oleh ukuran proyek. Persamaan regresi akhir dapat ditulis sebagai:

Y ~ 0: 5811 {0: 0318ð nilai proyekÞ {0: 0906

ð3 {7storeysÞ {0: 0124ð8storeys ke atasÞ

Tanda negatif dari kemiringan regresi (mis. 20.0318, 20.0906 dan 20.0124) menyiratkan Bias
estimasi biaya proyek twersebutcenderung berkurang sesuai ukuran proyek meningkat. Ini semakin
memperkuat temuan dari analisis pendahuluan (Tabel 1) dan Tukey-Kramer prosedur yang
menyarankan bahwa estimasi proyek lebih kecil cenderung lebih bias daripada perkiraan proyek
yang lebih besar. Seperti yang disarankan sebelumnya, ini dapat dijelaskan oleh pengalaman
estimator.

Lowe dan Skitmore (2001) menyatakan bahwa estimator lebih suka menggunakan data dan
pengalaman individual. Akintoye dan Fitzgerald (2000) menemukan bahwa ketiga metode utama
estimasi biaya adalah: (1) standar memperkirakan prosedur biaya konstruksi awalnya ditemukan dan
penyisihan biaya overhead dan laba sudah ditambahkan; (2) perbandingan dengan proyek
sebelumnya berdasarkan pengalaman pribadi; dan (3) perbandingan dengan proyek masa lalu
berdasarkan fakta yang terdokumentasi. Mereka mencatat ketiga model ini adalah 'model berbasis
pengalaman'. Jadi ada alasan untuk meyakini bahwa semakin tinggi tingkat biasnya diamati dalam
proyek yang lebih kecil mungkin karena estimasi disiapkan oleh staf junior dan kurang
berpengalaman.

Efek keseluruhan dari intensitas harga dan jenis bahan struktural utama

Dalam proses analisis regresi berganda, Intensitas harga dimasukkan terlebih dahulu untuk
menghilangkan efek confounding. Namun, intensitas harga tidak berpengaruh pada model akhir.
Dengan demikian data tidak mendukung teori intensitas harga (Gunner dan Skitmore, 1999b).

Analisis ANOVA menunjukkan bahwa estimasi bias bervariasi sesuai dengan jenis bahan
struktural utama yang digunakan (Tabel 2). Namun, ketika disatukan dengan faktor proyek lainnya
dalam model regresi berganda, 'Bahan struktural utama' bukan prediktor estimasi bias yang
signifikan. Mungkin efeknya ditutupi oleh ukuran proyek (efek perancu) seperti yang didalilkan oleh
Gunner (1997).

Apakah akurasi estimasi biaya pra-tender bangunan membaik seiring waktu?

Plot sebar digunakan untuk menguji Hipotesis 2 yang menyatakan bahwa akurasi estimasi biaya pra-
tender belum meningkat seiring waktu. Rasio estimasi bias dan nilai proyek (rasio bias) ditentukan
untuk setiap proyek. Setelah itu, rasio bias dari 56 proyek diatur secara kronologis sesuai dengan
waktu yang diestimasikan dilakukan mulai dari 1999 hingga 2007. Ini menghasilkan dataset time
series. Plot sebar dari data deret waktu kemudian dibangun (lihat Gambar 2). Demikian pula
konsistensi rasio ditentukan untuk 56 proyek dan diatur sesuai dengan waktu perkiraan dilakukan.
Plot sebar dari data deret waktu (untuk rasio konsistensi) dibangun (Gambar 3).

Jika akurasi estimasi telah meningkat dari waktu ke waktu, plot sebar harus menunjukkan
tren menurun menuju nol pada sumbu Y saat pindah dari tahun 1999 hingga 2007 pada sumbu X
pada Gambar 2 dan 3. Namun, Plot sebar menunjukkan bahwa tahun estimasi proyek tidak memiliki
berpengaruh pada estimasi bias dan konsistensi estimasi. garis tren tidak signifikan. bias estimasi
dalam hal yang sama urutan besarnya seperti pada tahun 1999, 2000, 2001 dan semua hingga 2007.
Kesalahan bersifat acak dan tidak konsisten. Flyvbjerg et al. (2002) menemukan hasil yang serupa
dalam studi tentang perbedaan antara estimasi biaya dan biaya aktual dari 258 proyek infrastruktur
transportasi. Kami dapat menyimpulkan bahwa keakuratan pra-tender perkiraan biaya bangunan
belum membaik seiring waktu. Ada empat kemungkinan penjelasan untuk hasil ini:
(1) Perkiraan proyek baru didasarkan pada sejarah data biaya dari proyek sebelumnya. Demikian
ketidakakuratan ditransmisikan ke estimasi baru seiring waktu.

