analisis statistik terhadap pelanggan internet di...
TRANSCRIPT
ANALISIS STATISTIK TERHADAPPELANGGAN INTERNET DI WILAYAH
SURABAYA TIMUR DENGAN MENGGUNAKANREGRESI LOGISTIK BINER
SEMINAR HASILTUGAS AKHIR
Oleh:DENI DWI WIJAYANTO
(1309 100 079)
Dosen Pembimbing:Dra. Madu Ratna, M.Si
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
OUTLINE
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
• Latar Belakang• Perumusan Masalah• Tujuan Penelitian• Manfaat Penelitian• Batasan Masalah
PENDAHULUAN
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Pada 2010 rata-rata pengguna internet di Indonesia 30-35%
Pada 2011 rata-rata pengguna internet di Indonesia 40-45%
Pada 2011 pengguna internet di
Indonesia 55 juta orang
Pada 2011 rata-rata pengguna internet di Jatim 5 juta orangProvider
LainPT TELKOM
Latar Belakang
Globalisasi
Internet
PenggunaInternet
Penyedia Layanan
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
“Analisis Karakteristik Pengguna Komputer dengan Sambungan Internet pada Rumah Tangga di Jawa Timur.” (Meidyasari,2009).
“Pola Hubungan antara Faktor Sosial Ekonomi dengan Penggunaan Internet pada Rumah Tangga di Jawa Timur.”(Mahmudi, 2010)
PENELITIAN TERKAIT
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Perumusan Masalah
1• Bagaimana karakteristik pelanggan internet di wilayah
Surabaya Timur?
2
• Bagaimana pola hubungan antara pelanggan internet speedy atau pelanggan internet provider lainnya dengan faktor-faktor yang berpengaruh?
3
• Bagaimana tingkat kepuasan pengguna layanan akses internet terhadap dimensi kualitas produk internet yang mereka pakai?
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Manfaat Penelitian
• Menambah pengetahuan penerapan metode statistik yaitu regresi logistik biner dalam aplikasi di bidang telekomunikasi dan layanan internet.
• Sebagai bahan masukan terhadap perusahaan untuk meningkatkan layanan internet dan menjaga serta meningkatkan kualitas pelayanannya.
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Batasan MasalahBatasan masalah pada penelitian ini adalah data primer yang diperoleh dari survey langsung pengguna layanan internet di
wilayah Surabaya Timur. Variabel yang digunakan sebagai respon adalah pengguna layanan akses internet speedy dan pengguna
layanan akses internet dari provider lain.
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
II. TINJAUAN PUSTAKA
Statistik Deskriptif
Regresi Logistik Biner
Internet
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Uji Validitas & Reliabilitas
Analisis GAP
• Metode yang digunakan untuk mendeskripsikan data yang biasa dijelaskan dalam bentuk grafik,diagram,plot serta besaran lainnya.(walpole,1995)
Statistika Deskriptif
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
REGRESI LOGISTIK BINER
Regresi Logistik :Metode untuk mencari hubungan variabel responyang bersifat dikotomus atau polikotomusdengan satu atau lebih variabel prediktor.
Regresi Logistik Biner:• Variabel respon (nominal) berupa dua kategori
yaitu “sukses” atau “gagal”.• Variabel prediktor dapat berupa data dengan
skala ordinal ataupun skala rasio.• Pada regresi logistik dapat disusun model
multivariabel.
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
MODEL REGRESI LOGISTIK
Menggunakan transformasi logit :
Sehingga :
)...(
)...(
110
110
e1e)(
pp
pp
xx
xx
x βββ
βββ
π+++
+++
+=
))(exp(1))(exp()(xg
xgx+
=π
pp xxx
xxg βββπ
π+++=
−
= ...)(1
)(ln)( 110
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
PENGUJIAN PARAMETER Uji Parsial
Hipotesis :H0: βi = 0H1: βi ≠ 0 dengan i = 1, 2, 3,…, p
Statistik Uji : Uji Wald
Dengan
Tolak Ho Jika
)ˆ(
ˆW
i
i
SE ββ
=
[ ] 21
)ˆ()ˆ( jj VarSE ββ =
α/2ZW >
Seminar proposal Tugas Akhir Jurusan Statistika FMIPA ITS
PENGUJIAN PARAMETER Uji Serentak
Hipotesis :
H1 : paling sedikit ada satu βj ≠ 0, denganj = 1, 2,…, pStatistik Uji :
; ;
Tolak Ho jika
( )( )∑=
−−
−=n
1i
y1i
yi
n0
n1
ii
01
π̂1π̂
nn
nn
2lnG
∑=
=n
1ii1 yn ( )∑
=
−=n
1ii0 y1n 01 nnn +=
2,dbG αχ>
0...: 210 ==== jH βββ
PENGUJIAN KESESUAIAN MODELHipotesisH0: model sesuaiH1: model tidak sesuaiStatistik uji : Uji Chi-Square (Hosmer dan Lemeshowtest.)
