APLIKASI FUZZY QUANTIFICATION THEORY II DALAM MEMBANDINGKAN KEPUASAN PELANGGAN PROGRAM LISTRIK PASCABAYAR DENGAN PROGRAM LISTRIK PRABAYAR.

APLIKASI FUZZY QUANTIFICATION THEORY II

DALAM MEMBANDINGKAN KEPUASAN PELANGGAN PROGRAM LISTRIK PASCABAYAR DENGAN PROGRAM LISTRIK PRABAYAR

SKRIPSI

Diajukan untuk Memenuhi Sebagian dari Syarat untuk Memperoleh Gelar Sarjana Sains

Program Studi Matematika Konsentrasi Statistika

Oleh Gita Desyalita

0902284

PROGRAM STUDI MATEMATIKA JURUSAN PENDIDIKAN MATEMATIKA

FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PENDIDIKAN INDONESIA

APLIKASI FUZZY QUANTIFICATION THEORY II

DALAM MEMBANDINGKAN KEPUASAN PELANGGAN PROGRAM LISTRIK PASCABAYAR DENGAN PROGRAM LISTRIK PRABAYAR

Oleh Gita Desyalita

Sebuah skripsi yang diajukan untuk memenuhi salah satu syarat untuk memperoleh gelar Sarjana Sains pada

Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam

© Gita Desyalita 2013 Universitas Pendidikan Indonesia

Oktober 2013

Hak Cipta dilindungi undang-undang.

Skripsi ini tidak boleh diperbanyak seluruhya atau sebagian, dengan dicetak ulang, difoto kopi, atau cara lainnya tanpa ijin dari penulis.

GITA DESYALITA

APLIKASI FUZZY QUANTIFICATION THEORY II

DALAM MEMBANDINGKAN KEPUASAN PELANGGAN PROGRAM LISTRIK PASCABAYAR DENGAN PROGRAM LISTRIK PRABAYAR

DISETUJUI DAN DISAHKAN OLEH:

Pembimbing I

Dr. Bambang Avip Priatna M., M.Si. NIP : 196412051990031001

Pembimbing II

Hj. Dewi Rachmatin, S.Si., M.Si. NIP : 196909291994122001

Mengetahui,

Ketua Jurusan Pendidikan Matematika

Drs. Turmudi, M.Ed., M.Sc., Ph.D. NIP : 196101121987031003

ABSTRAK

Perbedaan pendapat tentang kepuasan pelanggan terhadap program pembayaran listrik pascabayar dan prabayar adalah salah satu kasus yang dapat ditangani menggunakan metode Fuzzy Quantification Theory II . Metode ini adalah metode yang mengekspresikan beberapa external standard ke dalam suatu nilai (derajat keanggotaan) yang direpresentasikan dengan nilai dalam rentang [0,1]. Tujuan dari metode ini diekspresikan dengan menggunakan persamaan linear . Berdasarkan hasil penelitian di UPJ Cijawura diperoleh hubungan antara dengan masing-masing external standar. merupakan hasil regresi linear untuk program listrik Pascabayar, yaitu

.

Sedangkan merupakan hasil regresi linear untuk program listrik Prabayar, yaitu:

.

Berdasarkan nilai rata-rata dari persamaan regresi linier untuk masing-masing program listrik diperoleh bobot kepuasan pelanggan sebesar 0.5201, sedangkan bobot kepuasan pelanggan sebesar 0.1556. Dari hasil penelitian diperoleh artinya pelanggan UPJ Cijawura lebih puas menggunakan program listrik pascabayar dibandingkan program listrik prabayar.

Kata Kunci : Fuzzy Quantification Theory II, External Standard, Persamaan Linier , bobot kepuasan pelanggan

ABSTRACT

Opinion differences of the customers satisfaction for postpaid and prepaid electricity payments program is one of the cases that can be handled by using the method of Fuzzy Quantification Theory II. This method is a method of expressing some external standard into a value (degree of membership) that is represented by values in the range [0 1]. The purpose of this method is expressed by using the linear equation . Based on the research results at UPJ Cijawura the relationship between the with external standards is obtained, respectively. is the result of linear regression for Postpaid electricity program, which is

.

While is the result of linear regression for Prepaid electricity program, namely:

.

Based on the average value of = -0.082 from the linear regression equation for each electricity program gained the weight of customer satisfaction is 0.5201, while the weight of customer satisfaction is 0.1556. From the reasearch results were obtained > which is means UPJ Cijawura’s customers are more satisfied using postpaid electricity program than prepaid electricity program .

