Kata-kata kunci : Pengontrolan, Kualitas Layanan, Analisis Faktor, Diagram Kontrol T 2 Hotelling, Diagram Kontrol Improved Generalized Variance

PENGONTROLAN KUALITAS LAYANAN TERMINAL KEBERANGKATAN DOMESTIK BANDARA JUANDA SURABAYA MENGGUNAKAN DIAGRAM KONTROL T2HOTELLING DAN DIAGRAM KONTROL IMPROVED GENERALIZED VARIANCE 1

Vitri Arishanti, 2Muhammad Mashuri, dan 3Wibawati

1

Mahasiswa Jurusan Statistika FMIPA-ITS (1307 100 023) 2,3 Dosen Jurusan Statistika FMIPA-ITS 1 [email protected], [email protected], [email protected]

ABSTRAK Pengontrolan kualitas dalam industri produk atau jasa sangat penting karena hal ini menentukan apakah produk yang dihasilkan sesuai dengan standar perusahaan atau tidak. Pada bidang jasa, kepuasan pelanggan merupakan tolak ukur kualitas dari produk jasa. Penelitian ini mengamati stabilitas kualitas layanan Bandara Juanda. Pengukuran kualitas layanan dilakukan menggunakan kuesioner yang terdiri dari 21 variabel, dimana setiap pengukuran menyatakan kepuasan penumpang. Kemudian ditelusuri variabel apa saja yang dianggap penting oleh penumpang menggunakan analisis faktor. Variabel yang dianggap penting tersebut digunakan untuk memonitoring stabilitas layanan. Pengontrolan rata-rata proses layanan menggunakan Diagram Kontrol T2Hotelling sedangkan untuk variabilitas menggunakan Diagram Kontrol Improved Generalized Variance. Berdasarkan analisis faktor, didapatkan bahwa terdapat 9 variabel yang dianggap penting oleh penumpang, masingmasing berasal dari faktor pelayanan, fasilitas, biaya, dan keamanan. Selanjutnya, berdasarkan Diagram Kontrol T2Hotelling dan Improved Generalized Variance diketahui bahwa layanan bandara tidak stabil dalam mean, namun stabil dalam variabilitas. Berdasarkan hal tersebut dapat disimpulkan bahwa tingkat kepuasan penumpang mengalami pergeseran karena beberapa penumpang merasa tidak puas terhadap layanan Bandara Juanda, namun penilaian antara penumpang yang satu dengan lainnya relatif seragam. Kata-kata kunci : Pengontrolan, Kualitas Layanan, Analisis Faktor, Diagram Kontrol T2Hotelling, Diagram Kontrol Improved Generalized Variance pernah dilakukan oleh Lindaryani (2010) dimana penerapan dilakukan dalam pengontrolan kualitas layanan Perpustakaan Pusat ITS Surabaya. Diagram kontrol yang digunakan dalam penelitian tersebut adalah Diagram Kontrol T2Hotelling Individual dan Diagram Kontrol VSD. Ernita (2009) pernah melakukan pengontrolan kualitas layanan agen kartu seluler prabayar tertentu pada call center Surabaya menggunakan Diagram Kontrol D2. Hanslik et al. (2001) juga pernah melakukan penelitian tentang pengontrolan kualitas menggunakan Diagram Kontrol u sebagai alat epidemiologi dalam memonitoring kesehatan masyarakat. Oleh karena itu, sangat dimungkinkan untuk melakukan pengontrolan kualitas di bidang jasa terutama dalam mengontrol kualitas layanan. Tujuan dari penelitian ini adalah menentukan variabel yang dianggap penting oleh penumpang menggunakan analisis faktor, membuat Diagram Kontrol T2Hotelling dan Diagram Kontrol Improved Generalized Variance untuk memonitoring stabilitas layanan bandara dalam vektor mean dan variabilitas proses. Apabila terdapat pengamatan yang out of control, akan ditelusuri variabel penyebab pengamatan yang tidak terkontrol tersebut. Penelitian ini dibatasi hanya pada sub layanan Terminal Keberangkatan Domestik Bandara Juanda. Penga-

1. PENDAHULUAN Bandara Juanda merupakan bandara terbesar kedua di Indonesia setelah Bandara SoekarnoHatta. Hal ini memberikan dampak pada pergerakan arus pesawat, penumpang, barang, dan pos di terminal domestik maupun internasional semakin meningkat dari tahun ke tahun. Menurut Bisnis Indonesia (2010), Bandara Juanda telah mengalami overload penumpang dari total daya tampung awal dirancang pada tahun 2006 sebesar 6,5 juta menjadi 10,63 juta penumpang di tahun 2009. Peningkatan daya tampung tersebut sudah pasti membawa dampak terhadap kualitas layanan bandara yang semakin tidak kondusif. PT Angkasa Pura I perlu melakukan monitoring terhadap kualitas layanan bandara mengingat telah terjadi overload kapasitas tampung tersebut. Beberapa penelitian sebelumnya yang membahas mengenai kepuasan pelayanan angkutan udara di Bandara Juanda telah dilakukan oleh Andini (2005), yaitu menggunakan metode Quality Function Deployment (QFD). Penelitian Raka (2009) dilakukan analisis kepuasan layanan dan strategi pemasaran dengan metode analisis faktor dan Fuzzy Quality Function Deployment (Fuzzy QFD). Selain itu, penelitian sebelumnya yang membahas tentang penerapan diagram kontrol di bidang jasa, sudah

