BAB 2
TINJAUAN PUSTAKA
2.1 Kualitas
Karakteristik lingkungan dunia usaha saat ini ditandai oleh perkembangan yang cepat di segala bidang. Persaingan bukan hanya mengenai seberapa tinggi tingkat produktivitas perusahaan dan seberapa rendahnya tingkat harga produk maupun jasa, namun lebih pada kualitas produk atau jasa tersebut, kenyamanan, kemudahan, serta ketepatan dan kecepatan waktu dalam pencapaiannya. Produk dan jasa yang berkualitas adalah produk dan jasa yang sesuai dengan apa yang diinginkan konsumennya. Oleh karena itu, organisasi/perusahaan perlu mengenal konsumen atau pelanggannya dan mengetahui kebutuhan dan keinginannya.
2.1.1 Definisi Kualitas
Ada banyak sekali definisi dan pengertian kualitas, yang sebenarnya definisi atau pengertian yang satu hampir sama dengan definisi atau pengertian yang lain. Pengertian kualitas menurut beberapa ahli yang banyak dikenal antara lain (Ariani,2002):
1. Juran (1962), “kualitas adalah kesesuaian dengan tujuan atau manfaatnya”. 2. Crosby (1979), “kualitas adalah kesesuaian dengan kebutuhan yang meliputi
availability, delivery, reliability, maintainbility, dan cost effectiveness”.
3. Deming (1982), “kualitas harus bertujuan memenuhi kebutuhan pelanggan sekarang dan di masa mendatang”.
4. Feigenbaum (1991), “kualitas merupakan keseluruhan karakteristik produk dan jasa yang meliputi marketing, engineering, manufacture, dan maintenance, dalam mana produk dan jasa tersebut dalam pemakaiannya
5. Scherkenbach (1991), “kualitas ditentukan oleh pelanggan; pelanggan menginginkan produk dan jasa yang sesuai dengan kebutuhan dan harapannya pada suatu tingkat harga tertentu yang menunjukkan nilai produk tersebut”.
6. Elliot (1993), “kualitas adalah sesuatu yang berbeda untuk orang yang berbeda dan tergantung pada waktu dan tempat, atau dikatakan sesuai dengan tujuan”.
7. Goetch dan Davis (1995), “kualitas adalah suatu kondisi dinamis yang berkaitan dengan produk, pelayanan, orang, proses, dan lingkungan yang memenuhi atau melebihi apa yang diharapkan”.
8. Perbendaharaan istilah ISO 8402 dan dari Standar Nasional Indonesia (SNI 19-8402-1991), “kualitas adalah keseluruhan ciri dan karakteristik produk atau jasa yang kemampuannya dapat memuaskan kebutuhan, baik yang dinyatakan secara tegas maupun tersamar.
2.1.2 Kepuasan Pelanggan
Pada hakikatnya tujuan bisnis adalah untuk menciptakan dan mempertahankan para pelanggan. Oleh karena itu, hanya dengan memahami proses dan pelanggan maka organisasi dapat menyadari dan menghargai makna kualitas. Semua usaha manajemen diarahkan pada satu tujuan utama, yaitu terciptanya kepuasan pelanggan. Apapun yang dilakukan manajemen tidak akan ada gunanya bila akhirnya tidak menghasilkan peningkatan kepuasan pelanggan. Adanya kepuasan pelanggan dapat memberikan beberapa manfaat, di antaranya (Tjiptono, 2001): 1. Hubungan antara perusahaan dan para pelanggannya menjadi harmonis. 2. Memberikan dasar yang baik bagi pembelian ulang.
3. Dapat mendorong terciptanya loyalitas pelanggan.
4. Membentuk suatu rekomendasi dari mulut ke mulut (word of mouth) yang menguntungkan bagi perusahaan.
Kepuasan pelanggan sendiri tidak mudah didefinisikan. Tjiptono (2001) menyebutkan bahwa ada berbagai macam pengertian kepuasan pelanggan yang diberikan oleh para pakar, yaitu:
1. Day, menyatakan bahwa kepuasan pelanggan adalah respons pelanggan terhadap evaluasi ketidaksesuaian yang dirasakan antara harapan sebelumnya (atau norma kinerja lainnya) dan kinerja aktual produk yang dirasakan setelah pemakaiannya.
2. Wilkie, mendefinisikannya sebagai suatu tanggapan emosional pada evaluasi terhadap pengalaman konsumsi suatu produk atau jasa.
3. Engel, menyatakan kepuasan pelanggan merupakan evaluasi purna beli di mana alternatif yang dipilih sekurang-kurangnya sama atau melampaui harapan pelanggan, sedangkan ketidakpuasan timbul apabila hasil (outcome) tidak memenuhi harapan.
4. Kotler, menandaskan bahwa kepuasan pelanggan adalah tingkat perasaan seseorang setelah membandingkan kinerja (atau hasil) yang ia rasakan dibandingkan dengan harapannya.
Dari definisi-definisi tersebut dapat ditarik kesimpulan bahwa pada dasarnya pengertian kepuasan pelanggan mencakup perbedaan antara harapan dan kinerja atau hasil yang dirasakan. Karena pelanggan adalah orang yang menerima hasil pekerjaan seseorang atau suatu organisasi maka hanya merekalah yang dapat menentukan kualitasnya seperti apa dan hanya mereka yang dapat menyampaikan apa dan bagaimana kebutuhan mereka.
2.1.3 Dimensi Kualitas
Menentukan kualitas produk harus dibedakan antara produk manufaktur atau barang (goods) dengan produk layanan (service) karena keduanya memiliki banyak perbedaan. Menyediakan produk layanan (jasa) berbeda dengan menghasilkan produk manufaktur dalam beberapa cara. Perbedaan antara produk manufaktur dengan produk layanan adalah:
sasarannya adalah keseragaman. Dokter, ahli hukum, personal penjualan asuransi, dan pelayanan restoran harus menyesuaikan layanan mereka terhadap konsumen individual.
2. Output sistem layanan tidak berwujud, sedangkan manufaktur berwujud. Kualitas produk manufaktur dapat diukur berdasar spesifikasi disain, sedangkan kualitas layanan pengukurannya subyektif menurut pandangan konsumen, dikaitkan dengan harapan dan pengalaman mereka.
