ANALISIS STATISTIK TERHADAP PELANGGAN INTERNET DI WILAYAH SURABAYA TIMUR DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER

ANALISIS STATISTIK TERHADAP PELANGGAN INTERNET DI WILAYAH SURABAYA TIMUR DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER SEMINAR HASIL TUGAS 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

PENDAHULUAN

• • • • •

Latar Belakang Perumusan Masalah Tujuan Penelitian Manfaat Penelitian Batasan Masalah


Latar Belakang

Globalisasi

Internet

Pada 2010 rata-rata pengguna internet di Indonesia 30-35%

Pengguna Internet

Pada 2011 rata-rata pengguna internet di Indonesia 40-45%

Penyedia Layanan

Pada 2011 pengguna internet di Indonesia 55 juta orang

PT TELKOM

Provider Lain


Pada 2011 rata-rata pengguna internet di Jatim 5 juta orang

PENELITIAN TERKAIT “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)


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?


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.


Batasan Masalah Batasan 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.


II. TINJAUAN PUSTAKA Statistik Deskriptif Regresi Logistik Biner Uji Validitas & Reliabilitas Analisis GAP Internet Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS

Statistika Deskriptif

• Metode yang digunakan untuk mendeskripsikan data yang biasa dijelaskan dalam bentuk grafik,diagram,plot serta besaran lainnya.(walpole,1995)


REGRESI LOGISTIK BINER Regresi Logistik : Metode untuk mencari hubungan variabel respon yang bersifat dikotomus atau polikotomus dengan 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

π ( x) =

e

( β 0 + β1 x1 +...+ β p x p )

1+ e

( β 0 + β1 x1 +...+ β p x p )

Menggunakan transformasi logit :  π ( x)   = β 0 + β 1 x1 + ... + β p x p g ( x) = ln  1 − π ( x) 

Sehingga :

exp( g ( x)) π ( x) = 1 + exp( g ( x)) Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS

PENGUJIAN PARAMETER  Uji Parsial Hipotesis : H0: βi = 0 H1: βi ≠ 0 dengan i = 1, 2, 3,…, p Statistik Uji : Uji Wald

βˆi W = SE ( βˆi ) Dengan

[

SE ( βˆ j ) = Var ( βˆ j )

Tolak Ho Jika

]

1

2

W > Z α/2


PENGUJIAN PARAMETER  Uji Serentak Hipotesis : H 0 : β 1 = β 2 = ... = β j = 0 H1 : paling sedikit ada satu βj ≠ 0, dengan j = 1, 2,…, p Statistik Uji : G = −2ln

 n1     n 

n1

 n0     n 

n

yi ˆ π ∑ i (1 − πˆ i

n0

)(1− y

i

)

i =1

n

n

i =1

i =1

n 1 = ∑ y i ; n 0 = ∑ (1 − y i ) ; n = n 1 + n 0 2 G > χ α ,db Tolak Ho jika

Seminar proposal Tugas Akhir Jurusan Statistika FMIPA ITS

PENGUJIAN KESESUAIAN MODEL Hipotesis H0: model sesuai H1: model tidak sesuai Statistik uji : Uji Chi-Square (Hosmer dan Lemeshow 2 g test.) ok − n 'k π k ) ( C=∑ k =1 n 'k π k (1 − π k ) ο k = Pengamatan pada grup ke-k Ck

m j πˆ j

j =1

n' k

πk

= Rata-rata taksiran peluang ( ∑

mj

=Jumlah pengamatan dalam model kombinasi

)

oooo kategori dalam model ke j

n' k

= Banyak pengamatan pada grup ke-k g =Jumlah grup (kombinasi kategori dalam oooooooomodel serentak) 2 Daerah penolakan: Tolak H0 jika Cˆ > χ (α , g − 2 ) 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.