1

dan kriteria yang terkait dengan penumpang menurut ACCC adalah Aerobridges (Garbarata), Check-in, Pemeriksaan Pemerintah, Security Clearance, Gate Lounges, Bagasi, Troli Bagasi, Flight Information Display and Sign, dan Washroom. Menurut survey kepuasan penumpang pesawat udara yang dilaksanakan oleh Airport Council International (selanjutnya disebut ACI), (Commission for Aviation Regulation, 2008) karakteristik kualitas layanan yang diukur adalah kepuasan penumpang secara keseluruhan, akses atau navigasi dan koneksi dari dan menuju bandara, kualitas service bandara, berpengalaman dalam bidang keamanan dan imigrasi, keseluruhan keadaan lingkungan di bandara, kesesuaian harga, layanan kedatangan di bandara, layanan airline, profil travel, dan profil demografi. Menurut International Civil Aviation Organization (selanjutnya disebut ICAO) (2000) bandara dan operasi pesawat merupakan elemen navigasi udara yang memiliki kontak langsung dengan masyarakat. Adapun elemen-elemen yang menentukan kualitas layanan bandara yaitu, keselamatan, keamanan, efisiensi, layanan, kapasitas, lingkungan, dan kesehatan Menurut International Air Transport Association (selanjutnya disebut IATA) (2001) kualitas layanan bandara diukur menggunakan beberapa indikator, yaitu kepuasan penumpang, kenyamanan penumpang, mudah dalam menemukan arah, layar yang memuat info penerbangan, tersedia penerbangan antar benua, tersedia penerbangan ke benua lain, kemudahan koneksi, troli, kesopanan staf bandara, restoran, fasilitas belanja, toilet, pemeriksaan paspor/visa, pemeriksaan bea cukai, ruang tunggu, kecepatan pengiriman bagasi, transportasi darat, fasilitas parkir, keamanan, dan suasana bandara

matan dilakukan hanya pada shift I dari hari Senin sampai dengan Jumat. 2. TINJAUAN PUSTAKA 2.1 Kualitas Layanan Kualitas adalah totalitas fitur dan karakteristik produk atau jasa yang bergantung pada kemampuannya untuk memuaskan kebutuhan yang dinyatakan atau tersirat (Kotler dan Keller, 2009). Kualitas layanan berpusat pada upaya pemenuhan kebutuhan dan keinginan pelanggan serta ketepatan penyampaiannya untuk mengimbangi harapan pelanggan. Menurut Wyckof dalam Tjiptono (1996), kualitas layanan adalah tingkat keunggulan yang diharapkan dan pengendalian atas tingkat keunggulan tersebut untuk memenuhi keinginan pelanggan. Ada sepuluh faktor utama yang menentukan kualitas layanan menurut Parasuraman dalam Tjiptono (1996). Dalam perkembangan selanjutnya, yaitu pada tahun 1988, Parasuraman dan kawankawan menemukan bahwa sepuluh dimensi yang ada dapat dirangkum menjadi hanya lima dimensi pokok. Kelima dimensi pokok tersebut meliputi: 1. Tangibles (Bukti Langsung), meliputi fasilitas fisik, perlengkapan, pegawai dan sarana komunikasi. 2. Reliability (Keandalan), yaitu kemampuan memberikan pelayanan yang dijanjikan dengan segera, akurat dan memuaskan. 3. Responsiveness (Daya Tanggap), yaitu kemampuan untuk membantu pelanggan dan memberikan jasa dengan cepat. 4. Assurance (Jaminan), mencakup pengetahuan, kemampuan, kesopanan, dan sifat dapat dipercaya yang dimiliki para staf, bebas dari bahaya, resiko atau keragu-raguan. 5. Empathy, meliputi kemudahan dalam melakukan hubungan, komunikasi yang baik, perhatian pribadi, dan memahami kebutuhan para pelanggan.

2.4 Analisis Faktor Analisis faktor merupakan suatu teknik analisis yang bertujuan untuk mereduksi dimensi data dengan cara menyatakan variabel asal sebagai kombinasi linier sejumlah faktor sedemikian hingga sejumlah faktor tersebut mampu menjelaskan keragaman data yang dijelaskan oleh variabel asal. Vektor random X yang diamati dengan p buah komponen variabel, yang memiliki rata-rata µ dan

2.2 Pelayanan Bandar Udara Juanda Surabaya Bandara merupakan kebutuhan pokok masyarakat dalam mendapatkan transportasi udara yang layak. Untuk memenuhi ekspektasi tersebut, Bandara Juanda memiliki berbagai jenis kegiatan produksi jasa pelayanan yang bisa digunakan para penumpang. Pelayanan jasa kebandarudaraan yang merupakan sumber utama pendapatan perusahaan yaitu jasa Aeronautika yang sifatnya berhubungan langsung dengan jasa penerbangan dan jasa non Aeronautika yang berhubungan secara tidak langsung dengan pelayanan jasa penerbangan.

matriks kovarian Σ , maka model faktor dari X yang merupakan kombinasi linier beberapa variabel saling bebas yang tidak teramati adalah F1, F2,... , Ft disebut sebagai common factors dan ditambahkan dengan  1 ,  2 , ...,  p disebut spesific factor, sehingga secara khusus dapat ditulis sebagai (Johnson dan Wichern , 2007)

2.3 Kriteria Kualitas Layanan Bandar Udara Kualitas layanan terutama di bandara telah dimonitoring oleh Australian Competition & Consumer Commission (selanjutnya disebut ACCC) sejak 1 Juli 1997 (Australian Competition & Consumer Commission, 2008). Aspek kualitas layanan

X 1  1  l11 F1  l12 F2  ...  l1t Ft   1 X 2   2  l21 F1  l22 F2  ...  l2 t Ft  2    X p   p  l p1 F1  l p 2 F2  ...  l pt Ft   p

dimana :

2

(1)

Fq ljq

= Common factor ke-q = Loading factor ke-q dan variabel ke-j = Spesific factor ke-j

j

F2,... , Ft berturut-turut. Misalkan matrik Σ mempunyai pasangan “eigenvalue-eigenvector” sebagai berikut 1, e1 , λ2 , e2 , , λp , e p  dengan 1  2     p .

j= 1, 2, ..., p dan q = 1, 2, ..., t Dalam notasi matriks persamaan dapat ditulis sebagai (2) X ( p1)  µ ( p 1)  L ( pt ) F( t1)  ε ( p1) Untuk mempermudah dalam pembuktian secara langsung, maka beberapa kuantitas tak teramati, ditambahkan beberapa asumsi sebagai berikut. 1. E [ F ]  0 ( t 1) , Cov [ F ]  E [ FF T ]  Ι ( t t ) 2.