3. Produk layanan diproduksi dan dikonsumsi secara bersama-sama, sedangkan manufaktur diproduksi sebelum dikonsumsi. Produk layanan tidak bisa disimpan atau diperiksa sebelum disampaikan kepada konsumen.
4. Konsumen seringkali terlibat dalam proses layanan dan hadir ketika layanan dibentuk, sedangkan produk manufaktur dibentuk di luar keterlibatan langsung dari konsumen.
5. Layanan secara umum padat tenaga kerja, sedangkan manufaktur lebih banyak padat modal. Kualitas interaksi antara produsen dan konsumen merupakan faktor vital dalam penciptaan layanan. Perilaku dan moral pekerja merupakan hal yang kritis dalam menyediakan kualitas layanan.
Pengukuran kualitas untuk produk fisik tidak sama dengan industri jasa. Ada beberapa dimensi yang digunakan dalam mengukur kualitas suatu industri jasa. Kualitas layanan dapat dilihat dari 10 dimensi, yaitu:
1. Communication, yaitu penggunaan bahasa komunikasi yang bisa dipahami konsumen.
2. Credibility, yaitu kepercayaan konsumen terhadap penyedia layanan.
3. Security, yaitu keamanan konsumen, bebas resiko, bahaya, dan keragu-raguan.
4. Knowing the customer, yaitu pemahaman penyedia layanan terhadap kebutuhan dan harapan konsumen.
5. Tangibles, yaitu dalam memberi layanan harus ada standar pengukurannya. 6. Reliability, yaitu konsistensi penyedia layanan dan kemampuan penyedia
layanan dalam memenuhi janji.
8. Competence, yaitu kemampuan atau keahlian penyedia layanan dalam memberikan layanan.
9. Access, yaitu kemampuan pendekatan dan kemudahan penyedia layanan untuk bisa dihubungi oleh konsumen.
10. Courtesy, yaitu kesopanan, rasa hormat, perhatian, dan keadilan penyedia layanan ketika berhubungan dengan konsumen.
Di antara sepuluh dimensi kualitas layanan jasa di atas, ada yang saling tumpang tindih, sehingga diberikan lima dimensi kualitas layanan yang lebih sederhana, yaitu (Purnama, 2006):
1. Tangibles (berwujud), yaitu bukti fisik dan menjadi bukti awal yang bisa ditunjukkan oleh organisasi penyedia layanan yang ditunjukkan oleh tampilan gedung, fasilitas fisik pendukung, perlengkapan, dan penampilan pekerja. 2. Reliability (kehandalan), yaitu kemampuan penyedia layanan memberikan
layanan yang dijanjikan dengan segera, akurat, dan memuaskan.
3. Responsiveness (daya tanggap), yaitu para pekerja memiliki kemauan dan bersedia membantu pelanggan serta memberi layanan dengan cepat dan tanggap.
4. Assurance (jaminan), yaitu pengetahuan dan kecakapan para pekerja yang memberikan jaminan bahwa mereka bisa memberikan layanan dengan baik. 5. Empathy (empati), yaitu kemudahan dalam melakukan hubungan, komunikasi
yang baik, dan memahami kebutuhan para pelanggan.
Gronroos (1990) seperti dikutip Purnama (2006) menyatakan bahwa kualitas layanan meliputi:
1. Kualitas fungsi, yang menekankan bagaimana layanan dilaksanakan. Terdiri dari dimensi kontak dengan konsumen, sikap dan perilaku, hubungan internal, penampilan, kemudahan akses, dan service mindedness.
2. Kualitas teknis dengan kualitas output yang dirasakan konsumen, meliputi harga, ketepatan waktu, kecepatan layanan, dan estetika output.
3. Reputasi perusahaan, yang dicerminkan oleh citra perusahaan dan reputasi di mata konsumen.
Meningkatkan kualitas jasa yang ditawarkan tidak semudah usaha meningkatkan kualitas produk, karena peningkatan kualitas jasa juga akan berdampak pada organisasi secara menyeluruh. Menurut Stebbing (1992) seperti dikutip Ariani (2002), ada beberapa langkah yang harus ditempuh untuk dapat meningkatkan kualitas pelayanan (jasa) yang ditawarkan, antara lain:
1. Mengidentifikasi faktor utama kualitas pelayanan. 2. Mengelola harapan pelanggan.
3. Mengelola kualitas jasa
4. Mengembangkan budaya kualitas.
2.2 Skala Likert
Skala pengukuran yang digunakan dalam penelitian ini adalah skala likert agar data kualitatif dapat dikuantitatifkan sehingga nilai variabel yang diukur dengan instrumen tertentu dapat dinyatakan dalam bentuk angka. Skala likert merupakan skala yang dapat memperlihatkan tanggapan konsumen terhadap karakteristik suatu produk. Informasi yang diperoleh dengan skala likert berupa skala pengukuran ordinal, oleh karenanya terhadap hasilnya hanya dapat dibuat ranking tanpa dapat diketahui berapa besarnya selisih antara satu tanggapan ke tanggapan lainnya. Responden diminta untuk menjawab tingkat kepentingan pada tiap atribut kualitas pelayanan dengan memberi bobot sebagai berikut:
b. 4 untuk jawaban penting c. 3 untuk jawaban cukup penting d. 2 untuk jawaban kurang penting e. 1 untuk jawaban tidak penting
Responden memberi nilai terhadap tingkat kepuasan pada atribut-atribut kualitas pelayanan yang sama dengan memberikan bobot sebagai berikut:
a. 5 untuk jawaban sangat puas b. 4 untuk jawaban puas c. 3 untuk jawaban cukup puas d. 2 untuk jawaban kurang puas e. 1 untuk jawaban tidak puas
2.3 Populasi dan Sampel Data
Populasi adalah wilayah generalisasi yang terdiri atas obyek atau subyek yang mempunyai kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2006).
