ZEMCH 2019 International Conference Proceedings April.2020 | Page 266

1. Introduction 
The  building  project  adopting  Modular  Construction  Method  (MCM)  has  been  increased  with 
developing building technologies over the decades but, according to Modular Building Institute (MBI), 
market sharing of modular building industry currently estimated less than 5% [1, 2]. The MCM is a 
type  of  Off‐Site  Construction  Method (OSCM) that  reduce  on‐site  occupation and take  place  almost 
work in the factory [3, 4]. In cases of restriction of on‐site work due to the environmental conditions 
and skilled worker shortage, the application of the MCM in a building project has several advantages 
such as better onsite safety, less need for skilled workers on the site and shorter overall schedules [3, 5, 
6].  Moreover,  it  has  various  strengths  in  social  environmental,  economic  benefits  in  perspective  of 
stakeholders  [5,  7,  8].  Despite  several  advantages  of  this  method,  the  application  of  the  modular 
technology in the building industry is in the initial stages yet [9]. Accordingly, resolving these issues 
requires minimizing knowledge gaps between projects stakeholders and need to identify what is the 
potential factor for driving adoption of modular construction in a building project. However, there are 
very limited quantitative studies on the stakeholders’ perceptions. In this regards, this study aimed to 
identify  the  factors  driving  adoption  of  MCM  and  categorized  the  potential  factors  as  four  main 
components encouraging the Modular Building Projects (MBPs). Based on the identified factors, we 
cannot only fill the knowledge gap on the modular building but also help lead the government toward 
making a decision efficiently when they formulate policy to promote the MBPs. 
2. Research Methodology 
To investigate the driving factors for adopting a modular method in a building project an extensive 
literature  review  was  conducted.  A  questionnaire  was  designed  to  identify  the  potential  factors 
influencing the decision making of applying the MCM. And the questionnaire was first reviewed by 
preliminary  interviews  to  ensure  the  relevance  of  the  questions  to  the  modular  building  project. 
Additionally,  some  factors  were  added  and  eliminated  to  the  survey  with  an  expert’s  opinions. 
Consequently,  a  list  of  10  potential  factors  was  extracted.  A  5‐point  Likert  scale  was  used  to  assess 
respondents’ perceptions of modular construction and associated factors for driving adoption of MCM. 
100 industry experts engaged in the modular construction industry were randomly selected and survey 
was conducted by email and face‐to‐face interviews. Valid responses were collected having a question 
response rate of 44%. The respondents included manufacturer (27.3%), designer (20.5%), construction 
manager (18.2%), general contractor (11.4%), researcher (15.9%) and others involved in suppliers and 
market dealers (6.8%). 
3. Result and Analysis 
The  IBM  SPSS  Statistics  24  software  was  used  to  analyze  the  survey  data.  The  Cronbach  alpha 
method was used to assess the internal consistency of the 10 factors to test the reliability of the five‐
point Likert scale [10]. The Cronbach’s alpha coefficient (α) of 0.738 was calculated, showing that the 
instrument  has  high  internal  consistency.  The  alpha  value  shows  that  ten  factors  are  internally 
consistent with reliable. The Kaiser‐Meyer‐Olkin (KMO) measure of sampling adequacy and Bartlettʹs 
test of sphericity was used to determine the suitability to conduct Exploratory Factor Analysis (EFA) 
[11,12]. The obtained KMO value was the 0.702 (> 0.5) high value and The Bartlett’s test of sphericity 
result of 115.015 with a significance level of 0.000 indicated that the correlation matrix is not an identity 
matrix  and  suitable  for  structure  detection  [13].  As  shown  in  Table  2,  the  results  of  the  principal 
component  analysis  with  varimax  rotation  suggested  four  components  solution.  The  total  variance 
explained  72.83%  (Table  3)  indicating  each  component  as  following;  component  1  (21.889%), 
component 2 (20.000%), component 3 (18.395%), component 4 (12.545%).   

255
ZEMCH 2019 International Conference l Seoul, Korea