Maka Σ  λ1e1e1T  λ2 e 2 e T2    λ p e p e Tp





λ1 e1

λ2 e 2

setiap j. Loading factor memiliki kolom ke-q T λ q e q . Dengan demikian, persamaan Σ  LL  ψ

 1 0  0  0   0  2 ψ ( p p )          0   p   0 3. Jika F dan ε saling bebas, maka

dapat ditulis Bagian dari faktor

λq , yaitu loading factor

ke-q adalah koefisien komponen utama ke-q dari populasi. Gambaran analisis faktor persamaan (5) kurang berguna, sebab pada umumnya p – t merupakan eigenvalue terakhir yang paling kecil sehingga nilai λt 1e t 1e Tt1    λ p e p e Tp pada Σ dalam persamaan (4) dapat diabaikan. Dengan demikian dapat diperoleh estimasi ˆ  Σ



λ1 e1

λ2 e 2

 λ1 e1T    λ eT λt e t  2 2       T  λt e t 

(6)





 L ( pt ) LT ( t p )

Estimasi dalam persamaan (6) diperoleh dengan asumsi bahwa spesific factor ε kurang penting sehingga dapat diabaikan dalam pemfaktoran Σ . Jika spesific factor dimasukkan dalam model, variannya bisa diperoleh dari elemen diagonal Σ  LLT , dimana LLT diberikan pada persamaan (6). Dengan menggunakan spesific factor, pendekatan menjadi (7) Σ  LL  ψ T

2

Jika communality ditandai dengan h j , maka dari 

Σ  LLT  ψ didapat

atau

(5)

Σ ( p  p )  L ( p  p ) LT ( p  p )  0 ( p  p )  LL T

Cov[F, ε ]  E[ F T ε ]  0 ( pt ) Asumsi tersebut dalam hubungannya dengan persamaan (2) merupakan model faktor orthogonal. Secara garis besar tahapan-tahapan dalam melakukan analisis faktor adalah sebagai berikut. 1. Menghitung matriks korelasi antar semua variabel 2. Ekstraksi faktor dengan estimasi loading factor dan spesific variance 3. Merotasi faktor 4. Estimasi factor score Salah satu tujuan dari analisis faktor adalah memperoleh faktor yang dapat menjelaskan korelasi, oleh karena itu variabel-variabel harus berkorelasi satu sama lain. Jika korelasi antar variabel kecil, maka kemungkinan besar variabel-variabel tersebut terletak pada faktor yang berbeda. Jumlah kuadrat dari loading variabel ke-j pada faktor ke-q disebut communality ke-j dan varians dari spesific factor disebut spesific variance ψ .

2





Struktur kovarian di atas sesuai untuk model analisis faktor yang memiliki faktor sebanyak p variabel (t = p) dan spesific variance  j  0 untuk

E [ ε ]  0 ( p1) , Cov [ ε ]  E [ ε T ε ]  ψ ( p p ) dengan

Var ( X j )  l j1    l jt   j

(4)

 λ1 e1T    λ2 e T2  λp e p       T  λ p e p 



λ1 e 1

λ2 e 2



(3)

 jj  h j 2  j 2

 λ1 e 1T    T  λ e  λt e t  2 2       λ t e Tt   



 1 0 0  2     0  0



0  0       p 

 

dengan     t l 2 dan l   e ; j 1, 2,, p jq j jq  jq i ii q 1

dengan h j 2  l j12    l jt 2 Tujuan dari ekstraksi faktor adalah untuk mendapatkan nilai tiap anggota common factor dengan menghitung estimasi dari loading factor l jq dan

Metode estimasi loading factor dan specific variance menggunakan maksimum likelihood, dapat dilakukan apabila common factors F dan ε berdistribusi normal. Jika Fj dan εj merupakan distribusi normal gabungan (jointly normal) maka pengamatan X j  µ  LF j  ε j adalah normal,

spesific variance  j . Ada dua metode estimasi loading factor yaitu dengan metode komponen utama dan maksimum likelihood. Dasar dari metode komponen utama adalah memaksimumkan kontribusi dari variabel-variabelnya pada faktor F1,

dan dari persamaan

3

L µ , Σ  

1 (2 ) e

np 2

n

Σ

   tr  Σ  1     

UCL=

2

Dalam praktek, seringkali mengestimasi µ dan



n

( x j  x )( x j  x ) T  n ( x  µ )( x  µ ) T     j 1

2

Σ dari analisis persiapan sampel berukuran n di-



ambil dari suatu proses dengan asumsi in control. Mean dan varians untuk setiap pengamatan dapat dihitung dari setiap sampel yakni

fungsi likelihood menjadi L µ , Σ   ( 2 )



 ( 2 )

np 2

Σ

 2n

 ( n 1 ) p 2

e

Σ p

 ( 2 )

2

Σ

  ( 12 ) tr  Σ 1     

 n21  12

e

e

 ( x j  x )( x j  x ) T  n ( x µ )( x  µ ) T    j 1  n



   ( 12 ) tr  Σ 1     



 2 , p

n



j 1



 ( x j  x )( x j  x )T  

1 n  xijk n i 1 1 n s 2jk   ( xijk  x jk ) 2 n  1 i1

(8)

x jk 

 2n x µ T  1 x µ 

yang mana bergantung pada L dan ψ kemudian Σ  LLT  ψ . Model ini masih kurang baik untuk didefinisikan, karena keragaman dalam memilih L membuat kemungkinan dengan transformasi orthogonal. Sehingga dalam penentuan L yang baik diperlukan kemampuan komputasi. (9) LT ψ 1L  

dimana j = 1, 2, ..., p dan k = 1, 2, .. , m. x ijk adalah sampel ke-i dari karakteristik kualitas ke-j pada pengamatan ke-k. Kovarian antara karakteristik kualitas ke-j dengan karakteristik kualitas ke-h pada pengamatan ke-k adalah s jhk 

Estimasi maksimum likelihood untuk Lˆ dan ψˆ harus diperoleh menggunakan numerical maximization dari persamaan (2.8). Dengan kecanggihan program komputer yang ada saat ini, dimungkinkan untuk memperoleh estimasi Lˆ dan ψˆ dengan cukup mudah.