Jadi populasi bukan hanya orang, tetapi juga benda-benda alam yang lain. Populasi juga bukan sekedar jumlah yang ada pada obyek atau subyek yang dipelajari, tetapi meliputi seluruh karakteristik atau sifat yang dimiliki oleh obyek atau subyek itu. Misalnya akan melakukan penelitian di lembaga X, maka lembaga X ini merupakan populasi. Lembaga X mempunyai sejumlah orang atau subyek dan obyek yang lain. Hal ini berarti populasi dalam arti jumlah atau kuantitas. Tetapi lembaga X juga mempunyai karakteristik orang-orangnya, misalmya motivasi kerjanya, kepemimpinannya, iklim organisasinya, disiplin kerjanya, dan lain-lain. Lembaga X juga mempunyai karakteristik obyek yang lain misalnya kebijakan, prosedur kerja, tata ruang, produk yang dihasilkan, dan lain-lain. Yang terkhir berarti populasi dalam arti karakteristik.
tenaga maka peneliti dapat menggunakan sampel yang diambil dari populasi itu. Apa yang dipelajari dari sampel itu, kesimpulannya akan diberlakukan untuk populasi. Untuk itu sampel yang diambil dari populasi harus betul-betul representatif atau mewakili.
Untuk menentukan sampel penelitian digunakan teknik sampling. Teknik sampling merupakan teknik pengambilan sampel untuk menentukan sampel yang akan digunakan dalam penelitian. Sugiyono (2006) menyebutkan bahwa terdapat berbagai teknik sampling yang dapat digunakan, yaitu:
1. Probability Sampling
Probability Sampling adalah teknik sampling yang memberikan peluang yang
sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi anggota sampel. Teknik ini meliputi:
a. Simple Random Sampling
Dikatakan simple karena pengambilan sampel anggota populasi dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi itu. Cara demikian dilakukan bila anggota populasi dianggap homogen.
b. Proportionate Stratified Random Sampling
Teknik ini digunakan bila populasi mempunyai anggota atau unsur yang tidak homogen dan berstrata secara proporsional.
c. Disproportionate Stratified Random Sampling
Teknik ini digunakan untuk menentukan jumlah sampel, bila populasi berstrata tetapi kurang proporsional. Misalmya pegawai dari PT tertentu mempunyai: 3 orang lulusan S3, 4 orang lulusan S2, 90 orang lulusan S1, 800 0rang SMU, 700 orang SMP. Maka 3 orang lulusan S3 dan 4 orang S2 itu diambil sebagai sampel. Karena 2 kelompok ini terlalu kecil bila dibandingkan dengan kelompok S1, SMU, dan SMP.
d. Cluster Sampling
2. Nonprobability Sampling
Nonprobability sampling adalah teknik yang tidak memberi peluang atau
kesempatan yang sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel. Teknik ini meliputi:
a. Sampling Sistematis
Sampling sistematis adalah teknik penentuan sampel berdasarkan urutan dari anggota populasi yang telah diberi nomor urut.
b. Sampling Kuota
Sampling kuota adalah teknik untuk menentukan sampel dari populasi yang mempunyai ciri-ciri tertentu sampai jumlah atau kuota yang diinginkan.
c. Sampling Aksidental
Sampling aksidental adalah teknik penentuan sampel berdasarkan kebetulan, yaitu siapa saja yang secara kebetulan bertemu dengan peneliti dapat digunakan sebagai sampel bila dipandang orang yang kebetulan ditemui itu cocok sebagai sumber data.
d. Sampling Purposive
Sampling purposive adalah teknik penentuan sampel dengan pertimbangan tertentu. Misalnya akan melakukan penelitian disiplin pegawai, maka sampel yang dipilih adalah orang yang ahli dalam bidang kepegawaian saja.
e. Sampling Jenuh
Sampling jenuh adalah teknik penentuan sampel bila semua anggota populasi digunakan sebagai sampel. Hal ini sering dilakukan n=bila jumlah populasi relatif kecil, kurang dari 30 orang. Istilah lain sampel jenuh adalah sensus, dimana semua anggota populasi dijadikan sampel.
f. Snowball Sampling
Snowball sampling adalah teknik penentuan sampel yang mula-mula jumlahnya
kecil, kemudian sampel ini disuruh memilih teman-temannya untuk dijadikan sampel.
Validitas menunjukkan sejauh mana suatu alat pengukur itu mengukur apa yang ingin diukur. Bila seseorang ingin mengukur berat suatu benda, maka dia harus menggunakan timbangan. Timbangan adalah alat pengukur yang valid bila dipakai untuk mengukur berat, karena timbangan memang mengukur berat. Untuk mengetahui validitas suatu instrumen penelitian dilakukan dengan menghitung korelasi antara masing-masing pernyataan dengan skor total dengan menggunakan rumus teknik korelasi “product moment”, yang rumusnya sebagai berikut (Singarimbun dan Effendi, 1989):
r = N (∑XY)− (∑X ∑Y)
�[N∑X2− (∑X)2] [N∑Y2− (∑Y)2]
Setelah diperoleh harga r hitung, selanjutnya untuk dapat diputuskan instrumen tersebut valid atau tidak valid, harga r hitung tersebut dikonsultasikan dengan harga r tabel (tabel r product moment). Jika r hitung lebih besar dari r tabel maka dapat disimpulkan bahwa instrumen tersebut valid.
