STUDI TENTANG KETERLAMBATAN PEMBAYARAN DARI PEMILIK PROYEK KONSTRUKSI KEPADA KONTRAKTOR
Notice bibliographique
Résumé
Dalam dunia konstruksi keterlambatan pembayaran maupun tidak dibayarnya suatu kontrak menjadi risiko utama hubungan antara kontraktor dengan pemilik proyek konstruksi. Tujuan dari penelitian ini antara lain adalah: untuk mengetahui faktor-faktor penyebab terjadinya keterlambatan pembayaran dari pemilik proyek konstruksi kepada kontraktor, pada proyek pembangunan Gedung di Kabupaten Sumba Tengah Provinsi Nusa Tenggara Timur. Teknik pengumpulan data dalam penelitian ini dengan pengumpulan data yang langsung berhubungan dengan responden dengan menyebarkan kuisioner kepada pihak yang terkait dalam proyek Pembangunan Gedung di Kabupaten Sumba Tengah, dari mulai Pejabat Pembuat Komitmen, kontraktor hingga Konsultan. Kemudian data yang terkumpul dianalisis dengan menggunakan metode mean, standar deviasi dan uji regresi linier dengan bantuan program SPSS 22.0.Berdasarkan penelitian dan pembahasan dapat disimpulkan bahwa faktor-faktor prioritas tertinggi penyebab keterlambatan pembayaran adalah adanya kesalahan pekerjaan yang tidak diperbaiki dengan nilai mean 3,43, dan standar deviasi 0,68. Dimana besarnya hubungan faktor keterlambatan pembayaran dengan faktor prioritas keterlambatan pembayaran pada proyek pembangunan gedung adalah menunjukan bahwa sebesar 60,8% dapat mempengaruhi hubungan keterlambatan pembayaran, sisanya 39,2% dipengaruhi oleh variabel lain yang tidak dikaji dalam penelitian ini. Disimpulkan bahwa pada penelitian ini faktor peran/tindakan pengguna jasa (Owner), peran/tindakan kontraktor dan peran/tindakan konsultan berpengaruh atau berhubungan besar terhadap keterlambatan pembayaran dimana besar hubungan lebih dari 50% yaitu sebesar 60,8%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».