1 n  ( xijk  x jk )( xihk  x hk ) n  1 i1

dimana j  h dan h = 1, 2, ..., p; k = 1, 2, ..., m. Statistik x jk , s 2jk , dan s jhk kemudian dirata-rata dari semua m pengamatan, dengan rumus sebagai berikut. 1 m  x jk m k 1 2 1 m 2 s j   s jk m k 1 1 m s jh   s jhk m k 1 xj 

2.5 Diagram Kontrol Variabel Diagram kontrol variabel adalah diagram yang digunakan untuk memonitoring suatu karakteristik kualitas yang dapat diukur mean dan variabilitasnya. Suatu karakteristik kualitas yang dapat diukur seperti dimensi, berat atau volume (Montgomery, 2005).

dimana j  h; j = 1, 2, ..., p dan k = 1, 2, ..., m. x j merupakan elemen vektor dari x dan S adalah matrik kovarian sampel berukuran p×p

2.5.1 Diagram Kontrol T2Hotelling Data Subgroup Diagram kontrol T2Hotelling berkaitan dengan proses multivariate. Diagram kontrol T2Hotelling digunakan jika proses yang dimonitoring terdiri dari banyak variabel, dimana yang dimonitoring adalah mean dari vektor pada suatu proses. Jika p dihubungkan dengan karakteristik kualitas yang terkontrol bersama-sama, dengan asumsi PDF dari p karakteristik kualitas adalah distribusi p-variate normal. Pada prosedur ini mean dari sampel dihitung untuk setiap p karakteristik kualitas dari sampel yang berukuran n. Berikut merupakan karakteristik kualitas yang disajikan dengan p×1 vektor.  x1  (10)  

s 12   S    

s 13  s 1 p   s 23  s 2 p  2 s3  s3p      2 sp 

s12 2 s2

(12)

Rata-rata matrik kovarian sampel S adalah estimasi tidak bias dari Σ ketika proses in control. Pada diagram kontrol T2 Hotelling, S pada persamaan (12) adalah estimasi Σ dan vektor x merupakan proses in control. Jika µ diganti x dan Σ diganti S pada persamaan (11), maka tes statistik menjadi

T 2  n( x  x)T S 1 ( x  x) Pada fase I digunakan diagram untuk penetapan kontrol, jika proses tersebut in control ketika subgroup m didapat dan sampel statistik x dan S dihitung. Jika pengamatan pada fase I in control pada observasi tersebut maka batas kontrol bisa didapatkan untuk fase II dengan memonitor produksi selanjutnya. Analisis fase I dinamakan retrospective analysis. Batas kontrol pada fase I yakni UCL = p(m  1)(n  1) F

x2 X        x p 

Plot tes statistik pada diagram kontrol chi square pada setiap sampel adalah T (11)  2  nx  µ  Σ 1 x  µ  dimana µ T  1  2   p  adalah vektor in control untuk setiap karakteristik kualitas dan Σ adalah matrik kovarian. Sedangkan batas kontrol atas pada diagram kontrol tersebut adalah

mn  m  p  1

LCL = 0

4

 , p , mn  m  p 1

(13)

Batas kontrol pada fase II yakni UCL = p (m  1)( n  1) F mn  m  p  1

merujuk berdasarkan dimensi kualitas layanan dan dikombinasikan dengan penelitian terdahulu yang telah disesuaikan dengan kondisi terminal keberangkatan Bandara Juanda pada terminal keberangkatan domestik. Variabel yang diukur dari faktor pelayanan yaitu, keramahan dan kesopanan petugas dalam melayani penumpang, penampilan petugas, kesigapan dan ketelitian petugas dalam pelayanan, kesediaan petugas untuk membantu penumpang, ketepatan informasi yang diberikan petugas, kemampuan petugas dalam memberikan pelayanan dan informasi, dan kemudahan mendapatkan informasi. Berdasarkan faktor fasilitas, variabel yang diukur antara lain, kemudahan mendapatkan transportasi umum (taxi/bus) , jumlah troli yang tersedia, variasi menu yang ditawarkan restoran, kelengkapan barang yang dijual di toko swalayan, kelengkapan ATM yang tersedia, kebersihan dan kenyamanan toilet, dan jumlah kursi yang tersedia di ruang tunggu. Kemudian dari faktor lingkungan, variabel kualitas yang diukur meliputi, kejelasan petunjuk arah di lingkungan bandara, kebersihan dan kenyamanan di area bandara, dan kesesuaian tata letak fasilitas di area bandara. Berdasarkan faktor biaya, variabel kualitas yang diukur meliputi, kesesuaian tarif PJP2U (airport tax) dengan pelayanan, dan kesesuaian harga pada fasilitas restauran dan belanja. Sedangkan untuk faktor keamanan, variabel kualitas yang diukur meliputi, jaminan keamanan barang yang akan dibagasikan dan keamanan di area bandara. Adapun langkah-langkah dalam penelitian ini adalah sebagai berikut. 1. Perumusan Masalah dan Tujuan Penelitian 2. Identifikasi Variabel dan Merancang Kuesioner 3. Melakukan Survey Pendahuluan Survey dilakukan pada tanggal 18 – 22 April 2011. Pada survey pendahuluan ini diambil sampel sebanyak 32 responden. 4. Uji Validitas dan Reliabilitas 5. Melakukan Analisis Faktor 6. Menyusun dan menetapkan variabel penelitian 7. Pengumpulan Data atau Survey Tahap I dan Tahap II Survey dilakukan kembali terhadap penumpang yang akan berangkat dari Bandara Juanda di terminal keberangkatan domestik yang telah merasakan pelayanan. Survey tahap I dan II dilakukan pada tanggal 25 - 29 April 2011 dan 2 - 6 Mei 2011. Pengamatan dilakukan pada shift I setiap satu jam sekali, sehingga 1 hari diperoleh 8 buah pengamatan. Jumlah sampel untuk setiap pengamatan adalah sebanyak 10 responden. Sehingga total sampel yang diambil pada survey tahap I adalah sebanyak 400 responden dan tahap II juga sebanyak 400 responden.

