Analisis Risiko (Register Kualitatif & Monte Carlo)

ProjectLibre Cloud menggabungkan register risiko kualitatif dengan simulasi jadwal Monte Carlo—mengubah satu tanggal selesai deterministik menjadi tingkat keyakinan jadwal, cadangan waktu, dan pendorong risiko yang dapat diukur.

Topik ini mencakup dua bagian yang saling melengkapi:

• Register Risiko Kualitatif + Pemetaan — catat ancaman dan peluang, beri skor, lalu petakan ke tugas CPM.

• Analisis risiko jadwal Monte Carlo — ambil sampel ketidakpastian durasi dalam ribuan iterasi, lalu baca keyakinan tanggal selesai (P50 / P80 / P95), kritikalitas, sensitivitas, dan pendorongnya.

Untuk siapa: Manajer proyek yang menggunakan jadwal CPM di ProjectLibre Cloud dan memerlukan wawasan risiko kualitatif maupun kuantitatif. Video ini secara khusus menyoroti penandatanganan kontrak dengan denda atas keterlambatan penyerahan.

Lihat juga: Audit Proyek (Audit Kualitas Jadwal DCMA) · Diagram Gantt · Tampilan Utama

Tonton: Analisis risiko Monte Carlo (~5:41).

Ikhtisar

Jadwal proyek biasa memberikan satu tanggal penyelesaian yang direncanakan. Aktivitas dapat selesai lebih awal, tepat waktu, atau terlambat. Analisis Monte Carlo menjawab pertanyaan: Berapa probabilitas proyek ini benar-benar selesai paling lambat pada tanggal tertentu?

Kemampuan produk:

• Bekerja dari jadwal yang sudah ada

• Tidak memerlukan estimasi per tugas

• Penggantian lanjutan bila diperlukan

Anda tidak perlu membuat estimasi tiga titik untuk setiap tugas sebelum menjalankan Monte Carlo. ProjectLibre memulai dari durasi tugas deterministik yang sudah ada dalam rencana. Jika tidak ada penggantian Optimistis / Paling mungkin / Pesimistis, berlaku asumsi Monte Carlo tingkat proyek. Dengan Paling mungkin 100%, durasi tugas deterministik menjadi nilai Paling mungkin.

Contoh: Tugas deterministik 30 hari dengan default proyek 90% / 100% / 125% menjadi 27 hari Optimistis, 30 hari Paling mungkin, dan 37,5 hari Pesimistis.

Alur kerja enam langkah

Enam langkah dari jadwal hingga wawasan risiko:

1. Mulai dari jadwal Anda — Gunakan jadwal deterministik yang sudah ada di ProjectLibre.

2. Susun Register Risiko — Catat probabilitas, dampak, pemilik, dan eksposur.

3. Petakan risiko ke tugas — Hubungkan setiap peristiwa risiko dengan aktivitas jadwal yang dapat terpengaruh.

4. Tetapkan default Monte Carlo — Pilih iterasi, distribusi, dan asumsi ketidakpastian untuk seluruh proyek.

5. Penggantian tugas opsional — Masukkan nilai O / ML / P khusus tugas hanya bila presisi tambahan bermanfaat.

6. Analisis hasil — Baca P50/P80/P95, risiko yang menyala, kritikalitas, sensitivitas, dan pendorong tanggal selesai.

Langkah 2–3 bersifat kualitatif. Langkah 4–6 adalah Monte Carlo / kuantitatif. Alur demo dalam video menekankan langkah 1, 4, 5, dan 6 tanpa antarmuka register/pemetaan.

Bagian A — Register Risiko Kualitatif & Pemetaan

Cara kerja skor kualitatif

• Skor = probabilitas × dampak tertinggi.

• Ini adalah skor prioritas, bukan jumlah iterasi Monte Carlo dan bukan persentase Menyala.

• Contoh: L × H = 12 / 64 · M × H = 24 / 64 · H × H = 36 / 64

• 64 / 64 adalah skor kualitatif tertinggi yang mungkin.

