Kata-kata kunci : Pengontrolan, Kualitas Layanan, Analisis Faktor, Diagram Kontrol T 2 Hotelling, Diagram Kontrol Improved Generalized Variance

1

PENGONTROLAN KUALITAS LAYANAN TERMINAL KEBERANGKATAN DOMESTIK

BANDARA JUANDA SURABAYA MENGGUNAKAN DIAGRAM KONTROL T2HOTELLING

DAN DIAGRAM KONTROL IMPROVED GENERALIZED VARIANCE 1

Vitri Arishanti, 2Muhammad Mashuri, dan 3Wibawati

1

Mahasiswa Jurusan Statistika FMIPA-ITS (1307 100 023)

2,3

Dosen Jurusan Statistika FMIPA-ITS

1

ve_risha@statistika.its.ac.id, 2m_mashuri@statistika.its.ac.id, 3wibawati@statistika.its.ac.id

ABSTRAK

Pengontrolan kualitas dalam industri produk atau jasa sangat penting karena hal ini menentukan apakah produk yang dihasilkan sesuai dengan standar perusahaan atau tidak. Pada bidang jasa, ke-puasan pelanggan merupakan tolak ukur kualitas dari produk jasa. Penelitian ini mengamati stabili-tas kualistabili-tas layanan Bandara Juanda. Pengukuran kualistabili-tas layanan dilakukan menggunakan kuesio-ner yang terdiri dari 21 variabel, dimana setiap pengukuran menyatakan kepuasan penumpang. Ke-mudian ditelusuri variabel apa saja yang dianggap penting oleh penumpang menggunakan analisis faktor. Variabel yang dianggap penting tersebut digunakan untuk memonitoring stabilitas layanan. Pengontrolan rata-rata proses layanan menggunakan Diagram Kontrol T2Hotelling sedangkan untuk

variabilitas menggunakan Diagram Kontrol Improved Generalized Variance. Berdasarkan analisis faktor, didapatkan bahwa terdapat 9 variabel yang dianggap penting oleh penumpang, masing-masing berasal dari faktor pelayanan, fasilitas, biaya, dan keamanan. Selanjutnya, berdasarkan Dia-gram Kontrol T2Hotelling dan Improved Generalized Variance diketahui bahwa layanan bandara tidak

stabil dalam mean, namun stabil dalam variabilitas. Berdasarkan hal tersebut dapat disimpulkan bahwa tingkat kepuasan penumpang mengalami pergeseran karena beberapa penumpang merasa tidak puas terhadap layanan Bandara Juanda, namun penilaian antara penumpang yang satu dengan lainnya relatif seragam.

Kata-kata kunci : Pengontrolan, Kualitas Layanan, Analisis Faktor, Diagram Kontrol T2Hotelling, Diagram Kontrol Improved Generalized Variance

1. PENDAHULUAN

Bandara Juanda merupakan bandara terbesar kedua di Indonesia setelah Bandara Soekarno-Hatta. Hal ini memberikan dampak pada pergerak-an arus pesawat, penumppergerak-ang, barpergerak-ang, dpergerak-an pos di terminal domestik maupun internasional semakin meningkat dari tahun ke tahun. Menurut Bisnis Indonesia (2010), Bandara Juanda telah mengalami overload penumpang dari total daya tampung awal dirancang pada tahun 2006 sebesar 6,5 juta menjadi 10,63 juta penumpang di tahun 2009. Peningkatan daya tampung tersebut sudah pasti membawa dampak terhadap kualitas layanan bandara yang semakin tidak kondusif. PT Angkasa Pura I perlu melakukan monitoring terhadap kualitas layanan bandara mengingat telah terjadi overload kapasitas tampung tersebut.

Beberapa penelitian sebelumnya yang memba-has mengenai kepuasan pelayanan angkutan udara di Bandara Juanda telah dilakukan oleh Andini (2005), yaitu menggunakan metode Quality

Func-tion Deployment (QFD). Penelitian Raka (2009)

dilakukan analisis kepuasan layanan dan strategi pemasaran dengan metode analisis faktor dan Fuzzy

Quality Function Deployment (Fuzzy QFD).Selain itu, penelitian sebelumnya yang membahas tentang penerapan diagram kontrol di bidang jasa, sudah

pernah dilakukan oleh Lindaryani (2010) dimana penerapan dilakukan dalam pengontrolan kualitas layanan Perpustakaan Pusat ITS Surabaya. Diag-ram kontrol yang digunakan dalam penelitian terse-but adalah Diagram Kontrol T2Hotelling Individual

dan Diagram Kontrol VSD. Ernita (2009) pernah melakukan pengontrolan kualitas layanan agen kartu seluler prabayar tertentu pada call center Su-rabaya menggunakan Diagram Kontrol D2. Hanslik

et al. (2001) juga pernah melakukan penelitian

tentang pengontrolan kualitas menggunakan Diag-ram Kontrol u sebagai alat epidemiologi dalam memonitoring kesehatan masyarakat. Oleh karena itu, sangat dimungkinkan untuk melakukan pe-ngontrolan kualitas di bidang jasa terutama dalam mengontrol kualitas layanan.

Tujuan dari penelitian ini adalah menentukan variabel yang dianggap penting oleh penumpang menggunakan analisis faktor, membuat Diagram Kontrol T2Hotelling dan Diagram Kontrol Improved

Generalized Variance untuk memonitoring

stabili-tas layanan bandara dalam vektor mean dan varia-bilitas proses. Apabila terdapat pengamatan yang

out of control, akan ditelusuri variabel penyebab

pengamatan yang tidak terkontrol tersebut. Peneliti-an ini dibatasi hPeneliti-anya pada sub layPeneliti-anPeneliti-an Terminal Keberangkatan Domestik Bandara Juanda.

Penga-2

matan dilakukan hanya pada shift I dari hari Senin sampai dengan Jumat.