Instrumen yang reliabel berarti instrumen yang bila digunakan beberapa kali untuk mengukur objek yang sama akan menghasilkan data yang sama atau hasil pengukuran relatif konsisten. Pengujian reliabilitas dapat dilakukan secara eksternal maupun internal. Secara eksternal pengujian dapat dilakukan dengan test-retest (stability), equivalent, dan gabungan keduanya. Salah satu teknik yang dapat digunakan adalah “Alfa Cronbach” dengan rumus sebagai berikut (Sugiyono, 2006):
Rumus koefisien reliabilitas Alfa Cronbach:
ri = k
(k−1) �1−
∑Si2
St2 �
Keterangan:
k : mean kuadrat antara subyek
∑Si2 : mean kuadrat kesalahan
St2 : varians total
𝑆𝑆𝑡𝑡2 = ∑𝑋𝑋𝑡𝑡 2
𝑛𝑛 −
(∑𝑋𝑋𝑡𝑡)2 𝑛𝑛2
𝑆𝑆𝑖𝑖2 = 𝐽𝐽𝐾𝐾𝑛𝑛 −𝑖𝑖 𝐽𝐽𝐾𝐾𝑛𝑛2𝑠𝑠
Keterangan:
𝐽𝐽𝐾𝐾𝑖𝑖 : jumlah kuadrat seluruh skor item
𝐽𝐽𝐾𝐾𝑠𝑠 : jumlah kuadrat subyek
Contoh:
Misalkan hasil uji coba instrumen yang berupa kuesioner dengan skala 1 sampai 5 menghasilkan data sebagai berikut:
Tabel 2.1. Tabulasi Jawaban Responden
Responden Nomor Pernyataan Total
1 2 3 4 5 6 7 8 9 10 a 5 4 5 4 5 4 4 5 4 5 45 b 4 5 4 5 4 5 5 4 5 4 45 c 3 4 4 3 4 2 4 5 4 4 39 d 5 5 4 3 4 5 4 3 4 1 38 e 3 3 4 4 3 4 4 4 4 1 34 f 2 1 2 1 2 2 2 2 1 5 21 g 2 3 5 1 2 2 3 3 1 5 26 h 1 1 1 2 1 2 2 1 2 5 16 i 4 4 4 5 5 5 4 4 4 1 40 j 3 2 2 2 2 3 2 2 2 5 24
Tabel 2.2. Tabel Perhitungan Korelasi
Responden X Y X2 Y2 XY
a 4 45 16 2.025 180
b 5 45 25 2.025 225
c 4 39 16 1.521 156
d 5 38 25 1.444 190
e 3 34 9 1.156 102
f 1 21 1 441 21
g 3 26 9 676 78
h 1 16 1 256 16
i 4 40 16 1.600 160
j 2 24 4 576 48
Total 32 328 122 11.720 1.176
Keterangan:
X : Skor pernyataan 2
Y : Skor total
Hasil perhitungan dalam tabel 2.2. dimasukkan ke dalam rumus korelasi “product moment”, sehingga diperoleh:
r = N (∑XY)− (∑X ∑Y)
�[N∑X2− (∑X)2] [N∑Y2− (∑Y)2]
r = 10 (1.176)− (32∗328)
�[10∗122− (32)2] [10∗11.720− (328)2]
r = 1.264
1.372,857= 0,921
Pernyataan 1 = 0,876
Secara statistik, angka korelasi yang diperoleh harus dibandingkan dengan angka kritik tabel korelasi nilai r. Untuk taraf signifikansi 5% nilai r tabel product moment adalah 0,632. Berhubung angka yang diperoleh dari pernyataan 1 sampai
pernyataan 9 adalah di atas 0,632, maka pernyataan 1 sampai 9 adalah valid. Pernyataan 10 tidak valid karena nilai r hitung yang diperoleh lebih kecil dari nilai r tabel.
Pernyataan 1 sampai 9 yang telah terbukti valid kemudian akan diuji reliabilitasnya dengan menggunakan teknik Alfa Cronbach.
Instrumen penelitian dikatakan reliabel jika nilai hasil pengukuran lebih besar dari 0,60. Karena nilai hasil pengukuran instrumen 9 pernyataan dengan teknik Alfa Cronbach lebih besar dari 0,60, maka pernyataan disebut reliabel.
2.5 Metode Servqual
Metode pengukuran kualitas layanan yang banyak digunakan secara luas adalah metode Servqual. Servqual berasal dari kata Service Quality yang artinya kualitas layanan. Metode Servqual didasarkan pada “gap model” yang dikembangkan oleh Parasuraman. Kualitas layanan merupakan fungsi gap antara harapan konsumen terhadap layanan dan persepsi mereka terhadap layanan aktual yang dihasilkan perusahaan. Harapan konsumen terhadap kualitas layanan merupakan keinginan atau permintaan ideal konsumen terhadap layanan yang akan diberikan oleh penyedia layanan. Oleh karena itu harapan konsumen seringkali diterjemahkan sebagai permintaan yang diidealkan oleh konsumen.
Harapan konsumen secara umum dipengaruhi oleh tiga faktor, yaitu komunikasi dari mulut ke mulut (word of mouth), kebutuhan individu konsumen (personal needs), dan pengalaman yang dirasakan konsumen pada masa lalu (past experience). Harapan konsumen harus menjadi acuan bagi penyedia layanan
untuk mendisain, menghasilkan dan menyampaikan layanan kepada konsumen. Sedangkan persepsi konsumen merupakan penilaian konsumen terhadap layanan yang telah dirasakan atau diperoleh. Kualitas layanan merupakan perbandingan atau selisih antara layanan yang dirasakan atau dipersepsikan konsumen (persepsi) dengan layanan ideal yang diinginkan atau diminta konsumen (harapan). Selisih antara persepsi dengan harapan disebut dengan “gap” atau kesenjangan kualitas layanan, yang dirumuskan sebagai berikut (Purnama, 2006):
Persepsi – Harapan = Gap
1. Jika gap positif (Persepsi > Harapan) maka layanan dikatakan “surprise” dan memuaskan
3. Jika gap negatif (Persepsi < Harapan) maka layanan dikatakan tidak berkualitas dan tidak memuaskan
2.6 Logika Fuzzy
Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy. Lotfi Asker Zadeh adalah seorang ilmuwan Amerika Serikat berkebangsaan Iran dari Universitas California di Barkeley. Fuzzy secara bahasa diartikan sebagai kabur atau samar-samar. Suatu nilai dapat bernilai benar atau salah secara bersamaan.
Logika fuzzy merupakan suatu logika yang memiliki nilai kekaburan atau kesamaran (fuzzyness) antara benar atau salah. Dalam teori logika fuzzy suatu nilai bisa bernilai benar atau salah secara bersama. Namun berapa besar keberadaan dan kesalahan bergantung pada bobot keanggotaan yang dimilikinya. Logika fuzzy digunakan untuk menerjemahkan suatu besaran yang diekspresikan menggunakan bahasa (linguistic), misalkan besaran kecepatan laju kendaraan yang diekspresikan dengan pelan, agak cepat, cepat, dan sangat cepat. Logika fuzzy menunjukkan sejauh mana suatu nilai itu benar dan sejauh mana suatu nilai itu salah.
Logika fuzzy umumnya diterapkan pada masalah-masalah yang mengandung unsur ketidakpastian (uncertainty), ketidaktepatan (imprecise), dsb. Logika fuzzy menjembatani bahasa mesin yang presisi dengan bahasa manusia yang menekankan pada makna atau arti (significance). Logika fuzzy dikembangkan berdasarkan bahasa manusia (bahasa alami).