= Pengamatan pada grup ke-k= Rata-rata taksiran peluang ( )
mj =Jumlah pengamatan dalam model kombinasi
oooo kategori dalam model ke j
= Banyak pengamatan pada grup ke-kg =Jumlah grup (kombinasi kategori dalamoooooooomodel serentak)Daerah penolakan: Tolak H0 jika
( )( )
2
1
'' 1
gk k k
k k k k
o nC
nπ
π π=
−=
−∑
kοkπ
kn'
)2,(2ˆ −> gC αχ
∑=
kC
j k
jj
nm
1 'π̂
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Analisis Faktor
Menurut Johnson dan Wichern (2002), analisis faktor adalah suatu teknik analisis yang digunakan untuk memahami apa yang mendasari dimensi-dimensi atau regularitas suatu gejala. Analisis faktor pada penelitian ini digunakan untuk mereduksi variabel dengan cara menyatakan variabel asal sebagai kombinasi linear sejumlah faktor sedemikian hingga, sejumlah faktor tersebut mampu menjelaskan sebesar mungkin keragaman data yang dijelaskan oleh variabel asal.
Dalam analisis faktor terdapat tiga langkah dan beberapa asumsi yang harus dipenuhi, yaitu uji normal multivariat, uji kecukupan data, dan uji Bartlett. Analisis faktor dapat dilakukan jika data berdistribusi normal multivariat, syarat kecukupannya dipenuhi yang dilakukan dengan uji Kaiser Meyer Oikin (KMO), dan korelasi antar variabel secara multivariat signifikan yang dilakukan dengan uji Bartlett.
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Analisis GAP
Kesenjangan dari persepsi dan harapan kepuasan pelanggan dapat di analisis dari dua dimensi, yaitu dari harapan-harapan atas sesuatu dan kenyataan-kenyataan yang diterima pelanggan karena hal-hal yang ditanyakan, sehingga bisa dibuat diagram kartesius.
INTERNET
Internet adalah jaringan besar yang saling berhubungan dari jaringan-jaringan komputer yang menghubungkan orang-orang dari komputer di seluruh dunia, melalui telepon, satelit, dan sistem-sistem komunikasi yang lain.
Internet dapat diakses melalui komputer dengan sejumlah persyaratan tertentu yaitu komputer yang digunakan adalah menggunakan sistem operasi tertentu (yang umumnya digunakan adalah program windows) dengan processor tipe tertentu, kemampuan memori komputer, serta dilengkapi dengan modem dan diperlukan koneksi pada ISP (Internet Service Provider) dengan cara berlangganan.