2. TINJAUAN PUSTAKA 2.1 Kualitas Layanan

Kualitas adalah totalitas fitur dan karakteristik produk atau jasa yang bergantung pada kemam-puannya untuk memuaskan kebutuhan yang di-nyatakan atau tersirat (Kotler dan Keller, 2009). Kualitas layanan berpusat pada upaya pemenuhan kebutuhan dan keinginan pelanggan serta ketepatan penyampaiannya untuk mengimbangi harapan pe-langgan. Menurut Wyckof dalam Tjiptono (1996), kualitas layanan adalah tingkat keunggulan yang diharapkan dan pengendalian atas tingkat keung-gulan tersebut untuk memenuhi keinginan pelang-gan. Ada sepuluh faktor utama yang menentukan kualitas layanan menurut Parasuraman dalam Tjiptono (1996). Dalam perkembangan selanjutnya, yaitu pada tahun 1988, Parasuraman dan kawan-kawan menemukan bahwa sepuluh dimensi yang ada dapat dirangkum menjadi hanya lima dimensi pokok. Kelima dimensi pokok tersebut meliputi:

1. Tangibles (Bukti Langsung), meliputi fasili-tas fisik, perlengkapan, pegawai dan sarana komunikasi.

2. Reliability (Keandalan), yaitu kemampuan memberikan pelayanan yang dijanjikan de-ngan segera, akurat dan memuaskan. 3. Responsiveness (Daya Tanggap), yaitu

ke-mampuan untuk membantu pelanggan dan memberikan jasa dengan cepat.

4. Assurance (Jaminan), mencakup pengetahu-an, kemampupengetahu-an, kesopanpengetahu-an, dan sifat dapat dipercaya yang dimiliki para staf, bebas dari bahaya, resiko atau keragu-raguan.

5. Empathy, meliputi kemudahan dalam mela-kukan hubungan, komunikasi yang baik, perhatian pribadi, dan memahami kebutuhan para pelanggan.

2.2 Pelayanan Bandar Udara Juanda Surabaya Bandara merupakan kebutuhan pokok masya-rakat dalam mendapatkan transportasi udara yang layak. Untuk memenuhi ekspektasi tersebut, Ban-dara Juanda memiliki berbagai jenis kegiatan pro-duksi jasa pelayanan yang bisa digunakan para penumpang. Pelayanan jasa kebandarudaraan yang merupakan sumber utama pendapatan perusahaan yaitu jasa Aeronautika yang sifatnya berhubungan langsung dengan jasa penerbangan dan jasa non Aeronautika yang berhubungan secara tidak lang-sung dengan pelayanan jasa penerbangan.

2.3 Kriteria Kualitas Layanan Bandar Udara Kualitas layanan terutama di bandara telah dimonitoring oleh Australian Competition & Con-sumer Commission (selanjutnya disebut ACCC) sejak 1 Juli 1997 (Australian Competition & Con-sumer Commission, 2008). Aspek kualitas layanan

dan kriteria yang terkait dengan penumpang me-nurut ACCC adalah Aerobridges (Garbarata),

Check-in, Pemeriksaan Pemerintah, Security Clear-ance, Gate Lounges, Bagasi, Troli Bagasi, Flight Information Display and Sign, dan Washroom.

Menurut survey kepuasan penumpang pesawat udara yang dilaksanakan oleh Airport Council International (selanjutnya disebut ACI), (Commis-sion for Aviation Regulation, 2008) karakteristik kualitas layanan yang diukur adalah kepuasan pe-numpang secara keseluruhan, akses atau navigasi dan koneksi dari dan menuju bandara, kualitas

ser-vice bandara, berpengalaman dalam bidang

kea-manan dan imigrasi, keseluruhan keadaan lingku-ngan di bandara, kesesuaian harga, layanan keda-tangan di bandara, layanan airline, profil travel, dan profil demografi.

Menurut International Civil Aviation Organiza-tion (selanjutnya disebut ICAO) (2000) bandara dan operasi pesawat merupakan elemen navigasi udara

yang memiliki kontak langsung dengan

masyarakat. Adapun elemen-elemen yang menen-tukan kualitas layanan bandara yaitu, keselamatan, keamanan, efisiensi, layanan, kapasitas, lingkung-an, dan kesehatan

Menurut International Air Transport Associa-tion (selanjutnya disebut IATA) (2001) kualitas la-yanan bandara diukur menggunakan beberapa indikator, yaitu kepuasan penumpang, kenyamanan penumpang, mudah dalam menemukan arah, layar yang memuat info penerbangan, tersedia pener-bangan antar benua, tersedia penerpener-bangan ke benua lain, kemudahan koneksi, troli, kesopanan staf ban-dara, restoran, fasilitas belanja, toilet, pemeriksaan paspor/visa, pemeriksaan bea cukai, ruang tunggu, kecepatan pengiriman bagasi, transportasi darat, fasilitas parkir, keamanan, dan suasana bandara 2.4 Analisis Faktor

Analisis faktor merupakan suatu teknik analisis yang bertujuan untuk mereduksi dimensi data de-ngan cara menyatakan variabel asal sebagai kombi-nasi linier sejumlah faktor sedemikian hingga se-jumlah faktor tersebut mampu menjelaskan keraga-man data yang dijelaskan oleh variabel asal.

Vektor random X yang diamati dengan p buah komponen variabel, yang memiliki rata-rata

µ

dan matriks kovarian

Σ

, maka model faktor dari X yang merupakan kombinasi linier beberapa variabel saling bebas yang tidak teramati adalah F1, F2,... ,

Ft disebut sebagai common factors dan

ditambah-kan dengan



₁,



₂, ...,



_pdisebut spesific factor, sehingga secara khusus dapat ditulis sebagai (John-son dan Wichern , 2007)

p t pt p p p p t t t t F l F l F l X F l F l F l X F l F l F l X                         ... ... ... 2 2 1 1 2 2 2 22 1 21 2 2 1 1 2 12 1 11 1 1    (1) dimana :

3

Fq = Common factor ke-q

ljq = Loading factor ke-q dan variabel ke-j

j



= Spesific factor ke-j

j= 1, 2, ..., p dan q = 1, 2, ..., t

Dalam notasi matriks persamaan dapat ditulis sebagai ) 1 ( ) 1 ( ) ( ) 1 ( ) 1 (p µ p L ptFt ε p X (2)

Untuk mempermudah dalam pembuktian secara langsung, maka beberapa kuantitas tak teramati, ditambahkan beberapa asumsi sebagai berikut. 1. [ ] _{( 1)}, [ ] [ ] ₍tt₎ T t Cov E E F 0  F  FF Ι  2. [ ] _{( 1)}, [ ] [ T ] _{(p p)} p Cov E E ε 0 _ ε  ε ε ψ _ dengan                 p p p           0 0 0 0 0 0 2 1 ) ( ψ

3. Jika F dan ε _{saling bebas, maka}

) ( 0 ] [ ] , [ pt T E CovF ε  F ε  

Asumsi tersebut dalam hubungannya dengan persa-maan (2) merupakan model faktor orthogonal. Se-cara garis besar tahapan-tahapan dalam melakukan analisis faktor adalah sebagai berikut.