Keywords : Fuzzy Quantification Theory II , External Standard , Linear Equation

DAFTAR ISI

Halaman LEMBAR PENGESAHAN

LEMBAR PERNYATAAN HAK CIPTA

ABSTRAK ... i

KATA PENGANTAR ... iii

UCAPAN TERIMAKASIH... iv

DAFTAR ISI ... vi

DAFTAR TABEL ... x

DAFTAR GAMBAR ... xi

DAFTAR LAMPIRAN ... xii

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang Masalah ... 1

1.2 Batasan Masalah ... 4

1.3 Rumusan Masalah ... 5

1.4 Tujuan Penelitian ... 5

1.5 Manfaat Penulisan ... 5

BAB II KAJIAN PUSTAKA ... 6

2.1 Kualitas Jasa ... 6

2.1.1 Jasa ... 6

2.1.2 Kualitas ... 6

2.1.3 Kualitas Jasa ... 7

2.2 Kepuasan Pelanggan ... 8

2.3 Analisis Regresi ... 10

vii

2.3.2 Uji Keberartian Parsial Parameter Regresi Linier

Sederhana (Uji Keberartian Intersef) ... 12

2.3.3 Uji Keberartian Parsial Parameter Regresi Linear Sederhana (Uji Keberartian Koefisien Regresi) ... 13

2.3.4 Uji Keberartian Model Regresi Linier ... 14

2.3.5 Koefisien Determinasi ... 16

2.3.6 Pemeriksaan Sisa ... 16

2.4 Matriks ... 17

2.4.1 Definisi Matriks ... 17

2.4.2 Operasi-Operasi Matriks ... 18

2.4.2.1Kesamaan Dua Matriks ... 18

2.4.2.2Penjumlahan dan Pengurangan Matriks ... 19

2.4.2.3Perkalian Matriks ... 19

2.4.2.4Invers Matriks ... 20

2.4.3 Jenis-Jenis Matriks ... 20

2.4.3.1Matriks Transpos... 20

2.4.3.2Matriks Diagonal... 21

2.4.3.3Matriks Segitiga ... 21

2.4.3.4Pangkat Matriks ... 21

2.4.3.5Akar Kuadrat Matriks ... 22

2.5 Nilai Eigen dan Vektor Eigen ... 22

2.5.1 Nilai Eigen ... 22

2.5.2 Vektor Eigen ... 24

2.6 Dekomposisi Cholesky ... 25

2.7 Populasi dan Sampel ... 27

2.7.1 Populasi ... 27

2.7.2 Sampel ... 27

2.8 Logika Fuzzy ... 27

BAB III FUZZY QUANTIFICATION THEORY II ... 30

3.1 Konsep Dasar ... 30

3.2 Karakteristik Fuzzy Quamtification Theory II ... 31

3.3 Menentukan Bobot Kategori ... 32

3.3.1 Bobot Kategori ... 32

3.3.2 Matriks ̅ ̅ ... 32

3.3.3 Matriks dan ... 33

3.3.4 Mendekomposisiskan Matriks menjadi Matriks ... 34

3.3.5 Matriks ... 34

3.4 Aplikasi Fuzzy Quamtification Theory II ... 35

BAB IV STUDI KASUS ... 36

4.1 Sumber Data ... 37

4.2 Identifikasi Variabel ... 38

4.2.1 Variabel Penelitian ... 38

4.2.2 Definisi Operasional Variabel ... 39

4.3 Metode Pengolahan Data ... 40

4.3.1 Uji Validitas dan Uji Reliabilitas ... 40

4.3.2 Fuzzy Quamtification Theory II ... 42

4.3.3 Pengujian ... 46

4.3.4 Perbandingan Bobot Kepuasan Pelanggan terhadap Masing- Masing Program Listrik ... 48

4.3.5 Uji Linearitas ... 49

4.3.6 Uji Keberartian Intersep dan Koefisien Regresi ... 49

4.3.7 Uji Keberartian Model Regresi Linear ... 51

4.3.8 Koefisien Determinasi ... 52

ix

BAB V KESIMPULAN DAN SARAN ... 55

5.1 Kesimpulan ... 55

5.2 Saran ... 55

DAFTAR PUSTAKA ... 56

LAMPIRAN ... 58

BAB I PENDAHULUAN

1.1Latar Belakang Masalah

Listrik memegang peranan yang sangat penting dalam kehidupan. Dapat dikatakan bahwa listrik telah menjadi sumber energi utama dalam setiap kegiatan baik di rumah tangga maupun industri (Joeardie, 2012).