 , p , mn  m  p 1

LCL = 0

(14)

2.6 Diagram Kontrol Improved Generalized Variance Diagram Kontrol Improved Generalized Variance merupakan pengembangan dari Diagram Kontrol Generalized Variance (Djauhari, 2005). Pengembangan tersebut dilakukan karena Diagram Kontrol Generalized Variance menghasilkan batas kontrol yang bias jika m>1. Keuntungan dari Diagram Kontrol Improved Generalized Variance, yaitu dapat diperoleh batas kontrol yang lebih sensitif dalam mendeteksi pengamatan yang out of control dibandingkan dengan Diagram Kontrol Generalized Variance. Adapun rumus batas kontrol untuk Diagram kontrol Improved Generalized Variance adalah sebagai berikut. LCL =   b (15)  b max 0, S  1  3 2 2  b b3  b4    3

CL =

S

UCL =

(15)

b1 b3 b b S  1  3 2 2 b3  b4  b3

(15)

   

dimana: b1 

p 1  (n  j ) ( n  1) p j 1

b2 

1 ( n  1) 2 p

b3 

p



p



j 1

p



 (n  j )    (n  j  2)   (n  j )  j 1

j 1



p

1

m(n  1)  j  1 m(n  1)  p

j 1

1 b4  m(n  1)2 p

p



p



j 1

p



 m (n  1)  j  1    m(n  1)  j  3   m(n  1)  j  1 j 1

j 1



2.7 Identifikasi Variabel Penyebab Terjadinya Sinyal Tidak Terkontrol dalam Rata-rata Proses Jika dalam pengontrolan proses terjadi sinyal tidak terkontrol, maka perlu dilakukan identifikasi variabel penyebab terjadinya sinyal tidak terkontrol tersebut. Runger et al. dalam Montgomery (2005) menjelaskan bahwa (16) d j  T 2  T 2( j) dj adalah sebuah indikator dari kontribusi relatif dari variabel ke-j untuk keseluruhan statistik. Ketika terdapat sinyal out of control maka direkomendasikan penghitungan nilai dari dj (j = 1, 2, ..., p) dan memfokuskan perhatian pada variabel yang memiliki nilai dj yang relatif besar. Jika nilai d j    ,1 maka variabel ke-j tersebut adalah penyebab pengamatan yang out of control. 3 METODE PENELITIAN Data yang digunakan dalam penelitian ini adalah data primer dari survey kepuasan penumpang pesawat udara pada layanan Terminal Keberangkatan Bandara Juanda Surabaya bulan April dan Mei 2011. Variabel-variabel yang digunakan

5

kan analisis faktor dapat diketahui bahwa variabel yang konsisten untuk ketiga metode adalah variabel pada analisis faktor dengan rotasi quartimax. Variabel-variabel yang diambil adalah variabel yang konsisten di faktor satu. Hasil analisis faktor dengan rotasi quartimax untuk ketiga metode tersebut dapat dilihat pada Tabel 1. Berdasarkan Tabel 1 terlihat bahwa variabelvariabel yang konsisten untuk metode PCA dengan matrik korelasi, metode PCA dengan matrik kovarian, dan metode maksimum likelihood terdapat pada variabel X1, X2, X3, X4, X, X6, X14, X18, dan X20. Hal tersebut dikarenakan variabel-variabel tersebut konsisten berada dalam satu faktor untuk ketiga metode tersebut. Namun, jika dilihat dari nilai persen varian sebelum rotasi, didapatkan persentase varian untuk faktor satu adalah sebesar 44 persen. Artinya, variabel yang terpilih di faktor satu hanya mewakili 44 persen dari total keseluruhan data yang digunakan dalam penentuan variabel yang dianggap penting. Sehingga berdasarkan analisis faktor, maka terdapat sembilan variabel yang dianggap penting oleh penumpang pesawat, dimana variabel-varibel tersebut dapat dilihat pada Tabel 2. Variabel-variabel yang dianggap penting tersebut kemudian akan digunakan pada analisis pengontrolan vektor mean dan variabilitas proses layanan Bandara Juanda.

8. Analisis Data Sebelum dilakukan analisis, ada asumsi yang harus terpenuhi yaitu adanya hubungan atau korelasi antar variabel dan data yang berdistribusi normal multivariat. Kemudian setelah kedua asumsi terpenuhi maka analisis data pengontrolan proses dapat dilakukan, meliputi: a. Diagram Kontrol Multivariat T2 Hotelling b. Diagram Kontrol Improved Generalized Variance 9. Kesimpulan 4 ANALISIS DAN PEMBAHASAN Langkah pertama yang dilakukan dalam analisis data ini adalah melakukan uji validitas dan reliabilitas terhadap data hasil survey pendahuluan. Hasil uji validitas dan reliabilitas diperoleh semua variabel telah dinyatakan valid dan reliable, sehingga variabel-variabel tersebut dapat digunakan untuk analisis selanjutnya. 4.1 Penentuan Variabel yang Dianggap Penting Oleh Penumpang Pesawat Penentuan variabel yang dianggap penting oleh penumpang pesawat dilakukan setelah semua variabel kualitas layanan telah dinyatakan valid dan reliabel. Metode yang digunakan dalam penentuan variabel tersebut adalah dengan menggunakan analisis faktor. Berdasarkan Johnson (2007), dalam penentuan jumlah variabel yang dianggap penting dilakukan pembandingan hasil analisis faktor dengan metode PCA (Principal Component Analysis) baik untuk matrik korelasi maupun matrik kovarian dan metode maksimum likelihood. Kemudian dilakukan rotasi varimax, equimax, dan quartimax untuk masing-masing metode. Hasil analisis faktor yang diberikan oleh ketiga metode tersebut kemudian dibandingkan dan dipilih variabel yang konsisten untuk ketiga metode tersebut. Berdasar-