Menyusun Register Risiko Kualitatif

Catat ancaman dan peluang yang spesifik beserta probabilitas, dampak, status, pemilik, eksposur, dan tugas yang mungkin terpengaruh. Peta panas menampilkan risiko dengan prioritas tertinggi secara jelas.

Label antarmuka yang terlihat pada tangkapan layar Kualitatif mencakup sakelar Register | Pemetaan, judul peta panas Active threats & opportunities - probability × highest impact, tombol + Tambah risiko, serta kolom tabel seperti Nama, Jenis, Status, P, I, Skor, Eksposur, Pemilik, Tugas.

Memetakan risiko ke tugas

Tampilan Pemetaan menghubungkan Register Risiko dengan jadwal CPM. Satu risiko dapat memengaruhi satu tugas atau beberapa tugas terkait, dan satu tugas dapat terpapar lebih dari satu risiko.

Mengapa pemetaan penting: Risiko bersama menyala satu kali dalam satu iterasi. Jika terjadi, semua tugas yang terhubung ke peristiwa yang sama ikut terpengaruh bersamaan, sehingga hubungan nyata di antara tugas-tugas tersebut tetap terjaga. Matriks pemetaan membuat hubungan risiko-ke-tugas menjadi eksplisit.

Risiko kualitatif tingkat tugas pada jadwal

Jadwal dapat menampilkan nama risiko yang terhubung, label skor (misalnya 24/64), dan eksposur di samping Gantt (tampilan risiko kualitatif tingkat tugas).

Bagian B — Analisis risiko jadwal Monte Carlo

Monte Carlo mengambil sampel durasi tugas dalam banyak iterasi, menghitung ulang jadwal CPM setiap kali, dan mencatat hasil tanggal selesainya—mengubah ribuan jadwal simulasi menjadi dasar keputusan. Ancaman kualitatif yang terhubung juga dapat menyala sesuai probabilitasnya bila dikonfigurasi; namun video panduan itu sendiri memperagakan ketidakpastian rentang durasi, bukan penyalaan risiko dari register.

Cara membuka Analisis risiko jadwal (Monte Carlo)

Alur kerja:

1. Buka proyek sehingga diagram Gantt terlihat.

2. Pada bilah alat atas di atas Gantt, klik ikon pengukur / spidometer.

3. Tooltip: Schedule risk analysis (Monte Carlo).

4. Dialog terbuka: Schedule risk analysis.

Pada bilah alat yang sama, Audit kualitas jadwal (DCMA) terletak bersebelahan (lihat Audit Proyek).

Menetapkan default Monte Carlo (tingkat proyek)

Pilih asumsi ketidakpastian tingkat proyek dan jumlah iterasi. Default ini berlaku untuk setiap tugas yang tidak memiliki estimasi tingkat tugas sendiri. Durasi proyek normal tetap menjadi durasi Paling mungkin bila Paling mungkin diatur ke 100%.

Iterasi:

• Quick (1,000)

• Standard (3,000)

• Deep (10,000)

Default ketidakpastian: Optimistis 90% · Paling mungkin 100% · Pesimistis 125%. Narasi video: optimistis sekitar 10% lebih cepat dari nilai deterministik; pesimistis sekitar 25% lebih buruk.

Distribusi:

• Disebutkan dalam video panduan: Segitiga, PERT (Beta), Seragam.

• Antarmuka simulasi Risiko Kuantitatif juga mencantumkan Lognormal dan Trigen (total lima), dengan Jangkar P10 / P90 yang hanya berlaku untuk Lognormal & Trigen.

Penggantian O / ML / P tingkat tugas (opsional)

Aturan sederhana: Tidak ada estimasi tugas → gunakan default proyek. Ada estimasi tugas → gunakan nilai khusus tugas tersebut.

