BAB I PENDAHULUAN 1.1
Latar Belakang Pada masa sekarang ini, berada di lingkungan bisnis yang kompleks
menuntut perusahaan untuk mampu bersaing dengan para kompetitornya. Perubahan-perubahan radikal yang terjadi seperti saat ini membuat pemegang kendali bisnis dari produsen menjadi konsumen. Di masa lampau, produsen mempunyai kebebasan untuk menghasilkan barang dan jasa sesuai yang mereka inginkan. Hal tersebut terjadi karena kurangnya pesaing sehingga konsumen mau tidak mau hanya dapat membeli apa yang dihasilkan oleh produsen. Namun, seiring berjalannya waktu para pesaing mulai bermunculan sehingga memudahkan konsumen untuk memilih produk atau jasa yang mereka inginkan. Melihat perubahan tersebut, setiap pelaku bisnis dituntut untuk dapat menciptakan strategi bagaimana memperoleh pelanggan yang baru serta strategi bagaimana mempertahankan pelanggan yang ada sehingga mereka tidak beralih ke pesaingnya. Persaingan yang terjadi di dunia bisnis tidak hanya di bidang manufaktur, tetapi juga di bidang pelayanan atau jasa. Dengan demikian, hal tersebut menunjukkan bahwa persaingan dalam dunia bisnis semakin ketat. Kepuasan dan loyalitas dari pelanggan menjadi tujuan yang harus dicapai oleh suatu perusahaan. Akan tetapi, untuk dapat memperoleh perhatian dari pelanggan tidaklah semudah yang diharapkan karena dibutuhkan pengetahuan tentang bagaimana membangun hubungan yang baik dengan pelanggan. Perusahaan harus mampu memberikan pelayanan terbaik karena pada kondisi tersebut membuat konsumen menjadi sangat kritis terhadap pelayanan yang diberikan oleh perusahaan. Setiap saat mereka bisa saja beralih ke pesaing yang bisa memberikan apa yang mereka inginkan. Hal ini tentunya tidak diinginkan oleh perusahaan, kehilangan pelanggan berarti perusahaan telah kehilangan arus kas sebesar kontribusi yang telah diberikan pelanggan tersebut kepada perusahaan.
1
2
Dengan adanya pendekatan yang berpusat pada pelanggan untuk pemasaran dan ketersediaan data transaksi pelanggan menyebabkan penulis ingin mengestimasi dan memahami Nilai Masa Hidup Pelanggan (Customer Lifetime Value atau biasa disingkat CLV). CLV dipandang sebagai nilai sekarang dari aliran kas masa depan yang berkaitan dengan pelanggan (Pfeier et al, 2005). Dengan menggunakan konsep CLV, perusahaan tidak hanya dapat menilai dan mengelola sumber dayanya secara tepat, tetapi juga perusahaan dapat mengetahui bagaimana menentukan strategi yang tepat untuk mempertahankan pelanggan sehingga perusahaan mampu bersaing dalam lingkungan bisnis yang semakin bergejolak. Dalam kehidupan sehari-hari, statistika banyak dipelajari di berbagai bidang antara lain ekonometri, biostatistika, psikometri, dan masih banyak bidang ilmu yang lain. Ekonometri merupakan perpaduan dari ilmu ekonomi, matematika, dan statistika. Dalam ekonometri, peran statistika sangat penting yaitu mengestimasi parameter yang ada dalam model ekonometri tersebut. Salah satu analisis statistika yang sering digunakan dalam ekonometri adalah analisis regresi. Analisis regresi merupakan salah satu metode yang sering digunakan dalam ilmu statistika. Analisis regresi digunakan untuk memodelkan berbagai permasalahan dalam bentuk matematis, dimana persamaan tersebut menjelaskan hubungan antara variabel dependen atau respon dengan variabel independen atau prediktor. Tujuan lain dari analisis regresi adalah untuk mengestimasi nilai dari variabel dependen berdasarkan nilai dari variabel independennya. Selain itu, analisis regresi dapat mengetahui seberapa besar kontribusi dari variabel independen terhadap variabel dependen. Dalam regresi linear terdapat beberapa metode estimasi parameter. Salah satu diantaranya adalah Metode Kuadrat Terkecil (Ordinary Least Square atau biasa disingkat OLS). Metode OLS ini paling sering digunakan karena tidak terlalu rumit dalam perhitungan. Akan tetapi, metode OLS dikenal peka terhadap penyimpangan asumsi pada data, jika data tidak memenuhi salah satu asumsi maka penduga OLS