Tabel 2 Variabel yang Dianggap Penting oleh Penumpang

Tabel 1 Analisis Faktor dengan Rotasi Quartimax

= Variabel yang konsisten masuk pada faktor satu untuk ketiga metode

6

variabel kualitas layanan bandara saling berkorelasi atau dapat dikatakan bersifat multivariat. Sedangkan untuk uji normal multivariat diketahui bahwa data Tahap I dan II telah memenuhi asumsi data berdistribusi normal multivariat. Selanjutnya akan dilakukan pengontrolan vektor mean dan variabilitas proses untuk tahap pertama. Pada pengontrolan tahap pertama, akan dilakukan monitoring terhadap variabilitas proses layanan menggunakan Diagram Kontrol Improved Generalized Variance. Kemudian dilanjutkan dengan pengontrolan vektor mean menggunakan Diagram Kontrol T2Hotelling. Hasil pengontrolan variabilitas proses layanan Bandara Juanda menggunakan Diagram Kontrol Improved Generalized Variance dapat dilihat pada Gambar 11. Gambar 11 merupakan gambar Diagram Kontrol Improved Generalized Variance pada tahap pertama. Berdasarkan Gambar 11 terlihat bahwa proses layanan Bandara Juanda telah terkontrol (in control) dalam variabilitas. Hal tersebut terlihat dari titik-titik pengamatan berada di bawah batas kontrol atas. Nilai batas kontrol atas diperoleh sebesar 0,0081 dengan nilai determinan dari rata-rata matrik varian kovarian sebesar 0,347. Sehingga nilai taksiran tersebut selanjutnya akan digunakan untuk pengontrolan variabilitas proses Data Tahap II. Selanjutnya akan dilakukan pengontrolan vektor mean proses layanan Bandara Juanda, dimana hasilnya dapat dilihat pada Gambar 12. Berdasarkan Gambar 12 dapat diketahui bahwa data belum terkontrol dalam mean. Hal tersebut dikarenakan terdapat pengamatan yang tidak terkontrol (out of control) pada pengamatan ke-34, pengamatan ke-37 dan pengamatan ke-39. Batas kontrol atas yang dihasilkan adalah sebesar 25,8464 dan batas kontrol bawah sebesar 0. Batas kontrol tersebut belum dapat digunakan untuk pengontrolan tahap kedua. Hal tersebut dikarenakan proses pada tahap pertama belum terkontrol, sehingga harus dilakukan penelusuran variabel penyebab pengamatan yang tidak terkontrol. Tabel 3 merupakan hasil penelusuran variabel penyebab pengamatan yang tidak terkontrol. Berdasarkan Tabel 3 diketahui bahwa variabel yang menyebabkan pengamatan ke-34 out of control adalah variabel X2 (penampilan petugas) dan X8 (kesesuaian tarif PJP2U (airport tax) dengan pelayanan). Hal tersebut diindikasikan oleh nilai d2 dan d8 > χ(0.05,1).

4.1 Analisis Karakteristik Penumpang Pesawat Bandara Juanda Berdasarkan hasil survey terhadap penumpang pesawat di Bandara Juanda pada bulan April dan Mei 2011, didapatkan karakteristik penumpang pesawat berdasarkan jenis kelamin, usia, tingkat pendidikan, pekerjaan, pengeluaran per bulan, frekuensi menggunakan bandara dalam tiga bulan terakhir, dan tempat tinggal adalah sebagai berikut. Berdasarkan Gambar 1 terlihat bahwa sebagian besar penumpang pesawat di Bandara Juanda adalah lakilaki dengan persentase sebesar 64 persen. Berdasarkan Gambar 2 dapat diketahui bahwa mayoritas penumpang pesawat berusia antara 21-30 tahun dengan persentase sebesar 33 persen. Berdasarkan Gambar 3 terlihat bahwa sebagian besar penumpang adalah strata 1 dengan persentase sebesar 45 persen. Jika karakteristik penumpang pesawat ditinjau dari segi pekerjaannya seperti yang terlihat pada Gambar 4, diperoleh bahwa mayoritas penumpang pesawat bekerja sebagai pegawai swasta, yaitu sebesar 34 persen. Berdasarkan Gambar 5 terlihat bahwa mayoritas penumpang pesawat di Bandara Juanda memiliki pengeluaran per bulan antara 1,5 – 3 juta dengan persentase sebesar 26 persen. Berdasarkan Gambar 6 dapat diketahui bahwa 32 persen penumpang pesawat di Bandara Juanda sudah pernah menggunakan Bandara Juanda sebanyak 1 kali. Berdasarkan Gambar 7 dapat diketahui bahwa mayoritas penumpang pesawat di Bandara Juanda tinggal di wilayah Jawa Timur dengan persentase sebesar 51 persen. Apabila ditinjau dari kota tempat tinggal penumpang di wilayah Jawa Timur berdasarkan Gambar 8, dapat diketahui bahwa 45,07 persen penumpang tinggal di Kota Surabaya. Sedangkan pada Gambar 9 memberikan informasi bahwa penumpang yang tinggal di luar wilayah Jawa Timur namun masih berada dalam wilayah Pulau Jawa, mayoritas tinggal di Provinsi DKI Jakarta dengan persentase sebesar 38,03 persen. Berdasarkan diagram batang pada Gambar 10 terlihat bahwa mayoritas penumpang yang bertempat tinggal di luar wilayah Pulau Jawa, yaitu tinggal di Pulau Kalimantan dengan persentase sebesar 31,35 persen. 4.2 Pengontrolan Vektor Mean dan Variabilitas Proses Layanan Bandara Juanda Pengontrolan vektor mean dan variabilitas proses dibagi menjadi dua tahap. Tahap pertama akan dilakuakan pengontrolan terhadap vektor mean dan variabilitas proses untuk Data Tahap I, sedangkan tahap kedua akan dilakuakan pengontrolan terhadap Data Tahap II. Sebelum dilakukan pengontrolan vektor mean dan variabilitas proses untuk Data Tahap I dan II, terlebih dahulu dilakukan pengujian asumsi adanya korelasi antar variabel dan data berdistribusi normal multivariat. Berdasarkan uji korelasi untuk data Tahap I dan II dapat diketahui bahwa variabel-

