PROPOSAL PROGRAM KREATIVITAS MAHASISWA JUDUL PROGRAM

PROPOSAL PROGRAM KREATIVITAS MAHASISWA JUDUL PROGRAM PENDEKATAN METODE SERVQUAL DAN KLASTER FUZZY K-MEANS UNTUK MENGANALISIS INDEKS KEPUASAN PENGGUNA JASA KANTOR POS DI KOTA SEMARANG Bidang Kegiatan : PKM-PENELITIAN

DiusulkanOleh : Irawati Tamara

24010212120002/ Angkatan 2012

Rezzy Eko Caraka

24010211140085/ Angkatan 2011

Aulia Putri Andana

24010212140067/ Angkatan 2012

Juli Sekar Sari

24010212120006/ Angkatan 2012

Deden Aditya Nanda

24010212120012/ Angkatan 2012

UNIVERSITAS DIPONEGORO SEMARANG 2014

i

ii

DAFTAR ISI Halaman Cover Lembar Pengesahan Daftar Isi Ringkasan BAB 1. PENDAHULUAN 1.1. Latar Belakang Masalah 1.2. Rumusan Masalah 1.3. Tujuan Penelitian 1.4. Manfaat Penelitian BAB 2. TINJAUAN PUTAKA 2.1. Metode Service Quality (Servqual) 2.2. Analisis Klaster 2.3. Logika Fuzzy 2.4. Algoritma FkM BAB 3. METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian 3.2. Jenis dan Sumber Data 3.3. Metode Pengumpulan Data 3.4. Teknik Pengolahan Data 3.5. Variabel Penelitian 3.6. Diagram Analisis BAB 4. BIAYA DAN JADWAL KEGIATAN 4.1. Anggaran Biaya 4.2. Jadwal Kegiatan DAFTAR PUSTAKA LAMPIRAN-LAMPIRAN

i ii iii iv 1 2 2 2 2 3 4 5 6 6 7 7 7 8 9 9 9 11

iii

RINGKASAN Setiap kantor pelayanan jasa harus memperhatikan tentang kepuasan penggunanya karena apabila terjadi kesalahan kepada pengguna jasa, maka pengguna jasa akan merasa tidak nyaman yang dapat mengakibatkan pengguna jasa tersebut berpindah ke kantor pelayanan jasa lain. Kualitas layanan kantor pelayanan jasa berkaitan erat dengan kepuasan pengguna jasa. Kualitas memberikan dorongan khusus bagi pengguna jasa untuk menjalin ikatan relasi saling menguntungkan dalam jangka panjang dengan kantor pelayanan jasa yang bersangkutan. Oleh karena itu, kantor pelayanan jasa perlu memahami harapan dan kebutuhan spesifik pengguna jasa, sehingga pada akhirnya dapat mengetahui tingkat atau indeks kepuasan pengguna jasa. Analisis Klaster merupakan salah satu dari analisis statistika, dengan Metode Fuzzy k-Means (FkM) akan di analisis segmentasi kepuasan pelayanan pengguna jasa pada kantor POS di Kota Semarang. Alasan menggunakan metode tersebut adalah pengguna memiliki persepsi tingkat kepuasan yang berbeda-beda, sehingga akan menimbulkan dimensi pelayanan kepuasan tertentu. Maka dengan analisis klaster dengan Metode Fuzzy k-Means (FkM) maka akan terlihat tingkat kepuasan pelayanan pengguna jasa pada kantor POS di Kota Semarang.

iv

1

BAB 1. PENDAHULUAN 1.1. Latar Belakang Dalam era globalisasi ini, persaingan bisnis menjadi sangat tajam, baik di dalam pasar domestik (nasional) maupun di pasar internasional atau global. Untuk memenangkan persaingan, perusahaan harus mampu memberikan kepuasan kepada para pelanggannya. Pelanggan harus dipuaskan, sebab jika pelanggan tidak puas akan meninggalkan perusahaan dan menjadi pelanggan pesaing (Supranto, 2006). Menurut Levitt seperti yang dikutip oleh Tjiptono (2005) mengemukakan bahwa pelanggan bukan hanya semata-mata membeli barang atau jasa, namun mereka membeli manfaat yang diberikan oleh barang atau jasa yang bersangkutan. Kualitas jasa atau kualitas layanan (service quality) berkontribusi signifikan bagi penciptaan diferensiasi, positioning, dan strategi bersaing setiap organisasi pemasaran, baik perusahaan manufaktur maupun penyedia jasa. Perkembangan di bidang ilmu pengetahuan dan teknologi mempengaruhi aktivitas perkantoran terutama dalam segi pemrosesan data elektronik dan telekomunikasi. Kantor POS harus dapat memilih mana bentuk dan jenis teknologi yang paling tepat digunakan untuk mencapai tujuan yang telah ditetapkan, karena hal itu berpengaruh pula pada proses keputusan baik dari segi ketepatan dan keakuratannya serta yang paling penting adalah kemampuan dan kecepatan kantor POS dalam memberikan pelayanan yang diperlukan oleh pengguna jasa. Kantor POS merupakan perkantoran yang mengalami pertumbuhan yang sangat pesat dan termasuk dalam jajaran kantor pelayanan jasa di Indonesia. Dalam lembaga kepercayaan ini Kantor POS harus menjaga kredibilitas kepada pengguna jasanya. Persaingan yang semakin ketat menuntut dunia kantor pelayanan jasa untuk selalu meningkatkan pelayanannya terhadap pengguna jasa. Menurut Tjiptono (2005) dalam bisnis jasa, sikap dan layanan karyawan merupakan elemen krusial yang berpengaruh signifikan terhadap kualitas jasa yang dihasilkan dan dipersepsikan. Misalnya, kecepatan proses transaksi di kantor POS, lamanya antri dalam pembayaran menunggu panggilan teller di kantor POS. Pelayanan kualitas yang diberikan kantor POS menyebabkan persepsi yang berbeda-beda pada tiap pengguna jasa. Hal ini menyebabkan timbulnya kelompok pengguna jasa berdasarkan kepuasan pada dimensi kualitas pelayanan tertentu. Analisis statistika yang sering digunakan dalam hal ini adalah analisis klaster. Dalam penelitian ini akan menganalisis segmentasi kepuasan pengguna jasa pada Kantor POS dengan menggunakan metode Fuzzy k-Means (FKM). Kualitas layanan kantor POS berkaitan erat dengan kepuasan pengguna jasa. Kualitas memberikan dorongan khusus bagi pengguna jasa untuk menjalin ikatan relasi saling menguntungkan dalam jangka panjang dengan kantor POS yang bersangkutan. Oleh karena itu, kantor POS perlu memahami harapan dan