PT. PLN (Persero) merupakan perusahaan penyedia jasa kelistrikan terbesar di Indonesia. Perusahaan ini telah banyak memberikan kontribusi yang besar dalam memasok kebutuhan listrik untuk masyarakat. Selaku perusahaan BUMN yang menangani masalah kepentingan listrik dan memberikan jumlah pasokan listrik kepada masyarakat dalam jumlah yang sangat besar, tentunya PT. PLN (Persero) memberikan pelayanan sebagai upaya pasti dalam memberikan

public service yang maksimal untuk kepentingan dan kemajuan bangsa

(Wahyusetya, 2011) .

Selama ini pelanggan PT. PLN (Persero) mendapat layanan program listrik pascabayar, yaitu menggunakan energi listrik terlebih dahulu kemudian membayar pada bulan berikutnya. Setiap bulan PT. PLN (Persero) harus mencatat meter, menghitung dan menerbitkan rekening yang harus dibayar pelanggan, melakukan penagihan kepada pelanggan yang terlambat atau tidak membayar, dan memutus aliran listrik jika pelanggan terlambat atau tidak membayar rekening listrik setelah waktu tertentu (PLN, 2013).

Untuk mengembangkan pelayanan suatu perusahaan, dibuatlah suatu inovasi demi mempertahankan eksistensi juga untuk kemajuan serta pengembangan dalam memberikan pelayanan kepada masyarakat. Bentuk inovasi yang diciptakan oleh PT. PLN (Persero) adalah dengan mengeluarkan program listrik prabayar atau disebut juga Listrik Pintar (Dhuhuriawan, 2012). Program listrik prabayar, yaitu mengeluarkan biaya terlebih dahulu untuk membeli energi listrik yang akan dikonsumsinya. Pelanggan tidak perlu berurusan dengan

pencatatan meter yang biasanya dilakukan setiap bulan, dan tidak perlu terikat dengan jadwal pembayaran listrik bulanan.

Alasan PT. PLN (Persero) mengganti program listrik pascabayar menjadi listrik prabayar karena program listrik prabayar merupakan program yang mempermudah pelanggan dalam pengontrolan penggunaan listrik. Dengan program ini pelanggan dapat mengatur pemakaian listrik dan dapat mematok anggaran biaya listrik bulanan (upvnj, 2013). Selain itu, pelanggan juga terlepas dari masalah kesalahan mencatat penggunaan listrik serta terbebas dari sanksi pemutusan terlambat membayar listrik. Secara otomatis layanan ini juga mengatasi keluhan pelanggan tentang pembacaan meter oleh petugas PLN yang tidak akurat. Pelanggan juga tidak perlu khawatir mati listrik mendadak saat

stroom yang tertera di meter sudah habis. Karena secara otomatis, meteran

prabayar akan memberikan alarm jika jumlah kwh sudah mulai habis (Wahyuni, 2012).

Keuntungan program listrik prabayar lebih banyak jika dibandingkan program listrik pascabayar, namun pendapat masyarakat menuai kontroversi mengenai adanya program baru ini. Seperti kejadian-kejadian berikut :

“Tarif listrik prabayar setelah dihitung justru lebih mahal daripada listrik pascabayar dan lebih membebani masyarakat kecil. Akhir-akhir ini PLN gencar menghimbau pelanggan agar beralih (migrasi) ke penggunaan listrik prabayar. Alih-alih menyajikan berbagai keunggulan program tersebut, nyatanya budget yang harus kami keluarkan lebih besar daripada sebelum bermigrasi ke listrik prabayar...” (Agenlistrikprabayar, 2011).

“Kemarin saya melakukan pengisian token PLN senilai Rp 20 ribu, tetapi sampai tadi pagi saya coba isi ternyata hasilnya gagal. Saya coba dengan pembelian token Rp 20 ribu lagi, tetapi juga tetap gagal. (sebelumnya

tidak ada masalah pengisian token)...” (Daniel, 2012).