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


Sumber Data

METODOLOGI PENELITIAN

Variabel Penelitian Analisis Data


Sumber Data DATA PRIMER

data survey langsung di wilayah Surabaya Timur

110 responden pengguna layanan internet


Variabel respon Variabel Penelitian Variabel prediktor

Variabel Respon Y = 0, untuk pengguna layanan akses internet dari provider lain Y = 1, untuk pengguna layanan akses internet speedy


Variabel Prediktor No

Jenis Variabel

1

usia (X1)

2

jenis kelamin (X2)

3

pendidikan terakhir (X3)

4

pekerjaan (X4)

5

pengeluaran per bulan (X5)

6

sumber informasi (X6)

Keterangan < 20 tahun, 20 – 25 tahun, 26 – 35 tahun, 36 – 45 tahun, 46 – 55 tahun, dan > 55 tahun Laki-laki, Perempuan Tidak Sekolah, SD, SMP, SMA, dan D3/S1/S2/S3 Pelajar, PNS, swasta, wiraswasta, pensiunan, dan ibu rumah tangga < Rp 600.000,-, Rp 600.001,- - Rp 1.000.000,-, Rp 1.000.001,- - Rp 2.000.000,-, dan > Rp 2.000.000,Informasi dari orang lain, papan reklame, media elektronik, media cetak, dan even promosi


Tipe Data Ordinal Nominal Nominal

Nominal

Ordinal

Nominal

< 6 bulan, 6 -12 bulan, 1 Ordinal 2 tahun, dan > 2 tahun

7

lama berlangganan (X7)

8

keseringan memakai dalam sehari (X8)

9

lama memakai dalam sehari (X9)

< 2kali, 2 - 4 kali, 4 - 6 kali, dan > 6 kali < 20 menit, 20 - 60 menit, 1 - 2 jam, dan > 2 jam

10

banyak pengakses (X10)

1 orang, 2 - 3 orang, 4 - 5 Ordinal orang, dan > 5 orang

prioritas utama (X11)

Belajar, browsing, bisnis, hobi, jejaring sosial, dan Nominal bekerja

11

12 13 14

kapasitas mengunduh/mengunggah data per hari (X12) tempat mengakses lainnya (X13) sering menemui masalah (X14)

< 1 mb, 1 - 2 mb, 3 - 4 mb, dan > 4 mb

Ordinal Ordinal

Ordinal

Mobile, kantor, wifi spot, Nominal dan gadget Ya, tidak


Nominal

Variabel Dimensi Kualitas Produk Variabel

Tangibels

Pernyataan stabilitas koneksi jaringan (P1) kecepatan dalam mengunggah data (P2) 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)

Reliability

kualitas kecepatan data mengunduh data memori besar (P8) menampilkan layanan sesuai yang dijanjikan (P9) prosedur administrasi yang mudah (P10) kesediaan membantu konsumen (P11) memberikan layanan secara cepat, tepat, dan tanggap (P12) Responsiveness kemudahan melakukan pembayaran (P13) 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)


Analisis Data

1

• Analisis statistik deskriptif.

2

• Analisis regresi logistik biner a. 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.

3

• Analisis tingkat kepuasan pengguna layanan akses internet di wilayah Surabaya Timur menggunakan analisis gap dengan metode diagram kartesius. Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS

Analisis dan Pembahasan Uji Validitas & Reliabilitas

Statistik Deskriptif

Uji KMO dan Dependensi

Analisis GAP

Regresi Logistik Biner


Uji Validitas Hipotesis : H0 : Pernyataan tidak dapat mengukur aspek yang sama H1 : Pernyataan dapat mengukur aspek yang sama Statistik uji : nilai koefisien korelasi (rxy ) Korelasi Variabel

Opini

Kesimpulan

Kenyataan

Harapan

Tangibels

P1 P2 P3 P4 P5

0,872 0,848 0,849 0,801 0,718

0,871 0,854 0,797 0,832 0,785

Valid Valid Valid Valid Valid

Reliability

P6 P7 P8 P9 P10

0,863 0,838 0,872 0,825 0,584

0,870 0,814 0,840 0,833 0,778

Valid Valid Valid Valid Valid


Korelasi Variabel

Responsiveness

Assurance

Emphaty

Opini P11 P12 P13 P14 P15 P16 P17 P18 P19 P20 P21 P22 P23

Kenyataan

Harapan

0,835 0,854 0,667 0,797 0,736 0,702 0,688 0,750 0,756 0,845 0,858 0,794 0,754

0,848 0,827 0,656 0,807 0,854 0,791 0,864 0,889 0,889 0,886 0,866 0,853 0,855

Kesimpulan Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid 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 reliabel H1 : Alat ukur reliabel Statistik uji : alpha cronbach ( > 0,6 ) Alpha Cronbach Atribut

