1
PENINGKATAN KUALITAS LAYANAN TELKOM SPEEDY DENGAN QUALITY
FUNCTION DEPLOYMENT (QFD) BERDASARKAN PROFITABILITAS
PELANGGAN
Eryena Agustin, Moses L. Singgih Jurusan Teknik Industri
Institut Teknologi Sepuluh Nopember (ITS) Surabaya Kampus ITS Sukolilo Surabaya 60111 E-mail : dontspeak13@gmail.com, moses@ie.its.ac.id
Abstrak
Pertumbuhan industri jasa mulai meningkat dengan pesat di Indonesia, khususnya bagi usaha yang sejenis. Hingga sekarang, industri jasa terus tumbuh dan diperkirakan pertumbuhannya akan terus meningkat hingga masa mendatang. Persaingan yang kuat di antara industri jasa penyedia internet menuntut PT. Telkom unit bisnis Speedy untuk terus memperbaiki kualitas layanannya. Penelitian ini menentukan profitabilitas pelanggan dengan pendekatan customer lifetime value (CLV) dengan metode yang menggunakan variabel recent transaction time, buying frequency, dan monetary (RFM) untuk mengelompokkan pelanggan. Hasil pengukuran tingkat kepuasan kelompok pelanggan amatan dengan metode Servqual menunjukkan bahwa kualitas pelayanan belum memenuhi harapan pelanggan sehingga perusahaan perlu menyusun rencana peningkatan kualitas, terutama pada atribut kecepatan dan kestabilan koneksi internet serta ketanggapan petugas dalam menjawab pelanggan.
Kata kunci: profitabilitas pelanggan, CLV, RFM, Fuzzy C-Means Clustering, Servqual, QFD
Abstract
The growth of service industries began to increase rapidly in Indonesia, especially for a similar field. Until now, the service industry continues to rise until the foreseeable future. Strong competition among providers of Internet services industry requires PT. Telkom to continuously improve the quality of its Speedy services. This research is aiming to determine customer profitability using customer lifetime value (CLV) and a method that uses a variable time recent transaction, buying frequency, and monetary (RFM) for grouping customers. The results of the customer satisfaction level measurements with SERVQUAL method indicates that Speedy service quality has not met the expectations of customers, so that PT Telkom need to develop quality improvement plans, especially on the attributes of the Internet connection speed and stability as well as officers in responding to customer responsiveness.
Keywords: customer profitability, CLV, RFM, Fuzzy C-Means Clustering, Servqual, QFD
1. Pendahuluan
Pertumbuhan industri jasa mulai meningkat dengan pesat di Indonesia, khususnya bagi usaha yang sejenis. Hingga sekarang, industri jasa terus tumbuh dan diperkirakan pertumbuhannya akan terus meningkat hingga masa mendatang. Perusahaan yang mempunyai performansi yang akan memenangkan persaingan di pasar jasa (Gustama, 2009). Beberapa hal yang dapat dilakukan sebuah perusahaan untuk tetap bertahan di tengah persaingan yang semakin ketat ini adalah dengan cara memelihara hubungan baik dengan pelanggan.
Produk yang menjadi pokok bahasan dalam penelitian ini adalah Speedy. Speedy adalah brand dari layanan akses internet end-to-end
untuk penggunaan di residensial atau bisnis kecil dan menengah yang berbasis akses kabel tembaga yang menggunakan teknologi Asymmetric Digital Subscriber Line (ADSL). Speedy merupakan produk pelopor penyedia jasa layanan data dan internet di Indonesia yang diminati pelanggan. Jumlah pelanggannya terus bertambah dari tahun ke tahun.
Inovasi, kualitas, atribut, citra merek, dan tingkat harga produk, menjadi hal-hal yang harus diperhatikan oleh produsen, agar tidak dikalahkan oleh pesaingnya (Husni, 2010). Dengan adanya persaingan ini maka PT Telkom perlu untuk memastikan bahwa pelanggan mereka tetap loyal dan tidak berpindah ke merek yang lain. Hal ini disebabkan karena biaya
2 untuk menarik pelanggan akan jauh lebih mahal
dan retained customer akan jauh lebih menguntungkan (Ryals, 2008).