“Banyak warga saya yang bertanya adanya meteran pulsa, tapi saya

sendiri hanya mengetahui sedikit tentang itu dari media massa. Apalagi sampai saat ini belum ada undangan dari Desa untuk sosialisasi penggunaan pulsa", ujar Sunardi. Secara terpisah, Umi (52), warga Perumahan Griya Salak Asri A1/6 Desa Cinangka mengaku merasa lebih hemat setelah menggunakan meteran pulsa dan tak perlu khawatir lagi dengan lonjakan tagihan tiap bulan, seperti yang pernah dialami

“Baru saja kamar kos-kosan saya di Depok dipasangkan sebuah alat meteran listrik prabayar. Awalnya saya tidak paham mengenai listrik prabayar yang merupakan salah satu program hemat energi dari Perusahaan Listrik Negara (PLN). Namun, setelah medengarkan penjelasan dari petugas pemasangan meteran tersebut, dapat saya bayangkan bahwa sistem listrik prabayar cukup praktis dan memang menghemat pengeluaran untuk listrik perbulannya...” (Haesy, 2011).

Dari kejadian-kejadian di atas, ada kalangan yang lebih memilih program listrik prabayar dibandingkan program listrik pascabayar, begitupun sebaliknya lebih memilih program listrik pascabayar dibandingkan program listrik prabayar. Berbagai alasan muncul dari masyarakat. Masyarakat menganggap listrik prabayar lebih mahal dan pemakaiannya lebih rumit, lebih praktis menggunakan listrik prabayar dibandingkan dengan listrik pascabayar, listrik prabayar lebih murah, kurangnya sosialisai lebih kepada masyarakat tentang program listrik prabayar dan masih banyak alasan lainnya.

Dengan hal ini, akan dibandingkan kepuasan pelanggan dari kedua program tersebut untuk melihat program mana yg memiliki kepuasan yang lebih baik bagi pelanggan. Sehingga akan dilakukan survey menggunakan kuesioner kepada sebagian pelanggan yang akan dijadikan sampel. Pendapat pelanggan akan menjadi acuan untuk mengetahui seberapa besar kepuasan pelanggan dari kedua program ini. Biasanya, suatu pendapat atau evaluasi terhadap suatu aktivitas akan direpresentasikan secara linguistik, seperti : mudah, sulit, mahal, murah, cukup, buruk, puas, dll. Untuk membandingkan pendapat atau evaluasi representasi linguistik, sebenarnya akan lebih mudah apabila ekspresi yang berbentuk kualitatif tersebut diganti dengan bentuk numeris. Untuk keperluan tersebut maka dibutuhkan metode kuantifikasi (Kusumadewi, 2010).

Menurut Chikio Hayashi (1950), Quantification Theory adalah metode kuantifikasi dari penilaian kualitatif dan evaluasi kualitatif. Quantification Theory ini terdiri dari empat metode, yaitu I, II, III dan IV. Metode kuantifikasi ini menggunakan nilai {1,0} untuk menunjukkan kepuasan pelanggan dari kedua program. Suatu program dikatakan puas bagi pelanggan jika derajat keanggotaan

Misalkan, variabel biaya dibagi menjadi 2 kategori, yaitu murah dan mahal. Kategori murah memiliki domain <150.000, sedangkan kategori mahal memiliki domain >150.000. Apabila biaya listrik seorang pelanggan sebesar 149.900, maka dikatakan murah. Sedangkan jika biaya listrik seorang pelanggan sebesar 150.100, maka dikatakan mahal. Dari pemisalan di atas, bisa dikatakan bahwa untuk menyatakan biaya listrik sangat tidak adil, adanya perubahan kecil saja pada suatu nilai mengakibatkan perbedaan kategori yang cukup signifikan. Ketidakadilan di atas dapat ditangani menggunakan teori himpunan fuzzy.

Fuzzy Quantification Theory adalah metode untuk mengendalikan

data-data kualitatif dengan menggunakan teori himpunan fuzzy. Pengendalian disini lebih dimaksudkan untuk menjelaskan kejadian-kejadian fuzzy menggunakan nilai dalam rentang [0,1] yang mengekspresikan pendapat-pendapat secara kualitatif (Kusumadewi, 2010).

Dalam penelitian ini akan dibandingkan kepuasan pelanggan dari kedua program listrik pascabayar dan program listrik prabayar. Yaitu dengan menggunakan salah satu metode Fuzzy Quantification Theory yaitu Fuzzy

Quantification Theory II. Dari hasil analisis yang akan dilakukan nantinya akan

diperoleh perbandingan dari kedua program dengan menggunakan Fuzzy

Quantification Theory II.