Kesimpulan

Kenyataan

Harapan

Tangibels

0,876

0,881

Reliabel

Reliability

0,858

0,885

Reliabel

Responsiveness

0,840

0,857

Reliabel

Assurance

0,688

0,881

Reliabel

Emphaty

0,828

0,885

Reliabel


Statistik Deskriptif Usia 8%

< 20 th

10% 1% 5%

Tingkat Pendidikan

20 - 25 th 26 - 35 th

1%1%1%

36 - 45 th

25%

51%

43%

46 - 55 th > 55 th

Tidak Sekolah SD SMP

54%

SMA D3/S1/S2/S3

Jenis Kelamin 53% Laki-laki

Pekerjaan

Perempuan

47%

16%

0% 5%

Pelajar 37%

Swasta

Pengeluaran/ bulan 15%

37%

Wiraswasta 23%

< 600rb 600rb - 1juta

37%

1 - 2 juta 25%

PNS

> 2 juta


5%

Pensiunan Ibu Rumah Tangga

Uji Kecukupan Data

Bartlett's Test of Sphericity Kaiser-MeyerOlkin .693

Approx. ChiSquare

df

Sig.

377.161

91

.000

KMO ≥ 0,5

P-Value ≤ 0,05


Uji Dependensi Hipotesis H0 : tidak ada hubungan antara variabel prediktor dengan variabel respon H1 : paling tidak ada 1 variabel prediktor yang tidak saling bebas (dependen) dengan variabel respon. (α = 0,05) Variabel usia (X1) jenis kelamin (X2) pendidikan terakhir (X3) pekerjaan (X4) pengeluaran per bulan (X5) sumber informasi (X6) lama berlangganan (X7) keseringan memakai dalam sehari (X8) lama memakai dalam sehari (X9) banyak pengakses (X10) prioritas utama (X11) kapasitas mengunduh/mengunggah data per hari (X12) tempat mengakses lainnya (X13) seringnya menemui masalah (X14)

df 5 1 4 4 3 4 3

Chi-Square 17,526 1,417 15,791 24,428 18,249 5,486 6,569

P-Value 0,004* 0,234 0,003* 0,000* 0,000* 0,241 0,087

3

3,587

0,310

3 3 5

2,898 26,674 21,811

0,408 0,000* 0,001*

3

20,813

0,000*

3 1

23,564 8,142

0,000* 0,004*


Signifikan pada α<0,05

Regresi Logistik Biner Pengujian Secara Serentak Step 5 Step Block Model

Chi-square -4.531 62.942 62.942

df 4 10 10

Sig. 0,339 0,000 0,000*

Variabel yang masuk dalam model Step 5 B df X10 3 X10(1) -3,664 1 X10(2) -1,216 1 X10(3) -,989 1 X12 3 X12(1) 1,890 1 X12(2) 1,709 1 X12(3) 0,183 1 X13 -1,657 3 X13(1) 0,655 1 X13(2) -2,495 1 X13(3) -1,038 1 X14(1) 2,865 1 Constant 1

Sig, 0,002 0,001* 0,222 0,383 0,054 0,034* 0,031* 0,825 0,004 0,057 0,451 0,004* 0,083 0,007


Variabel yang akan diinterpretasikan

Diperoleh persamaan transformasi logit sebagai berikut :

dan model regresi logistik binernya adalah :


βi =0 βH i 1:

Pengujian Secara Parsial Hipotesis : H0: βi = 0 H1: βi ≠ 0 dengan i = 1, 2, 3,…, 14 ( α = 0,05 )

Variabel X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

Wald 9,796 1,408 12,090 21,605 16,372 4,808 6,213 3,485 ,693 22,938 15,436 17,105 20,847 7,854

df 5 1 4 4 3 4 3 3 3 3 5 3 3 1

Sig. 0,081 0,235 0,017* 0,000* 0,001* 0,308 0,102 0,323 0,875 0,000* 0,009* 0,001* 0,000* 0,005*


Signifikan pada α<0,05

Uji Improvement Hipotesis: H0 : model ringkas / tanpa variabel tertentu adalah model terbaik H1 : model lengkap / dengan variabel tertentu adalah model terbaik

Step 1 2 3 4 5

-2 Log likelihood 60,236 67,509 68,460 74,337 78,868

Interpretasi Model Interpretasi terhadap koefisien parameter ini dilakukan untuk menentukan kecenderungan/hubungan fungsional antara variabel prediktor dengan variabel respon yang signifikan

Parameter Banyak pengakses (1 orang) Kapasitas data (< 1 mb) Kapasitas data (1 – 2 mb) Tempat akses lain (wifi spot)

Odds Ratio 0,026 6,623 5,526 0,082


1

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.