Penetrasi telekomunikasi di Indonesia tahun 2006 baru mencapai 4% untuk fix wireline, 2,6% untuk fix wireless, 28,6% untuk seluler, 11,4% untuk internet dan 0,2% untuk broadband
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
METODOLOGI PENELITIAN
Sumber Data
Variabel Penelitian
Analisis Data
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Sumber Data
data survey langsung di wilayah Surabaya Timur
DATAPRIMER
110 responden pengguna
layanan internet
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Variabel Penelitian
Variabel prediktor
Variabel respon
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Variabel Respon
Y = 0, untuk pengguna layanan akses internet dari provider lain
Y = 1, untuk pengguna layanan akses internet speedy
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Variabel PrediktorNo Jenis Variabel Keterangan Tipe Data
1 usia (X1)
< 20 tahun, 20 – 25 tahun, 26 – 35 tahun, 36 – 45 tahun, 46 – 55 tahun, dan > 55 tahun
Ordinal
2 jenis kelamin (X2) Laki-laki, Perempuan Nominal
3 pendidikan terakhir (X3)Tidak Sekolah, SD, SMP, SMA, dan D3/S1/S2/S3
Nominal
4 pekerjaan (X4)Pelajar, PNS, swasta, wiraswasta, pensiunan, dan ibu rumah tangga
Nominal
5 pengeluaran per bulan (X5)
< Rp 600.000,-, Rp 600.001,- - Rp 1.000.000,-, Rp 1.000.001,- - Rp 2.000.000,-, dan > Rp 2.000.000,-
Ordinal
6 sumber informasi (X6)
Informasi dari orang lain, papan reklame, media elektronik, media cetak, dan even promosi
Nominal
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
8 keseringan memakai dalam sehari (X8)
< 2kali, 2 - 4 kali, 4 - 6 kali, dan > 6 kali Ordinal
9 lama memakai dalam sehari (X9)
< 20 menit, 20 - 60 menit, 1 - 2 jam, dan > 2 jam
Ordinal
10 banyak pengakses (X10)1 orang, 2 - 3 orang, 4 - 5 orang, dan > 5 orang Ordinal
11 prioritas utama (X11)Belajar, browsing, bisnis, hobi, jejaring sosial, dan bekerja
Nominal
12kapasitas mengunduh/mengunggah data per hari (X12)
< 1 mb, 1 - 2 mb, 3 - 4 mb, dan > 4 mb Ordinal
13 tempat mengakses lainnya (X13)
Mobile, kantor, wifi spot, dan gadget Nominal
14 sering menemui masalah (X14)
Ya, tidak Nominal
7 lama berlangganan (X7)< 6 bulan, 6 -12 bulan, 1 -2 tahun, dan > 2 tahun Ordinal
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Variabel Dimensi Kualitas Produk
Variabel Pernyataan
Tangibels
stabilitas koneksi jaringan (P1)kecepatan dalam mengunggah data (P2)kecepatan dalam mengunduh data (P3)kemudahan dalam pemakaian sehari-hari (P4)tarif yang ditawarkan (P5)
Reliability
kualitas koneksi jika digunakan dalam waktu lama (P6)kualitas kecepatan data mengunggah data memori besar (P7)kualitas kecepatan data mengunduh data memori besar (P8)menampilkan layanan sesuai yang dijanjikan (P9)prosedur administrasi yang mudah (P10)
Responsiveness
kesediaan membantu konsumen (P11)memberikan layanan secara cepat, tepat, dan tanggap (P12)kemudahan melakukan pembayaran (P13)pemenuhan permintaan atau keluhan konsumen (P14)penjelasan secara rinci dan jelas tentang akses layanan (P15)
Assurance
selang waktu pembayaran yang cukup (P16)pemberian diskon (P17)ketepatan jumlah tagihan (P18)kemudahan meminta bukti tagihan (P19)
Emphaty
kemudahan dalam menyampaikan keluhan (P20)ketanggapan customer service terhadap keluhan pelanggan (P21)pemahaman kebutuhan konsumen (P22)keramahan customer service (P23)
Analisis Data
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
• Analisis statistik deskriptif.1
• Analisis regresi logistik biner2a. Melakukan uji dependensi terhadap semua variabel
b. Menentukan model regresi logistik univariat untuk setiap variabel prediktor dengan variabel respon
c. Melakukan uji signifikansi parameter dari setiap model regresi logistik univariat
d. Menentukan model regresi logistik berganda
e. Melakukan pengujian secara serentak terhadap model yang diperoleh.
f. Melakukan uji kesesuaian model (goodness of fit).
g. Menginterpretasikan model regresi logistik berganda dan odds ratio yang diperoleh.