1. Menghitung matriks korelasi antar semua variabel

2. Ekstraksi faktor dengan estimasi loading

factor dan spesific variance

3. Merotasi faktor 4. Estimasi factor score

Salah satu tujuan dari analisis faktor adalah memperoleh faktor yang dapat menjelaskan korela-si, oleh karena itu variabel-variabel harus berkore-lasi satu sama lain. Jika koreberkore-lasi antar variabel kecil, maka kemungkinan besar variabel-variabel tersebut terletak pada faktor yang berbeda.

Jumlah kuadrat dari loading variabel ke-j pada faktor ke-q disebut communality ke-j dan varians dari spesific factor disebut spesific variance

ψ

. Jika communality ditandai dengan

h

_j2, maka dari

ψ LL Σ T _didapat 2 1 ) (Xj lj ljt j Var    (3) atau



_jj



h

_j2





_j2 dengan 2 2 1 2 jt j j l l h  

Tujuan dari ekstraksi faktor adalah untuk men-dapatkan nilai tiap anggota common factor dengan menghitung estimasi dari loading factor

jq

l dan

spesific variance



_j. Ada dua metode estimasi

lo-ading factor yaitu dengan metode komponen utama

dan maksimum likelihood. Dasar dari metode

komponen utama adalah memaksimumkan

kontribusi dari variabel-variabelnya pada faktor F1,

F2,... , Ft berturut-turut. Misalkan matrik

Σ

mem-punyai pasangan “eigenvalue-eigenvector” sebagai berikut 1,e1 , λ2,e2,,



λp,ep



dengan 12p. Maka





                   T p p T T p p T p p p T T λ λ λ λ λ λ λ λ λ e e e e e e e e e e e e Σ    2 2 1 1 2 2 1 1 2 2 2 1 1 1 (4)

Struktur kovarian di atas sesuai untuk model analisis faktor yang memiliki faktor sebanyak p variabel (t = p) dan spesific variance j0 untuk

setiap j. Loading factor memiliki kolom ke-q

q qe

λ . Dengan demikian, persamaan ΣLLT ψ

dapat ditulis T p p p p T p p p p L L 0 LL Σ(  ) (  ) (  ) (  ) (5)

Bagian dari faktor λ_q , yaitu loading factor

ke-q adalah koefisien komponen utama ke-q dari populasi. Gambaran analisis faktor persamaan (5) kurang berguna, sebab pada umumnya p – t merupakan eigenvalue terakhir yang paling kecil sehingga nilai λ_t1e_t1eT_t1λ_pe_peT_p pada

Σ

dalam persamaan (4) dapat diabaikan. Dengan demikian dapat diperoleh estimasi





) ( ) ( 2 2 1 1 2 2 1 1 ˆ p t T t p T t t T T t t λ λ λ λ λ λ                   L L e e e e e e Σ   (6)

Estimasi dalam persamaan (6) diperoleh dengan asumsi bahwa spesific factor ε kurang penting se-hingga dapat diabaikan dalam pemfaktoran

Σ

. Jika spesific factor dimasukkan dalam model, variannya bisa diperoleh dari elemen diagonal

T

LL

Σ  _{, dimana LL}T

diberikan pada persamaan (6). Dengan menggunakan spesific factor, pende-katan menjadi





                                p T t t T T t t T λ λ λ λ λ λ             0 0 0 0 0 0 2 1 2 2 1 1 2 2 1 1 e e e e e e ψ LL Σ (7) dengan



   t q jq ii i l 1 2   dan ljq j ejq; j1, 2,,p

Metode estimasi loading factor dan specific

variance menggunakan maksimum likelihood,

dapat dilakukan apabila common factors F dan ε berdistribusi normal. Jika Fj dan εj merupakan

distribusi normal gabungan (jointly normal) maka pengamatan X_jµLF_jε_j adalah normal, dan dari persamaan

4

  2 ) )( ( ) )( ( 1 1 2 2 ) 2 ( 1 ,                       _     n j T T j j n np n x x tr e L µ x µ x x x Σ Σ Σ µ 

fungsi likelihood menjadi

    µ  µ Σ µ µ Σ Σ Σ Σ Σ µ                                                                x x x x x x tr x x n x x x x tr T n p n j T j j n p n n j T T j j n np e e e L 1 2 2 1 2 1 1 2 1 2 1 2 ) 1 ( 1 1 2 1 2 2 ) 2 ( ) 2 ( ) 2 ( , ) )( ( ) ( ) )( ( ) )( ( ) (    (8)

yang mana bergantung pada L dan

ψ

kemudian

ψ LL

Σ T _{. Model ini masih kurang baik untuk}

didefinisikan, karena keragaman dalam memilih L

membuat kemungkinan dengan transformasi

orthogonal. Sehingga dalam penentuan L yang baik

diperlukan kemampuan komputasi.

   L ψ LT 1 ₍₉₎

Estimasi maksimum likelihood untuk Lˆ dan ψˆ

harus diperoleh menggunakan numerical

maximi-zation dari persamaan (2.8). Dengan kecanggihan

program komputer yang ada saat ini, di-mungkinkan untuk memperoleh estimasi Lˆ dan ψˆ

dengan cukup mudah. 2.5 Diagram Kontrol Variabel

Diagram kontrol variabel adalah diagram yang digunakan untuk memonitoring suatu karakteristik kualitas yang dapat diukur mean dan variabilitas-nya. Suatu karakteristik kualitas yang dapat diukur seperti dimensi, berat atau volume (Montgomery, 2005).