(2) Perusahaan tidak memonitor kinerja estimasi mereka dalam hal akurasi dan tidak mengetahui
adanya tren kesalahan yang tidak konsisten. Pengetahuan tentang tren dalam estimasi kesalahan
dan ketidakkonsistenan dalam estimasi akan membantu perusahaan memodifikasi kebijakan
estimasi mereka sebagai reaksi terhadap mengamati ketidakakuratan dan ketidakkonsistenan
(berdasarkan temuan Morrison, 1984).

(3) keahlian dan keterampilan Memperkirakan yang dikembangkan oleh perusahaan berdasarkan
pengalaman dengan estimasi masa lalu hilang, dan mencerminkan berkurangnya pengurangan
estimasi bias dari waktu ke waktu. Di Australia, penjelasannya adalah bahwa ada kekurangan dan
omset survei kuantitas tinggi dan rekayasa biaya keterampilan (tercermin oleh poin penilaian
dialokasikan untuk profesi oleh Department of Employment and Workplace
Relations (DEWR, 2008) Skilled Occupation
Lists for immigration purpose) di Australia. Kekurangan keterampilan dan pergantian dapat
mempengaruhi keakuratan estimasi ketika seseorang menganggap proses manajemen keuangnan
dan rekayasa biaya melibatkan asumsi pengetahuan yang dikembangkanseiring waktu. Karyawan
baru, jika direkrut, akan memerlukan waktu untuk mencapai efektivitas penuh mereka.

(4) Selain faktor teknis seperti keterampilan tim penaksir dan pengalaman mereka, tim keahlian,
teknik estimasi, atau data tidak memadai, faktor yang berhubungan dengan manusia seperti
estimator. mungkin secara signifikan mempengaruhi keakuratan estimasi. Misalnya, estimator
cenderung meningkatkan estimasi mereka (melebih-lebihkan) ketika harga naik— Bias pesimisme ’;
dan ketika harga jatuh estimator cenderung mengurangi estimasi — 'bias optimisme' (Mills, 1997).
Ini mungkin bertanggung jawab atas kurangnya tren di kesalahan (estimasi bias) yang diamati dan
kurangnya konsistensi dalam estimasi dari waktu ke waktu. Juga ketidakkonsistenan dalam estimasi
mungkin sebagai hasil varians luas dalam penilaian manusia menunjukkan bahwa faktor manusia
sangat penting ketika mencoba meningkatkan akurasi estimasi.

Meningkatkan akurasi estimasi

Untuk membahas tujuan 3 penelitian ini, para responden disajikan dengan 12 metode yang dapat
digunakan untuk meningkatkan akurasi estimasi. Metode yang digunakan diidentifikasi dari literatur
— terutama Ling dan Boo (2001). Responden diminta untuk memberi peringkat efektivitas setiap
metode pada skala 1 hingga 5 (di mana 15 paling tidak efektif dan paling efektif). Relative
Effectiveness Index (REI) untuk setiap metode ditentukan dengan menggunakan ekspresi (diadaptasi
dari Kometa et al., 1994):

REI ~

SEBUAH

B|C

di mana skor A5total; B5 opsi respons tertinggi;

C5total jumlah tanggapan survei.

REI kemudian digunakan untuk menentukan peringkat metode. hasilnya (Tabel 4), surveyor
kuantitas Australia mempersepsikan ‘memastikan informasi yang cukup tersedia di waktu
memperkirakan 'sebagai metode paling efektif dari meningkatkan akurasi estimasi (pertama), diikuti
oleh ‘Peningkatan perencanaan dan pengendalian biaya selama desain fase ’(kedua) dan‘ memeriksa
semua asumsi dengan klien dan konsultan selama periode estimasi ’ (ketiga).

Hasilnya mirip dengan Ling dan Boo (2001), yang menemukan bahwa metode peningkatan
yang paling efektif akurasi menurut surveyor kuantitas Singapura apakah (a) memastikan informasi
desain cukup dan tersedia untuk persiapan estimasi (M3) yang diberi peringkat pertama dalam
penelitian ini; (B) memeriksa semua asumsi kapan menyiapkan estimasi (M4) yang berada di
peringkat ketiga; dan (c) memberikan kerangka waktu yang realistis untuk memperkirakan aktivitas
(M6) yang berada di peringkat ketujuh. Kesamaan menunjukkan sentimen internasional tentang
metode meningkatkan akurasi estimasi. Simulasi, probabilitas dan fungsi utilitas dipertimbangkan
oleh responden sebagai metode peningkatan yang paling tidak efektif (peringkat kedua belas).