• Analisis tingkat kepuasan pengguna layanan akses internet di wilayah Surabaya Timur menggunakan analisis gap dengan metode diagram kartesius. 3
Analisis dan Pembahasan
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Uji Validitas &
Reliabilitas
Statistik Deskriptif
Uji KMO dan Dependensi
Regresi Logistik Biner
Analisis GAP
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Hipotesis :H0 : Pernyataan tidak dapat mengukur aspek yang samaH1 : Pernyataan dapat mengukur aspek yang samaStatistik uji : nilai koefisien korelasi (rxy )
Uji Validitas
Variabel OpiniKorelasi
KesimpulanKenyataan Harapan
Tangibels
P1 0,872 0,871 ValidP2 0,848 0,854 ValidP3 0,849 0,797 ValidP4 0,801 0,832 ValidP5 0,718 0,785 Valid
Reliability
P6 0,863 0,870 ValidP7 0,838 0,814 ValidP8 0,872 0,840 ValidP9 0,825 0,833 ValidP10 0,584 0,778 Valid
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Variabel OpiniKorelasi
KesimpulanKenyataan Harapan
Respon-siveness
P11 0,835 0,848 ValidP12 0,854 0,827 ValidP13 0,667 0,656 ValidP14 0,797 0,807 ValidP15 0,736 0,854 Valid
Assurance
P16 0,702 0,791 ValidP17 0,688 0,864 ValidP18 0,750 0,889 ValidP19 0,756 0,889 Valid
Emphaty
P20 0,845 0,886 ValidP21 0,858 0,866 ValidP22 0,794 0,853 ValidP23 0,754 0,855 Valid
Daerah penolakan : Tolak H0 jika nilai rxy > rtabel , dengan derajat bebas n-2 = 110-2=108 (0,188)
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Uji Reliabilitas
Hipotesis :H0 : Alat ukur tidak reliabelH1 : Alat ukur reliabelStatistik uji : alpha cronbach ( > 0,6 )
AtributAlpha Cronbach
KesimpulanKenyataan Harapan
Tangibels 0,876 0,881 ReliabelReliability 0,858 0,885 Reliabel
Responsiveness 0,840 0,857 ReliabelAssurance 0,688 0,881 ReliabelEmphaty 0,828 0,885 Reliabel
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Statistik Deskriptif
5%
51%25%
8%10% 1% < 20 th
20 - 25 th
26 - 35 th
36 - 45 th
46 - 55 th
> 55 th
53%
47%
Laki-laki
Perempuan
1%1% 1%43%
54%
Tidak Sekolah
SD
SMP
SMA
D3/S1/S2/S3
37%
5%37%
16%0% 5%
Pelajar
PNS
Swasta
Wiraswasta
Pensiunan
Ibu Rumah Tangga
15%23%
25%
37% < 600rb
600rb - 1juta
1 - 2 juta
> 2 juta
Usia
Jenis Kelamin
Tingkat Pendidikan
Pengeluaran/ bulan
Pekerjaan
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Uji Kecukupan Data
Kaiser-Meyer-Olkin
Bartlett's Test of Sphericity
Approx. Chi-Square
df Sig.
.693 377.161 91 .000
KMO ≥ 0,5 P-Value ≤ 0,05
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
HipotesisH0 : tidak ada hubungan antara variabel prediktor dengan variabel responH1 : paling tidak ada 1 variabel prediktor yang tidak saling bebas(dependen) dengan variabel respon. (α = 0,05)
Uji Dependensi
Variabel df Chi-Square P-Valueusia (X1) 5 17,526 0,004*jenis kelamin (X2) 1 1,417 0,234pendidikan terakhir (X3) 4 15,791 0,003*pekerjaan (X4) 4 24,428 0,000*pengeluaran per bulan (X5) 3 18,249 0,000*sumber informasi (X6) 4 5,486 0,241lama berlangganan (X7) 3 6,569 0,087keseringan memakai dalam sehari (X8)
3 3,587 0,310
lama memakai dalam sehari (X9) 3 2,898 0,408banyak pengakses (X10) 3 26,674 0,000*prioritas utama (X11) 5 21,811 0,001*kapasitas mengunduh/mengunggah data per hari (X12)
3 20,813 0,000*
tempat mengakses lainnya (X13) 3 23,564 0,000*seringnya menemui masalah (X14) 1 8,142 0,004*
Signifikan pada α<0,05
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Pengujian Secara SerentakStep 5 Chi-square df Sig.Step -4.531 4 0,339Block 62.942 10 0,000Model 62.942 10 0,000*