2

kebutuhan spesifik pengguna jasa, sehingga pada akhirnya dapat mengetahui tingkat atau indeks kepuasan pengguna jasa. Berdasarkan latar belakang tersebut mendorong peneliti untuk mengkaji lebih lanjut tingkat kepuasan pengguna jasa pada beberapa kelompok pengguna jasa yang tertarik pada dimensi tertentu pada kualitas pelayanan kantor POS. Yang menjadi pertanyaannya adalah bagaimana mengetahui tingkat atau indeks kepuasan pengguna jasa berdasarkan segmentasi kepuasan pengguna jasa Kantor POS di Kota Semarang. Berdasarkan latar belakang tersebut, peneliti melakukan pendekatan metode service quality dan metode Fuzzy k-Means (FkM) untuk menganalisis indeks kepuasan pengguna jasa kantor POS di Kota Semarang. Data yang digunakan adalah data primer yang diperoleh dari pengguna jasa kantor POS di Kota Semarang. 1.2 Rumusan Masalah Berdasarkan latar belakang di atas, rumusan masalah yang diambil yaitu bagaimana menganalisis tingkat kepuasan pengguna jasa kantor POS pada setiap klaster yang telah terbentuk berdasarkan FkM, serta berapa besar kepuasan pengguna jasa kantor POS terhadap kualitas pelayanan yang diberikan POS di Kota Semarang. 1.3. Tujuan Penelitian Tujuan penelitian adalah menganalisis indeks kepuasan pengguna jasa kantor POS dengan pendekatan service quality dan metode Fuzzy k-Means (FkM). Studi kasus dilakukan pada Kantor POS Kota Semarang. Secara rinci tujuan penelitian meliputi: 1. Menganalisis jumlah klaster optimum yang dapat terbentuk dengan fuzzy k-means. 2. Menganalisis bobot terbaik yang digunakan dalam permasalahan ini. 3. Menganalisis indeks kepuasan pengguna jasa kantor POS untuk masing-masing klaster yang terbentuk. 1.4. Manfaat Penelitian Manfaat yang dapat diambil dari penelitian ini, antara lain: 1. Mengetahui kelompok pengguna jasa yang puas terhadap kualitas pelayanan tertentu di Kantor POS Kota Semarang, serta tingkat kepuasan pengguna jasa pada tiap kelompok. 2. Bagi instansi terkait, penelitian ini dapat dijadikan sebagai bahan kajian dalam peningkatan kualitas pelayanan secara umumnya, dan memperbaiki kualitas pelayanan yang kurang secara khususnya. 3. Bagi institusi pendidikan, penelitian ini dapat memperkaya khasanah kepustakaan dan dapat dijadikan sebagai bahan penelitian yang lebih lanjut.

3

BAB 2. TINJAUAN PUSTAKA 2.1. Metode Service Quality (Servqual) Berdasarkan tujuan organisasi, jasa dapat diklasifikasikan menjadi profit service dan non-profit sevice (Tjiptono, 2005). Profit service merupakan jasa yang berorientasi pada keuntungan, sedangkan non-profit service merupakan jasa yang tidak berorientasi pada keuntungan. Kantor POS merupakan profit service. Oleh karena itu kualitas pelayanan sangat penting serta membangun layanan dan fasilitas yang bermutu pula. Metode kualitas jasa yang banyak dijadikan acuan dalam riset manajemen dan pemasaran jasa adalah model SERVQUAL (Service Quality). Menurut Setiyawati (2009), metode Service Quality merupakan metode yang digunakan untuk mengukur kualitas pelayanan dari atribut masing-masing dimensi, sehingga akan diperoleh nilai gap (kesenjangan) yang merupakan selisih antara persepsi konsumen terhadap layanan yang telah diterima dengan harapan terhadap layanan yang akan diterima. 2.2. Analisis Klaster Analisis klaster merupakan suatu teknik yang digunakan untuk mengklasifikasikan objek atau kasus (responden) ke dalam kelompok yang relatif homogen, yang disebut klaster berdasarkan karakteristik yang dimilikinya. Tujuan pengelompokan analisis klaster adalah mengelompokkan objek-objek yang serupa bersama-sama. Objek-objek dengan jarak yang lebih kecil diantara mereka adalah lebih serupa dibandingkan objek-objek dengan jarak yang lebih besar. Beberapa jarak yang umum digunakan adalah : 1. Jarak Euclidean adalah akar dua dari jumlah perbedaan kuadrat nilainilai setiap variabel (Seber, 2004). 2. Jarak Cityblock atau Jarak Manhattan adalah jumlah perbedaan absolut antar variabel. 3. Jarak Chebychev adalah perbedaan nilai absolut maksimum pada setiap variabel.

