Kuadran ini menunjukkan atribut-atribut tersebut dianggap kurang penting oleh konsumen tetapi produk yang dihasilkan oleh perusahaan sangat baik
atau sangat memuaskan, sehingga konsumen menilai produk tersebut terlalu berlebihan. Perusahaan dapat mengurangi atribut yang ada pada kuadran ini
untuk menghemat biaya.
Kepentingan Y
X Kinerja Gambar 1. Diagram Kartesius
2.8. Customer Satisfaction Index
Metode ini digunakan untuk menentukan tingkat kepuasan secara keseluruhan dengan pendekatan yang mempertimbangkan tingkat kepentingan
dari atribut-atribut mutu produk yang diukur. Menurut Irawan 2003, pengukuran terhadap indeks kepuasan pelanggan Customer Satisfaction Index diperlukan
karena hasil dari pengukuran tersebut dapat digunakan sebagai acuan untuk menentukan sasaran-sasaran di tahun-tahun mendatang. Tanpa adanya indeks
kepuasan pelanggan tidak mungkin top management dapat menetukan target dalam peningkatan kepuasan pelanggan. Selain itu, indeks juga diperlukan karena
proses pengukuran kepuasan pelanggan bersifat kontinue. Tahapan-tahapan dalam pengukuran CSI adalah sebagai berikut :
1. Menghitung Weighting Factor WF, yaitu mengubah nilai rata-rata kepentingan menjadi angka persentase dari total rata-rata tingkat kepentingan
seluruh atrribut yang diuji, sehingga didapatkan total WF sebesar 100. 2. Menghitung Weighting Scores WS, yaitu nilai perkalian antara nilai rata-rata
tingkat kinerja kepuasan masing-masing atribut dengan WF masing-masing atribut.
3. Menghitung Weighting Total WT, yaitu menjumlahkan WS dari semua atribut.
Prioritas Utama I
Prioritas Rendah III
Pertahankan Prestasi II
Berlebihan IV
4. Menghitung Satisfaction Index, yaitu WT dibagi skala maksimal yang digunakan dalam penelitian ini skala maksimal adalah 5 kemudian dikali
100. Tingkat kepuasan responden secara menyeluruh dapat dilihat dari kriteria
tingkat kepuasan pelanggan dengan kriteria sebagai berikut: a. 0,81
– 1,00 = Sangat Puas b. 0,66
– 0,80 = Puas c. 0,51
– 0,65 = Cukup Puas d. 0,35
– 0,50 = Kurang Puas e. 0,00
– 0,34 = Tidak Puas
2.9. Proses Hierarki Analitik PHA
Proses hirarki analitik PHA merupakan suatu metode yang pertama kali dikembangkan oleh Thomas L. Saaty, ahli matematika dari Universitas of
Pitsburg, Amerika Serikat pada awal tahun 1970-an. Saaty dalam Fewidarto 1996 berpendapat bahwa pada dekade belakangan ini penerapan pendekatan
sistem untuk ilmu sosial dan ilmu perilaku nampaknya lebih cocok dan berkembang jika dibandingkan dengan penerapannya dalam ilmu eksakta.
Menurut Saaty dalam Fewidarto 1996, metode ini digunakan untuk memodelkan problema-problema tak terstruktur, baik dalam bidang ekonomi,
sosial, maupun ilmu manajemen. Selain itu baik pula digunakan dalam memodelkan problema-problema dan pendapat-pendapat sedemikian rupa, dimana
permasalahan yang ada telah benar-benar dinyatakan secara jelas, dievaluasi, diperbincangkan dan diprioritaskan untuk dikaji. Menurut Saaty 1993, tahapan-
tahapan dalam menyelesaikan persoalan dengan menggunakan AHP yaitu: 1. Identifikasi Sistem
Identifikasi sistem dilakukan dengan cara mempelajari beberapa rujukan untuk memperkaya ide atau berdiskusi dengan para pakar atau orang yang
menguasai permasalahan untuk mendapatkan konsep yang relevan dengan permasalahan dan mendefinisikan masalah serta mendapatkan solusi yang
diinginkan. Pendekatan yang digunakan dalam penelitian ini adalah pendekatan dengan menggunakan AHP dalam kerangka penetuan
perencanaan. Pemecahan masalah dan solusi yang diiginkan adalah
mendapatkan skenario optimal dari pengembangan strategi peningkatan kepuasan pelanggan, maka untuk menyusun suatu analisis tersebut, perlu
diketahui terlebih dahulu faktor-faktor yang mempengaruhinya. 2. Penyusunan Hirarki
Dalam penyusunan hirarki atau struktur keputusan dilakukan dengan mengelompokkan elemen-elemen sistem atau alternatif keputusan kedalam
suatu abstraksi sistem hirarki keputusan. 3. Komparasi Berpasangan
Penentuan tingkat kepentingan pada setiap tingkat hirarki atas pendapat dilakukan dengan komparasi berpasangan pairwise comparison. Teknik
komparasi berpasangan yang digunakan dalam AHP dilakukan dengan cara membandingkan antara elemen satu dengan elemen lainnya dalam satu tingkat