2.6.1 Himpunan Fuzzy
secara tegas. Dalam arti dapat ditentukan secara tegas apakah suatu obyek adalah anggota himpunan itu atau tidak. Pada himpunan tegas (crisp), nilai keanggotaan suatu item 𝑥𝑥 dalam suatu himpunan 𝐴𝐴, yang sering ditulis dengan 𝜇𝜇𝐴𝐴 [𝑥𝑥], memiliki 2 kemungkinan yaitu:
1. 𝜇𝜇𝐴𝐴 [𝑥𝑥] = 1 ; 𝑥𝑥 menjadi anggota dalam himpunan 𝐴𝐴
2. 𝜇𝜇𝐴𝐴 [𝑥𝑥] = 0 ; 𝑥𝑥 tidak menjadi anggota dalam himpunan 𝐴𝐴
Kalau pada himpunan crisp, nilai keanggotaan hanya ada 2 kemungkinan yaitu 0 atau 1, pada himpunan Fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1 (Kusumadewi dan Purnomo, 2004). Dengan memperluas konsep himpunan crisp, Zadeh mendefinisikan himpunan Fuzzy dengan menggunakan apa yang disebutnya fungsi keanggotaan (membership function), yang nilainya berada dalam selang tertutup [0,1]. Jadi keanggotaan dalam himpunan Fuzzy tidak lagi merupakan sesuatu yang tegas (yaitu anggota atau bukan anggota), melainkan sesuatu yang berderajat atau bergradasi secara kontinu (Susilo, 2006).
Misalkan variabel umur dibagi menjadi 3 kategori, yaitu:
MUDA umur < 35 tahun
PAROBAYA 35 tahun ≤ umur ≤ 55 tahun
TUA umur > 55 tahun
Dapat dijelaskan bahwa nilai keanggotaan himpunan MUDA, PAROBAYA dan TUA adalah sebagai berikut:
1. apabila seseorang berumur 34 tahun, maka dikatakan MUDA (μMUDA[34] = 1); 2. apabila seseorang berumur 35 tahun, maka dikatakan TIDAK MUDA
(μMUDA[35] = 0 );
3. apabila seseorang berumur 35 tahun kurang 1 hari, maka dikatakan TIDAK MUDA ( μMUDA[35 tahun kurang 1 hari] = 0 )
5. apabila seseorang berumur 55 tahun, maka dikatakan PAROBAYA (μPAROBAYA [55] = 1 );
6. apabila seseorang berumur 35 tahun kurang 1 hari, maka dikatakan TIDAK PAROBAYA (μPAROBAYA [35 tahun kurang 1 hari] = 0 );
Dari sini bisa dikatakan bahwa pemakaian himpunan crisp untuk menyatakan umur sangat tidak adil, adanya perubahan kecil pada suatu nilai mengakibatkan perbedaan kategori yang cukup signifikan.
Himpunan fuzzy digunakan untuk mengantisipasi hal tersebut. Seseorang dapat masuk dalam 2 himpunan yang berbeda, MUDA dan PAROBAYA, PAROBAYA dan TUA, dsb. Seberapa besar keberadaannya dalam himpunan tersebut dapat dilihat pada nilai keanggotaannya.
Gambar 2.1. Himpunan Fuzzy untuk variabel umur
Pada gambar 2.1 dapat dilihat bahwa:
1. Seseorang yang berumur 40 tahun, termasuk dalam himpunan MUDA dengan
μMUDA [40] = 0,25; namun dia juga termasuk dalam himpunan PAROBAYA
dengan μPAROBAYA [40] = 0,5.
2. Seseorang yang berumur 50 tahun, termasuk dalam himpunan TUA dengan
μTUA [50] = 0,25; namun dia juga termasuk dalam himpunan PAROBAYA
dengan μPAROBAYA [50] = 0,5.
anggota himpunan 𝐴𝐴, demikian pula apabila 𝑥𝑥 memiliki nilai keanggotaan fuzzy
𝜇𝜇𝐴𝐴[𝑥𝑥] = 1 berarti 𝑥𝑥 menjadi anggota penuh pada himpunan 𝐴𝐴.
Himpunan fuzzy memiliki 2 atribut, yaitu:
1. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti: MUDA, PAROBAYA, TUA.
2. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel, seperti: 40, 25, 50, dsb.
2.6.2 Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Nilai keanggotaan didapatkan dari beberapa fungsi keanggotaan , dalam buku yang ditulis oleh Sri Kusumadewi dan Hari Purnomo (2004) dijelaskan bahwa ada beberapa fungsi yang dapat digunakan untuk memperoleh nilai keanggotaan, yaitu:
a. Representasi Linier
Pada representasi linear, pemetaan input ke derajat keanggotaannya digambarkan sebagai suatu garis lurus.
Fungsi Keanggotaan Representasi Linear Naik:
𝜇𝜇 [𝑥𝑥] = �
0 ; 𝑥𝑥 ≤ 𝑎𝑎
(𝑥𝑥 − 𝑎𝑎)
(𝑏𝑏 − 𝑎𝑎) ;𝑎𝑎 ≤ 𝑥𝑥 ≤ 𝑏𝑏
1 ;𝑥𝑥 ≥ 𝑏𝑏
𝜇𝜇 [𝑥𝑥] = �
(𝑏𝑏 − 𝑥𝑥 )
( 𝑏𝑏 − 𝑎𝑎 ); 𝑎𝑎 ≤ 𝑥𝑥 ≤ 𝑏𝑏 0 ; 𝑥𝑥 ≥ 𝑏𝑏
b. Representasi Kurva Segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linear). Suatu fungsi keanggotaan himpunan kabur disebut keanggotaan segitiga jika mempunyai tiga buah parameter, yaitu 𝑎𝑎,𝑏𝑏,𝑐𝑐 ∈ ℝ.
c. Representasi Kurva Trapesium
Suatu fungsi keanggotaan himpunan kabur disebut fungsi keanggotaan trapesium jika mempunyai empat buah parameter yaitu 𝑎𝑎,𝑏𝑏,𝑐𝑐,𝑑𝑑 ∈ ℝ dengan 𝑎𝑎<𝑏𝑏< 𝑐𝑐 <
d. Representasi Kurva Bentuk Bahu
Daerah yang terletak di tengah-tengah suatu variabel yang direpresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan naik dan turun (misalkan DINGIN bergerak ke SEJUK bergerak ke HANGAT dan bergerak ke PANAS). Tetapi terkadang salah satu sisi dari variabel tersebut tidak mengalami perubahan. Sebagai contoh, apabila telah mencapai kondisi PANAS kenaikan temperatur akan tetap berada pada kondisi PANAS. Himpunan fuzzy bahu bukan segitiga, digunakan untuk mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak dari benar ke salah, demikian juga bahu kanan bergerak dari salah ke benar.