4

Gambar 2.4 Klasifikasi Prosedur Klaster (Sumber: Supranto, 2004) Prosedur klaster tersebut dapat diuraikan sebagai berikut: b. Hierarchical Metode hierarki ditandai dengan pembuatan sebuah struktur hierarkis atau struktur menyerupai pohon. Metode hierarki terdiri dari divisive dan agglomerative. Metode divisive dimulai dengan menempatkan semua objek sebagai satu klaster. Lalu secara bertahap objek-objek dipisahkan ke dalam klaster-klaster yang berbeda. Sedangkan metode agglomerative dimulai dengan menempatkan setiap objek dalam suatu klaster yang terpisah (berbeda). c. Non-Hierarchical (k-Means) Metode k-means yaitu metode yang mengelompokkan data ke dalam k klaster, dimana k adalah banyaknya klaster yang ditentukan sendiri oleh peneliti sesuai tujuan penelitian. Metode non-hirarki terdiri dari tiga metode yaitu Pertama, Ambang Batas Urutan (Sequential Thereshold). Suatu pusat klaster dipilih dan semua objek yang berada dalam ambang batas digabungkan. Lalu dipilih pusat klaster baru. Kemudian proses tersebut diulang untuk titik-titik yang belum di-klaster. Kedua, Ambang Paralel (Parallel Thereshold). Hampir sama dengan metode Sequential Thereshold. Bedanya, beberapa pusat klaster dipilih secara simultan. Kemudian objek-objek dalam ambang batas dikelompokkan dengan pusat yang terdekat. Seiring berjalannya proses, batas jarak dapat disesuaikan untuk mengurangi atau menambah jumlah anggota klaster. Ketiga, Partisi Optimasi (Optimizing Partitioned). Metode partisi optimasi yang sering digunakan adalah Fuzzy k-Means Klaster (FkM). Sebuah objek dapat dimasukkan ke dalam sebuah klaster, kemudian dikeluarkan lagi karena ternyata lebih dekat dengan klaster lain. 2.3. Logika Fuzzy Teori himpunan fuzzy pertama kali diperkenalkan oleh Lotfi Zadeh, seorang profesor di Universitas California pada tahun 1965. Aturan dasar logika fuzzy tidak membutuhkan model matematis yang kompleks untuk mengoperasikannya, yang dibutuhkan adalah pemahaman praktis dan teoritis dari perilaku sistem secara keseluruhan (Setiadji, 2009). Tidak seperti logika matematika, logika fuzzy memiliki banyak nilai. Himpunan fuzzy adalah bentuk umum dari himpunan biasa yang memiliki tingkat keanggotaan dari tiap-tiap elemen yang dibatasi dengan interval [0,1]. 2.3.1 Himpunan Crisp dan Fuzzy Pada dasarnya semua himpunan mempunyai derajat atau nilai keanggotaan. Pada himpunan fuzzy nilai keanggotaannya berada pada

5

interval [0,1]. Berikut ini dijelaskan perbedaan mendasar pada himpunan klasik (crisp) dan himpunan fuzzy. a. Himpunan Konvensional (Crisp) Menurut Setiadji (2009), himpunan crisp A didefinisikan oleh anggota-anggota yang ada pada himpunan itu. Jika

, maka

nilai keanggotaan x adalah 1. Namun, jika , maka nilai keanggotaan x adalah 0. b. Himpunan Fuzzy Himpunan fuzzy adalah bentuk umum dari himpunan biasa (crisp) yang memiliki tingkat keanggotaan dari tiap-tiap elemen yang dibatasi dengan interval [0,1] (Robandi, 2006). Nilai keanggotaan fuzzy menunjukkan bahwa suatu item dalam semesta pembicaraan tidak hanya berada pada 0 atau 1, namun juga nilai yang terletak diantaranya. 2.3.2 Fuzzy k-Means (FkM) Menurut Kusumadewi (2002), FkM adalah suatu teknik klaster data yang keberadaan tiap-tiap titik data dalam suatu klaster ditentukan oleh derajat keanggotaan. Teknik ini pertama kali diperkenalkan oleh Jim Bezdek pada tahun 1981. Metode FkM ini merupakan pengembangan dari metode non-hierarki k-Means Klaster, karena pada awalnya ditentukan dahulu jumlah kelompok atau klaster yang akan dibentuk. Kemudian dilakukan iterasi sampai mendapatkan keanggotaan kelompok. 2.4. Algoritma FkM Langkah-langkah dalam algoritma Fuzzy k-Means (FkM) diberikan sebagai berikut (Bahar, 2011): 1. Menentukan data yang akan di-klaster X, berupa matriks berukuran n x p (n=ukuran sampel data, p=variabel setiap data). Xij adalah data sampel ke-i (i=1,2,...,n) dan variabel ke-j (j=1,2,...,p). 2. Menentukan: Jumlah klaster =c Pangkat pembobot =m Error terkecil yang diharapkan Fungsi objektif awal