Tabel 3 Penelusuran Variabel Penyebab Pengamatan yang out of control pada Diagram Kontrol T2Hotelling Tahap Pertama

Setelah diketahui faktor-faktor penyebab ketidakstabilan proses layanan di Bandara Juanda, kemudian pengamatan yang out of control tersebut

7

Tahap II. Hasil yang diperoleh untuk pengontrolan vektor mean proses Data Tahap II dapat dilihat pada Gambar 15. Gambar 15 mengindikasikan bahwa Data Tahap II belum terkontrol dalam mean. Hal tersebut dikarenakan terdapat pengamatan yang tidak terkontrol (out of control) pada pengamatan ke-10, pengamatan ke-11 dan pengamatan ke-12. Batas kontrol atas yang dihasilkan adalah sebesar 25,846 dan batas kontrol bawah sebesar 0. Kemudian akan dilakukan penelusuran variabel penyebab pengamatan yang tidak terkontrol seperti pada Tabel 4.

dibuang dan dilakukan revisi pembuatan diagram kontrol. Hasil revisi Diagram Kontrol T2Hotelling. Data Tahap I dapat dilihat pada Gambar 13. Berdasarkan Gambar 13 dapat diketahui bahwa data sudah terkontrol dalam mean dengan nilai batas kontrol atas sebesar 25,896. Hal tersebut terlihat dari nilai statistik T2 untuk setiap pengamatan berada dibawah nilai batas kontrol atas. Dengan demikian Data Tahap I sudah terkontrol sehingga nilai parameter yang diestimasi dari Data Tahap I dapat digunakan pada pengontrolan tahap kedua. Setelah dilakukan pengontrolan tahap pertama, selanjutnya adalah pengontrolan tahap kedua. Berdasarkan parameter yang diestimasi dari pengontrolan tahap pertama, didapatkan hasil Diagram Kontrol Improved Generalized Variance dan Diagram Kontrol T2Hotelling seperti pada Gambar 14 dan 15. Gambar 14 menunjukkan bahwa proses layanan Bandara Juanda telah terkontrol (in control) dalam variabilitas. Hal tersebut terlihat dari titik-titik pengamatan berada di bawah batas kontrol atas. Nilai batas kontrol atas diperoleh sebesar 0,0081. Berdasarkan Gambar 14 dapat disimpulkan bahwa keadaan stabilitas dari variabilitas proses layanan Bandara Juanda pada pengontrolan tahap kedua sudah terkontrol. Selanjutnya akan dilakukan pengontrolan vektor mean proses layanan Bandara Juanda pada Data

Tabel 4 Penelusuran Variabel Penyebab Pengamatan yang out of control pada Diagram Kontrol T2Hotelling Tahap Kedua

Berdasarkan Tabel 4 diketahui bahwa variabel yang menyebabkan pengamatan ke-10 out of control adalah variabel X3 (kesigapan dan ketelitian petugas dalam pelayanan), X5 (ketepatan informasi yang diberikan petugas), dan X6 (kemampuan petugas dalam memberikan pelayanan dan informasi). Hal tersebut berdasarkan nilai d3, d5, dan d6>χ(0.05,1).

Gambar 1 Karakteristik Berdasarkan Jenis Kelamin

Gambar 2 Karakteristik Berdasarkan Usia

Gambar 3 Karakteristik Berdasarkan Tingkat Pendidikan

Gambar 4 Karakteristik Berdasarkan Pekerjaan

Gambar 5 Karakteristik Berdasarkan Pengeluaran

Gambar 6 Karakteristik Berdasarkan Frekuensi Menggunakan Bandara

8

Gambar 7 Karakteristik Berdasarkan Tempat Tinggal

Gambar 8 Karakteristik Penumpang yang Tinggal di Jawa Timur

Gambar 9 Karakteristik Penumpang yang Tinggal di Luar Jawa Timur Masih dalam wilayah Pulau Jawa

Gambar 10 Karakteristik Penumpang yang Tinggal di Luar Pulau Jawa

Diagram Kontrol Improoved GV Subgroup

Diagram Kontrol T Square Hotelling Subgroup

0.01

50

0.009

45 UCL

40

0.007

35

0.006

30 T Square

Generalized Variance

0.008

0.005 0.004

20

0.003

15

0.002

10

0.001 0

UCL

25

5 0

5

10

15 20 25 Pengamatan ke-

30

CL LCL 40

35

0

Gambar 11 Diagram Kontrol Improved Generalized Variance Data Tahap I

0

5

10

15 20 25 Pengamatan ke-

30

35

LCL 40

Gambar 12 Diagram Kontrol T2Hotelling Data Tahap I

Diagram Kontrol TSquare Hotelling Subgroup

Diagram Kontrol Improoved GV Subgroup 0.01

30

0.009

UCL

25

Generalized Variance

T Square

UCL

0.008

20

15

10

0.007 0.006 0.005 0.004 0.003 0.002

5

0.001 0

0

0

5

10

15 20 25 Pengamatan ke-

30

35

LCL

40

50

T Square

40

30 UCL 20

10

5

10

15 20 25 Pengamatan ke-

30

35

10

15 20 25 Pengamatan ke-

30

35

CL LCL 40

5 KESIMPULAN DAN SARAN Berdasarkan analisis dan pembahasan yang telah dilakukan, maka dari penelitian Tugas Akhir ini dapat diambil kesimpulan sebagai berikut. 1. Variabel-variabel yang dianggap penting oleh penumpang pesawat di Bandara Juanda meliputi variabel keramahan dan kesopanan petugas dalam melayani penumpang, penampilan petugas, kesigapan dan ketelitian petugas dalam pelayanan, kesediaan petugas untuk membantu penumpang, ketepatan informasi yang diberikan petugas, kemampuan petugas dalam memberikan pelayanan