kurang baik
digunakan. Asumsi
normalitas dan
3
homoskedastisitas seringkali tidak terpenuhi ketika data mengandung pencilan (outlier). Jika data mengandung pencilan (outlier), maka data tidak lagi berbentuk simetris sehingga nilai mean menjadi sangat peka dengan adanya data pencilan dan kurang tepat digunakan. Untuk mengatasi hal tersebut, biasanya peneliti melakukan transformasi terhadap data dengan maksud agar asumsi terpenuhi. Namun seringkali asumsi tersebut tidak terpenuhi meskipun telah dilakukan transformasi data sehingga menghasilkan parameter yang masih bias. Dengan demikian, untuk mengatasi hal tersebut maka berkembanglah metode regresi kuantil yang pada umumnya dipakai dalam kasus ekonometrika. Regresi kuantil ini merupakan metode yang berguna sekali dalam mengestimasi parameter karena tidak membutuhkan asumsi error dalam model dan estimatornya bersifat tegar terhadap pencilan (outlier) pada variabel respon. Regresi kuantil pertama kali diperkenalkan oleh Koenker dan Bassett (1978). Regresi kuantil mengestimasi fungsi kondisional kuantil pada berbagai nilai proporsi dari distribusi variabel respon. Keunggulan regresi kuantil yang lain adalah regresi ini bisa memodelkan pengaruh variabel prediktor terhadap respon secara menyeluruh dibandingkan dengan model rata-rata kondisional (metode OLS). Regresi kuantil ini baik digunakan untuk data yang variabel responnya heterogen dalam arti pengaruh variabel prediktor diasumsikan berbeda pada beberapa strata dalam respon. Bayes
memperkenalkan
suatu
metode
yang
diperlukan
untuk
mengestimasi parameter yang akan diestimasi dengan memanfaatkan informasi awal dan bentuk distribusi awal (prior) dari suatu populasi yang dikenal dengan metode bayesian. Informasi ini kemudian digabungkan dengan informasi dari sampel yang digunakan dalam mengestimasi parameter populasi. Pada metode Bayesian, peneliti harus menentukan distribusi prior dari parameter yang ditaksir. Distribusi prior ini dapat berasal dari data penelitian sebelumnya atau berdasarkan intuisi seorang peneliti. Setelah informasi dari data yang didapat dari pengambilan sampel digabungkan dengan informasi prior dari parameter, akan didapat distribusi posterior dari parameter. Rataan dari distribusi posterior ini yang akan menjadi
4
parameter regresi dengan metode bayesian. Secara analitik, memperoleh marginal posterior merupakan
suatu hal
yang sulit. Pada model
yang rumit,
mengintegralkan parameter dari distribusi posterior bersama atau bahkan menentukan kenormalan dari distribusi posterior secara umum adalah hal yang tidak mudah. Terlebih lagi, menghitung fungsi distribusi posterior dari parameter itu akan sulit dilakukan. Metode Bayesian dapat mengatasi hal ini dengan bantuan algoritma MCMC (Markov Chain Monte Carlo). MCMC dapat digunakan untuk mendapatkan distribusi posterior bahkan dalam situasi yang kompleks. Berdasarkan latar belakang di atas maka penulis tertarik untuk mengkaji lebih dalam mengenai penggunaan regresi kuantil dalam analisis CLV. Penulisan tugas akhir dengan judul “Analisis Nilai Masa Hidup Pelanggan menggunakan Regresi Kuantil Bayesian” ini mengemukakan pengaplikasian regresi kuantil dengan menggunakan metode bayesian yang dibantu algoritma gibbs sampling dalam analisa nilai masa hidup pelanggan berdasarkan prinsip-prinsip statistika.
1.2
Tujuan Penulisan Berdasarkan latar belakang di atas, maka tujuan penulisan skripsi ini
antara lain: 1. mempelajari konsep nilai masa hidup pelanggan berdasarkan prinsip-prinsip dalam statistika; 2. mempelajari konsep regresi kuantil bayesian; 3. menghitung nilai masa hidup pelanggan untuk setiap pelanggan; 4. mengaplikasikan regresi kuantil bayesian dalam analisis nilai masa hidup pelanggan.