= = Po = 0

3. Membangkitkan bilangan random , i=1,2,...,n; k=1,2,3,...,c. 4. Menghitung pusat klaster ke-k (vkj), dengan k=1,2,...,c; dan j=1,2,...,p

5. Memperbaharui nilai keanggotaan fuzzy

6

6. Menghitung fungsi objektif pada iterasi ke-t

7. Memeriksa kondisi berhenti (konvergen): -

Jika , maka iterasi berhenti Jika tidak, maka t = t+1, mengulangi langkah ke-4

BAB 3. METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian ini dilakukan pada bulan Februari 2014 sampai Maret 2014. Penelitian dilakukan pada pengguna jasa kantor POS Cabang Y Semarang. 3.2. Jenis dan Sumber Data Data primer untuk penelitian ini diperoleh langsung dari hasil jawaban kuesioner responden yaitu pengguna jasa kantor POS Cabang Y Semarang. Sumber data sekunder untuk mendukung penelitian diperoleh dari website resmi Kantor POS X dan publikasi yang terkait dengan Kantor POS X. Item pertanyaan yang dibuat pada kuesioner penelitian ini menggunakan skala semantik diferensial. Skala ini digunakan untuk mengukur sikap, bentuk skala ini bukan pilihan ganda maupun checklist tetapi tersusun dalam satu garis kontinu. Berikut gambaran nilai pada pertanyaan kuesioner. Kepentingan:

Kinerja:

Keterangan: Skor 1-2,5 : Cenderung tidak penting /tidak setuju (dengan sifat Kuat) Skor 2,5-5 : Tidak penting/tidak setuju (dengan sifat Lemah) Makin ke 1 semakin tidak penting/tidak setuju Skor 5-7,5 : Penting/setuju (dengan sifat Lemah) Skor 7,5-10 : Cenderung penting/setuju (dengan sifat Kuat) Makin ke 10 semakin penting/setuju. Pada item pilihan jawaban, responden memilih dengan memberi tanda (√) pada garis kontinu, serta memberi skor pada kotak yang disediakan sesuai tanda pada garis kontinu.

7

3.3. Metode Pengumpulan Data Responden dalam penelitian ini adalah pengguna jasa kantor POS Cabang Semarang. Melalui metode purposive sampling, yaitu sampel yang diambil didasarkan pada pertimbangan tertentu dari peneliti sesuai dengan tujuan peneliti. 3.4. Teknik Pengolahan Data Penelitian ini menggunakan empat alat analisis. Service Quality digunakan untuk menentukan variabel apa saja yang digunakan dalam penelitian, hal ini didasarkan pada dimensi yang dijabarkan pada metode Service Quality. Klaster Fuzzy k-Means untuk mengklasifikasikan objek ke dalam kelompok yang homogen. Manova digunakan untuk menguji pengelompokan objek dengan Klaster Fuzzy k-Means telah menghasilkan klaster yang optimum. Customer Satisfacion Index digunakan untuk mengetahui tingkat kepuasan konsumen tiap klaster yang telah terbentuk. Data hasil penelitian diolah dengan menggunakan software Microsoft Excel 2007, R 3.0.2 dengan paket e1071, dan SPSS 16.0. 3.5. Variabel Penelitian Penelitian ini untuk melihat kepuasan pengguna jasa kantor POS berdasarkan 18 variabel penelitian yang mewakili empat dimensi kualitas jasa yaitu sebagai berikut: a. Dimensi Tangibles (Bukti Fisik) Dimensi Tangibles dibentuk oleh: X1 : Penampilan pegawai X2 : Visual gedung kantor POS X3 : Fasilitas ruang tunggu X4 : Teknologi yang digunakan X5 : Fasilitas tempat parkir b. Dimensi Responssiveness (Daya Tanggap) Dimensi Responssiveness dibentuk oleh: X6 : Membantu dalam kondisi apapun X7 : Kemudahan melaporkan keluhan X8 : Kecepatan merespon keluhan/permasalahan X9 : Kecepatan menyelesaikan keluhan c. Dimensi Reliability (Kehandalan) Dimensi Reliability dibentuk oleh: X10 : Kemudahan akses lokasi X11 : Ketepatan jam pelayanan X12 : Waktu tunggu pelayanan X13 : Kecepatan proses Transaksi X14 : Kemudahan prosedur pelayanan d. Dimensi Assurance (Jaminan) Dimensi Assurance dibentuk oleh: X15 : Jaminan keamanan transaksi X16 : Pelayanan ramah dan sopan

8

X17 : Kemampuan pegawai menjawab pertanyaan X18 : Kecekatan dan pengalaman pegawai 3.6. Diagram Analisis Dari analisis di atas diperlukan suatu perencanaan yang baik dan tepat agar hasil yang didapat sesuai dengan yang diinginkan. Untuk itu digunakan diagram alur penelitian (flowchart).