e. Representasi Kurva-S
Kurva PERTUMBUHAN dan PENYUSUTAN merupakan kurva-S atau Sigmoid yang berhubungan dengan kenaikan dan penurunan permukaan secara tak linear. Fungsi keanggotaan pada kurva PERTUMBUHAN adalah:
S (x;α;β;γ) =
f. Representasi Kurva Bentuk Lonceng (Bell Curve)
Kurva π berbentuk lonceng dengan derajat keanggotaan 1 terletak pada pusat dengan domain (γ), dan lebar kurva (β).
Fungsi Keanggotaan:
π (x,β,γ) = �
S �x; γ − β;γ − β
2; γ� ; x ≤ γ
1−S �x; γ; γ+ β
2; γ+ β�; x > 𝛾𝛾
(ii) Kurva BETA
Kurva BETA didefinisikan dengan 2 parameter, yaitu nilai pada domain yang menunjukkan pusat kurva (γ), dan setengah lebar kurva (β).
Fungsi keanggotaan:
B (x; γ; β) = 1
1 + �x−β �γ
2
(iii)Kurva GAUSS
Kurva GAUSS juga menggunakan (γ) untuk menunjukkan nilai domain pada pusat kurva, dan (k) menunjukkan lebar kurva.
Fungsi keanggotaan:
G(x; k; γ) = e− k (γ−x)2
g. Koordinat Keanggotaan
Himpunan fuzzy berisi urutan pasangan berurutan yang berisi nilai domain dan kebenaran nilai keanggotaannya dalam bentuk:
Skalar (i) / Derajat (i)
“Skalar” adalah suatu nilai yang digambar dari domain himpunan fuzzy, sedangkan “Derajat” merupakan derajat keanggotaan himpunan fuzzy.
2.6.3 Triangular Fuzzy Number
Fuzzy number adalah spesial fuzzy 𝑓𝑓= {(𝑥𝑥),𝑥𝑥 ∈ 𝑅𝑅}. Di mana 𝑥𝑥 membawa nilainya ke dalam garis riil 𝑅𝑅: − ∞ < 𝑥𝑥 < +∞ dan 𝜇𝜇𝑓𝑓 (𝑥𝑥) merupakan
Gambar 2.2 Fungsi Keanggotaan Triangular Fuzzy Number
Suatu fungsi keanggotaan himpunan kabur disebut fungsi keanggotaan segitiga (triangular fuzzy number) jika mempunyai tiga buah parameter yaitu 𝑎𝑎,𝑏𝑏,𝑐𝑐 ∈ ℝ
dengan 𝑎𝑎 <𝑏𝑏 <𝑐𝑐, dan dinyatakan dengan segitiga (𝑥𝑥,𝑎𝑎,𝑏𝑏,𝑐𝑐) (Susilo, 2006).
Fungsi Keanggotaan (Kusumadewi dan Purnomo, 2004):
𝜇𝜇 [𝑥𝑥] =
⎩ ⎪ ⎨ ⎪
⎧(0; 𝑥𝑥 − 𝑎𝑎) 𝑥𝑥 ≤ 𝑎𝑎𝑎𝑎𝑡𝑡𝑎𝑎𝑇𝑇𝑥𝑥 ≥ 𝑐𝑐 (𝑏𝑏 − 𝑎𝑎) ; 𝑎𝑎 ≤ 𝑥𝑥 ≤ 𝑏𝑏
(𝑐𝑐 − 𝑥𝑥)
(𝑐𝑐 − 𝑏𝑏) ; 𝑏𝑏 ≤ 𝑥𝑥 ≤ 𝑐𝑐
Fuzzy number sering dinyatakan sebagai triple (a, b, c) di mana 𝑐𝑐,𝑎𝑎,𝑏𝑏
adalah batas bawah, batas tengah, dan batas atas (Tstinov, Mikhailov). Nilai TFN dihitung dengan metode centroid untuk menghasilkan nilai crisp yang diperoleh dengan cara mengambil titik pusat (𝑧𝑧∗) daerah fuzzy. Secara umum dirumuskan (Kusumadewi, 2010):
𝑧𝑧∗ = ∫ 𝑧𝑧𝑧𝑧 𝜇𝜇 (𝑧𝑧)𝑑𝑑𝑧𝑧
∫ 𝜇𝜇𝑧𝑧 (𝑧𝑧)𝑑𝑑𝑧𝑧 ; untuk variabel kontinu
𝑧𝑧∗ = ∑𝑛𝑛𝑗𝑗=1𝑧𝑧𝑗𝑗 𝜇𝜇 (𝑧𝑧𝑗𝑗)
2.6.4 Fuzzifikasi dan Defuzzifikasi
Fuzzifikasi adalah proses yang dilakukan untuk mengubah variabel nyata menjadi variabel fuzzy, ini ditujukan agar masukan kontroler fuzzy bisa dipetakan menuju jenis yang sesuai dengan fuzzy. Pemetaan dilakukan dengan bantuan model dari fungsi keanggotaan agar dapat diketahui besar masukan tersebut (derajat keanggotaan).
Setelah variabel tersebut ditentukan fuzzy-nya kemudian menentukan domain batas dari masing-masing fuzzy tersebut. Domain batas ditentukan berdasarkan data-data yang telah ada. Data-data tersebut dianalisa sehingga dihasilkan nilai batas dari setiap fuzzy pada setiap variabel tersebut. Adapun estimasi domain batas tersebut yaitu dengan menentukan batas bawah, rata-rata, dan batas atas. Dari batas-batas tersebut maka tiap-tiap himpunan memiliki nilai, misal pada luas lahan memiliki fuzzy bernama sempit, sedang, dan luas.