Secara umum, kelompok pelanggan dapat dibedakan menjadi kelompok yang menguntungkan dan yang kurang menguntungkan. Inilah yang menjadi tantangan perusahaan untuk mempengaruhi nilai yang akan didapatkan dari pelanggan mereka. Customer value terdiri dari financial value dan relational value. Pelanggan mempunyai value atas uang yang mereka berikan kepada perusahaan. Customer value dapat berbentuk positif maupun negatif. Beberapa pelanggan mungkin menyebarkan rumor negatif yang dapat merusak reputasi sebuah perusahaan. Oleh karena itu, perlu adanya upaya untuk memelihara hubungan dengan pelanggan agar mereka dapat memberikan value yang positif untuk perusahaan (Ryals, 2008).
Dengan adanya penggolongan pelanggan berdasarkan profitabilitas pelanggan, maka sebuah perusahaan seperti PT Telkom, dapat mengetahui bagaimana karakteristik kelompok pelanggannya sehingga mereka dapat menentukan strategi yang tepat untuk menjaga kepuasan pelanggannya yang dianggap profitable. Perusahaan dapat menetapkan tingkat kualitas pelayanan jasa yang akan mereka sediakan untuk memelihara dan menambah pelanggan mereka yang profitable dan loyal.
Masalah yang diangkat pada penelitian ini adalah menentukan kelompok pelanggan yang mempunyai profitabilitas tinggi serta merancang strategi peningkatan kualitas untuk meningkatkan kepuasan pelanggan pada kelompok tersebut.
Adapun tujuan penelitian ini adalah menggolongkan pelanggan Speedy yang menguntungkan dan yang kurang menguntungkan dengan analisa customer live time value (CLV), mengetahui tingkat kepuasan cluster pelanggan yang paling profitable dengan metode Servqual dan melakukan analisa peningkatan kualitas pelayanan Speedy dengan menggunakan Quality Function Deployment (QFD) berdasarkan harapan dan persepsi cluster pelanggan yang paling profitable.
Batasan yang digunakan dalam penelitian ini adalah: produk PT Telkom yang dianalisa adalah produk Speedy, data yang digunakan adalah data pelanggan yang berada di Surabaya yang melakukan pembayaran Speedy pada bulan Juni 2011, dan pelanggan yang dilibatkan dalam
pengambilan sampel untuk pengukuran kepuasan adalah pelanggan yang berada di Surabaya. Sedangkan asumsi yang digunakan adalah tidak ada perubahan kebijakan di PT Telkom dan tidak ada perubahan data responden yang berlangganan Speedy selama penelitian berlangsung.
2. Metodologi Penelitian
Berikut ini tahapan-tahapan yang dilakukan dalam penelitian ini:
1. Identifikasi awal dan perumusan masalah, yaitu pengamatan awal dilakukan untuk melakukan identifikasi awal terhadap objek penelitian.
2. Pengumpulan data untuk penggolongan pelanggan.
Pengumpulan data awal dilakukan dengan mengambil data abonemen pelanggan Telkom Speedy pada bulan Juni 2011. Data ini dilengkapi dengan data pelanggan yang telah berlangganan sejak tahun 2005 hingga tahun 2011. Data ini kemudian digunakan untuk menggolongkan pelanggan Telkom Speedy berdasarkan nilai profitabilitas pelanggan.
Setelah data abonemen pelanggan diperoleh, perhitungan profitabilitas pelanggan dilakukan dengan pendekatan customer lifetime value (CLV) menggunakan metode RFM (recency, frequency, dan monetary. Variabel recency untuk setiap cluster dianggap ekuivalen karena masing-masing cluster melakukan transaksi terakhir pada bulan Juni 2011. Variabel frequency menggunakan data lama berlangganan pelanggan. Variabel monetary menggunakan data pembayaran abonemen Speedy pada bulan Juni 2011.
Proses penggolongan pelanggan (clustering) dilakukan dengan menggunakan teknik Fuzzy C-Means Clustering (FCM) menggunakan bantuan perangkat lunak Matlab. Persamaan-persamaan yang mendukung tahapan clustering dengan FCM diterjemahkan ke dalam kode-kode program Matlab yang kemudian akan menentukan jumlah cluster yang tepat.