Gambar 3.1 Diagram Alur Penelitian

9

BAB 4. BIAYA DAN JADWAL KEGIATAN 4.1. RANCANGAN BIAYA Rancangan biaya dari kegiatan ini memiliki rincian sebagai berikut : No Jenis Pengeluaran Biaya (Rp) 1 Peralatan Penunjang Rp 2.350.000,00 2 Bahan Habis Pakai Rp 3.290.000,00 3 Perjalanan Rp 2.350.000,00 4 Lain-lain Rp 1.410.000,00 Jumlah Rp 9.400.000,00 4.2. JADWAL KEGIATAN Jadwal kegiatan program dari tahap persiapan sampai laporan final disusun dalam bar chart sebagai berikut : Rencana Kegiatan Bulan ke-1 Bulan ke-2 Bulan ke-3 1 2 3 4 1 2 3 4 1 2 3 4 Persiapan Pengumpulan Data Pengolahan Data Analisis Laporan Final DAFTAR PUSTAKA Amran, T. G. dan Ekadeputra, P. 2010. “Pengukuran Kepuasan Pelanggan Menggunakan Metoda Kano dan Root Cause Analysis (Studi Kasus PLN Tangerang)”. Jurnal Teknik Industri. ISSN: 1411-6340, hal. 160 – 172. Astuti, H. J. 2009. “Pengaruh Nilai yang Dipersepsikan dan Kualitas Layanan Terhadap Loyalitas yang Dimediasi Kepuasan Konsumen”. Media Ekonomi, Vol. 9, No. 1. Bahar. 2011. Penentuan Jurusan Sekolah menengah Atas dengan Algoritma Fuzzy C-Means Dalam Penelitian untuk Tesis Magister Teknik Informatika. Semarang: BP Universitas Dian Nuswantoro. Daniel, W. W. 1989. Statistika Parametrik Terapan. Jakarta: Gramedia. Eriyanto. 2007. Teknik Sampling : Analisis Opini Publik. Yogyakarta: LKIS Yogyakarta. Ghozali, I. 2006. Aplikasi Multivariat dengan Program SPSS. Semarang: BP Universitas Diponegoro. Hoppner, F., et.al. 1999. Fuzzy Klaster Analysis: Methods for Classification, Data Analysis, and Image Recognition. England: John Wiley and Sons Ltd. Jaya, T. S. 2012. Sistem Pemilihan Perumahan Dengan Metode Kombinasi Fuzzy C-Means Klastering dan Simple Additive Weighting Dalam Penelitian

10

untuk Tesis Magister Sistem Informatika. Semarang: BP Universitas Diponegoro. Johnson, R. A. dan Wichern, D. W. 2007. Applied Multivariate Statistical Analysis. Sixth Edition. New Jersey : Pearson International Edition. Kusumadewi, S. 2002. Analisis dan Desain Sistem Fuzzy. Yogyakarta: Graha Ilmu. Kusumadewi, S. dan Hartati, S. 2006. Fuzzy Multi Atribute Decision Making. Yogyakarta: Graha Ilmu. Parasuraman, A., Zeithmal, V. A. dan Berry, L. L. 1985. “A Conceptual Model of Service Quality and Its Implications for Future Research”. Journal of Marketing, Vol. 49, No. 4, pp 41 – 50. Putra, C. G. D. 2011. Analisis Kepuasan Pelanggan Pada Perusahaan Daerah Air Minum (PDAM) di Kabupaten Jembrana Dalam Penelitian untuk Tesis Magister Teknik Sipil. Denpasar: BP Universitas Udayana. Rahaman, M. M., Abdullah, M. dan Rahman, A. 2011. “Service Quality Using SERVQUAL Model: A Study on PCBs (Private Commercial Kantor POSs) in Bangladesh”. Journal of Business Management Dynamics, Vol. 1, No. 1, pp 01 – 11, Juli 2011. Rao, A. R. dan Srinivas, V.V. 2006. “Regionalization of Watersheds by Fuzzy Klaster Analysis”. Journal of Hydrology 318, pp 57-79. Robandi, I. 2006. Desain Sistem Tenaga Modern: Optimisasi, Logika Fuzzy, dan Algoritma Genetika. Yogyakarta: ANDI. Setiadji. 2009. Himpunan dan Logika Samar serta Aplikasinya. Yogyakarta: Graha Ilmu. Setiyawati, A. 2009. Studi Kepuasan Pelanggan untuk Mencapai Loyalitas Pelanggan Dalam Penelitian untuk Tesis Magister Manajemen Konsentrasi Manajemen Pemasaran. Semarang: BP Universitas Diponegoro. Somantri, A. dan Muhidin, S. A. 2006. Aplikasi Statistika dalam Penelitian. Bandung: Pustaka Setia. Sujarweni, V. W. dan Endrayanto, P. 2012. Statistika untuk Penelitian. Yogyakara: Graha Ilmu. Sukardi dan Chandrawatisma, C. 2006. “Analisis Tingkat Kepuasan Pelanggan Terhadap Produk Corned Pronas Produksi PT Cip, Denpasar, Bali”. Jurnal Teknik Industri, Vol. 18(2), hal. 106 – 117. Supranto, J. 2006. Pengukuran Tingkat Kepuasan Pelanggan untuk Menaikkan Pangsa Pasar. Jakarta: Rineka Cipta. Tjiptono, F. dan Chandra, G. 2005. Service, Quality, and Satisfaction. Yogyakarta: ANDI.