Berdasarkan latar belakang di atas, penulis tertarik untuk menerapkan

Fuzzy Quantification Theory II dengan judul “Aplikasi Fuzzy Quantification Theory II dalam Membandingkan Kepuasan Pelanggan Program Listrik Pascabayar dengan Program Listrik Prabayar”.

1.2Batasan Masalah

Agar pemaparan penelitian ini tidak terlalu meluas, maka penulis membatasi permasalahan sebagai berikut :

1. Dilakukan pengumpulan kuesioner untuk memperoleh data primer.

2. Data yang digunakan adalah data primer hasil survey dua program listrik pascabayar dan prabayar pada golongan tarif rumah tangga (R1) di UPJ Cijawura.

3. Metode yang digunakan adalah Fuzzy Quantification Theory II sebagai salah satu teknik dalam analisis terhadap data yang digunakan.

4. Pengukuran kepuasan pelanggan menggunakan variabel kualitas jasa.

1.3Rumusan Masalah

Berdasarkan hasil pemaparan sebelumnya, dapat dirumuskan permasalahan berikut : Bagaimana perbandingan kepuasan pelanggan antara program listrik pascabayar dengan program listrik prabayar di UPJ Cijawura ?

1.4Tujuan Penulisan

Adapun tujuan penulisan penelitian ini adalah membandingkan kepuasan pelanggan antara program listrik pascabayar dengan program listrik prabayar di UPJ Cijawura.

1.5Manfaat Penulisan

Adapun manfaat dari penelitian ini adalah sebagai berikut : 1. Manfaat Teoritis

Manfaat penulisan skripsi secara teoritis adalah mengaplikasikan metode

Fuzzy Quantification Theory II.

2. Manfaat Praktis

Manfaat penulisan skripsi secara praktis adalah mengetahui perilaku pelanggan sebagai penentu kebijakan serta menjadi acuan suatu perusahaan dalam menilai suatu program yang dihasilkan.

30

BAB III

FUZZY QUANTIFICATION THEORY II

3.1 Konsep Dasar

Fuzzy Quantification Theory adalah metode untuk mengendalikkan

data-data kualitatif dengan menggunakan teori himpunan fuzzy (Kusumadewi, 2010). Maksud dari pengendalian disini adalah menjelaskan kejadian-kejadian fuzzy dengan menggunakan nilai dalam rentang [0,1]. Nilai ini digunakan untuk mengekspresikan pendapat-pendapat secara kualitatif. Misalnya, pendapat seseorang dalam menilai sesuatu. Baik itu suatu produk, program kerja atau yang lainnya.

Jika terdapat data dengan derajat keanggotaan pada

fuzzy group adalah , maka ukuran dari himpunan fuzzy diekspresikan sebagai berikut (Terano, 1992):

∑

...(3.1) Sehingga,

∑

...(3.2) Untuk mencari total mean dan mean menggunakan fuzzy group diekspresikan persamaan berikut:

_{{∑ ∑}

} ...(3.3)

_{∑

Variasi total , variasi antar fuzzy group , dan variasi dalam fuzzy group

di definisikan sebagai berikut:

∑ ∑ ...(3.5) ∑ ∑( ) ...(3.6) ∑ ∑( ) ...(3.7) dalam hal ini, .

3.2 Karakteristik Fuzzy Quantification Theory II

Tujuan Fuzzy Quantification Theory II menurut Watada et al yang dikutip Terano (1992) sebagai berikut:

“The object of Fuzzy Quantification Theory II is to express several fuzzy groups

in terms of qualitative descriptive variables. These qualitative descriptive variables take the form of values (membership values) on [0,1].”

Dari kutipan di atas metode ini mengekspresikan beberapa fuzzy group ke dalam suatu nilai (derajat keanggotaan) yang direpresentasikan dengan nilai dalam rentang [0,1]. Berikut ini adalah tabel yang menunjukkan karakteristik data yang ditangani oleh Fuzzy Quantificationy Theory II.