3. Penggolongan pelanggan dengan Fuzzy C-means Clustering
Input data yang akan dicluster X, berupa matrik ukuran n x m (n = jumlah sampel data, m= atribut setiap data). Xjk = data sampel ke-j (j=1,2,..n), atribut ke-k (k=1,2,..m)
Tahapan-tahapan dalam FCM antara lain yaitu:
3
Jumlah cluster = c
Pangkat = w
Maksimum iterasi = 100
Error terkecil yang diharapkan = 10-5 Fungsi objektif awal = Po = 0 Iterasi awal = t = 1
b. Bangkitkan bilangan random Uij , i=1,2,..,c; j=1,2,..,n; sebagai elemen-elemen matriks partisi awal U. Hitung jumlah setiap kolom (atribut) :
(1) Dengan k=1,2,..,m
Hitung :
(2) c. Hitung pusat cluster ke-k : Vik dengan k =
1,2,…,m dan i=1,2…,c
(3)
d. Hitung pusat fungsi objektif pada iterasi ke-t,
(4)
e. Hitung perubahan matriks partisi :
(5)
f. Cek kondisi berhenti
Jika: atau (t>MaxIter) maka wajib berhenti; jika tidak: t=t+1, ulangi langkah ke-4
Parameter-parameter yang membatasi ruang lingkup dalam penelitian ini antara lain adalah sebagai berikut:
Jumlah cluster = 2 sampai 10 Maksimum iterasi = 100
Error terkecil = 10-5 Pangkat pembobot = 2
Untuk melakukan uji validasi pemilihan cluster yang paling tepat / valid, maka diperlukan indeks Xie-Beni (S) yang merupakan rasio dari compactness terhadap separation, yaitu:
(6)
4. Perhitungan Profitabilitas Pelanggan dengan Customer Lifetime Value (CLV)
Setelah dinormalisasikan dengan metode min max normalization, maka kemudian perhitungan nilai CLV dari masing-masing cluster dilakukan dengan menggunakan persamaan berikut:
CLV ci = NR ci x WR ci + NF ci x WF ci + NM ci x WM ci (7) Keterangan :
NR = nilai dari recency WR = bobot dari recency NF = nilai dari frequency WF = bobot dari frequency NM = nilai dari monetary WM = bobot dari monetary
5. Pengumpulan Data untuk Pengukuran Kepuasan Pelanggan
Pengumpulan sampel dilakukan dengan menyebarkan kuesioner mulai 19 September hingga 30 September kepada pelanggan Speedy di kantor cabang Telkom Dinoyo. Pelanggan Speedy yang menjadi responden adalah kelompok pelanggan yang berada pada cluster pelanggan yang mempunyai profitabilitas lebih tinggi daripada yang lain (profitable) saja.
Skala pengukuran yang digunakan dalam penelitian ini adalah skala likert dengan bobot 5 hingga 1 dengan penilaian dari sangat baik hingga tidak baik.
6. Perancangan Strategi Peningkatan Kualitas Perancangan strategi peningkatan kualitas dilakukan dengan menggunakan QFD. Tahapan-tahapan yang dilakukan dalam metode QFD ini antara lain adalah dengan mengumpulkan suara pelanggan, menyusun HOQ, dan yang terakhir adalah menganalisa.
Berikut ini tahapan-tahapan yang dilakukan untuk menyusun rencanan peningkatan kualitas pelayanan Telkom Speedy:
Menentukan tingkat persepsi peanggan terhadap kinerja dari atribut kualitas dengan persamaan:
Menetukan tingkat harapan pelanggan dari atribut kualitas dengan persamaan: Menentukan nilai goal dari atribut Menetukan rasion perbaikan dengan persamaan :
(8) Menetukan sales point.
4 Menentukan bobot dari atribut dengan
persamaan:
Bobot = tingkat harapan x rasio perbaikan x sales point (9) Menetukan normalisasi bobot.
(10) Identifikasi parameter teknik (technical requirement).
Menentukan interaksi antar kebutuhan pelanggan dengan parameter teknik. Menentukan nilai matrik interaksi kebutuhan pelanggan dengan parameter teknik.
(11)
Keterangan :
PTi = Nilai absolut parameter teknik atribut
BTi = Nilai bobot kebutuhan pelanggan yang memiliki hubungan dengan atribut KPi = Nilai hubungan kebutuhan pelanggan yang memiliki hubungan dengan atribut
Menggambarkan matrik HOQ Customer Requirement to Technical Requirement 3. Pengumpulan dan Pengolahan Data 3.1 Profil Perusahaan
Perusahaan PT Telekomunikasi Indonesia, Tbk merupakan Badan Usaha Milik Negara dan penyedia layanan telekomunikasi dan jaringan terbesar di Indonesia. TELKOM menyediakan layanan InfoComm, telepon kabel tidak bergerak (fixed wireline) dan telepon nirkabel tidak bergerak (fixed wireless), layangan telepon seluler, data dan internet, serta jaringan dan interkoneksi, baik secara langsung maupun melalui anak perusahaan.