11

LAMPIRAN-LAMPIRAN Lampiran 1. Biodata Ketua dan Anggota, Biodata Dosen Pembimbing Ketua A. Identitas Diri 1 Nama Lengkap Irawati Tamara 2 Jenis Kelamin Perempuan 3 Program Studi Statistika 4 NIM 24010212120002 5 Tempat dan Tanggal Lahir Bandar Lampung, 26 Juni 1994 6 E-mail [email protected] 7 Nomor Telepon / HP 085789807630 B. Riwayat Pendidikan SD Nama Institusi SDN 2 Rawa Laut (Teladan) Jurusan Tahun Masuk - Lulus 2000 - 2006

C. Pemakalah Seminar Ilmiah No Nama Pertemuan Ilmiah / Seminar 1 -

SMP MTsN 2 Bandar Lampung 2006 – 2009

SMA MAN 1 Bandar Lampung IPA 2009 - 2012

Judul Artikel Ilmiah

Waktu dan Tempat

-

-

D. Penghargaan dalam 10 tahun Terakhir No Jenis Penghargaan 1 2 3 4 5

Juara 1 Lomba Blog SeLampung Juara III Kontes Robot SeLampung Juara III Try Out IPA seMAN 1 Bandar Lampung Juara Umum 1 Jurusan IPA Lolos PKM-K 2013 Pendanaan Dikti tahun 2014

Institusi Pemberi Penghargaan APKOMINDO

Tahun

BEM FT - UNILA

2010

BKB AL-QOLAM

2011

MAN 1 Bandar Lampung DIKTI

2012 2014

2010

Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dapat dipertanggung-jawabkan secara hukum. Apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan, saya anggap menerima sanksi.

12

Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan dalam pengajuan hibah PKM-P. Semarang, 19 September 2014 Pengusul,

(Irawati Tamara) Anggota 1 A. Identitas Diri 1 Nama Lengkap 2 Jenis Kelamin 3 Program Studi 4 NIM 5 Tempat dan Tanggal Lahir 6 E-mail 7 Nomor Telepon / HP

Rezzy Eko Caraka Laki-laki Statistika 24010211140085 Tanjung Balai Karimun, 27 Januari 1994 [email protected] 087782428788

B. Riwayat Pendidikan SD Nama Institusi SDN 001 Tanjung Balai Karimun Jurusan Tahun Masuk - 1999 - 2005 Lulus


PesertaTerbaik Seminar PeternakandanPerikanan.

SMA SMAN 31 Jakarta

2005 – 2008

IPA 2008 - 2011


Waktu dan Tempat

-

-

D. Penghargaan dalam 10 tahun Terakhir No Jenis Penghargaan 1

SMP SMPN 232 Jakarta

Institusi Pemberi Penghargaan DinasPeternakandan Perikanan (DISNAKAN) Kabupaten Bogor

Tahun 2010

13

2

3 4

5 6 7 8 9 10

Participated in the IYA “You Are Galileo” Project International Year of Astronomy Runner Up on Chemistry Science Olympiad on 31 SHS Best Project on KOLAM KIR 31 SHS (KegiatanObservasiAlamKaryaIlmiahRe maja) FinalisOlimpiadeSainsNasional (OSN) Kimia KotaMadya Jakarta Timur Staff TerbaikKelompokIlmiahBelajar ( KIR ) 232 JHS Runner Up on Cerebrovit Excel Competition Runner Up on News Reading Competition 77 JHS JuaraUmum 2 danSiswaTeladan 232 JHS JuaraUmum 1 danSiswaTeladan 232 JHS

LIPI

2009

SMAN 31 Jakarta

2009

SMAN 31 Jakarta

2009

Kota Madya Jakarta 2009 Timur SMPN 232 Jakarta 2007 SMPN 232 Jakarta

2006

SMPN 77 Jakarta

2006

SMPN 232 Jakarta

2006

SMPN 232 Jakarta

20072008

Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dapat dipertanggung-jawabkan secara hukum. Apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan, saya anggap menerima sanksi. Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan dalam pengajuan hibah PKM-P. Semarang, 19 September 2014 Pengusul,

(Rezzy Eko Caraka) Anggota 2 A. Identitas Diri 1 Nama Lengkap 2 Jenis Kelamin 3 Program Studi 4 NIM 5 Tempat dan Tanggal Lahir 6 E-mail 7 Nomor Telepon / HP

Aulia Putri Andana Perempuan Statistika 24010212140067 Batang, 30 Juni 1994 [email protected] 085742252240

14

B. Riwayat Pendidikan Nama Institusi

SD SDN 1Cepagan

SMP SMPN 1 Warungasem 2006 – 2009

Jurusan Tahun Masuk - Lulus 2000 - 2006 C. Pemakalah Seminar Ilmiah No Nama Pertemuan Ilmiah / Seminar 1 -

SMA SMAN 1 Batang IPA 2009 - 2012


Waktu dan Tempat

-

-


Juara umum perkemahan sabtu minggu Se-Batang tingkat penggalang

Institusi Pemberi Penghargaan Kwarcab Kab. Batang

Tahun 2008


(Aulia Putri Andana) Anggota 3 A. Identitas Diri 1 Nama Lengkap 2 Jenis Kelamin 3 Program Studi 4 NIM 5 Tempat dan Tanggal Lahir 6 E-mail 7 Nomor Telepon / HP

Juli Sekar Sari Perempuan Statistika 24010212120006 Metro, 10 Juli 1994 [email protected] 08996444873

15

B. Riwayat Pendidikan SD Nama Institusi SDN 6 Metro Barat Jurusan Tahun Masuk - Lulus 2000 - 2006 C. Pemakalah Seminar Ilmiah No Nama Pertemuan Ilmiah / Seminar 1 -


Waktu dan Tempat

-

-

D. Penghargaan dalam 10 tahun Terakhir No Jenis Penghargaan 1 2

SMP SMA SMPN 1 Metro SMAN 3 Metro IPA 2006 – 2009 2009 – 2012

Juara II Lomba Cari Data(LCD) Se- Lampung Juara III Lomba Cari Data(LCD) Se- Lampung