Step 5 B df Sig,X10 3 0,002X10(1) -3,664 1 0,001*X10(2) -1,216 1 0,222X10(3) -,989 1 0,383X12 3 0,054X12(1) 1,890 1 0,034*X12(2) 1,709 1 0,031*X12(3) 0,183 1 0,825X13 -1,657 3 0,004X13(1) 0,655 1 0,057X13(2) -2,495 1 0,451X13(3) -1,038 1 0,004*X14(1) 2,865 1 0,083Constant 1 0,007
Variabel yang akan
diinterpretasikan
Variabel yang masuk dalam model
Regresi Logistik Biner
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Diperoleh persamaan transformasi logit sebagai berikut :
dan model regresi logistik binernya adalah :
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
iβ
iβ Pengujian Secara ParsialHipotesis :H0: βi = 0H1: βi ≠ 0 dengan i = 1, 2, 3,…, 14 ( α = 0,05 )
= 0H1:
Variabel Wald df Sig.X1 9,796 5 0,081X2 1,408 1 0,235X3X4X5X6X7X8X9X10X11X12X13X14
12,09021,60516,3724,8086,2133,485,693
22,93815,43617,10520,8477,854
443433335331
0,017*0,000*0,001*0,3080,1020,3230,875
0,000*0,009*0,001*0,000*0,005*
Signifikan pada α<0,05
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Uji Improvement
Hipotesis:H0 : model ringkas / tanpa variabel tertentu adalah model terbaikH1 : model lengkap / dengan variabel tertentu adalah model terbaik
Step -2 Log likelihood1 60,2362 67,5093 68,4604 74,3375 78,868
Parameter Odds RatioBanyak pengakses (1 orang) 0,026
Kapasitas data (< 1 mb) 6,623Kapasitas data (1 – 2 mb) 5,526
Tempat akses lain (wifi spot) 0,082
Interpretasi Model
Interpretasi terhadap koefisien parameter ini dilakukan untuk menentukan kecenderungan/hubungan fungsional antara variabel prediktor dengan variabel respon yang signifikan
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Responden yang mengunggah/mengunduh data kurang dari satu megabyte per hari cenderung memilih layanan speedy 6,623 kali lebih besar dibandingkan responden yang mengunggah/ mengunduh data lebih dari empat megabyteper hari.
Responden yang juga menggunakan akses internet di wifi spotcenderung memilih layanan speedy 0,082 kali dibandingkan dengan yang menggunakan akses internet melalui gadget
1
2
Peluang responden yang menggunakan layanan internet sendirian memilih speedy adalah 0,309 dan memilih provider lain 0,691. Peluang responden yang menggunakan layanan internet dengan 2 sampai 3 orang lainnya memilih speedy 0,838 dan memilih provider lain 0,162. Sehingga dapat disimpulkan bahwa, semakin banyak pengguna internet dalam satu rumah, responden cenderung memilih layanan speedy daripada layanan provider lain.
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Ketepatan Klasifikasi Model
Pengecekan ketepatan klasifikasi digunakan untuk melihat sejauh mana ketepatan model memetakan variabel respon apabila dibandingkan dengan pengelompokan yang sebenarnya.
PrediksiStep 5 Y Prosentase
Benarproviderlain speedy
Yprovider
lain 29 9 76,3 %
speedy 5 67 93,1 %Prosentase Keseluruhan 87,3 %
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Analisis Faktor
Analisis faktor digunakan untuk mereduksi variabel-variabel pengamatan secara keseluruhan yang terdapat pada dimensi kualitas produk untuk dijadikan beberapa dimensi atau variabel yang baru..
Faktor Eigenvalue %cumulative1 8.981 39.0462 2.764 51.0633 1.621 58.1124 1.333 63.9075 1.180 69.0386 .906 72.9767 .791 76.4168 .731 79.5969 .599 82.20210 .545 84.57311 .463 86.58712 .432 88.46513 .375 90.09414 .348 91.60915 .325 93.02216 .294 94.30017 .268 95.46418 .248 96.54119 .224 97.51620 .187 98.32921 .157 99.01322 .126 99.55923 .101 100.000
Nilai eigenvalue sudah > 1
Maka dapat direduksi menjadi 5 faktor baru yang saling independent.
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
F1 F2 F3 F4 F51 0.802* 0.061 0.336 -0.007 0.0072 0.804* 0.068 0.229 0.032 -0.0183 0.818* 0.077 0.251 0.115 -0.0334 0.558 0.103 0.567* -0.181 0.2035 0.422 -0.022 0.607* -0.122 0.1776 0.853* 0.137 0.068 0.136 0.0287 0.760* 0.282 -0.103 0.181 0.2438 0.824* 0.118 -0.045 0.230 0.1909 0.722* 0.180 0.155 0.251 0.007
10 0.256 0.090 0.707* 0.274 0.14611 0.381 0.563* 0.291 0.240 -0.33812 0.408 0.541* 0.355 0.251 -0.25913 -0.040 0.321 0.725* 0.233 -0.11214 0.412 0.572* 0.236 0.155 -0.10515 0.197 0.417 0.506* 0.191 -0.01216 0.029 0.293 0.532* 0.359 0.28717 0.171 0.201 0.245 0.161 0.748*18 0.163 0.075 0.215 0.796* 0.05319 0.235 0.168 0.100 0.800* 0.10020 0.065 0.788* 0.044 0.002 0.29921 0.292 0.797* 0.036 0.092 0.12922 0.189 0.636* 0.106 0.244 0.39823 -0.132 0.745* 0.201 -0.005 -0.023
Nilai maksimum dari loadingfaktor menyimpulkan bahwa setiap variabel utama dapat digolongkan ke dalam salah satu faktor yang baru tersebut.
Loading faktor
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Secara keseluruhan faktor 1 menjelaskan tentang kualitas koneksi dari layanan internet atau product performance dari layanan akses internet.
1
2 Secara keseluruhan faktor 2 dapat menjelaskan tentang kualitas pelayanan atau responsiveness customer servicedari perusahaan penyedia layanan internet.
Faktor 3 menjelaskan tentang cara pemakaian jasa layanan internet (administrasi), faktor 4 menjelaskan tentang prosedur pembayaran (billing) dalam menggunakan layanan akses internet, dan faktor 5 menjelaskan tentang pemberian diskon
3
Analisis GAP
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Konsep gap yang digunakan dalam permasalahan ini yaitu gap antara jasa yang dirasakan dan jasa yang diharapkan oleh para responden pengguna layanan akses internet. Variabel-variabel yang digunakan adalah variabel-variabel yang berada pada faktor 1 dan faktor 2.
5.65.45.25.04.84.64.44.24.0
6.45
6.40
6.35
6.30
6.25
Kenyataan
Har
apan
4.5
6.3185
14
13
12
11
10
9
8
76
5
4
3
2 1
III
IIIIV
Pengguna Speedy
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Pernyataan-pernyataan yang termasuk dalam kuadran I ini adalah ketanggapan customer service terhadap keluhan pelanggan, pemahaman kebutuhan konsumen, dan keramahan customer service.
Pernyataan-pernyataan yang termasuk dalam kuadran II adalah stabilitas koneksi jaringan, kecepatan dalam mengunggah data, dan kecepatan dalam mengunduh data.
1
2
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
4.64.54.44.34.24.14.03.93.83.7
6.5
6.4
6.3
6.2
6.1
6.0
Kenyataan
Har
apan
4.0921
6.2688
14
1312
11
109
8
7
6
54
3
21
III
IIIIV
Pengguna Provider lain
Pernyataan-pernyataan yang termasuk dalam kuadran I ini adalahstabilitas koneksi jaringan, kecepatan dalam mengunduh data, dankeramahan customer service.
Pernyataan-pernyataan yang termasuk dalam kuadran II adalahkecepatan dalam mengunggah data, kualitas kecepatan datamengunduh data memori besar, dan menampilkan layanan sesuai yangdijanjikan.
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
KESIMPULAN DAN
SARAN
Mayoritas, pengguna layanan akses internet berusia 20 sampai 25 tahun. Pengguna laki-laki sebesar 53 persen dan 47 persen lainnya adalah perempuan. Pengguna paling banyak adalah lulusan SMA dan D3/S1/S2/S3. Jenis pekerjaan dari responden kebanyakan adalah pelajar dan pegawai swasta. Kebanyakan, responden mengeluarkan uang lebih dari Rp 2.000.000,- per bulan
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
Faktor-faktor yang mempengaruhi adanya perbedaan dalam penggunaan layanan akses internet adalah responden yang memakai akses internet tersebut sendiri atau dengan orang lain dalam satu rumah, kapasitas mengunduh/mengunggah data setiap harinya, tempat responden menggunakan akses internet selain di rumah, dan seringnya responden menemui masalah dalam penggunaan sehari-hari.Peluang responden yang menggunakan layanan internet sendirian memilih speedy adalah 0,309 dan memilih provider lain 0,691. Peluang responden yang menggunakan layanan internet dengan 2 sampai 3 orang lainnya memilih speedy 0,838 dan memilih provider lain 0,162. Sehingga dapat disimpulkan bahwa, semakin banyak pengguna internet dalam satu rumah, responden cenderung memilih layanan speedy daripada layanan provider lain.
1
2
KESIMPULAN
Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS
3 Kelebihan menggunakan akses internet speedy seperti yang terlihat pada analisis gap adalah keramahan customer service yang juga merupakan kelebihan dari akses internet provider lain. Padahal yang paling diutamakan oleh pengguna layanan akses internet adalah faktor product performance, yang dua variabel diantaranya yaitu stabilitas koneksi jaringan dan kecepatan dalam mengunduh data merupakan kelebihan dari akses internet provider lain. Hal ini harus diperhatikan oleh perusahaan penyedia layanan akses speedy agar melakukan improvement pada variabel-variabel yang dianggap penting oleh pengguna layanan akses internet tersebut.
SARANBerdasarkan analisis dan pembahasan di atas, maka penulis menyarankan sebaiknya perusahaan penyedia layanan akses internet speedy meningkatkan kualitas dari pernyataan-pernyataan dimensi kualitas produk yang dianggap penting oleh responden agar diperoleh tingkat kepuasan yang tinggi terhadap layanan internet speedy.
DAFTAR PUSTAKA
Agresti, A. (1990). Categorical Data Analysis. John Wiley and Sons. New York.Anonim_1. (2009). Daftar Jumlah Pengguna Internet Dunia 1995-2008. http://Nusantaraku.htm
[Diakses pada tanggal 16 Januari 2013 pukul 21.37 WIB].Anonim_2.(2012): Pengertian /Internet. http://storage.jakstik.ac.id [Diakses pada tanggal 14
Januari 2013 pukul 19.46 WIB].Eangel. (1995). Harapan mengenai suatu produk atau jasa. www.hardipurba.com. (3 Mei
2013, 10.23 WIB).Hosmer, D. W. and Lemeshow, S. (2000). Applied Logistic Regression. John Wiley and Sons, Inc.
USA.Johnson, N. And Wichern, D. (2002). Applied Multivariate Statistical Analysis, 5th Edition. New
Jersey: Prentice Hall, Englewood Cliffs.Karimuddin, A. (2011): Survei MarkPlus Insigt:Pengguna Internet di Indonesia 55 juta.
http://www.lintasberita.com/. [Diakses tanggal 15 Februari 2013 pukul 19.50 WIB]. Kotler, P. (1991). Marketing Management : Analysis, Planning, Implementation & Control. Prentice
Hall International Edition.Mahmudi, Y. (2010): Pola Hubungan antara Faktor Sosial Ekonomi dengan Penggunaan Internet
pada Rumah Tangga di Jawa Timur. Tugas Akhir Jurusan Statistika ITS, Surabaya.
Seminar proposal Tugas Akhir Jurusan Statistika FMIPA ITS
Meidyasari, W.S. (2009): Analisa Karakteristik Pengguna Komputer dengan Sambungan Internet pada Rumah Tangga di Jawa Timur. Tugas Akhir Jurusan Statistika ITS, Surabaya.
Malhotra, N. K. (2006). Riset Pemasaran. PT Indeks Kelompok Gramedia. Jakarta.Parasuraman, A. Zeithaml, V.A.. and Berry, L.L. (1988). SERVQUAL A Multiple item scale for
measuring consumer perceptions of service quality. New York.Soelasih.(2004). Uji Kesenjangan menggunakan diagram kartesius . www.hardipurba.com.(12 Mei
2013, 09.10 WIB).Susilawati, R (2012): Pengguna Internet Melonjak Tajam. http://www.beritajatim.com/. [Diakses
tanggal 22 Januari 2013 pukul 20.00 WIB].Swastika A.DN. S.Si., 2008. Pengertian dan Definisi ICT. http://www.andi.stk31.com/. [Diakses
tanggal 23 Januari 2013 pukul 20.42]Tjiptono,H.(1997). Konsep Kepuasan Konsumen. www.hardipurba.com (12 Mei 2013, 09.10 WIB)Walpole, R. (1995). Ilmu Peluang Statistika Untuk Insinyur dan Ilmuan. Bandung: ITB.
Seminar proposal Tugas Akhir Jurusan Statistika FMIPA ITS
Terima Kasih
Seminar Proposal Tugas Akhir Jurusan Statistika FMIPA ITS