Speedy adalah produk dari Telkom Indonesia berupa layanan akses Internet berkualitas tinggi bagi rumah tangga serta bisnis skala kecil dan menengah. Teknologi Asymetric Digital Subscriber Line (ADSL) pada Speedy dapat menyalurkan data dan suara secara simultan melalui satu saluran telepon biasa dengan kecepatan yang dijaminkan sesuai dengan paket layanan yang diluncurkan dari
modem sampai BRAS (Broadband Remote Access Server).
3.2 Pembagian cluster pelanggan
Dengan menggunakan persamaan (5) nilai indeks Xie-Beni masing-masing pengujian dapat dilihat pada tabel 3.1.
Tabel 3.1 Hasil validasi FCM Jumlah kluster Indeks Xie-Beni
2 7.78563E-07 3 9.71019E-08* 4 6.49738E-06 5 1.4326E-06 6 1.28576E-06 7 1.54294E-06 8 1.97728E-06 9 1.48096E-05 10 0.000303303
Pada tabel 4.1 di atas dapat dilihat bahwa nilai S (indeks Xie-Beni) yang paling kecil adalah data yang dibagi ke dalam tiga cluster dan nilai S yang paling besar adalah data yang dibagi dalam 10 cluster. Semakin kecil nilai S, maka cluster tersebut semakin valid sehingga jumlah cluster yang paling valid dalam penelitian ini adalah 3 cluster.
3.3 Pengumpulan data sampel
Pengumpulan data sampel dengan kuesioner dilakukan setelah menentukan cluster pelanggan. Kuesioner dirancang untuk mengumpulkan data harapan nasabah terhadap kualitas pelayanan dan data kinerja pelayanan Telkom Speedy yang dipersepsikan oleh pelanggan berdasarkan lima dimensi service quality, yaitu reliability, assurance, tangible, emphaty, dan responsiveness. Jumlah data sampel yang dikumpulkan adalah sebanyak 100 kuesioner dan yang layak digunakan sebanyak 90.
3.4 Perhitungan GAP 5 dan Nilai Servqual Terbobot (NST)
Nilai GAP 5 dan NST diperlukan untuk mengetahui atribut-atribut yang yang sudah memenuhi dan yang belum memenuhi harapan pelanggan. Setelah diperoleh bobot atribut dengan AHP maka nilai GAP 5 dan nilai servqual terbobot (NST) dapat ditentukan. GAP 5 diperoleh dari pengurangan nilai rata-rata perspesi pelanggan dengan nilai harapan
5 pelanggan, sedangkan NST diperoleh dari nilai
GAP 5 yang dikalikan dengan bobot global atribut .
Tabel 3.2 GAP 5 dan NST Atribut Dimensi Jasa Atribut GAP 5 NST Prioritas
Reliability 1 -0.43 -0.0136 19 2 -0.81 -0.1460 1 3 -1.49 -0.1431 2 4 -1.17 -0.0653 4 5 -1.01 -0.0742 3 Assurance 6 -0.40 -0.0292 10 7 -1.08 -0.0143 18 8 -1.21 -0.0424 5 9 -0.77 -0.0151 16 Tangible 10 -0.49 -0.0156 15 11 -0.48 -0.0144 17 12 -0.96 -0.0250 12 13 -0.86 -0.0161 14 Emphaty 14 -0.77 -0.0258 11 15 -0.57 -0.0112 20 16 -0.84 -0.0334 7 17 -1.24 -0.0298 9 Responsi- veness 18 -0.77 -0.0381 6 19 -0.60 -0.0299 8 20 -0.17 -0.0166 13 Pada tabel 3.2 terlihat nilai GAP 5 dan NST masing-masing atribut beserta prioritas perbaikan kualitas pelayanan Telkom Speedy. Prioritas perbaikan ditentukan berdasarkan besarnya nilai NST atribut.