Institusi Pemberi Penghargaan KIR SMAN 1 Purbolinggo KIR SMAN 1 Kota Gajah

Tahun 2009 2010


(Juli Sekar Sari) Anggota 4 A. Identitas Diri 1 Nama Lengkap 2 Jenis Kelamin 3 Program Studi 4 NIM 5 Tempat dan Tanggal Lahir 6 E-mail 7 Nomor Telepon / HP

Deden Aditya Nanda Laki-laki Statistika 24010212120012 Ketapang, 21 Oktober 1994 [email protected] 089694139663

16

B. Riwayat Pendidikan SD Nama Institusi SDN 07 Ketapang Jurusan Tahun Masuk - Lulus 2000 - 2006


2

3 4 5

SMA SMAN 01 Ketapang IPA 2009 - 2012


Waktu dan Tempat

-

-


SMP SMPN 01 Ketapang 2006 – 2009

Juara umum perkemahan sabtu minggu Se-Ketapang tingkat penggalang Juara umum perkemahan sabtu minggu Se-Ketapang tingkat Penegak Juara II Lomba Cerdas Cermat UUD dan Tap MPR Se-Ketapang Juara Umum 1 Jurusan IPA Lolos seleksi On-Mipa Undip

Institusi Pemberi Penghargaan Kwarcab Kab. Ketapang

Tahun

Kwarcab Ketapang

Kab.

2011

Dinas Pendidikan Ketapang SMAN 01 Ketapang Undip

2011

2008

2012 2014


(Deden Aditya Nanda)

17

Dosen Pembimbing A. Identitas Diri 1 Nama Lengkap 2 Jenis Kelamin 3 Jabatan Fungsional 4 NIP 5 NIDN 6 Tempat dan Tanggal Lahir 7 E-mail 8 Nomor Telepon/HP 9 Alamat Kantor

10 11 12

Moch. Abdul Mukid, S.Si, M.Si. L Lektor 197808172005011001 0017087803 Grobogan, 17 Agustus 1978 [email protected] 081326313730 Jurusan Statistika FSM Undip Jl. Prof. H. Soedharto, S.H. Tembalang Semarang Nomor Telepon/Faks 024 – 76480922 Lulusan yang Telah Dihasilkan S-1= 18 Orang Mata Kuliah yang Diampu 1. Komputasi Statistika 2. Teknik Simulasi 3. Metode Riset Pasar 4. Statistika Multivariat 5. Structural Equation Modelling 6. Inferensi Bayesian

B. Riwayat Pendidikan Program S1 Nama UNDIP Perguruan Tinggi Bidang Ilmu Matematika Tahun Masuk 1996 Tahun Lulus 2001 Judul Skripsi/ Pendugaan densitas Tesis/ Variabel Random dengan Disertasi Metode Entropi Maksimum Nama 1. Drs. Sudarno, M.Si. Pembimbing/ 2. Dra. Dwi Ispriyanti, Promotor M.Si. C. Pengalaman Penelitian No Tahun Judul Penelitian 1

2012

S2 IPB

Statistika 2007 2009 Regresi Proses Gaussian untuk Pemodelan Kalibrasi 1. Dr. Aji Hamim W, M.Sc. 2. Dr. Erfiani, MS.

Ketua/Anggota

Pengembangan Ketua Model Prediksi Curah Hujan dengan Pendekatan

Pendanaan Sumber Jumlah (Rp) DIPA 14.000.000 UNDIP

18

2

2012

3

2013

4

2014

Regresi Proses Gaussian (Studi Kasus di Kabupaten Grobogan) Identifikasi Pola Ketua Distribusi Curah Hujan dan Pendugaan Parameternya Menggunakan Metode Bayes dan Markov Chain Monte Carlo (MCMC) Pengelompokan Anggota Kabupaten/Kota di Jawa Tengah Menggunakan Fuzzy Clustering Pemilihan Model Anggota Terbaik untuk Analisis Data Inflasi di Indonesia

D. Pengalaman Pengabdian Kepada Masyarakat No Tahun Judul Penenlitian Ketua/Anggota 1

2010

2

2010

3

2010

Pelatihan Analisis Data Statistika Bagi Peneliti Balitbang Departemen Agama Provinsi Jawa Tengah Pelatihan Aplikasi Software Maple Dalam Pembelajaran Matematika Pelatihan ELearning Untuk Meningkatkan Kemapuan Proses Belajar Mengajar Secara Elektronik Guru-Guru

Ketua

DIPA MIPA UNDIP

7.500.000

DIPA MIPA UNDIP

7.500.000

DP2M DIKTI

50.225.000

Pendanaan Sumber Jumlah (Rp) Litbang 15.000.000 DEPAG JATENG

Anggota

DIPA MIPA

5.000.000

Anggota

DIPA MIPA

5.000.000

19

4

2011

5

2011

6

2011

7

2011

8

2012

SMP/SMA SeJawa Tengah Pelatihan Penulisan Ilmiah Menggunakan Latex Pendampingan Olimpiade Matematika Bagi Guru dan Siswa Daerah Berbakat dan Berpotensi Cerdas Bidang Matematika Di Kecamatan Kayen Kabupaten Pati Pelatihan Penggunaan Media E-Learning Sebagai Sarana Pendukung Proses Belajar Mengajar Bagi Guru-Guru SMP/SMA Di Kota Semarang Pelatihan Metodologi Penelitian Matematika Bagi Guru-Guru Pendidikan Matematika Pelatihan Statistika Untuk Sekretaris Desa di Kecamatan Banyumanik, Kota Semarang