hirarki secara berpasangan sehingga diperoleh nilai kepentingan dari masing- masing elemen. Penilaian dilakukan dengan memberikan bobot numerik pada
setiap elemen yang dibandingkan dengan hasil wawancara langsung dengan responden. Responden bisa seorang ahli atau bukan, tetapi terlibat dan
mengetahui permasalahan tersebut. Untuk mengkuantitatifkan data yang bersifat kualitatif tersebut digunakan Skala Banding secara Berpasangan yang
dikembangkan oleh Saaty 1993 seperti terlihat pada Tabel 3. Tabel 3. Skala banding secara berpasangan
Kepentingan Definisi
Penjelasan
1 Kedua elemen sama pentingnya
Dua elememen mempunyai pengaruh yang sama besar terhadap tujuan
3 Elemen yang stu sedikit lebih penting
daripada elemen yang lainnya Pengalaman
dan penelitian
sedikit menyokong satu elemen di banding
elemen lain nya 5
Elemen yang stu lebih penting daripada elemen yang lain nya
Pengalaman dan penelitian dfengan kuat menyokong suatu elemen ketimbang
elemen lainnya 7
Suatu elemen jelas lebih penting daripada elemen yang lain
Suatu elemen yang kuat di sokong dan dominan terlihad dalam kenyataan
9 Suatu elemen Mutlak lebih penting
daripada elemen yang lain Bukti yang mendukung elemen yang satu
terhadap elemen lain memiliki tingkat penegasan tertinggi menguatkan
2, 4, 6, 8 Nilai
– nilai
diantara dan
pertimbangan yang berdekatan Nilai ini diberikan bila ada dua komponen
diantara dua pilihan Kebalikan
Jika untuk aktifitas i mendapat satu angka dila di bandingkan dengan
aktifitas j, maka j mempunyai nilai kebalikan dila dibandingkan dengan i
Sumber : Saaty, 1993
4. Matrik Pendapatan Individu Formulasi matrik individu adalah:
C
1
C
2
……
C
n
C
1
I a
12 ……
a
1n
C
2
I
a12
1 ….
a
2n
….. …..
…. …..
….
C
n
a
1n
a
2n …….
1 C1, C2, …..., C
n
adalah set elemen pada setiap tingkat keputusan dalam hirarki, kuantifikasi pendapat dari hasil komparasi berpasangan membentuk
matrik n x n. Nilai aij merupakan nilai matrik pendapat hasil komparasi yang mencerminkan nilai kepentingan Ci terhadap Cj
5. Pengolahan Horizontal Pengolahan horizontal digunakan untuk menyusun prioritas elemen keputusan
pada hirarki keputusan dengan empat tahapan, yaitu:
a. Perkalian baris z dengan menggunakan rumus:
1 j
k naij
n VE
zi
m
………….. 7
Dimana : zi
= vector eigen m
= jumlah responden n
= jumlah elemen yang dibandingkan
b. Perhitungan vector prioritas atau vector ciri:
1 1
1
l VEi
m VE
j aij
n n
j aij
n n
evPi
i m
………….. 8
Dimana eVPi = elemen vector prioritas ke-i
c. Perhitungan nilai Eigen Maksimum max dengan rumus:
VA = aij x VP dengan VA = v aij
VB =
VP VA
dengan VB = Vbi VB adalah nilai Eigen
max = untuk I = 1,2,…., n
………………9 VA = Vektor antara
d. Perhitungan Indeks Konsistensi CI
Konsistensi logis menunjukkan intensitas relasi antara pendapat yang didasarkan pada suatu kriteria tertentu dan saling memberikan secara logis.
Tingkat konsistensi menunjukkan suatu pendapat mempunyai nilai yang sesuai dengan pengelompokkan elemen pada hirarki. Tingkat konsistensi juga
menujukkan tingkat akurasi suatu pendapat terhadap elemen-elemen pada suatu tingkat hirarki. Untuk mengetahui konsistensi CI digunakan formulasi
sebagai berikut : ………….. 10
Dimana : max = Eigen value n
= Jumlah yang dibandingkan Konsistensi dapat diketahui secara menyeluruh dari berbagai pertimbangan
yang diukur dari nilai Ratio Konsistensi CR. Nilai dengan indeks acak RI, dimana nilai RI telah ditentukan seperti terlihat pada Tabel 4.
Tabel 4. Nilai Random Index RI n
RI n
RI n
RI n
RI n
RI 1
0,00 2
0,00 3
0,52 4
0,89 5
1,11 6
1,25 7
1,35 8
1,40 9
1,45 10
1,49
Sumber : Saaty, 1993
e. Revisi Pendapat
Revisi pendapat dapat dilakukan apabila nilai konsistensi ratio CR pendapat cukup tinggi lebih besar dari 0,1, dengan mencari deviasi RMS
Root Mean Square dari baris-baris aij dan perbandingan nilai bobot baris terhadap bobot kolom wiwj dan merevisi pendapat pada baris yang
mempunyai nilai terbesar, yaitu: ……………..11
n VBi,
i = 1 1
---- n
max - n CI = -----------------
n – 1
n max = S aij
– wiwj j = 1
Beberapa ahli berpendapat jika jumlah revisi terlalu besar, sebaiknya responden tersebut dihilangkan. Jadi penggunaan revisi ini sangat terbatas
mengingat akan terjadinya penyimpangan dari jawaban yang sebenarnya.
f. Matriks Pendapat Gabungan