Diagram Kontrol T Square Hotelling Subgroup 60

0

5

Gambar 14 Diagram Kontrol Improved Generalized Variance Data Tahap II

Gambar 13 Revisi Diagram Kontrol T2Hotelling. Data Tahap I

0

0

LCL 40

Gambar 15 Diagram Kontrol T2Hotelling Data Tahap II

9

aviationreg.ie/_fileupload/Image/PR_AC3_Pu b1_CP3_2008_Quality_of_Service.pdf diakses pada tanggal 8 Maret 2011 pukul 20.00 WIB.

dan informasi, jumlah kursi yang tersedia di ruang tunggu, kesesuaian tarif PJP2U (airport tax) dengan pelayanan, dan jaminan keamanan barang yang akan dibagasikan. 2. Berdasarkan Diagram Kontrol T2Hotelling dan Improved Generalized Variance untuk pengontrolan tahap pertama dan kedua diketahui bahwa layanan Bandara Juanda tidak stabil dalam mean, namun stabil dalam variabilitas. Berdasarkan hal tersebut dapat disimpulkan bahwa tingkat kepuasan penumpang pada tanggal 25-29 April 2011 dan 2-6 Mei 2011 pada shift I mengalami pergeseran karena beberapa penumpang merasa tidak puas terhadap layanan. Namun, penilaian antara penumpang yang satu dengan lainnya relatif seragam. 3. Variabel yang menyebabkan pengamatan out of control, yaitu variabel penampilan petugas, kesesuaian tarif PJP2U (airport tax) dengan pelayanan, kesediaan petugas untuk membantu penumpang, jumlah kursi yang tersedia di ruang tunggu, jaminan keamanan barang yang akan dibagasikan, kesigapan dan ketelitian petugas dalam pelayanan, ketepatan informasi yang diberikan petugas, dan kemampuan petugas dalam memberikan pelayanan dan informasi. Saran yang dapat diberikan untuk pihak manajemen PT. Angkasa Pura I (Persero) sebagai pengelola Bandara Juanda, yaitu Bandara Juanda masih perlu melakukan perbaikan proses layanan. Pada penelitian selanjutnya disarankan agar pada saat pengambilan sampel (survey) di lapangan dihindari penumpang yang berangkat secara berkelompok (satu keluarga). Selain itu, perlu dilakukan pengontrolan kualitas untuk variabel yang masuk pada variabel selain di faktor satu pada analisis faktor.

Djauhari, M. A., 2005. Improved Monitoring of Multivariate Process Variability. Journal of Quality Technology. Vol.37, No.1, p.32-39. Ernita, R., 2009. Pengontrolan Kualitas Layanan Agen Kartu Seluler Prabayar Tertentu pada Call Center Surabaya dengan Diagram Kontrol D2 (Mahalanobis Distance). Laporan Tugas Akhir S1. Statistika FMIPA ITS. Surabaya. Hanslik, T., Boelle, P. Y., dan Flahault, A., 2001. The Control Chart: an Epidemiological Tool for Public Health Monitoring. Public Health. Vol.115, p.277-281. International Air Transport Association, 2001. Global Airport Monitor dalam http://www.bestransport.org/conference02/Morris2.pdf diakses pada tanggal 8 Maret 2011 pukul 20.00 WIB. International Civil Aviation Organization, 2000. Quality at Airports dalam http://www.aerohabitat.eu/uploadsdia/24-04-2009__Quality___Airports__-_ICAO_-_Vreedenburgh.pdf diakses pada tanggal 8 Maret 2011 pukul 20.00 WIB. Johnson, R. A., dan Wichern, D. W., 2007. Applied Multivariate Statistical Analysis 6th edition. Pearson Education Inc. United States of America. Kotler, P., dan Keller, K. L., 2009. Manajemen Pemasaran Edisi ke-13 Jilid I. Erlangga. Jakarta.

6. DAFTAR PUSTAKA Andini, S. A., 2005. Analisis Kualitas Layanan Bandar Udara Juanda dengan Menggunakan Metode QFD dan Analisis SWOT untuk merumuskan Strategi Pengembanganya. Tesis. Magister Teknik Industri Pascasarjana FTI ITS. Surabaya.

Lindaryani, R., 2010. Pengontrolan Kualitas Layanan Perpustakaan Pusat ITS Surabaya. Laporan Tugas Akhir S1. Statistika FMIPA ITS. Surabaya. Montgomery, D. C., 2005. Introduction to Statistical Quality Control 5th edition. John Wiley and Sons Inc. New York.

Australian Competition & Consumer Commission, 2008. Airport Quality of Service Monitoring Guideline dalam http://www.accc.gov.au/content/item.phtml?itemId=880393&nodeId=e43 635a69407f0621f607f01fd813005&fn=Airpor t%20quality%20of%20service%20monitoring %20guideline-Oct%202008.pdf diakses pada tanggal 8 Maret 2011 pukul 20.00 WIB.

Raka, G., 2009. Analisis Kepuasan Layanan dan Strategi Pemasaran dengan Metode Analisis Faktor dan Fuzzy Quality Function Deployment (Fuzzy QFD). Laporan Tugas Akhir S1. Statistika FMIPA ITS. Surabaya. Tjiptono, F., 1996. Manajemen Jasa. Andi Offset. Yogyakarta.

Bisnis Indonesia, 2010. Bandara Juanda overload 71% dalam http://bataviase.co.id/node/347130 diakses pada tanggal 24 Desember 2010 jam 09.00 WIB.

Wood, M., 1994. Statistical Methods For Monitoring Service Processes. International Journal of Service Industry Management. Vol.5, No.4, p.53-68.

Commission for Aviation Regulation, 2008. Quality of Service at Dublin Airport dalam http://www.-

10