2.5.1 Diagram Kontrol T2Hotelling Data Subgroup Diagram kontrol T2Hotelling berkaitan dengan

pro-ses multivariate. Diagram kontrol T2Hotelling

diguna-kan jika proses yang dimonitoring terdiri dari ba-nyak variabel, dimana yang dimonitoring adalah

mean dari vektor pada suatu proses.

Jika p dihubungkan dengan karakteristik kuali-tas yang terkontrol bersama-sama, dengan asumsi PDF dari p karakteristik kualitas adalah distribusi

p-variate normal. Pada prosedur ini mean dari

sam-pel dihitung untuk setiap p karakteristik kualitas dari sampel yang berukuran n. Berikut merupakan karakteristik kualitas yang disajikan dengan p×1 vektor.                p x x x  2 1 X (10)

Plot tes statistik pada diagram kontrol chi square pada setiap sampel adalah

_2n



xµ



TΣ1



xµ



₍₁₁₎ dimana T



_{   p}



2 1  µ adalah vektor in

control untuk setiap karakteristik kualitas dan

Σ

adalah matrik kovarian. Sedangkan batas kontrol atas pada diagram kontrol tersebut adalah

UCL=



_2_{, p}

Dalam praktek, seringkali mengestimasi µ dan

Σ

dari analisis persiapan sampel berukuran n di-ambil dari suatu proses dengan asumsi in control.

Mean dan varians untuk setiap pengamatan dapat

dihitung dari setiap sampel yakni



  n i ijk jk x n x 1 1 2 1 2 ) ( 1 1



    n i jk ijk jk x x n s

dimana j = 1, 2, ..., p dan k = 1, 2, .. , m. x_ijk ada-lah sampel ke-i dari karakteristik kualitas ke-j pada pengamatan ke-k. Kovarian antara karakteristik ku-alitas ke-j dengan karakteristik kuku-alitas ke-h pada pengamatan ke-k adalah

) )( ( 1 1 1 hk ihk n i jk ijk jhk x x x x n s    

_

 dimana j



h dan h = 1, 2, ..., p; k = 1, 2, ..., m. Statistik , 2, jk jk s

x dan s_jhk kemudian dirata-rata dari

semua m pengamatan, dengan rumus sebagai berikut.



  m k jk j x m x 1 1 2 1 2 ₁ jk m k j s m s

_

  jhk m k jh s m s

_

  1 1 dimana j



h; j = 1, 2, ..., p dan k = 1, 2, ..., m. x _j

merupakan elemen vektor dari

x

dan S adalah

ma-trik kovarian sampel berukuran p×p                  2 3 2 3 2 23 2 2 1 13 12 2 1 p p p p s s s s s s s s s s      S (12)

Rata-rata matrik kovarian sampel S adalah esti-masi tidak bias dari

Σ

ketika proses in control. Pada diagram kontrol T2Hotelling, S pada persamaan

(12) adalah estimasi

Σ

dan vektor x merupakan proses in control. Jika µ diganti

x

dan

Σ

diganti S pada persamaan (11), maka tes statistik menjadi

) ( ) ( 1 2 x S x   n x  x T T

Pada fase I digunakan diagram untuk penetapan kontrol, jika proses tersebut in control ketika sub-group m didapat dan sampel statistik x dan S dihi-tung. Jika pengamatan pada fase I in control pada observasi tersebut maka batas kontrol bisa didapat-kan untuk fase II dengan memonitor produksi selanjutnya. Analisis fase I dinamakan

retrospecti-ve analysis. Batas kontrol pada fase I yakni

UCL = 1 , , 1 ) 1 )( 1 (         p m mn p F p m mn n m p  LCL = 0 (13)

5

Batas kontrol pada fase II yakni UCL = 1 , , 1 ) 1 )( 1 (         p m mn p F p m mn n m p  LCL = 0 (14)

2.6 Diagram Kontrol Improved Generalized Variance

Diagram Kontrol Improved Generalized

Vari-ance merupakan pengembangan dari Diagram

Kon-trol Generalized Variance (Djauhari, 2005). Pe-ngembangan tersebut dilakukan karena Diagram Kontrol Generalized Variance menghasilkan batas kontrol yang bias jika m>1. Keuntungan dari Diag-ram Kontrol Improved Generalized Variance, yaitu dapat diperoleh batas kontrol yang lebih sensitif dalam mendeteksi pengamatan yang out of control dibandingkan dengan Diagram Kontrol

Generali-zed Variance. Adapun rumus batas kontrol untuk

Diagram kontrol Improved Generalized Variance adalah sebagai berikut.

LCL =                     4 2 3 2 3 1 ₃ , 0 max b b b b b S (15) CL = 3 1 b b S (15) UCL =           4 2 3 2 3 1 ₃ b b b b b S (15) dimana:                                                                        p j p j p j p p j p p j p j p j p p j p j n m j n m j n m n m b j n m n m b j n j n j n n b j n n b 1 1 1 2 4 1 3 1 1 1 2 2 1 1 1 ) 1 ( 3 ) 1 ( 1 ) 1 ( ) 1 ( 1 1 ) 1 ( ) 1 ( 1 ) ( ) 2 ( ) ( ) 1 ( 1 ) ( ) 1 ( 1

2.7 Identifikasi Variabel Penyebab Terjadinya Sinyal Tidak Terkontrol dalam Rata-rata Proses

Jika dalam pengontrolan proses terjadi sinyal ti-dak terkontrol, maka perlu dilakukan identifikasi variabel penyebab terjadinya sinyal tidak terkontrol tersebut. Runger et al. dalam Montgomery (2005) menjelaskan bahwa ) ( 2 2 j j T T d   (16)

dj adalah sebuah indikator dari kontribusi relatif

da-ri vada-riabel ke-j untuk keseluruhan statistik. Ketika terdapat sinyal out of control maka direkomendasi-kan penghitungan nilai dari dj (j = 1, 2, ..., p) dan

memfokuskan perhatian pada variabel yang memi-liki nilai dj yang relatif besar. Jika nilai dj ,1

maka variabel ke-j tersebut adalah penyebab penga-matan yang out of control.