Tabel 3.1 Karakteristik Fuzzy Quantificationy Theory II (Terano, 1992) No Fuzzy External Standard

Kategori

32

Dari Tabel 3.1 pada Fuzzy Quantification Theory II, external standard direpresentasikan sebagai fuzzy group . Tujuan dari Fuzzy

Quantification Theory II diekspresikan dengan menggunakan persamaan linear

dari bobot kategori untuk kategori , sebagai berikut (Terano, 1992):

∑

...(3.8)

3.3 Menentukan Bobot Kategori (Terano, 1992) 3.3.1 Bobot Kategori

Bobot kategori adalah nilai yang memberikan pemisahan yang paling baik untuk setiap external standard fuzzy group. Derajat pemisahan yang paling baik untuk grup-grup fuzzy ini didefinisikan dengan menggunakan variance ratio

yaitu rasio dari variasi total dan variasi antar fuzzy group berikut: ...(3.9) Dengan memaksimumkan fuzzy variance ratio , akan diperoleh nilai untuk persamaan linear (3.8).

3.3.2 Matriks , ̅ dan ̅

Untuk menentukan nilai pada persamaan linear , tentukan terlebih dahulu fuzzy mean ̅ dalam fuzzy group ( dan total fuzzy mean ̅ dengan:

̅ _{∑

} ...(3.10)

̅ _{{∑ ̅}

} ...(3.11)

Kemudian untuk nilai keanggotaan dari kategori , fuzzy mean ̅ dalam setiap fuzzy group dan total fuzzy mean ̅ dapat dicari dengan:

̅ _{∑

̅ _{{∑ ̅}

} ...(3.13)

Selanjutnya dibentuk matriks , ̅ , dan ̅ dengan elemen-elemen ,

̅ , dan ̅ yang berukuran , sebagai berikut:

[ ] ...(3.14) ̅ [ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ] ...(3.15) ̅ [ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ] ...(3.16)

3.3.3 Matriks dan

Vektor baris dengan dimensi K untuk bobot kategori dan matriks diagonal G berukuran yang berisi nilai keanggotaan dapat dibentuk sebagai berikut:

34

[

]

...(3.18)

Dengan menggunakan matriks di atas, variasi total dan variasi antar

fuzzy group dari persamaan (3.5) dan (3.6) ditulis sebagai sebagai berikut:

̅ ̅ ...(3.19)

̅ ̅ ̅ ̅ ...(3.20)

Jika disubstitusikan persamaan (3.19) dan (3.20) ke dalam persamaan (3.9) dan di diferensial secara parsial terhadap , maka diperoleh:

{ ̅ ̅ } ̅ ̅ { ̅ } { ̅ } ...(3.21)

Sehingga dibentuk matriks dan yang berukuran sebagai berikut:

{ ̅ ̅ } ̅ ̅ ...(3.22)

{ ̅ } { ̅ } ...(3.23)

3.3.4 Mendekomposisikan Matriks menjadi Matriks

Jika matriks dan sudah terbentuk, maka matriks didekomposisi menjadi matriks segitiga atas sedemikian sehingga , dan akan diperoleh:

_...(3.24)

3.3.5 Matriks

Setelah matriks didekomposisi menjadi matriks segitiga atas , maka akan diperoleh matriks berikut:

Sehingga bobot kategori dapat dicari dari vektor eigen yang memaksimumkan nilai eigen dari matriks . Dengan demikian, diperoleh bobot kategori yang memaksimumkan fuzzy variance ratio .

3.4Aplikasi Fuzzy Quantification Theory II

Adapun algoritma Fuzzy Quantification Theory II adalah sebagai berikut: 1. Membentuk matriks , dengan elemen-elemen , dan

yang diulang sebanyak M kali berukuran M .

2. Membentuk matriks ̅ , dengan elemen-elemen ̅ , , yang diulang sebanyak kali untuk suatu nilai berukuran M .

3. Membentuk matriks ̅, dengan elemen-elemen ̅ , , yang diulang sebanyak M kali berukuran M .

4. Mencari matriks dan yang berukuran . 5. Mendekomposisikan matriks menjadi matriks . 6. Mencari matriks .

7. Menentukan bobot kategori dengan memaksimumkan fuzzy variance ratio yang dicari melalui vektor eigen yang memaksimumkan nilai eigen dari matriks .

8. Menentukan persamaan regresi linear .

9. Membentuk hubungan antara dengan external standard secara grafis. 10. Menentukan hasil regresi linear masing-masing external standard.