3.5 Diagram Analisa Harapan Persepsi Untuk mengetahui atribut-atribut dimensi yang harus diperhatikan dalam upaya meningkatkan kualitas pelayanan jasa maka dilakukan analisa harapan persepsi. Analisa harapan persepsi dilakukan dengan cara menghitung skor total persepsi (X) dan harapan (Y) pelanggan yang menjadi responden yang dilanjutkan dengan menghitung rata-rata masing-masing atribut.
Gambar 3.1 Diagram Kartesius Analisa Harapan Persepsi terhadap Atribut-atribut Dimensi
Jasa
Tabel 3.3 Letak Atribut pada Diagram Analisa Harapan persepsi Kuadran Atribut A 3,5,18 B 1,14,16,17,19 C 6,10,11,15,20 D 2,4,7,8,9,12,13
Analisa harapan persepsi juga dilakukan terhadap masing-masing dimensi kualitas jasa, yaitu yaitu reliability, assurance, tangible, emphaty, dan responsiveness. Perhitungan diawali dengan menghitung rata-rata harapan dan persepsi masing-masing dimensi sehingga kedudukan masing-masing dimensi jasa pada diagram kartesius analisa harapan persepsi dapat dilihat pada gambar 3.2.
Gambar 3.2 Diagram Kartesius Analisa Harapan persepsi terhadap dimensi jasa
3.6 Quality Function Deployment (QFD)
Perhitungan QFD yang digunakan adalah analisa QFD dengan satu matrik HOQ. Matrik HOQ merupakan matrik perencanaan yang menggambarkan kebutuhan konsumen beserta target yang ingin dicapai perusahaan. Matrik HOQ dibuat dengan berkonsentrasi pada kebutuhan pelanggan. A B C D Responsivenesss Tangible Emphaty Assurance Relibility
6 Setelah melakukan analisa harapan
persepsi, dapat diketahui atribut-atribut dan dimensi yang menjadi prioritas untuk diperbaiki berdasarkan kebutuhan pelanggan. Atribut-atribut dan dimensi yang menjadi prioritas tersebut adalah yang berada di kuadran A.
Tabel 3.4 Prioritas Atribut yang Diperbaiki No. Dimensi Atribut pertanyaan
1 Reliability Kecepatan / bandwidth yang didapatkan 2 Reliability Konektivitas tidak pernah putus 3 Responsiveness
Petugas bersikap sigap & tanggap dalam menjawab pertanyaan 3.6.1 Parameter Teknik
Kebutuhan konsumen menjadi masukan penting untuk menentukan parameter teknik. Parameter teknik merupakan wujud penterjemahan dari kebutuhan pelanggan ke dalam bahasa teknis yang dapat diukur untuk menentukan target yang akan dicapai. Setiap kebutuhan konsumen minimal mempunyai satu parameter teknik.
Tabel 4.21 Penerapan Kebutuhan Konsumen ke Parameter teknik
No. Kebutuhan
Pelanggan Parameter teknik
1
Kecepatan / bandwidth yang didapatkan
Memilih modem yang berkualitas
Memberikan informasi cara merawat peralatan internet kepada pelanggan
Menyediakan kualitas kabel yang lebih baik
Melaksanakan perawatan perangkat ADSL secara rutin
Memperbaiki kinerja teknisi
2
Konektivitas tidak pernah putus
Memilih modem yang berkualitas
Memberikan informasi cara merawat peralatan internet Menyediakan kualitas kabel yang lebih baik
Melaksanakan perawatan perangkat ADSL secara rutin
Memperbaiki kinerja teknisi 3 Sikap sigap
& tanggap petugas dalam
Memberikan pelatihan kepada petugas customer care
Memberikan informasi cara
menjawab pertanyaan
merawat peralatan internet kepada pelanggan
Memperbaiki kinerja teknisi 3.6.2 Matrik HOQ Customer Requirement to Technical Requirement
Matrik HOQ ini menjelaskan apa saja yang menjadi kebutuhan atau harapan pelanggan terhadap kepuasan pelayanan Telkom Speedy dan bagaimana memenuhinya. Matrik ini dibuat berdasarkan penggabungan pengolahan data dari penentuan harapan pelanggan sampai dengan penentuan prioritas pengembangan parameter teknik.