1.3
Pembatasan Masalah Pembatasan masalah digunakan untuk mempersempit ruang lingkup
pemecahan masalah lebih terfokus, dan tidak menyimpang dari tujuan penulisan yang diinginkan. Pembatasan masalah yang diambil antara lain: 1. nilai CLV yang dihitung di sini adalah nilai masa hidup dari setiap pelanggan selama periode waktu 1 tahun;
5
2. model regresi yang dipilih disini adalah model regresi kuantil linier sederhana; 3. metode yang digunakan dalam mengestimasi parameter regresi kuantil adalah metode bayesian melalui metode Markov Chain Monte Carlo (MCMC) dengan algoritma Gibbs sampling.
1.4
Tinjauan Pustaka Salah satu tulisan ilmiah tentang penggunaan regresi kuantil dalam analisis
CLV oleh Benoit dan Van den Poel (2009) berjudul Benefits of quantile regression for the analysis of customer lifetime value in contractual setting: An application in financial services menginspirasi tulisan ini yang berisi tentang pengaplikasian regresi kuantil bayesian dalam analisa nilai masa hidup pelanggan sehingga dapat diketahui pelanggan yang menguntungkan dan pelanggan yang kurang menguntungkan bagi perusahaan. Tulisan Ilmiah membahas tentang pemodelan nilai masa hidup pelanggan oleh Gupta et al (2006) berjudul Modeling Customer Lifetime Value memaparkan cara menghitung nilai masa hidup pelanggan dengan diketahui kontribusi margin dari setiap pelanggan, tingkat diskonto, dan tingkat retensi pelanggan. Regresi Kuantil dikemukakan pertama kali oleh Koenker dan Bassett pada tahun 1978. Regresi ini memodelkan kondisional kuantil sebagai fungsi dari prediktor. Regresi kuantil digunakan untuk menangani data yang tidak simetris dan asumsi homoskedastisitasnya tidak terpenuhi. Pada tahun 2009, Hiedo Kozumi dan Kobayashi membahas tentang regresi kuantil
bayesian
menggunakan
asymmetric
Laplace
distribution
dan
mengemukakan metode MCMC dengan bantuan algoritma Gibbs sampling yang berdasarkan pada mixture representation dari asymmetric Laplace distribution yang berjudul Gibbs Sampling Methods for Bayesian Quantile Regression.
6
1.5
Metode Penelitian Metode yang dipakai dalam tugas akhir ini lebih kepada studi literatur
berdasarkan jurnal, buku, dan hasil penelitian yang diperoleh dari perpustakaan maupun internet yang berhubungan dengan tema dari tugas akhir ini. Pengerjaan skripsi ini juga ditunjang dengan beberapa perangkat lunak seperti SPSS 17 dan R 3.2.3 dengan package quantreg dan MCMCpack.
1.6
Sistematika Penulisan Skripsi ini disusun dengan sistematika penulisan sebagai berikut:
BAB I
Pendahuluan Bab pertama ini berisi latar belakang masalah, pembatasan masalah,
tujuan penulisan, tinjauan pustaka, metode penulisan dan sistematika penulisan skripsi ini. BAB II Dasar Teori Bab ini menjelaskan tentang teori-teori yang menunjang pembahasan pada bab-bab berikutnya. BAB III Analisis Nilai Masa Hidup Pelanggan menggunakan Regresi Kuantil Bayesian Bab ini menjelaskan tentang analisis nilai masa hidup pelanggan menggunakan regresi kuantil dengan metode bayesian untuk mengestimasi parameter regresi kuantil dengan menggunakan algoritma Gibbs sampling. BAB IV Studi Kasus Bab ini membahas tentang deskripsi data, perhitungan nilai masa hidup pelanggan, estimasi parameter regresi kuantil bayesian terhadap nilai masa hidup pelanggan, dan strategi perusahaan dalam mengelola hubungan dengan pelanggan berdasarkan nilai masa hidup pelanggan. BAB V Kesimpulan dan Saran Bab ini berisi kesimpulan dari pembahasan pada bab sebelumnya dan saran atas kekurangan dari hasil penelitian yang telah dilakukan.