3 METODE PENELITIAN

Data yang digunakan dalam penelitian ini adalah data primer dari survey kepuasan penum-pang pesawat udara pada layanan Terminal Kebe-rangkatan Bandara Juanda Surabaya bulan April dan Mei 2011. Variabel-variabel yang digunakan

merujuk berdasarkan dimensi kualitas layanan dan dikombinasikan dengan penelitian terdahulu yang telah disesuaikan dengan kondisi terminal kebe-rangkatan Bandara Juanda pada terminal keberang-katan domestik. Variabel yang diukur dari faktor pelayanan yaitu, keramahan dan kesopanan petugas dalam melayani penumpang, penampilan petugas, kesigapan dan ketelitian petugas dalam pelayanan, kesediaan petugas untuk membantu penumpang, ketepatan informasi yang diberikan petugas, ke-mampuan petugas dalam memberikan pelayanan dan informasi, dan kemudahan mendapatkan infor-masi. Berdasarkan faktor fasilitas, variabel yang diukur antara lain, kemudahan mendapatkan trans-portasi umum (taxi/bus) , jumlah troli yang terse-dia, variasi menu yang ditawarkan restoran, kapan barang yang dijual di toko swalayan, keleng-kapan ATM yang tersedia, kebersihan dan kenya-manan toilet, dan jumlah kursi yang tersedia di ru-ang tunggu. Kemudian dari faktor lingkungan, va-riabel kualitas yang diukur meliputi, kejelasan pe-tunjuk arah di lingkungan bandara, kebersihan dan kenyamanan di area bandara, dan kesesuaian tata letak fasilitas di area bandara. Berdasarkan faktor biaya, variabel kualitas yang diukur meliputi, kese-suaian tarif PJP2U (airport tax) dengan pelayanan, dan kesesuaian harga pada fasilitas restauran dan belanja. Sedangkan untuk faktor keamanan, varia-bel kualitas yang diukur meliputi, jaminan keaman-an barkeaman-ang ykeaman-ang akkeaman-an dibagasikkeaman-an dkeaman-an keamkeaman-ankeaman-an di area bandara. Adapun langkah-langkah dalam pe-nelitian ini adalah sebagai berikut.

1. Perumusan Masalah dan Tujuan Penelitian 2. Identifikasi Variabel dan Merancang

Kuesi-oner

3. Melakukan Survey Pendahuluan

Survey dilakukan pada tanggal 18 – 22 April 2011. Pada survey pendahuluan ini diambil sampel sebanyak 32 responden.

4. Uji Validitas dan Reliabilitas 5. Melakukan Analisis Faktor

6. Menyusun dan menetapkan variabel peneliti-an

7. Pengumpulan Data atau Survey Tahap I dan Tahap II

Survey dilakukan kembali terhadap penum-pang yang akan berangkat dari Bandara Juan-da di terminal keberangkatan domestik yang telah merasakan pelayanan. Survey tahap I dan II dilakukan pada tanggal 25 - 29 April 2011 dan 2 - 6 Mei 2011. Pengamatan dilaku-kan pada shift I setiap satu jam sekali, sehing-ga 1 hari diperoleh 8 buah pensehing-gamatan. Jum-lah sampel untuk setiap pengamatan adaJum-lah sebanyak 10 responden. Sehingga total sam-pel yang diambil pada survey tahap I adalah sebanyak 400 responden dan tahap II juga se-banyak 400 responden.

6

8. Analisis Data

Sebelum dilakukan analisis, ada asumsi yang harus terpenuhi yaitu adanya hubungan atau korelasi antar variabel dan data yang berdis-tribusi normal multivariat. Kemudian setelah kedua asumsi terpenuhi maka analisis data pe-ngontrolan proses dapat dilakukan, meliputi: a. Diagram Kontrol Multivariat T2 Hotelling

b. Diagram Kontrol Improved Generalized

Variance

9. Kesimpulan

4 ANALISIS DAN PEMBAHASAN

Langkah pertama yang dilakukan dalam analisis data ini adalah melakukan uji validitas dan reliabi-litas terhadap data hasil survey pendahuluan. Hasil uji validitas dan reliabilitas diperoleh semua varia-bel telah dinyatakan valid dan reliable, sehingga variabel-variabel tersebut dapat digunakan untuk analisis selanjutnya.

4.1 Penentuan Variabel yang Dianggap Penting Oleh Penumpang Pesawat

Penentuan variabel yang dianggap penting oleh penumpang pesawat dilakukan setelah semua varia-bel kualitas layanan telah dinyatakan valid dan re-liabel. Metode yang digunakan dalam penentuan variabel tersebut adalah dengan menggunakan ana-lisis faktor. Berdasarkan Johnson (2007), dalam pe-nentuan jumlah variabel yang dianggap penting dilakukan pembandingan hasil analisis faktor dengan metode PCA (Principal Component

Analy-sis) baik untuk matrik korelasi maupun matrik

kovarian dan metode maksimum likelihood. Kemu-dian dilakukan rotasi varimax, equimax, dan

quarti-max untuk masing-masing metode. Hasil analisis

faktor yang diberikan oleh ketiga metode tersebut kemudian dibandingkan dan dipilih variabel yang konsisten untuk ketiga metode tersebut.

Berdasar-kan analisis faktor dapat diketahui bahwa variabel yang konsisten untuk ketiga metode adalah variabel pada analisis faktor dengan rotasi quartimax. Vari-abel-variabel yang diambil adalah variabel yang konsisten di faktor satu. Hasil analisis faktor de-ngan rotasi quartimax untuk ketiga metode tersebut dapat dilihat pada Tabel 1.

Berdasarkan Tabel 1 terlihat bahwa variabel-variabel yang konsisten untuk metode PCA dengan matrik korelasi, metode PCA dengan matrik kova-rian, dan metode maksimum likelihood terdapat pada variabel X1, X2, X3, X4, X, X6, X14, X18, dan

X20. Hal tersebut dikarenakan variabel-variabel

tersebut konsisten berada dalam satu faktor untuk ketiga metode tersebut. Namun, jika dilihat dari nilai persen varian sebelum rotasi, didapatkan persentase varian untuk faktor satu adalah sebesar 44 persen. Artinya, variabel yang terpilih di faktor satu hanya mewakili 44 persen dari total keselu-ruhan data yang digunakan dalam penentuan varia-bel yang dianggap penting. Sehingga berdasarkan analisis faktor, maka terdapat sembilan variabel yang dianggap penting oleh penumpang pesawat, dimana variabel-varibel tersebut dapat dilihat pada Tabel 2. Variabel-variabel yang dianggap penting tersebut kemudian akan digunakan pada analisis pengontrolan vektor mean dan variabilitas proses layanan Bandara Juanda.