4. Analisa dan Interpretasi Data
4.1 Pembagian cluster pelanggan Telkom Speedy
Dengan menggunakan Fuzzy c-means clustering (FCM), maka pelanggan dapat dibagi menjadi tiga cluster. Variabel yang dipergunakan untuk menentukan cluster adalah lama pelanggan berlangganan dan jumlah pembayaran pada bulan Juni 2011. Tabel 4.1 berikut menunjukkan pusat data (rataan) masing-masing cluster.
Tabel 4.1 Pusat Data Cluster Cluster Jumlah pelanggan Frekuensi berlangganan (tahun) Pembayaran per bulan (Rp) 1 13558 1.609 306321.49 2 35368 1.564 187090.62 3 5357 1.422 694314.39
Lama berlangganan pelanggan pada cluster 1 antara 1 bulan hingga 5.8 tahun dengan rentang pembayaran pemakaian antara Rp. 251.000 hingga Rp. 494.500,-.
Lama berlangganan pelanggan pada cluster 2 antara 9 bulan hingga 5.8 tahun dengan rentang pembayaran pemakaian antara Rp. 0 hingga Rp. 245.000,-. Pembayaran Rp. 0 artinya pelanggan tersebut sedang mendapatkan promo / diskon khusus pemakaian pada bulan tersebut.
Lama berlangganan pelanggan pada cluster 3 adalah antara 1.3 bulan bulan hingga 5.8 tahun dengan rentang pembayaran pemakaian antara Rp. 506.000,- hingga Rp. 5.795.000,-. Jumlah pelanggan pada cluster 3 adalah yang paling sedikit di antara yang lain.
Berdasarkan rekapitulasi karakteristik responden, lebih dari 50% pelanggan yang berada di cluster 3 berusia antara 25 hingga 45
7 tahun. Lebih dari 40% responden mempunyai
pendapatan lebih dari tiga juta rupiah per bulan dan sebagian besar dari mereka adalah lulusan perguruan tinggi.
4.2 Profitabilitas masing-masing cluster
Sebelum menentukan nilai profitabilitas pelanggan dengan CLV, pusat data dari masing-masing variabel tiap cluster dinormalisasi.
Tabel 4.2 Nilai F dan M yang telah dinormalisasi Cluster Normalized F Normalized M
1 0.267 0.052859619
2 0.25922456 0.032284835 3 0.234503604 0.119812665 Penentuan nilai bobot komponen F dan M dilakukan dengan metode principal component analysis (PCA) yang kemudian akan menghasilkan pembobotan relatif terhadap metriks F dan M. Uji Kaiser Meyer-Olkin (KMO), measure of adequacy, dan Barlett Test Spericity diperlukan untuk menentukan layak tidaknya analisa faktor dilakukan pada penelitian ini (Kumar dan Reinartz, 2006). Apabila nilai KMO berada pada kisaran 0.5 sampai 1 maka analisa faktor layak untuk dilakukan.
Karena faktor yang diperoleh antara kedua variabel sama, yaitu 0.653, maka dapat dikatakan bahwa keduanya mempunyai faktor pengali / bobot yang sama. Setelah diketahui bobot masing-masing variabel, dengan menggunakan persamaan (7) hasil perhitungan profitabilitas cluster dapat dilihat pada tabel 4.3 berikut ini.
Tabel 4.3 Hasil perhitungan nilai CLV masing-masing cluster
Cluster Prosentase jumlah pelanggan Nilai CLV 1 25% 0.319 2 65% 0.291 3 10% 0.354
Pelanggan pada cluster 3, yang merupakan 10 persen dari seluruh pelanggan, mempunyai nilai CLV yang lebih besar dibandingkan dengan cluster 1 dan 2 sehingga dapat dikatakan bahwa nilai profitabilitas paling tinggi berada pada cluster 3. Di sisi lain, cluster 2 yang terdiri dari 65 persen dari jumlah pelanggan mempunyai nilai CLV yang lebih rendah
daripada cluster 1 dan 2. Tabel 5.7 juga dapat dilihat bahwa nilai pendapatan yang diperoleh dari cluster 3 lebih besar daripada cluster 1 dan 2 sehingga dapat dikatakan bahwa cluster 3 yang paling profitable.