Anggota

DIPA MIPA

5.000.000

Anggota

DIPA MIPA

7.500.000

Anggota

DIPA MIPA

7.500.000

Anggota

DIPA MIPA

7.500.000

Anggota

DIPA MIPA

7.500.000

E. Pengalaman Penulisan Artikel dalam Jurnal No Tahun Judul Artikel Penulis Utama/ Anggota 1 2010 Kinerja Regresi Penulis Proses Gaussian Utama Untuk Pemodelan Kalibrasi Peubah Ganda Pada Daerah Identifikasi Spektra

Nama Jurnal, Vol, No, hlm

Terakreditasi/ Belum

Prosiding Seminar Nasional Statistika IX ITS

20

2

2010

3

2011

4

2011

5

2011

6

2012

Infra Merah Senyawa Aktif Pemodelan Regresi Proses Gaussian Menggunakan Fungsi Peragam Eksponensial Kuadrat Implementasi Markov Chain Monte Carlo pada Pendugaan Hyperparameter Regresi Proses Gaussian Pendugaan Data Hilang dengan Menggunakan Data Augmentation Distribusi Poisson dan Distribusi Eksponensial dalam Proses Stokastik Identifikasi Pola Distribusi Curah Hujan dan Pendugaan Parameternya Menggunakan Metode Bayesian Markov Chain Monte Carlo

Penulis Utama

Media Statistika, Vol. 3 No. 1, Hal:1-8

Belum terakreditasi

Penulis Utama

Media Statistika, Vol 4 No. 1, Hal:1-10

Belum terakreditasi

Penulis Anggota

Media Statistika Vol. 4 No. 2, Hal: 73-85 Media Statistika Vol. 4 No. 2, Hal: 111-120

Belum terakreditasi

Media Statistika Vol. 5 No. 2

Belum terakreditasi

Penulis Anggota

Penulis Utama

Belum terakreditasi

Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi. Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan dalam pengajuan hibah PKM-P. Semarang, 19 September 2014

Moch. Abdul Mukid, S.Si, M.Si NIP. 197808172005011001

21

Lampiran 2. Justifikasi Anggaran Kegiatan 1. Peralatan Penunjang Material Justifikasi Pemakaian Pembelian Buku Print/Fotokopi Jurnal Flashdisc

Kuantitas 20 buah 15 buah 5 buah

Harga Satuan (Rp) Rp 75.000,00 Rp 20.000,00

Transportasi Penelitian Konsumsi Diskusi Komunikasi

4. Lain-Lain Material Pembuatan Proposal Fotokopi dan Jilid

Justifikasi Perjalanan 30 hari 12 kali 3 bulan

Rp 1.500.000,00 Rp. 300.000,00

Rp 110.000,00 Rp 550.000,00 SUB TOTAL (Rp) Rp 2.350.000,00

2. Bahan Habis Pakai Material Justifikasi Kuantitas Harga Satuan Pemakaian (Rp) Pulpen 3 bulan 1 kotak Rp 30.000,00 Pensil 3 bulan 1 kotak Rp 20.000,00 Spidol 3 bulan 10 buah Rp 10.000,00 Whiteboard Kertas HVS 80 gr 3 bulan 3 rim Rp 48.000,00 Tinta Print 3 kotak Rp 50.000,00 Catridge Black 1 buah Rp 346.000,00 and Colour Souvenir untuk 200 buah Rp12.500,00 responden SUB TOTAL (Rp) 3. Perjalanan Material

Jumlah (Rp

Kuantitas

Harga Satuan (Rp) Rp 50.000,00

Jumlah (Rp Rp 30.000,00 Rp 20.000,00 Rp 100.000,00 Rp 144.000,00 Rp 150.000,00 Rp 346.000,00 Rp2.500.000,00 Rp 3.290.000,00

Jumlah (Rp Rp 1.500.000,00

5 orang Rp 10.000,00 Rp 600.000,00 5 orang Rp 50.000,00 Rp 250.000,00 SUB TOTAL (Rp) Rp 2.350.000,00

Justifikasi Kuantitas Perjalanan

5

Harga Satuan (Rp) Rp 105.000,00

Jumlah (Rp Rp 105.000,00

Rp 20.000,00

Rp 100.000,00

22

Proposal Olah Data Pembuatan Laporan Fotokopi dan Jilid Laporan Publikasi Artikel Ilmiah

10

Rp 500.000,00 Rp 105.000,00

Rp 500.000,00 Rp 105.000,00

Rp 20.000,00

Rp 200.000,00

Rp 400.000,00

Rp 400.000,00

SUB TOTAL (Rp) Rp 1.410.000,00

Lampiran 3. Susunan Organisasi Tim Kegiatan dan Pembagian Tugas No Nama / NIM Program Bidang Alokasi Uraian Studi Ilmu Waktu Tugas (jam/minggu) 1 Irawati Tamara / Statistika 20 Ketua 24010212120002 2 Rezzy Eko Caraka/ Statistika 20 Analis 24010211140085 3 Aulia Putri Andana / Statistika 20 Sekretaris 24010212140067 4 Juli Sekar Sari / Statistika 20 Bendahara 24010212120006 5 Deden Aditya Nanda Statistika 20 Publikasi, / 24010212120012 Dokumentasi

23

Lampiran 4. Surat Pernyataan Ketua Peneliti

PROPOSAL PROGRAM KREATIVITAS MAHASISWA JUDUL PROGRAM

Recommend Documents