Tabel 2 Variabel yang Dianggap Penting oleh

Penumpang

Tabel 1 Analisis Faktor dengan Rotasi Quartimax

7

4.1 Analisis Karakteristik Penumpang Pesawat Bandara Juanda

Berdasarkan hasil survey terhadap penumpang pesawat di Bandara Juanda pada bulan April dan Mei 2011, didapatkan karakteristik penumpang pe-sawat berdasarkan jenis kelamin, usia, tingkat pen-didikan, pekerjaan, pengeluaran per bulan, frekuen-si menggunakan bandara dalam tiga bulan terakhir, dan tempat tinggal adalah sebagai berikut. Berda-sarkan Gambar 1 terlihat bahwa sebagian besar pe-numpang pesawat di Bandara Juanda adalah laki-laki dengan persentase sebesar 64 persen. Berdasar-kan Gambar 2 dapat diketahui bahwa mayoritas penumpang pesawat berusia antara 21-30 tahun dengan persentase sebesar 33 persen. Berdasarkan Gambar 3 terlihat bahwa sebagian besar penum-pang adalah strata 1 dengan persentase sebesar 45 persen. Jika karakteristik penumpang pesawat ditin-jau dari segi pekerjaannya seperti yang terlihat pada Gambar 4, diperoleh bahwa mayoritas penum-pang pesawat bekerja sebagai pegawai swasta, yai-tu sebesar 34 persen. Berdasarkan Gambar 5 terli-hat bahwa mayoritas penumpang pesawat di Ban-dara Juanda memiliki pengeluaran per bulan antara 1,5 – 3 juta dengan persentase sebesar 26 persen. Berdasarkan Gambar 6 dapat diketahui bahwa 32 persen penumpang pesawat di Bandara Juanda

su-dah pernah menggunakan Bandara Juanda

sebanyak 1 kali. Berdasarkan Gambar 7 dapat di-ketahui bahwa mayoritas penumpang pesawat di Bandara Juanda tinggal di wilayah Jawa Timur de-ngan persentase sebesar 51 persen. Apabila ditinjau dari kota tempat tinggal penumpang di wilayah Jawa Timur berdasarkan Gambar 8, dapat diketahui bahwa 45,07 persen penumpang tinggal di Kota Su-rabaya. Sedangkan pada Gambar 9 memberikan informasi bahwa penumpang yang tinggal di luar wilayah Jawa Timur namun masih berada dalam wilayah Pulau Jawa, mayoritas tinggal di Provinsi DKI Jakarta dengan persentase sebesar 38,03 per-sen. Berdasarkan diagram batang pada Gambar 10 terlihat bahwa mayoritas penumpang yang bertem-pat tinggal di luar wilayah Pulau Jawa, yaitu tinggal di Pulau Kalimantan dengan persentase se-besar 31,35 persen.

4.2 Pengontrolan Vektor Mean dan Variabilitas Proses Layanan Bandara Juanda

Pengontrolan vektor mean dan variabilitas pro-ses dibagi menjadi dua tahap. Tahap pertama akan dilakuakan pengontrolan terhadap vektor mean dan variabilitas proses untuk Data Tahap I, sedangkan tahap kedua akan dilakuakan pengontrolan terha-dap Data Tahap II.

Sebelum dilakukan pengontrolan vektor mean dan variabilitas proses untuk Data Tahap I dan II, terlebih dahulu dilakukan pengujian asumsi adanya korelasi antar variabel dan data berdistribusi nor-mal multivariat. Berdasarkan uji korelasi untuk da-ta Tahap I dan II dapat dikeda-tahui bahwa

variabel-variabel kualitas layanan bandara saling berkorelasi atau dapat dikatakan bersifat multivariat. Sedang-kan untuk uji normal multivariat diketahui bahwa data Tahap I dan II telah memenuhi asumsi data berdistribusi normal multivariat. Selanjutnya akan dilakukan pengontrolan vektor mean dan variabili-tas proses untuk tahap pertama.

Pada pengontrolan tahap pertama, akan dilakukan monitoring terhadap variabilitas proses layanan menggunakan Diagram Kontrol Improved

Generalized Variance. Kemudian dilanjutkan

de-ngan pengontrolan vektor mean menggunakan Dia-gram Kontrol T2Hotelling. Hasil pengontrolan

variabi-litas proses layanan Bandara Juanda menggunakan Diagram Kontrol Improved Generalized Variance dapat dilihat pada Gambar 11.

Gambar 11 merupakan gambar Diagram Kon-trol Improved Generalized Variance pada tahap pertama. Berdasarkan Gambar 11 terlihat bahwa proses layanan Bandara Juanda telah terkontrol (in

control) dalam variabilitas. Hal tersebut terlihat

dari titik-titik pengamatan berada di bawah batas kontrol atas. Nilai batas kontrol atas diperoleh se-besar 0,0081 dengan nilai determinan dari rata-rata matrik varian kovarian sebesar 0,347. Sehingga nilai taksiran tersebut selanjutnya akan digunakan untuk pengontrolan variabilitas proses Data Tahap II.

Selanjutnya akan dilakukan pengontrolan

vektor mean proses layanan Bandara Juanda, dimana hasilnya dapat dilihat pada Gambar 12. Berdasarkan Gambar 12 dapat diketahui bahwa da-ta belum terkontrol dalam mean. Hal tersebut dika-renakan terdapat pengamatan yang tidak terkontrol (out of control) pada pengamatan ke-34, pengamat-an ke-37 dpengamat-an pengamatpengamat-an ke-39. Batas kontrol atas yang dihasilkan adalah sebesar 25,8464 dan batas kontrol bawah sebesar 0. Batas kontrol tersebut belum dapat digunakan untuk pengontrolan tahap kedua. Hal tersebut dikarenakan proses pada tahap pertama belum terkontrol, sehingga harus dilaku-kan penelusuran variabel penyebab pengamatan yang tidak terkontrol.