Tabel 4.4 Jumlah Pendapatan dari masing-masing cluster
Cluster Jumlah Pembayaran (Rp)
1 4296739329
2 3982763489
3 6489732000
4.3 Penilaian Kepuasan Pelanggan dengan analisa GAP 5 dan NST
Kepuasan merupakan sebuah respon dari pelanggan terhadap evaluasi antara tingkat harapan yang dirasakan sebelumnya dan persepsi terhadap kinerja aktual yang dirasakan setelah pemakaian pelayanan jasa. GAP 5 merupakan kesenjangan antara harapan dan persepsi pelanggan terhadapt kualitas jasa. GAP 5 dapat menentukan sejauh mana pelanggan merasa puas terhadap pelayanan Telkom Speedy. Pengambilan sampel dilakukan pada responden-responden yang termasuk dalam cluster 3 karena cluster ini yang mempunyai nilai profitabilitas paling tinggi di antara cluster yang lain. Dari nilai GAP 5 dan NST yang telah diperoleh maka dapat dibentuk grafik yang berbentuk seperti di bawah ini:
Gambar 5.1 Grafik GAP 5 untuk masing-masing atribut
Berdasarkan hasil perhitungan nilai servqual dengan menggunakan analisa GAP dapat diketahui bahwa dari 5 dimensi pelayanan jasa tersebut, nilai negatif dengan kesenjangan terbesar terdapat pada dimensi reliability yaitu sebesar -1.49 untuk nilai servqual tanpa bobot dan -0.0653 untuk nilai servqual terbobot. Kesenjangan yang bernilai negatif ini
-2 -1.5 -1 -0.5 0 1 3 5 7 9 11 13 15 17 19 Ni la i GA P 5 No. Atribut
8 menunjukkan bahwa harapan pelanggan tidak
terpenuhi.
Gambar 5.2 Grafik NST untuk masing-masing atribut Berdasarkan hasil perhitungan nilai servqual dengan menggunakan analisa GAP dapat diketahui bahwa dari 5 dimensi pelayanan jasa tersebut, nilai negatif dengan kesenjangan terbesar terdapat pada dimensi reliability yaitu sebesar -1.49 untuk nilai servqual tanpa bobot dan -0.0653 untuk nilai servqual terbobot. Kesenjangan yang bernilai negatif ini menunjukkan bahwa harapan pelanggan tidak terpenuhi.
Kesenjangan terjadi disebabkan karena pelanggan mempersepsikan pelayanan yang diterimanya lebih tinggi atau lebih rendah daripada yang diharapkannya. Semakin besar kesenjangan maka semakin besar juga perbedaan antara keinginan pelanggan dengan kualitas jasa yang mereka peroleh sebenarnya. Dengan demikian pelanggan dapat merasakan puas atau kecewa.
Hasil penelitian menunjukkan bahwa nilai total servqual terbobot yang bernilai negatif yaitu -.0799 menunjukkan bahwa Telkom Speedy sebagai penyedia jasa internet broadband belum memenuhi ekspektasi pengunjung terhadap dimensi kualitas jasa. 4.4 Analisa Harapan Persepsi
Untuk mengevaluasi kinerja pelayanan Telkom Speedy maka digunakan analisa diagram harapan persepsi seperti yang ditunjukkan pada gambar 4.1. Kuadran A menunjukkan area dengan tingkat harapan tinggi dan persepsi kinerja rendah. Terdapat tiga atribut yang berada di kuadran A, yaitu atribut
3, 5, dan 18. Atribut-atribut yang berada di kuadran A merupakan prioritas utama sehingga atribut 3, 5, dan 18 harus ditingkatkan kinerjanya.
Kuadran B menunjukkan menunjukkan kinerja pelayanan yang telah sesuai dengan harapan pelanggan. Terdapat lima atribut yang berada di kuadran B, yaitu atribut 1,14,16,17, dan 19.
Kuadran C menunjukkan area dengan tingkat harapan rendah dan kinerja yang juga rendah sehingga tidak diprioritaskan untuk dikembangkan. Terdapat lima atribut yang berada di kuadran C, yaitu atribut 6,10,11,15, dan 20.
Kuadran yang terakhir adalah kuadran D yang menunjukkan area dengan harapan rendah dan kinerja tinggi. Terdapat tujuh atribut yang berada di kuadran D, yaitu atribut 2,4,7,8,9,12, dan 13. Karena kinerja yang dilakukan tidak sebanding dengan harapan pelanggan maka sebaiknya sumber daya yang berlebihan pada atribut ini disalurkan ke atribut-atribut lain yang membutuhkan perhatian lebih dan dianggap penting oleh pelanggan Telkom Speedy.