Uji kesepakatan antara surveyor kuantitas

Pengukuran statistik Fleapp ’kappa (k) (Fleiss, 1971) digunakan untuk memastikan apakah surveyor
Australia setuju dengan peringkat 12 metode dari meningkatkan akurasi estimasi. pengukuran Fleiss
'kappa adalah varian dari statistik kappa Cohen ukuran reliabilitas antar penilai. Kappa Cohen cocok
di mana hanya ada dua penilai sedangkan Fleiss ' kappa dapat membantu peneliti menilai keandalan
perjanjian antara lebih dari satu jumlah penilai pada sejumlah item. Jika sejumlah penilai
menetapkan Peringkat numerik ke sejumlah item kemudian pengukuran statistik Fleiss ' kappa akan
memberikan ukuran seberapa konsisten peringkat tersebut. Ini adalah ukuran dari tingkat
kesepakatan yang bisa diharapkan di atas peluang (Fleiss, 1971). Pengukuran statistik Fleiss ’kappa
(k) dapat dinyatakan sebagai:

k~

P {Pe

1 {Pe

di mana: 1 {Pe adalah tingkat perjanjian yang dapat dicapai di atas peluang; P {Pe adalah derajat
kesepakatan sebenarnya dicapai di atas peluang.

Statistik k dapat mengambil nilai antara 0 dan 1. Menurut Landis dan Koch (1977) perjanjian
antara responden Hampir Sempurna jika k50.81–1.00; Sedang jika k50.41-0.60; Wajar jika k50.21–
0.40; Sedikit jika k50.0–0.20 dan Buruk jika k, 0.00. Dalam penelitian ini, pengukuran k diperkirakan
0,045 yang mengindikasikan hal itu jumlah surveyor hanya sedikit setuju satu sama lain pada
efektivitas relatif dari 12 metode peningkatan keakuratan estimasi. Penjelasan yang mungkin
mungkin bahwa responden menggunakan metode yang berbeda untuk mencapai hasil yang sama.
Uji satu arah memperkuat kesimpulan ini (Tabel 4). Efektivitas rata-rata untuk semua metode secara
statistik di atas titik tengah 3 pada a Skala likert 1 sampai 5 (p, 0,05) menunjukkan kuantitas itu
surveyor mempertimbangkan semua metode sebagai cara efektif meningkatkan akurasi estimasi
biaya.

Mengurangi ketidakakuratan estimasi dalam praktik

Selanjutnya, responden diminta untuk membuat daftar internal meninjau mekanisme yang
diterapkan di perusahaan mereka untuk meningkatkan akurasi estimasi biaya pra-tender bangunan.
Secara keseluruhan, 33 dari 41 responden survei (80%) terdaftar setidaknya satu mekanisme ulasan
yang digunakan di perusahaan mereka. Secara total, 77 peninjauan mekanisme terdaftar dan analisis
konten dilakukan pada 77 item. mekanisme Serupa dikelompokkan bersama dan diberi nama oleh
peneliti. Gambar 4 menunjukkan frekuensi 13 mekanisme yang diidentifikasi dari analisis konten.

Secara luar biasa, 'pembandingan' adalah yang paling populer metode yang digunakan oleh
perusahaan untuk meningkatkan akurasi perkiraan, diikuti oleh peer review internal 'dan
‘komunikasi dengan pasar 'yang keduanya miliki frekuensi yang relatif lebih kecil bila dibandingkan
dengan 'pembandingan'. Ini menunjukkan bahwa estimasi sebagian besar didasarkan pada data
biaya dari proyek masa lalu daripada peer review internal dan riset pasar. Ini memperkuat
penjelasan bahwa kesalahan dalam estimasi ditransmisikan dari proyek masa lalu ke proyek baru. Ini
bisa bertanggung jawab atas kurangnya peningkatan dalam estimasi bias dari waktu ke waktu.

Analisis konten mengungkapkan bahwa penggunaan perangkat lunak penaksir komputer

(M5) tidak sering disebutkan sebagai metode untuk meningkatkan akurasi estimasi (disebutkan oleh
hanya tiga dari 41 perusahaan— 7%). Juga, identifikasi dan penggabungan tren pasar masa depan ke
estimasi (M4) hanya disebutkan tujuh kali. Hasil ini juga setuju dengan peringkat efektivitas 12
metode peningkatan keakuratan estimasi (Tabel 4) yang menunjukkan hal itu memasukkan sentimen
pasar ke dalam estimasi menggunakan simulasi, probabilitas dan fungsi utilitas (IM8) adalah metode
paling tidak efektif untuk meningkatkan akurasi estimasi menurut responden. Kemungkinan;
Peluang; probabilitas estimasi atau simulasi untuk memprediksi tren biaya di masa depan atau untuk
memperkirakan perkiraan baru dari estimasi masa lalu bisa mengurangi bias dalam perkiraan biaya
untuk proyek-proyek baru. Namun, hasilnya menunjukkan bahwa itu jarang digunakan. Ini
menunjukkan bahwa ada kemungkinan serapan teknik statistik terkomputerisasi seperti pemodelan
biaya dalam industri yang rendah.