2

Responden yang juga menggunakan akses internet di wifi spot cenderung memilih layanan speedy 0,082 kali dibandingkan dengan yang menggunakan akses internet melalui gadget

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.

Prediksi Step 5

provider Y lain speedy Prosentase Keseluruhan

Y provider lain

speedy

Prosentase Benar

29

9

76,3 %

5

67

93,1 % 87,3 %


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 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Eigenvalue 8.981 2.764 1.621 1.333 1.180 .906 .791 .731 .599 .545 .463 .432 .375 .348 .325 .294 .268 .248 .224 .187 .157 .126 .101

%cumulative 39.046 51.063 58.112 63.907 69.038 72.976 76.416 79.596 82.202 84.573 86.587 88.465 90.094 91.609 93.022 94.300 95.464 96.541 97.516 98.329 99.013 99.559 100.000

Nilai eigenvalue sudah > 1

Maka dapat direduksi menjadi 5 faktor baru yang saling independent.


Loading faktor 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

F1 F2 F3 F4 F5 0.802* 0.061 0.336 -0.007 0.007 0.804* 0.068 0.229 0.032 -0.018 0.818* 0.077 0.251 0.115 -0.033 0.558 0.103 0.567* -0.181 0.203 0.422 -0.022 0.607* -0.122 0.177 0.853* 0.137 0.068 0.136 0.028 0.760* 0.282 -0.103 0.181 0.243 Nilai maksimum dari loading 0.824* 0.118 -0.045 0.230 0.190 faktor menyimpulkan bahwa 0.722* 0.180 0.155 0.251 0.007 setiap variabel utama dapat 0.256 0.090 0.707* 0.274 0.146 digolongkan ke dalam salah 0.381 0.563* 0.291 0.240 -0.338 satu faktor yang baru 0.408 0.541* 0.355 0.251 -0.259 tersebut. -0.040 0.321 0.725* 0.233 -0.112 0.412 0.572* 0.236 0.155 -0.105 0.197 0.417 0.506* 0.191 -0.012 0.029 0.293 0.532* 0.359 0.287 0.171 0.201 0.245 0.161 0.748* 0.163 0.075 0.215 0.796* 0.053 0.235 0.168 0.100 0.800* 0.100 0.065 0.788* 0.044 0.002 0.299 0.292 0.797* 0.036 0.092 0.129 0.106 0.189 0.636* 0.244 0.398 Seminar Tugas Akhir -0.132 Hasil 0.745* 0.201 Jurusan -0.005Statistika -0.023FMIPA ITS

1

Secara keseluruhan faktor 1 menjelaskan tentang kualitas koneksi dari layanan internet atau product performance dari layanan akses internet.

2

Secara keseluruhan faktor 2 dapat menjelaskan tentang kualitas pelayanan atau responsiveness customer service dari perusahaan penyedia layanan internet.

3

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


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-variabel yang digunakan adalah variabel-variabel yang berada pada faktor 1 dan faktor 2. 4.5

6.45

14

3

6.40

II

I

13

Harapan

12 2

6.35

1

6.3185

9

5

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

Pengguna Speedy Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS

1

Pernyataan-pernyataan yang termasuk dalam kuadran I ini adalah ketanggapan customer service terhadap keluhan pelanggan, pemahaman kebutuhan konsumen, dan keramahan customer service.

2

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 12

6.2

6.2688

13 10 9

IV

III 11

6.1 8

6.0 3.7

3.8

3.9

4.0

4.1 4.2 Kenyataan

4.3

4.4

4.5

4.6

Pengguna Provider lain Pernyataan-pernyataan yang termasuk dalam kuadran I ini adalah stabilitas koneksi jaringan, kecepatan dalam mengunduh data, dan keramahan customer service. 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. Seminar Hasil Tugas Akhir Jurusan Statistika FMIPA ITS

KESIMPULAN DAN SARAN


KESIMPULAN

1

2

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 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. 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.

SARAN Berdasarkan 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.


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.


Terima Kasih

Seminar Proposal Tugas Akhir Jurusan Statistika FMIPA ITS

ANALISIS STATISTIK TERHADAP PELANGGAN INTERNET DI WILAYAH SURABAYA TIMUR DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER

Recommend Documents