4.5 Peningkatan kualitas jasa dengan metode
Quality Function Deployment (QFD)
QFD merupakan sebuah proses terstruktur untuk menentukan kebutuhan pelanggan dan menerjemahkannya ke dalam kebutuhan teknik yang sesuai ke dalam matrik HOQ.
4.6 Prioritas Pengembangan Parameter Teknik
Berdasarkan matrik HOQ yang telah dibuat, maka diperoleh prioritas pengembangan parameter teknik seperti pada tabel 4.22. Prioritas pertama terdiri dari dua parameter teknik dengan nilai yang sama, yaitu menyediakan kualitas kabel yang lebih baik serta melaksanakan perawatan perangkat internet secara rutin. Prioritas ketiga adalah memberikan informasi tentang perawatan peralatan internet pelanggan secara mandiri. Prioritas keempat adalah memperbaiki kinerja teknisi. Prioritas kelima adalah memberikan pelatihan kepada petugas customer care. Prioritas keenam adalah memberikan modem dengan kualitas lebih baik untuk pelanggan. -0.2 -0.15 -0.1 -0.05 0 1 3 5 7 9 11 13 15 17 19 Ni la i NS T No. Atribut
9 Gambar 5.3 Matrik HOQ Customer Requirement to Technical Requirement
5. Kesimpulan dan Saran 5.1 Kesimpulan
Kesimpulan yang dapat diambil dari penelitian ini adalah:
1. Pelanggan Telkom Speedy mempunyai tiga cluster pelanggan berdasarkan analisa profitabilitas pelanggan dan hanya 10% di antaranya jumlah pelanggan yang termasuk dalam cluster yang paling profitable dengan nilai CLV sebesar 0.354
2. Berdasarkan hasil perhitungan nilai GAP 5 dan NST yang negatif untuk semua atribut, maka pelayanan Telkom Speedy masih belum dapat memenuhi harapan pelanggan.
3.
Untuk melakukan peningkatan kualitas layanan kepada pelanggan maka beberapa hal yang dapat dilakukan sesuai prioritasnya antara lain: menyediakan kualitas kabel yang lebih baik untuk pelanggan, melaksanakan perawatan perangkat ADSL secara rutin, memberikan informasi cara merawat peralatan internet, , memperbaiki kinerja teknisi, memberikan pelatihan kepada petugas customer care dan memilih modem yang berkualitas.5.2 Saran
Pada penelitian berikutnya dapat dilakukan penelitian dengan menambah variabel selain
variabel recency, frequency, dan monetary pada penentuan nilai customer lifetime value.
6. Daftar Pustaka
Berger, PD. 1998, Customer lifetime value: Marketing models and applications, Journal of Interactive Marketing, Vol. 12, No. 1. Cohen, L. 1995, “Quality Function Deployment,
How to Make QFD Work for You”, Massachussetts: Addison
Daulay, A.M. 2006, Segmentasi Pasar Produk Mie Cepat Saji Menggunakan Fuzzy C-Means, Jurnal IPB
Khajvand, M, Zolfaghar, K, Ashoori, S , & Alizadeh, S. 2011, Estimating customer lifetime value based on RFM analysis of customer purchase behaviour, Procedia Computer Science, Vol. 3, pp. 57–6.
Kotler, P 2000, Marketing management, New York, Prentice Hall International,Inc. Lee, WI, Chang, CY, & Liu, YL. 2010,
Exploring customers’ store loyalty using the means-end chain approach, Journal of Retailing and Consumer Services
Lin, H., 2010, Fuzzy application in service quality analysis : An empirical study, Expert System with Applications, Vol. 37 , pp. 517-526.
Li, DC, Dai, WL, & Tseng, WT. 2011, A two-stage clustering method to analyze customer characteristics to build discriminative
10 customer management: A case of textile
manufacturing business, Expert Systems with Applications, Vol. 38, pp. 7186–7191 Mulhern, F. 1998, Customer profitability
analysis: measurement, concentration, and research directions, Journal of interactive marketing, Vol.13, No. 1.
Namkung, Y, Jang, S, & Choi, SK. 2010, Customer complaints in restaurants: Do they differ by service stages and loyalty levels?, International Journal of Hospitality Management
Ryals, L. 2008, Managing Customer Profitability, A John Wiley and Sons, Ltd, Publication, England
Shepard, D. 1990, The New Direct Marketing, Home-wood IL, Business One Irwin.