Tabel 3 merupakan hasil penelusuran variabel penyebab pengamatan yang tidak terkontrol. Berda-sarkan Tabel 3 diketahui bahwa variabel yang me-nyebabkan pengamatan ke-34 out of control adalah variabel X2 (penampilan petugas) dan X8

(kesesuai-an tarif PJP2U (airport tax) deng(kesesuai-an pelay(kesesuai-an(kesesuai-an). Hal tersebut diindikasikan oleh nilai d2 dan d8 > χ(0.05,1).

Tabel 3 Penelusuran Variabel Penyebab Pengamatan

yang out of control pada Diagram Kontrol T2Hotelling Tahap Pertama

Setelah diketahui faktor-faktor penyebab keti-dakstabilan proses layanan di Bandara Juanda, ke-mudian pengamatan yang out of control tersebut

8

dibuang dan dilakukan revisi pembuatan diagram kontrol. Hasil revisi Diagram Kontrol T2Hotelling.

Da-ta Tahap I dapat dilihat pada Gambar 13. Berdasar-kan Gambar 13 dapat diketahui bahwa data sudah terkontrol dalam mean dengan nilai batas kontrol atas sebesar 25,896. Hal tersebut terlihat dari nilai statistik T2 untuk setiap pengamatan berada diba-wah nilai batas kontrol atas. Dengan demikian Data Tahap I sudah terkontrol sehingga nilai parameter yang diestimasi dari Data Tahap I dapat digunakan pada pengontrolan tahap kedua. Setelah dilakukan pengontrolan tahap pertama, selanjutnya adalah pengontrolan tahap kedua. Berdasarkan parameter yang diestimasi dari pengontrolan tahap pertama, didapatkan hasil Diagram Kontrol Improved

Gene-ralized Variance dan Diagram Kontrol T2Hotelling

se-perti pada Gambar 14 dan 15. Gambar 14 menun-jukkan bahwa proses layanan Bandara Juanda telah terkontrol (in control) dalam variabilitas. Hal terse-but terlihat dari titik-titik pengamatan berada di ba-wah batas kontrol atas. Nilai batas kontrol atas di-peroleh sebesar 0,0081. Berdasarkan Gambar 14 dapat disimpulkan bahwa keadaan stabilitas dari variabilitas proses layanan Bandara Juanda pada pengontrolan tahap kedua sudah terkontrol.

Selanjutnya akan dilakukan pengontrolan vek-tor mean proses layanan Bandara Juanda pada Data

Tahap II. Hasil yang diperoleh untuk pengontrolan vektor mean proses Data Tahap II dapat dilihat pa-da Gambar 15. Gambar 15 mengindikasikan bahwa Data Tahap II belum terkontrol dalam mean. Hal tersebut dikarenakan terdapat pengamatan yang tidak terkontrol (out of control) pada pengamatan ke-10, pengamatan ke-11 dan pengamatan ke-12. Batas kontrol atas yang dihasilkan adalah sebesar 25,846 dan batas kontrol bawah sebesar 0. Kemudi-an akKemudi-an dilakukKemudi-an penelusurKemudi-an variabel penyebab pengamatan yang tidak terkontrol seperti pada Tabel 4.

Tabel 4 Penelusuran Variabel Penyebab Pengamatan

yang out of control pada Diagram Kontrol T2Hotelling Tahap Kedua

Berdasarkan Tabel 4 diketahui bahwa variabel yang menyebabkan pengamatan ke-10 out of

con-trol adalah variabel X3 (kesigapan dan ketelitian

petugas dalam pelayanan), X5 (ketepatan informasi

yang diberikan petugas), dan X6 (kemampuan

petu-gas dalam memberikan pelayanan dan informasi). Hal tersebut berdasarkan nilai d3, d5, dan d6>χ(0.05,1).

Gambar 1 Karakteristik Berdasarkan Jenis Kelamin Gambar 2 Karakteristik Berdasarkan Usia

Gambar 3 Karakteristik Berdasarkan Tingkat Pendidikan Gambar 4 Karakteristik Berdasarkan Pekerjaan

Gambar 5 Karakteristik Berdasarkan Pengeluaran _{Gambar 6 Karakteristik Berdasarkan Frekuensi}

9

Gambar 7 Karakteristik Berdasarkan Tempat Tinggal _{Gambar 8 Karakteristik Penumpang yang Tinggal}

di Jawa Timur

Gambar 9 Karakteristik Penumpang yang Tinggal di

Luar Jawa Timur Masih dalam wilayah Pulau Jawa

Gambar 10 Karakteristik Penumpang yang Tinggal

di Luar Pulau Jawa

Gambar 11 Diagram Kontrol Improved

Generalized Variance Data Tahap I Gambar 12 Diagram Kontrol T

2

Hotelling Data Tahap I

Gambar 13 Revisi Diagram Kontrol T2Hotelling. Data Tahap I

Gambar 14 Diagram Kontrol Improved

Generalized Variance Data Tahap II

Gambar 15 Diagram Kontrol T2Hotelling Data Tahap II

5 KESIMPULAN DAN SARAN

Berdasarkan analisis dan pembahasan yang telah dilakukan, maka dari penelitian Tugas Akhir ini dapat diambil kesimpulan sebagai berikut.