1. Sempit, yang direpresentasikan dengan kurva bentuk bahu meliputi: a. Nilai bawah c = Batas bawah
b. Nilai bawah a = Rata-rata
2. Sedang, yang direpresentasikan dengan kurva segitiga meliputi: a. Nilai tengah c = 0,05 * Rata-rata
b. Nilai tengah a = Rata-rata
c. Nilai tengah b = 0,05 * Rata-rata
3. Luas, yang direpresentasikan dengan kurva bentuk bahu meliputi: a. Nilai atas c = Rata-rata
b. Nilai atas b = Batas atas
Adapun estimasi nilai tengah c dan nilai tengah b pada fuzzy sedang ditentukan sendiri oleh faktor pengalinya. Untuk sistem ini digunakan faktor pengali sebesar 0,05 atau 5% agar mempunyai jangkauan yang tidak begitu terlalu besar.
Perhitungan fuzzifikasi data persepsi responden dilakukan dengan menggunakan langkah awalnya adalah mencari nilai 𝑎𝑎1,𝑏𝑏1,𝑐𝑐1 untuk tiap kriteria dengan cara sebagai berikut:
Nilai batas bawah (𝑐𝑐𝑖𝑖):
𝑐𝑐𝑖𝑖 = 𝑏𝑏𝑖𝑖1∗ 𝑛𝑛1
+ 𝑏𝑏𝑖𝑖1∗ 𝑛𝑛2+ 𝑏𝑏𝑖𝑖2∗ 𝑛𝑛3+ … + 𝑏𝑏𝑖𝑖(𝑘𝑘−1)∗ 𝑛𝑛𝑘𝑘
𝑛𝑛1+ 𝑛𝑛2+ … + 𝑛𝑛𝑘𝑘
Nilai tengah (𝑎𝑎𝑖𝑖):
𝑎𝑎𝑖𝑖 = 𝑏𝑏𝑖𝑖1∗ 𝑛𝑛1
+ 𝑏𝑏𝑖𝑖2 ∗ 𝑛𝑛2+ 𝑏𝑏𝑖𝑖3∗ 𝑛𝑛3+ … + 𝑏𝑏𝑖𝑖𝑘𝑘 ∗ 𝑛𝑛𝑘𝑘
𝑛𝑛1+ 𝑛𝑛2+ … + 𝑛𝑛𝑘𝑘
Nilai batas atas (𝑏𝑏𝑖𝑖):
𝑏𝑏𝑖𝑖 = 𝑏𝑏𝑖𝑖2 ∗ 𝑛𝑛1
+ 𝑏𝑏𝑖𝑖3∗ 𝑛𝑛2 + … + 𝑏𝑏𝑖𝑖𝑘𝑘 ∗ 𝑛𝑛𝑖𝑖(𝑘𝑘−1)+ 𝑏𝑏𝑖𝑖𝑘𝑘 ∗ 𝑛𝑛𝑘𝑘
𝑛𝑛1+ 𝑛𝑛2 + … + 𝑛𝑛𝑘𝑘
Keterangan:
𝑖𝑖 = atribut (1,2,3,...,m)
𝑗𝑗 = linguistik variabel (1,2,3,...,k)
Nilai batas tengah (𝑎𝑎𝑖𝑖) diperoleh dari jumlah data dibagi dengan banyaknya data pada setiap pilihan jawaban (sangat penting, penting, cukup penting, kurang penting, tidak penting). Untuk nilai batas bawah (𝑐𝑐𝑖𝑖) merupakan nilai minimal dari data jawaban responden, sedangkan nilai batas atas (𝑏𝑏𝑖𝑖) merupakan nilai maksimal dari data jawaban responden. Rata-rata nilai 𝑐𝑐𝑖𝑖,𝑎𝑎𝑖𝑖, dan 𝑏𝑏𝑖𝑖 tersebut merupakan nilai defuzzifikasi yang diformulasikan sebagai berikut:
𝑑𝑑𝑖𝑖 = 𝑎𝑎𝑖𝑖
+ 𝑏𝑏𝑖𝑖 + 𝑐𝑐𝑖𝑖 3
Analisis Importance-Performance atau Importance-Performance Analysis (IPA) pertama kali
diperkenalkan oleh Martilla dan James (1977). IPA sebagai
rangkaian kerja yang sederhana untuk
menganalisis atribut-atribut produk. Suatu rangkaian atribut layanan yang berkaitan dengan layanan khusus dievaluasi berdasar tingkat kepentingan masing-masing atribut menurut konsumen dan bagaimana layanan dipersepsikan kinerjanya relatif terhadap masing-masing atribut. Analisis ini digunakan untuk membandingkan antara penilaian konsumen terhadap tingkat kepentingan terhadap kualitas layanan (Importance) dengan tingkat kinerja kualitas layanan (Performance). Dimensi kualitas layanan yang digunakan adalah 5 dimensi yang dikembangkan oleh Parasuraman dan kawan-kawan (Purnama, 2005).
Rata-rata hasil penilaian keseluruhan konsumen kemudian digambarkan ke dalam Importance Performance Matrix atau sering disebut Diagram Cartesius. Dalam
diagram cartesius, sumber absis (X) adalah tingkat kinerja dan sumbu ordinat (Y) adalah tingkat kepentingan. Rata-rata tingkat kinerja dipakai sebagai cut-off atau pembatas kinerja tinggi dengan tingkat kinerja rendah, sedangkan rata-rata tingkat kepentingan dipakai sebagai cut-off tingkat kepentingan tinggi dengan tingkat kepentingan rendah. Matriks Importance-Performance atau Diagram Cartesius disajikan pada gambar 2.3:
Kuadran B
Concentrate Here
Kuadran C
High
Performance
Low Performance
High
Gambar 2.3. Importance Performance Analysis
Sumber: Martilla dan James (1977)
Matriks ini digunakan untuk menggambarkan prioritas atribut yang harus diperbaiki dan biasa menjadi petunjuk untuk formulasi strategi. Peta posisi kuadran masing-masing atribut atau dimensi layanan mengindikasikan derajat urgensi relatif untuk perbaikan.
1. Posisi Low Priority (Kuadran A)
Jika atribut atau dimensi layanan berada pada kuadran ini menunjukkan bahwa tingkat kepentingan konsumen terhadap atribut atau dimensi layanan rendah. Tingkat kinerja yang ditunjukkan oleh atribut atau dimensi layanan juga rendah, sehingga atribut atau dimensi layanan yang berada pada kuadran ini mendapat prioritas rendah untuk diperbaiki.