1. Klik dua kali sebuah tugas → modal detail tugas.

2. Buka tab Risiko (tab modal meliputi: Utama, Kinerja, Aktual, Kalender, Penjadwalan, Dependensi, Risiko, Catatan).

3. Atur Distribusi Risiko, Durasi Optimistis, Durasi Pesimistis (serta durasi paling mungkin / durasi jadwal bila berlaku).

4. Contoh dari video: paling mungkin 4 hari, optimistis 2 hari, pesimistis 9 hari — menggantikan asumsi Monte Carlo proyek untuk tugas tersebut.

Tampilan Estimasi menyediakan durasi Optimistis / Paling mungkin / Pesimistis khusus tugas (kolom dapat menampilkan Default Proyek bila tidak diganti).

Membaca hasil

Setiap iterasi mengambil sampel durasi tugas, menentukan peristiwa risiko terhubung mana yang menyala (bila ancaman kualitatif dihubungkan), menghitung ulang jadwal CPM, dan mencatat hasilnya.

Keyakinan tanggal selesai dan metrik:

Istilah	Definisi
P50 / P80 / P95	Tanggal selesai yang tercapai pada atau sebelum 50%, 80%, dan 95% hasil simulasi.
Menyala	Persentase iterasi Monte Carlo di mana peristiwa risiko tersebut benar-benar terjadi.
Kritikalitas	Persentase putaran simulasi di mana suatu tugas berada di jalur kritis.
Sensitivitas	Seberapa kuat variasi pada suatu tugas atau risiko berkaitan dengan variasi tanggal selesai proyek.
Skor Risiko	Probabilitas × dampak tertinggi (prioritas kualitatif; maks. 64).
Eksposur Risiko	Eksposur finansial berdasarkan basis biaya, probabilitas, dan dampak biaya.

Kartu ringkasan: Selesai deterministik; Selesai P50; Selesai P80; Selesai P95; On time - vs current plan finish. Kartu dasbor juga dapat menampilkan label bergaya cadangan-hingga-P80.

Grafik:

• Keyakinan tanggal selesai (kurva S) — tooltip bergaya P(selesai ≤ tanggal)

• Apa yang mendorong risiko tanggal selesai — tornado korelasi / sensitivitas

Tabel: Kritikalitas tertinggi — kolom Tugas, Selesai P80, Kritikalitas, Sensitivitas. Dasbor juga menampilkan Risiko register dalam simulasi ini (Probabilitas, Dampak, Menyala, Sensitivitas).

Grid hasil: kolom dapat mencakup Nama, Durasi, Selesai, Selesai P50, Selesai P80, Kritikalitas, Sensitivitas, Krusialitas, SSI, ditambah Gantt dengan batang berlapis risiko.

Contoh proyek rekayasa: Selesai deterministik 17 Feb 2027; P50 1 Apr 2027; P80 29 Apr 2027; P95 26 Mei 2027.

Kegunaan untuk keputusan:

• Menilai apakah tanggal penyelesaian yang dijanjikan realistis

• Mengidentifikasi di mana ketidakpastian jadwal terkonsentrasi

• Memutuskan soal sumber daya, cadangan waktu, manajemen vendor, atau mitigasi risiko

• Memilih tanggal penyelesaian berdasarkan tingkat keyakinan yang eksplisit, bukan intuisi

Perbandingan penutup: jadwal tradisional memberi tahu kapan rencana selesai; Monte Carlo memberi tahu seberapa yakin Anda dapat berpegang pada tanggal tersebut.

Tonton panduannya

Tonton: Analisis risiko Monte Carlo (~5:41) — perangkat lunak manajemen proyek ProjectLibre.

Mencakup cara membuka Analisis risiko jadwal dari bilah alat Gantt, iterasi/distribusi tingkat proyek, penggantian lewat tab Risiko tugas, kurva S / tornado / kritikalitas / sensitivitas, serta P50 / P80 / P95. Video ini tidak membahas Register Risiko Kualitatif maupun matriks Pemetaan.