1. Variabel-variabel yang dianggap penting oleh penumpang pesawat di Bandara Juanda meliputi variabel keramahan dan kesopanan petugas dalam melayani penumpang, penampilan petugas, kesi-gapan dan ketelitian petugas dalam pelayanan, kesediaan petugas untuk membantu penumpang, ketepatan informasi yang diberikan petugas, ke-mampuan petugas dalam memberikan pelayanan

0 5 10 15 20 25 30 35 40 0 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009 0.01

Diagram Kontrol Improoved GV Subgroup

Pengamatan ke-G en e ra liz e d V a ri an c e UCL CL LCL 0 5 10 15 20 25 30 35 40 0 5 10 15 20 25 30 35 40 45 50

Diagram Kontrol T Square Hotelling Subgroup

Pengamatan ke-T S qu a re UCL LCL 0 5 10 15 20 25 30 35 40 0 5 10 15 20 25 30

Diagram Kontrol TSquare Hotelling Subgroup

Pengamatan ke-T S q u a re UCL LCL 00 5 10 15 20 25 30 35 40 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009 0.01

Diagram Kontrol Improoved GV Subgroup

Pengamatan ke-G e n e ra li z e d V a ri a n c e UCL CL LCL 0 5 10 15 20 25 30 35 40 0 10 20 30 40 50 60

Diagram Kont rol T Square Hotelling Subgroup

Pengamat an ke-T S q u a re UCL LCL

10

dan informasi, jumlah kursi yang tersedia di ruang tunggu, kesesuaian tarif PJP2U (airport tax) de-ngan pelayanan, dan jaminan keamanan barang yang akan dibagasikan.

2. Berdasarkan Diagram Kontrol T2Hotelling dan

Im-proved Generalized Variance untuk pengontrolan

tahap pertama dan kedua diketahui bahwa laya-nan Bandara Juanda tidak stabil dalam mean, na-mun stabil dalam variabilitas. Berdasarkan hal tersebut dapat disimpulkan bahwa tingkat kepu-asan penumpang pada tanggal 25-29 April 2011 dan 2-6 Mei 2011 pada shift I mengalami perge-seran karena beberapa penumpang merasa tidak puas terhadap layanan. Namun, penilaian antara penumpang yang satu dengan lainnya relatif seragam.

3. Variabel yang menyebabkan pengamatan out of

control, yaitu variabel penampilan petugas,

kese-suaian tarif PJP2U (airport tax) dengan pela-yanan, kesediaan petugas untuk membantu pe-numpang, jumlah kursi yang tersedia di ruang tunggu, jaminan keamanan barang yang akan di-bagasikan, kesigapan dan ketelitian petugas da-lam pelayanan, ketepatan informasi yang diberi-kan petugas, dan kemampuan petugas dalam memberikan pelayanan dan informasi.

Saran yang dapat diberikan untuk pihak manaje-men PT. Angkasa Pura I (Persero) sebagai pengelola Bandara Juanda, yaitu Bandara Juanda masih perlu melakukan perbaikan proses layanan. Pada penelitian selanjutnya disarankan agar pada saat pengambilan sampel (survey) di lapangan dihindari penumpang yang berangkat secara berkelompok (satu keluarga). Selain itu, perlu dilakukan pengontrolan kualitas untuk variabel yang masuk pada variabel selain di faktor satu pada analisis faktor.

6. DAFTAR PUSTAKA

Andini, S. A., 2005. Analisis Kualitas Layanan Bandar Udara Juanda dengan Menggunakan Metode QFD dan Analisis SWOT untuk merumuskan Strategi Pengembanganya. Tesis. Magister Teknik Industri Pascasarjana FTI ITS. Surabaya.

Australian Competition & Consumer Commission, 2008. Airport Quality of Service Monitoring Guideline dalam http://www.accc.gov.au/con-tent/item.phtml?itemId=880393&nodeId=e43 635a69407f0621f607f01fd813005&fn=Airpor t%20quality%20of%20service%20monitoring %20guideline-Oct%202008.pdf diakses pada tanggal 8 Maret 2011 pukul 20.00 WIB. Bisnis Indonesia, 2010. Bandara Juanda overload 71%

dalam http://bataviase.co.id/node/347130 di-akses pada tanggal 24 Desember 2010 jam 09.00 WIB.

Commission for Aviation Regulation, 2008. Quality of Service at Dublin Airport dalam

http://www.-aviationreg.ie/_fileupload/Image/PR_AC3_Pu b1_CP3_2008_Quality_of_Service.pdf diakses pada tanggal 8 Maret 2011 pukul 20.00 WIB.

Djauhari, M. A., 2005. Improved Monitoring of Multi-variate Process Variability. Journal of Quality

Technology. Vol.37, No.1, p.32-39.

Ernita, R., 2009. Pengontrolan Kualitas Layanan Agen Kartu Seluler Prabayar Tertentu pada Call

Center Surabaya dengan Diagram Kontrol D2

(Mahalanobis Distance). Laporan Tugas Akhir S1. Statistika FMIPA ITS. Surabaya.

Hanslik, T., Boelle, P. Y., dan Flahault, A., 2001. The Control Chart: an Epidemiological Tool for Public Health Monitoring. Public Health. Vol.115, p.277-281.

International Air Transport Association, 2001. Global

Airport Monitor dalam

http://www.bes-transport.org/conference02/Morris2.pdf diakses pada tanggal 8 Maret 2011 pukul 20.00 WIB.

International Civil Aviation Organization, 2000. Quality at Airports dalam http://www.aeroha- bitat.eu/uploadsdia/24-04-2009__Quality__-_Airports__-_ICAO_-_Vreedenburgh.pdf di-akses pada tanggal 8 Maret 2011 pukul 20.00 WIB.

Johnson, R. A., dan Wichern, D. W., 2007. Applied Multivariate Statistical Analysis 6th edition. Pearson Education Inc. United States of America.

Kotler, P., dan Keller, K. L., 2009. Manajemen Pema-saran Edisi ke-13 Jilid I. Erlangga. Jakarta. Lindaryani, R., 2010. Pengontrolan Kualitas Layanan

Perpustakaan Pusat ITS Surabaya. Laporan Tugas Akhir S1. Statistika FMIPA ITS. Sura-baya.

Montgomery, D. C., 2005. Introduction to Statistical Quality Control 5th edition. John Wiley and Sons Inc. New York.

Raka, G., 2009. Analisis Kepuasan Layanan dan Strategi Pemasaran dengan Metode Analisis Faktor dan Fuzzy Quality Function Deploy-ment (Fuzzy QFD). Laporan Tugas Akhir S1. Statistika FMIPA ITS. Surabaya.

Tjiptono, F., 1996. Manajemen Jasa. Andi Offset. Yogyakarta.

Wood, M., 1994. Statistical Methods For Monitoring Service Processes. International Journal of

Service Industry Management. Vol.5, No.4,