2. Posisi Concentrate Here (Kuadran B)
Jika atribut atau dimensi layanan berada pada kuadran ini menunjukkan bahwa tingkat kepentingan konsumen terhadap atribut atau dimensi layanan tinggi, namun tingkat kinerja yang ditunjukkan oleh atribut atau dimensi layanan rendah.
Kuadran A
Low Priority
Kuadran D
Kondisi ini dinilai berbahaya karena antara tingkat kepentingan dengan tingkat kinerja berlawanan arah, sehingga perbaikan harus diprioritaskan atau dikonsentrasikan untuk atribut atau dimensi layanan yang berada pada kuadran ini.
3. Posisi Keep Up The Good Work (Kuadran C)
Jika atribut atau dimensi layanan berada pada kuadran ini menunjukkan bahwa tingkat kepentingan konsumen terhadap atribut atau dimensi layanan tinggi. Tingkat kinerja yang ditunjukkan oleh atribut layanan juga tinggi, sehingga atribut atau dimensi layanan yang berada pada kuadran ini dinilai aman dan harus dipertahankan kinerjanya.
4. Posisi Possible Overkill (Kuadran D)
Jika atribut atau dimensi layanan berada pada kuadran ini menunjukkan bahwa tingkat kepentingan konsumen terhadap atribut atau dimensi layanan rendah, namun tingkat kinerja yang ditunjukkan oleh atribut atau dimensi layanan tinggi. Kemungkinan hal ini terjadi karena perusahaan memberikan layanan yang berlebihan (over act atau overkill), sehingga perusahaan harus mengurangi aktivitas atau menghemat sumberdaya untuk atribut atau dimensi layanan yang berada pada kuadran ini.
2.8 Quality Function Deployment (QFD)
Quality Function Deployment (QFD) diperkenalkan pertama kali oleh Shigeru
Mizuno dan Yogi Akao dari The Tokyo Institute of Technology tahun 1960-an. Teknik QFD digunakan pertama kali pada Mitsubishi Heavy Industries Ltd di Kobe Shipyard Jepang tahun 1972 (Purnama, 2005).
2.8.1 Definisi Quality Function Deployment (QFD)
kebutuhan spesifik menjadi arah dan tindakan engineering yang disebarkan melalui perencanaan produk, pembentukan part, perencanaan proses, perencanaan produksi, dan pelayanan (Rahman dan Supomo, 2012).
Fokus utama QFD adalah melibatkan konsumen pada proses pengembangan produk. Filosofi yang mendasarinya adalah bahwa pelanggan tidak akan puas dengan suatu produk meskipun suatu produk yang dihasilkan sempurna, bila mereka memang tidak membutuhkannya. QFD merupakan praktik untuk merancang suatu proses sebagai tanggapan terhadap kebutuhan konsumen. QFD menerjemahkan apa yang dibutuhkan konsumen menjadi produk yang dihasilkan organisasi. QFD memungkinkan organisasi untuk memprioritaskan kebutuhan konsumen, menemukan tanggapan inovatif terhadap kebutuhan konsumen, dan memperbaiki proses hingga tercapai efektivitas maksimum.
2.8.2 Analisa Usulan Perbaikan dengan Metode Quality Function Deployment
(QFD)
Metode Quality Function Deployment (QFD) terdiri dari 3 teknik yaitu teknik matriks dasar, teknik house of quality, dan teknik cascading matrixes. Analisa usulan perbaikan dengan metode QFD teknik matriks dasar dilakukan dengan mencari nilai raw weight atribut layanan, semakin besar nilai raw weight maka semakin besar pula prioritas perbaikan atribut terrsebut.
Pada analisis usulan QFD teknik matriks dasar, adapun beberapa informasi yang diperlukan adalah sebagai berikut:
1. Importance to Customer (IC) atau Tingkat Kepentingan (TK), merupakan data yang menunjukkan seberapa penting suatu atribut layanan bagi pelanggan. Data diperoleh dari kuesioner dengan menggunakan nilai rata-rata tingkat kepentingan.
3. Goal merupakan target yang ditetapkan berdasarkan nilai harapan. Pencapaian goal secara normal dinyatakan di dalam nilai skala kuantitatif yang sama
sebagai suatu tingkat pencapaian.
4. Improvement Ratio (Rasio Perbaikan), untuk mengubah tingkat kepuasan yang didapat terhadap atribut-atribut kebutuhan pelanggan untuk mencapai tujuan.
𝐼𝐼𝑇𝑇𝑇𝑇𝑇𝑇𝐼𝐼𝐼𝐼𝑇𝑇𝑇𝑇𝑇𝑇𝑛𝑛𝑡𝑡𝑅𝑅𝑎𝑎𝑡𝑡𝑖𝑖𝐼𝐼= 𝐺𝐺𝐼𝐼𝑎𝑎𝐺𝐺
𝐶𝐶𝑇𝑇𝑠𝑠𝑡𝑡𝐼𝐼𝑇𝑇𝑇𝑇𝑇𝑇𝑆𝑆𝑎𝑎𝑡𝑡𝑖𝑖𝑠𝑠𝑓𝑓𝑎𝑎𝑐𝑐𝑡𝑡𝑖𝑖𝐼𝐼𝑛𝑛𝑃𝑃𝑇𝑇𝑇𝑇𝑓𝑓𝐼𝐼𝑇𝑇𝑇𝑇𝑎𝑎𝑛𝑛𝑐𝑐𝑇𝑇
5. Sales Point merupakan pendapat produsen mengenai jasa atau produk yang
dihasilkan. Nilai atau bobot pada Sales Point menunjukkan tingkat penjualan produk atau jasa, yaitu 1,5 (titik penjualan tinggi); 1,2 (titik tengah penjualan atau penjualan sedang); dan 1,0 (tidak terjadi penjualan).
6. Raw Weight (Pembobotan) merupakan suatu nilai yang menggambarkan
tingkat kepentingan secara keseluruhan dari atribut. Semakin besar nilai raw weight suatu atribut, semakin tinggi prioritas perbaikan atau pengembangannya. Untuk menghitungnya digunakan rumus:
𝑅𝑅𝑎𝑎𝑅𝑅𝑊𝑊𝑇𝑇𝑖𝑖𝑊𝑊ℎ𝑡𝑡= IC × IR × SP
Keterangan:
