1
Analisis Statistik Terhadap Pelanggan Internet Di Wilayah Surabaya Timur Dengan Menggunakan Regresi Logistik Biner 1
Deni Dwi Wijayanto dan 2Madu Ratna Jurusan Statistika, FMIPA, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111 1 E-mail:
[email protected],
[email protected] Abstrak-- Perkembangan ilmu pengetahuan dan teknologi meningkat sangat pesat di berbagai bidang, salah satunya adalah perkembangan teknologi internet. Oleh karena itu, penyedia layanan internet berusaha memberikan layanan akses internet dengan sebaik-baiknya terhadap pelanggan yang merupakan instrumen utama dalam semua bidang usaha. Pelanggan mempunyai peranan penting dalam mengukur kepuasan terhadap produk dan pelayanan di semua bidang usaha. Setiap pelanggan memiliki karakteristik yang bervariasi, pihak penyedia layanan internet harus mengetahui terlebih dahulu karakteristik pelanggan layanan akses internet dan faktor-faktor yang mempengaruhi kepuasan pelanggan tersebut. Berdasarkan analisis regresi logistik biner diketahui bahwa faktor banyaknya pengakses internet, kapasitas mengunduh/ mengunggah data, tempat menggunakan akses internet, dan seringnya menemui masalah memberi pengaruh terhadap pilihan pelanggan dalam menentukan akses internet yang mereka pakai. Sedangkan, pada analisis gap antara harapan pelanggan dengan persepsi yang dirasakan, yang menjadi prioritas utama yaitu ketanggapan customer service terhadap keluhan pelanggan, pemahaman kebutuhan konsumen, dan keramahan customer service, sehingga penyedia layanan akses internet harus memberikan perhatian lebih pada faktor-faktor ini.. Kata kunci : kepuasan pelanggan, regresi logistik biner, analisis gap
I. PENDAHULUAN
S
aat ini perkembangan ilmu pengetahuan dan teknologi di Indonesia sangat pesat di berbagai bidang, hal itu disebabkan seiringnya berkembangnya globalisasi di dunia. Salah satu dampak globalisasi adalah kebutuhan masyarakat menjadi beraneka ragam, oleh sebab itu setiap instansi pemerintah maupun swasta harusnya dapat meningkatkan kinerja dan kreatifitas dalam memenuhi kebutuhan masyarakat yang seringkali terjadi persaingan di berbagai bidang usaha serta semakin ketatnya daya kompetisi. Oleh karena itu, Indonesia harus siap menghadapi persaingan yang salah satunya adalah perkembangan teknologi yaitu internet. Internet adalah suatu teknologi informasi yang sangat menarik untuk dijelajahi. Dengan segala kelebihannya, internet telah menarik perhatian masyarakat terutama di Indonesia untuk dapat memanfaatkan dan menikmatinya. Di Indonesia, pertumbuhan penggunaan internet terus meningkat. Cenderung terlihat bahwa masyarakat Indonesia pada masa kini memiliki rasa ingin tahu terhadap teknologi. Gaya hidup masyarakat semakin digitalize dan mobile, terbukti dari peningkatan trafik layanan internet yang digunakan [1]. Peningkatan pelanggan Internet di Indonesia, naik sebesar 45,2% di tahun 2001 dari jumlah 400.000 orang pada tahun 2000 [2]. Kemudian, jika di tahun 2010 rata-rata penggunaan internet di Indonesia masih 30 sampai 35
persen, pada tahun 2011 angkanya sudah dikisaran 40 sampai 45 persen. Dalam survei terbaru yang dilakukan oleh MarkPlus Insight, pengguna internet di Indonesia di tahun 2011 mencapai 55 juta orang [3]. Di Jawa Timur penggunaan internet juga semakin bertambah. Data PT Telkom Divre V Jawa Timur menyebutkan, jumlah pengguna internet di Jawa Timur saat ini mencapai 5 juta orang atau sebesar 20 persen dari total 25 juta pengguna layanan akses internet di seluruh Indonesia. Di Surabaya, terdapat pengguna layanan internet dari PT Telkom Divre V Jawa Timur yaitu telkom speedy dan pengguna yang menggunakan modem dengan akses internet dari provider lain. Penelitian ini dimaksudkan untuk mengetahui faktor-faktor apa saja yang membuat pelanggan internet memilih layanan internet speedy atau memilih layanan internet dari provider lain. Metode statistika yang digunakan untuk mencapai tujuan penelitian ini adalah analisis regresi logistik biner. Nantinya, akan diketahui variabel-variabel yang berpengaruh terhadap pelanggan internet yang menggunakan speedy atau provider lain. II. TINJAUAN PUSTAKA A. Statistik Deskriptif Statistika deskriptif adalah suatu metode yang biasa digunakan untuk mendeskripsikan data meliputi pengumpulan, pengorganisasian dan penyajian data dengan menggunakan ukuran pemusatan, ukuran keragaman, ukuran bentuk, dan ukuran relatif sehingga dapat memberikan informasi yang jelas serta mudah dimengerti. Penyajian data secara deskriptif dapat dijelaskan dalam bentuk tabel, grafik, diagram, plot, serta besaran lainnya [4]. B. Regresi Logistik Biner Regresi logistik biner merupakan suatu metode biasa digunakan untuk mencari hubungan variabel respon yang bersifat dikotomus (berskala nominal atau ordinal dengan dua kategori ) atau polikotomus (mempunyai skala nominal atau ordinal dengan lebih dari dua kategori) dengan satu atau lebih variabel prediktor. Sedangkan variabel respon bersifat kontinyu atau kategorik [5]. Model regresi logistiknya adalah sebagai berikut :
π ( x) =
e
( β 0 + β1 x1 +...+ β p x p )
1+ e
( β 0 + β1 x1 +...+ β p x p )
(1)
dan model transformasi logit yaitu sebagai berikut : π ( x) = β 0 + β 1 x1 + ... + β p x p (2) g ( x) = ln 1 − π ( x) Penaksiran parameter dalam model regresi logistik terdiri dari uji serentak kemudian dilanjutkan dengan uji parsial. Setelah estimasi model regresi logistik diperoleh,
2
selanjutnya menguji seberapa besar keefektifan model dalam menjelaskan variabel respon, hal demikian disebut sebagai goodness-of-fit (kesesuaian model) [6]. Uji improvement digunakan untuk mengetahui apakah model tanpa variabel tidak signifikan adalah model terbaik Kemudian dilanjutkan dengan odds rasio yang merupakan ukuran asosiasi yang dapat diartikan secara luas, terutama dalam epidemiologi. C. Uji Validitas dan Reliabilitas Validitas menunjukkan sejauh mana skor atau nilai atau ukuran yang diperoleh benar-benar menyatakan hasil pengukuran atau pengamatan yang ingin diukur. Semakin tinggi suatu validitas variabel, maka tes tersebut akan mengenai sasarannya (valid). Berikut rumus yang dipakai: n(∑i =1 X i Yi ) − (∑i =1 X i )(∑i =1 Y i ) n
rxy =
[n∑
n i =1
n
][
n
X i − (∑i =1 X i ) 2 n∑i =1 Y i (∑i =1 Y i ) 2 2
n
n
2
n
]
(5)
Reliabilitas merupakan indeks yang menunjukkan sejauh mana suatu alat pengukur dapat dipercaya atau dapat diandalkan. Statistik uji yang digunakan adalah: k 2 k ∑b =1σ b 1 − σi2 k −1
α =
(6)
jika alat pengukur dipakai dua kali untuk mengukur gejala yang sama dan hasil pengukuran yang diperoleh relatif konsisten, maka alat pengukur tersebut dikatakan reliable. D. Konsep Gap Konsep gap digambarkan dalam lima point, yaitu gap 1 antara harapan konsumen dengan persepsi manajemen, gap 2 antara persepsi manajemen terhadap harapan konsumen dan spesifikasi kualitas jasa, gap 3 antara spesifikasi kualitas dan penyampaian jasa, gap 4 antara penyampaian jasa dan komunikasi eksternal, gap 5 antara jasa yang dirasakan dan jasa yang diharapkan [7] Kesenjangan persepsi dan harapan pelanggan dapat dianalisa dengan diagram kartesius seperti Gambar 1 berikut ini.
F. 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 dibentuk oleh jutaan komputer yang terhubung dari seluruh dunia, memberi jalan bagi informasi untuk dapat dikirim dan dinikmati bersama [9]. III. METODOLOGI PENELITIAN A. Sumber Data dan Variabel Penelitian Data yang digunakan dalam penelitian ini adalah data primer. Data tersebut diperoleh melalui survey langsung terhadap pengguna layanan akses internet speedy atau pengguna layanan akses internet provider lainnya di wilayah Surabaya Timur. Teknik pengambilan sampel adalah dengan sampling acak sistematik yang berdasar pada proporsi pengguna layanan akses internet seperti di bawah ini. 𝑛𝑛 =
=
1,962 × 0,7 × 0,3 = 109,58 ≈ 110 0,08582
B. Variabel Penelitian Variabel respon yang menjadi bahan penelitian adalah jenis pelanggan dengan kategori sebagai berikut : Y = 0, pengguna layanan internet provider lain Y = 1, pengguna layanan internet speedy Kemudian untuk variabel prediktor, yang digunakan adalah. No
1
2
4
Gambar 1. Diagram kartesius
E. Analisis Faktor Analisis faktor adalah suatu teknik analisis yang digunakan untuk memahami apa yang mendasari dimensidimensi 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 [8].
2 𝑑𝑑2
Dari hasil perhitungan tersebut, survey yang akan dilakukan yaitu minimal 110 responden pengguna layanan akses internet di wilayah Surabaya Timur dengan proporsi pengguna speedy 0,7 dan pengguna akses provider lain 0,3.
3
Setiap kuadran memberikan penjelasan yang berbeda, dilihat dari tingkat kepuasan dan harapan dari pelanggan.
𝑍𝑍𝛼𝛼2� 𝑝𝑝𝑝𝑝
5
6
7 8 9
Tabel 1. Variabel Prediktor Keterangan < 20 tahun, 20 – 25 tahun, 26 – 35 tahun, 36 – 45 tahun, 46 – usia (X1) 55 tahun, dan > 55 tahun jenis kelamin (X2) Laki-laki, Perempuan Tidak Sekolah, SD, pendidikan terakhir (X3) SMP, SMA, dan D3/S1/S2/S3 Pelajar, PNS, swasta, wiraswasta, pekerjaan (X4) pensiunan, dan ibu rumah tangga < Rp 600.000,-, Rp 600.001,- - Rp 1.000.000,-, Rp pengeluaran per bulan 1.000.001,- - Rp (X5) 2.000.000,-, dan > Rp 2.000.000,Informasi dari orang lain, papan reklame, media elektronik, sumber informasi (X6) media cetak, dan even promosi < 6 bulan, 6 -12 lama berlangganan (X7) bulan, 1 - 2 tahun, dan > 2 tahun keseringan memakai < 2kali, 2 - 4 kali, 4 dalam sehari (X8) 6 kali, dan > 6 kali < 20 menit, 20 - 60 lama memakai dalam menit, 1 - 2 jam, dan sehari (X9) > 2 jam Jenis Variabel
Tipe Data
Ordinal
Nominal Nominal
Nominal
Ordinal
Nominal
Ordinal Ordinal Ordinal
3
10
banyak pengakses (X10)
11
prioritas utama (X11)
12 13 14
kapasitas mengunduh/mengunggah data per hari (X12) tempat mengakses lainnya (X13) sering menemui masalah (X14)
1 orang, 2 - 3 orang, 4 - 5 orang, dan > 5 orang Belajar, browsing, bisnis, hobi, jejaring sosial, dan bekerja
Ordinal
Nominal
< 1 mb, 1 - 2 mb, 3 4 mb, dan > 4 mb
Ordinal
Mobile, kantor, wifi spot, dan gadget
Nominal
Ya, tidak
Nominal
Sedangkan untuk variabel dimensi kualitas produk yang dipakai adalah Tabel 2. Variabel Dimensi Kualitas Produk Pernyataan stabilitas koneksi jaringan (P1) kecepatan dalam mengunggah data (P2) Tangibels kecepatan dalam mengunduh data (P3) kemudahan dalam pemakaian sehari-hari (P4) tarif yang ditawarkan (P5) kualitas koneksi jika digunakan dalam waktu lama (P6) kualitas kecepatan data mengunggah data memori besar (P7) kualitas kecepatan data mengunduh data memori besar (P8) Reliability menampilkan layanan sesuai yang dijanjikan (P9) prosedur administrasi yang mudah (P10) kesediaan membantu konsumen (P11) memberikan layanan secara cepat, tepat, dan tanggap (P12) Responsivekemudahan melakukan pembayaran (P13) ness pemenuhan permintaan atau keluhan konsumen (P14) penjelasan secara rinci dan jelas tentang akses layanan (P15) selang waktu pembayaran yang cukup (P16) pemberian diskon (P17) Assurance ketepatan jumlah tagihan (P18) kemudahan meminta bukti tagihan (P19) kemudahan dalam menyampaikan keluhan (P20) ketanggapan customer service terhadap keluhan pelanggan (P21) Emphaty pemahaman kebutuhan konsumen (P22) keramahan customer service (P23) Variabel
C. Langkah Analisis Langkah-langkah yang akan dilakukan dalam menganalisis data tersebut adalah melakukan uji validitas dan reliabilitas untuk mengetahui tingkat kevalidan dan kereliabilitasan data hasil survey, kemudian untuk mengetahui karakteristik pengguna akses layanan internet di wilayah Surabaya Timur dilakukan analisis deskriptif. Selanjutnya untuk mengetahui pola hubungan antara pengguna layanan akses internet speedy atau provider lain dengan faktor-faktor yang berpengaruh dilakukan analisis regresi logistik biner. Sedangkan untuk mengetahui tingkat kepuasan pengguna layanan akses internet di wilayah Surabaya Timur digunakan analisis gap dengan metode diagram kartesius. IV. HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Statistika deskiptif digunakan untuk mendeskripsikan data dari karakteristik individu sehingga dapat memberikan informasi yang jelas serta mudah dimengerti. Data yang digunakan sebanyak 110 responden pengguna layanan akses internet di wilayah Surabaya Timur.
Gambar 2. Analisis statistik deskriptif pengguna layanan akses internet di wilayah Surabaya Timur
Karakteristik dari responden pengguna layanan internet di wilayah Surabaya Timur adalah responden paling banyak berusia antara 20 sampai 25 tahun yaitu sebesar 51 persen dari total responden. 53 persen responden adalah laki-laki dan 47 persen lainnya adalah permpuan. Responden yang merupakan lulusan D3/S1/S2/S3 sebanyak 54 persen dan lulusan SMA sebesar 43 persen. Jenis Pekerjaan yang paling banyak dari responden pengguna layanan akses internet adalah pelajar dan pekerja swasta yaitu masing-masing sebesar 37 persen. Responden dengan pengeluaran lebih dari Rp 2.000.000,- per bulan sebesar 37 persen dari total responden yang disurvey. B. Pengujian Data Uji kecukupan data diperlukan untuk mengetahui apakah data yang diperoleh sudah cukup memenuhi asumsi yang digunakan. Pengujian kecukupan data akan menggunakan uji Kaiser Meyer Olkin(KMO). Nilai KMO adalah sebesar 0,693 sudah cukup memenuhi asumsi untuk dilakukan analisis lebih lanjut karena nilai KMO ≥ 0,5. Kemudian dilanjutkan dengan uji Independensi, uji ini digunakan untuk mengetahui variabel prediktor mana saja yang berpengaruh terhadap variabel respon, dimana variabel-variabel prediktor yang diuji bersifat kategorik. Tabel 3. Uji Dependensi df Chi-Square usia (X1) 5 17,526 jenis kelamin (X2) 1 1,417 pendidikan terakhir (X3) 4 15,791 pekerjaan (X4) 4 24,428 pengeluaran per bulan (X5) 3 18,249 sumber informasi (X6) 4 5,486 lama berlangganan (X7) 3 6,569 keseringan memakai dalam sehari (X8) 3 3,587 lama memakai dalam sehari (X9) 3 2,898 banyak pengakses (X10) 3 26,674 prioritas utama (X11) 5 21,811 kapasitas mengunduh/mengunggah 3 20,813 data per hari (X12) tempat mengakses lainnya (X13) 3 23,564 seringnya menemui masalah (X14) 1 8,142 *) Signifikan untuk α = 5% Variabel
P-Value 0,004* 0,234 0,003* 0,000* 0,000* 0,241 0,087 0,310 0,408 0,000* 0,001* 0,000* 0,000* 0,004*
4
Berdasarkan nilai statistik uji chi-square pada tabel di atas tampak bahwa beberapa variabel tidak saling bebas terhadap variabel respon karena nilai p-value kurang dari α=0,05, sehingga dapat dilanjutkan ke analisis regresi logistik biner. C. Regresi Logistik Biner 1. Pengujian Secara Serentak Uji serentak dilakukan untuk mengetahui signifikansi parameter dari β terhadap variabel respon secara bersamasama(serentak). Berdasarkan pemilihan model terbaik menggunakan eliminasi backward diperoleh model terbaik pada iterasi kelima. Tabel 4. Uji Signifikansi secara Serentak Step 5 Step Block Model
Chi-square
df
Sig.
-4.531 62.942 62.942
4 10 10
0,339 0,000 0,000*
Nilai uji χ sebesar 62,942 > χ tabel = 3,841 atau pvalue 0.000 < 0,05, maka dapat disimpulkan variabel yang masuk ke dalam model sudah signifikan atau model yang terbentuk adalah model terbaik atau layak. 2
2
Tabel 5. Variabel yang Masuk Dalam Model Step 5 B df Sig, X10 3 0,002 X10(1) -3,664 1 0,001* X10(2) -1,216 1 0,222 X10(3) -,989 1 0,383 X12 3 0,054 X12(1) 1,890 1 0,034* X12(2) 1,709 1 0,031* X12(3) 0,183 1 0,825 X13 -1,657 3 0,004 X13(1) 0,655 1 0,057 X13(2) -2,495 1 0,451 X13(3) -1,038 1 0,004* X14(1) 2,865 1 0,083 Constant 1 0,007 *) Signifikan untuk α = 5%
Berdasarkan hasil estimasi parameter pada iterasi kelima diperoleh persamaan transformasi logit adalah sebagai berikut. g(x)= 2,865-3,664X10(1) -1,216X10(2) -0,989X10(3) +1,890X12(1) + 1,709X12(2) +0,183X12(3) -1,657X13(1) +0,655X13(2) 2,495X13(3) -1,038X14(1)
sehingga didapatkan model regresi logistik biner yang terbaik adalah sebagai berikut.
𝜋𝜋(𝑥𝑥) =
𝑒𝑒
(2,865-3,664X 10(1) -1,216X 10(2)-0,989X 10(3) +1,890X 12(1) + 1,709X 12(2) +0,183X 12(3)-1,657X 13(1) +0,655X 13(2) 2,495X 13(3) -1,038X 14(1))
1 + 𝑒𝑒
(2,865-3,664X 10(1) -1,216X 10(2) -0,989X 10(3) +1,890X 12(1)+ 1,709X 12(2) +0,183X 12(3) -1,657X 13(1) +0,655X 13(2)2,495X 13(3) -1,038X 14(1) )
2. Pengujian Secara Parsial Pembentukan model regresi logistik dengan satu variabel prediktor atau univariat bertujuan untuk mengetahui variabel prediktor mana yang berpengaruh signifikan secara individu terhadap variabel respon.
Tabel 6. Uji signifikansi secara parsial Variabel Wald df Sig. X10 22,938 3 0,000* X12 17,105 3 0,001* X13 20,847 3 0,000* X14 7,854 1 0,005* *) Signifikan untuk α = 5%
Tabel 4.8 menunjukkan bahwa tiap-tiap variabel yang telah masuk dalam model mempunyai pengaruh yang signifikan secara individu terhadap penggunaan layanan akses internet yang dipakai karena nilai │W│ > 1,96 dan nilai p-value < α. Variabel tersebut adalah banyak pengakses (X10), kapasitas mengunduh/ mengunggah data per hari (X12), tempat mengakses lainnya (X13), dan seringnya menemui masalah (X14). 3. Uji Improvement Pengujian improvement dilakukan untuk melihat apakah setiap eliminasi variabel pada model menghasilkan model yang lebih baik. Tabel 7. Uji Improvement Step -2 Log likelihood 1 60,236 2 67,509 3 68,460 4 74,337 5 78,868
Berdasarkan hasil pengujian pada Tabel 4.12 dapat dilihat nilai -2 loglikelihood rasio terus naik hingga step kelima, maka dapat disimpulkan bahwa step tersebut merupakan step yang menghasilkan model terbaik. 4. Interpretasi Model Interpretasi terhadap koefisien parameter ini dilakukan untuk mengetahui seberapa besar faktor-faktor tersebut memiliki pengaruh terhadap tingkat kepuasan pengguna layanan akses internet. Tabel 8. Nilai Odds Ratio Parameter Odds Ratio X10(1) 0,026 X12(1) 6,623 X12(2) 5,526 X13(3) 0,082
Berdasarkan nilai Odds-Ratio maka dapat diinterpretasikan bahwa 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 megabyte per hari. Responden yang mengunggah/mengunduh data satu sampai dua megabyte per hari cenderung memilih layanan speedy 5,526 kali lebih besar dibandingkan responden yang mengunggah/ mengunduh data lebih dari empat megabyte per 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. Semakin banyak pengguna internet dalam satu rumah, responden cenderung memilih layanan speedy daripada layanan provider lain. Dilihat dari sisi pengeluaran, dengan
5
menggunakan internet secara bersama-sama biaya yang dikeluarkan lebih murah karena ditanggung oleh banyak orang yang ikut menggunakan akses internet speedy tersebut dalam satu rumah dibandingkan menggunakan akses internet provider lain secara sendiri-sendiri. 5. Ketepatan Klasifikasi Model Pengecekan ketepatan klasifikasi digunakan untuk melihat sejauh mana ketepatan model memetakan variabel respon apabila dibandingkan dengan pengelompokan yang sebenarnya. Tabel 9. Ketepatan Klasifikasi Prediksi Step 5 Y Prosentase provider Benar speedy lain provider 29 9 76,3 % Y lain 5 67 93,1 % speedy Prosentase 87,3 % Keseluruhan
Dari 110 responden pengguna layanan akses internet, sebanyak 96 responden diprediksikan pengguna layanan akses internet benar (hasil prediksi sesuai) dan 14 responden yang diprediksikan sebagai pengguna layanan internet yang salah (missclassification). Secara keseluruhan, 87,3 persen data observasi dapat diprediksi secara tepat oleh model hasil estimasi. D. Analisis Faktor Berdasarkan hasil analisis faktor variabel-variabel dimensi kualitas produk, didapatkan nilai eigenvalue dan % cummulative seperti pada tabel di bawah ini. Faktor 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Tabel 10. Eigenvalue Eigenvalue %cumulative 8.981 39.046 2.764 51.063 1.621 58.112 1.333 63.907 1.180 69.038 .906 72.976 .791 76.416 .731 79.596 .599 82.202 .545 84.573 .463 86.587 .432 88.465 .375 90.094 .348 91.609 .325 93.022 .294 94.300 .268 95.464 .248 96.541 .224 97.516 .187 98.329 .157 99.013 .126 99.559 .101 100.000
Dilihat dari nilai eigenvalue dapat diketahui bahwa 23 variabel tersebut dapat direduksi menjadi 5 faktor baru yang saling independent. Total varians yang bisa dijelaskan oleh 5 faktor tersebut mencapai 69,038% baik ketika tanpa rotasi maupun ketika menggunakan rotasi Varimax.
Tabel 11. Loading Factor F1 F2 F3 1 0.802* 0.061 0.336 2 0.804* 0.068 0.229 3 0.818* 0.077 0.251 4 0.558 0.103 0.567* 5 0.422 -0.022 0.607* 6 0.853* 0.137 0.068 7 0.760* 0.282 -0.103 8 0.824* 0.118 -0.045 9 0.722* 0.180 0.155 10 0.256 0.090 0.707* 11 0.381 0.563* 0.291 12 0.408 0.541* 0.355 13 -0.040 0.321 0.725* 14 0.412 0.572* 0.236 15 0.197 0.417 0.506* 16 0.029 0.293 0.532* 17 0.171 0.201 0.245 18 0.163 0.075 0.215 19 0.235 0.168 0.100 20 0.065 0.788* 0.044 21 0.292 0.797* 0.036 22 0.189 0.636* 0.106 23 -0.132 0.745* 0.201 *) Faktor score tertinggi tiap variabel
F4 -0.007 0.032 0.115 -0.181 -0.122 0.136 0.181 0.230 0.251 0.274 0.240 0.251 0.233 0.155 0.191 0.359 0.161 0.796* 0.800* 0.002 0.092 0.244 -0.005
F5 0.007 -0.018 -0.033 0.203 0.177 0.028 0.243 0.190 0.007 0.146 -0.338 -0.259 -0.112 -0.105 -0.012 0.287 0.748* 0.053 0.100 0.299 0.129 0.398 -0.023
Tabel 11 menunjukkan nilai loading factor untuk masing-masing variabel. Nilai terbesar dari loading factor menunjukkan besar kontribusi dari setiap variabel terhadap masing-masing faktor. Pada faktor 1 yang memiliki 7 variabel yaitu variabel 1, 2, 3, 6, 7, 8, dan 9, maka dapat diambil kesimpulan bahwa faktor 1 menjelaskan tentang kualitas koneksi dari layanan internet (product performance). Variabel pada faktor ini harus lebih ditingkatkan agar diperoleh persepsi tingkat kepuasan yang tinggi (sama) oleh para pengguna layanan akses internet. Faktor 2 dengan 7 variabel di dalamnya yaitu variabel 11, 12, 14, 20, 21, 22, dan 23, maka secara keseluruhan faktor 2 dapat menjelaskan tentang kualitas pelayanan (responsiveness customer service). Faktor 3 dapat menjelaskan sebanyak 6 variabel, yaitu variabel 4, 5, 10, 13, 15, dan 16 yang di dalamnya dapat menjelaskan tentang cara pemakaian jasa layanan internet (administrasi). Pada faktor 4 hanya dapat menjelaskan 2 variabel, yaitu variabel 18 dan 19 dimana kedua variabel tersebut dapat menjelaskan tentang prosedur pembayaran (billing) dalam menggunakan layanan akses internet. Kemudian yang terakhir adalah faktor 5 yang di dalamnya hanya terdapat 1 variabel, yaitu variabel 17 yang dapat menjelaskan tentang pemberian diskon kepada para pelanggan yang menggunakan layanan akses internet. E. Analisis GAP 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 yang digunakan adalah variabel yang terdapat pada faktor 1 dan faktor 2, karena kedua faktor tersebut sudah cukup menerangkan 51,063 persen dari total varians yang terbentuk setelah direduksi. Gambar 3 menunjukkan bahwa gap antara jasa yang dirasakan dan jasa yang diharapkan oleh responden pengguna layanan akses internet speedy tersebar ke semua kuadran.
6
4.5
6.45
14
3
6.40
II
I
13
Harapan
12 2
6.35
1
5
6.3185
9
6.30
10 6
IV
III
7 8
6.25
11
4
4.0
4.2
4.4
4.6
4.8 5.0 Kenyataan
5.2
5.4
5.6
Gambar 4.11 Diagram kartesius analisis gap pengguna speedy
Pada kuadran I ini, dilihat dari kepentingannya, responden pengguna layanan akses internet speedy memberikan harapan yang tinggi pada penyedia layanan akses internet. Dan dilihat dari kenyataannya, responden merasakan tingkat kepuasan yang tinggi juga. Pernyataanpernyataan tentang dimensi kualitas yang berada pada posisi ini sebaiknya dipertahankan oleh penyedia layanan akses internet. Adapun pernyataan-pernyataan yang termasuk dalam kuadran I ini adalah ketanggapan customer service terhadap keluhan pelanggan, pemahaman kebutuhan konsumen, dan keramahan customer service. Pada kuadran II ini, dilihat dari kepentingannya, responden pengguna layanan akses internet speedy memberikan harapan yang tinggi pada penyedia layanan, tetapi jika dilihat dari kenyataannya, responden merasakan tingkat kepuasan yang masih rendah. Disini penyedia layanan internet diharuskan memperhatikan dan memenuhi pernyataan-pernyataan pada kuadran ini agar kepuasan pelanggan dapat diraih. Adapun pernyataan-pernyataan yang termasuk dalam kuadran II adalah stabilitas koneksi jaringan, kecepatan dalam mengunggah data, dan kecepatan dalam mengunduh data. 4.0921
6.5
3 6
II
6.4
I
1
14
2
Harapan
7
6.3
5 4
6.2688
13
12
6.2
10 9
IV
Pada kuadran II ini, dilihat dari kepentingannya, responden pengguna layanan akses internet memberikan harapan yang tinggi pada penyedia layanan provider lain, tetapi jika dilihat dari kenyataannya, responden merasakan tingkat kepuasan yang masih rendah. Pernyataan-pernyataan yang termasuk dalam kuadran II adalah kecepatan dalam mengunggah data, kualitas kecepatan data mengunduh data memori besar, dan menampilkan layanan sesuai yang dijanjikan. Pada kuadran III dilihat dari kepentingannya, responden pengguna layanan akses internet hanya memberikan harapan rendah pada penyedia layanan akses internet, tetapi jika dilihat dari kenyataannya, konsumen merasa puas terhadap pernyataan dimensi kualitas pada kategori ini. Sedangkan pada kuadran IV, responden tidak begitu menghiraukan pernyataan-pernyataan dimensi kualitas produk pada kategori ini. V. KESIMPULAN Dari hasil analisis diperoleh kesimpulan bahwa faktorfaktor 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. Variabel pada faktor 1 ini menjadi penting karena tiaptiap pelanggan pengguna akses internet mempunyai persepsi yang lebih variatif terhadap product performance sehingga perusahaan penyedia harus lebih meningkatkan kualitas dari variabel-variabel yang terdapat pada faktor ini agar setiap pelanggan memperoleh tingkat kepuasan yang tinggi (sama). Pernyataan-pernyataan tentang dimensi kualitas yang berada pada kuadran I sebaiknya dipertahankan oleh penyedia layanan akses internet speedy agar pengguna layanan akses internet speedy tidak berpindah ke layanan provider lain yang mungkin saja dimensi kualitas produknya lebih baik. Sedangkan pada kuadran II ini, penyedia layanan internet harus diharuskan memperhatikan, memenuhi, dan meningkatkan kualitas dari pernyataan-pernyataan pada kuadran ini agar kepuasan pelanggan dapat diraih
III
DAFTAR PUSTAKA
11
6.1
[1]
8
6.0 3.7
3.8
3.9
4.0
4.1 4.2 Kenyataan
4.3
4.4
4.5
4.6
Gambar 4.12 Diagram kartesius analisis gap pengguna provider lain
Berdasarkan Gambar 4.12, menunjukkan gap antara jasa yang dirasakan dan yang diharapkan oleh responden pengguna layanan akses internet dari provider lain. Pada kuadran I ini, dilihat dari kepentingannya, responden pengguna layanan akses internet provider lain memberikan harapan yang tinggi pada penyedia layanan provider lain. Dan dilihat dari kenyataannya, responden merasakan tingkat kepuasan yang tinggi juga. Adapun pernyataan-pernyataan yang termasuk dalam kuadran I ini adalah stabilitas koneksi jaringan, kecepatan dalam mengunduh data, dan keramahan customer service.
[2] [3] [4] [5] [6] [7]
Susilawati, R (2012): Pengguna Internet Melonjak Tajam. http://www.beritajatim.com/. Anonim_1. (2009). Daftar Jumlah Pengguna Internet Dunia 19952008. http://Nusantaraku.htm. Karimuddin, A. (2011): Survei MarkPlus Insigt:Pengguna Internet di Indonesia 55 juta. http://www.lintasberita.com/.. Walpole, R. (1995). Ilmu Peluang Statistika Untuk Insinyur dan Ilmuan. Bandung: ITB.. Agresti, A. (1990). Categorical Data Analysis. John Wiley and Sons. New York.. Hosmer, D. W. and Lemeshow, S. (2000). Applied Logistic Regression. John Wiley and Sons, Inc. USA. Parasuraman, A. Zeithaml, V.A.. and Berry, L.L. (1988). SERVQUAL A Multiple item scale for measuring consumer perceptions of service quality. New York.
[8]
Johnson, N. And Wichern, D. (2002). Applied Multivariate Statistical Analysis, 5th Edition. New Jersey: Prentice Hall, Englewood Cliffs
[9]
Anonim_2.(2012): Pengertian Internet.http://storage.jakstik.ac.id/ .