Kesimpulan

Analisis data mengungkapkan bahwa meskipun bias dalam estimasi biaya bangunan pra-tender
bervariasi sesuai dengan ukuran proyek dan bahan struktural utama yang digunakan, ketika semua
faktor dikontrol dan digabungkan dalam analisis regresi ganda, Bias dalam estimasi proyek
dipengaruhi secara signifikan oleh ukuran proyek. Perkiraan proyek-proyek kecil cenderung lebih
bias dari perkiraan proyek yang lebih besar. Tak satu pun dari delapan faktor proyek yang dipelajari
secara signifikan berkontribusi pada tingkat konsistensi yang diamati dalam perkiraan proyek. Jadi
Hipotesis 1 sebagian didukung.

Perusahaan perlu memberi perhatian lebih besar pada proyek yang lebih kecil atau kurang
kompleks. Ketika perkiraan biaya proyek kurang kompleks dilakukan oleh anggota yang kurang
berpengalaman , mereka harus ditinjau lebih ketat oleh Staf senior dan surveyor kuantitas
berpengalaman.

Analisis awal menunjukkan bahwa bias dalam estimasi proyek besar lebih kecil tetapi
estimasi tidak konsisten. karena proyek modern menjadi lebih rumit, teknik estimasi yang
sebelumnya digunakan mungkin tidak memadai dan mungkin tidak seefektif sebelumnya. Surveyor
kuantitas dan insinyur biaya perlu menggunakan teknik estimasi yang sesuai jika biaya kepastian
pada proyek harus dijamin.

Penelitian ini mendukung Hipotesis 2 yang menyatakan bahwa kurasi perkiraan biaya
bangunan pra-tender miliki tidak membaik seiring waktu. surveyor kuantitas Hanya sedikit setuju
pada teknik untuk meningkatkan akurasi estimasi. Dengan demikian Hipotesis 3 tidak didukung.
Meskipun perusahaan menggunakan benchmarking estimasi proyek sebelumnya untuk
meningkatkan akurasi pada proyek baru (36% dari semua tanggapan), efektivitasnya pendekatan
semacam itu akan tergantung pada seberapa sering dan seberapa akurat basis data biaya diperbarui
menggabungkan sentimen pasar dan kondisi ekonomi. Itu juga akan tergantung pada perusahaan
memahami ukuran dan tren ketidakakuratan dalam perkiraan masa lalu mereka, faktor-faktor yang
mempengaruhi ketidakakuratan yang diamati dan memasukkan pengetahuan seperti itu ke dalam
perkiraan baru. Itu penggunaan estimasi probabilitas dan simulasi adalah caranya maju dalam hal ini.
Namun, tampaknya ada serapan rendah dari pendekatan ini menurut responden. Ada kebutuhan
untuk menciptakan kesadaran akan manfaatnya teknik statistik terkomputerisasi seperti pemodelan
biaya.

Perusahaan perlu menemukan cara mempertahankan pengetahuan dan pengalaman yang

diperoleh dari estimasi proyek sebelumnya. Analisis biaya yang ketat dan umpan balik yang
terdokumentasi dari estimasi proyek dapat membantu perusahaan untuk meneruskan pengetahuan
yang diperoleh saat memperkirakan proyek baru. Juga, perusahaan perlu menemukan cara
mempertahankan staf mereka.

Selanjutnya, surveyor kuantitas dan insinyur biaya perlu untuk terlibat secara langsung
selama pengarahan klien di proyeksi permulaan agar mereka dapat secara memadai memahami
persyaratan klien, daripada bergantung pada informasi yang disampaikan dari manajer proyek atau
arsitek. Untuk menuai dan memaksimalkan manfaat rekayasa biaya dan keterampilan survei
kuantitas, klien perlu menunjuk surveyor kuantitas dan insinyur biaya dari awal proyek.

Ini adalah salah satu dari sedikit studi tentang subjek ini dalam Konteks Australia.
Kontribusinya dalam pendekatan digunakan, yang melibatkan analisis data kehidupan nyata dan
survei data dari para profesional di seluruh Australia. Keterbatasan diakui. Jumlah proyek yang
digunakan untuk analisis empiris (56) tidak cukup besar maka kelompok sampel kecil dihasilkan
ketika proyek dibagi dan dianalisis sesuai dengan delapan proyek faktor-faktor. Ini membatasi
kemampuan mendeteksi efek signifikan lebih tinggi. Namun, hasilnya memberikan deskripsi yang
masuk akal tentang ukuran dan pola dalam akurasi estimasi. Pendekatan penelitian dan analisis
selangkah demi selangkah dapat menjadi model bagi orang lain yang mungkin ingin melakukan studi
serupa di tempat lain pada topik ini dan dapat memfasilitasi perbandingan internasional.