11. Melakukan pengujian terhadap hasil regresi linier yang sudah didapatkan. 12. Membandingkan bobot dari hasil regresi linier masing-masing external

BAB V PENUTUP

5.1Kesimpulan

Berdasarkan metode Fuzzy Quantification Theory II diperoleh hasil regresi linier untuk program pembayaran listrik Pascabayar ( dan hasil regresi linear untuk program pembayaran listrik Prabayar sebagai berikut:

Hasil regresi linier tersebut dilakukan pengujian terhadap lima data responden baru sehingga diperoleh hasil bahwa . Sedangkan rata-rata persamaan regresi yang disubstitusikan ke dalam regresi linier dan diketahui bahwa bobot kepuasan pelanggan terhadap program listrik Pascabayar sebesar 0.5201 dan terhadap program listrik Prabayar sebesar 0.1556. Ini berarti bahwa, berdasarkan pengujian terhadap lima data responden baru atau dilihat dari perbandingan bobot kepuasan pelanggan terhadap masing-masing program listrik termyata pelanggan di UPJ Cijawura lebih puas menggunakan program listrik pascabayar dibandingkan program listrik prabayar.

5.2Saran

Untuk penelitian selanjutnya disarankan untuk mengkaji lebih dari dua

eksternal standar pada metode Fuzzy Quantification Theory II. Selain itu,

disarankan untuk mengkaji lebih dalam mengenai metode Fuzzy Quantification

DAFTAR PUSTAKA

Agustina, Fitriani. 2010. Modul Kuliah Pengolahan Data. Bandung: UPI

Agenlistrikprabayar. 2011. Tarif Listrik Prabayar Lebih Mahal dari Pascabayar,

Benarkah?. [Online]. Tersedia:

http://agenlistrikprabayar.blogspot.com/2011/07/tarif-listrik-prabayar-lebih-mahal-dari.html[23 Maret 2013]

Argatyasweta, Riandika. 2008. ANALISIS PREFERENSI KONSUMEN DAN

FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP PEMILIHAN PRODUK NOTEBOOK DENGAN FUZZY QUANTIFICATION II (Studi Kasus Pada Mahasiswa FTI UII Yogyakarta). Yogyakarta: UII

Beritabogor. 2011. Permintaan Listrik Pra Bayar Meningkat. [Online]. Tersedia:

http://www.beritabogor.com/2011/04/pelanggan-listrik-pra-bayar

wilayah-upj.html [23 Maret 2013]

Daniel, H. (2012, 24 Oktober). Meteran PLN (Prabayar) Tidak Bisa Diisi Token. [Online]. Tersedia: http://www1.kompas.com/suratpembaca/read/35821

[23 Maret 2013]

Dhuhuriawan, Friki (2012). KUALITAS PELAYANAN PROGRAM LISTRIK

PINTAR DI PT. PLN (Persero) UPJ SURABAYA SELATAN (Studi Tentang Pelayanan Pasang Baru Listrik Prabayar Berdasarkan Indeks Kepuasan Masyarakat). [Online]. Tersedia:

http://eprints.upnjatim.ac.id/3456/1/file1.pdf [24 Maret 2013]

Gere, James H. & William Weaver, Jr. 1983. Matrix Algebra for Engineers. Wadsworth, Inc

Haesy, IMK. (2011). Listrik Prabayar Lebih Praktis. [Online] Tersedia:

http://muhammadkhairil11.blogspot.com/2011/03/listrik-prabayar-lebih-praktis.html [18 April 2013]

Joeardie. (2012). Arus Listrik. [Online]. Tersedia:

http://joeardie.blogspot.com/2012/08/arus-listrik.html [23 Maret 2013]

Kotler, Phillip & Kevin Lane Keller. 2007. Manajemen Pemasaran Jilid1. Indonesia : Indeks

57

Lindarto, Wiwien. Analisis pengaruh bauran pemasaran terhadap keputusan

pelanggan memilih listrik prabayar di PT PLN (Persero) APJ Madura

[Online]. Tersedia:

http://wiwienlindarto.blogspot.com/2012/06/analisis-pengaruh-bauran-pemasaran.html [25 Maret 2013]

PLN. 2013. [Online]. Tersedia: http://www.pln.co.id/?p=501 [25 Maret 2013] Priyatno, Duwi. 2011. Buku Saku SPSS (Analisis Statistika Data Lebih Cepat,

Efisian, dan Akurat). Yogyakarta : MediaKom

Rachmatin, Dewi. 2013. Modul Kuliah Statistika Dasar. Bandung : UPI

Ruwiyanti, Diah (2006). PENGGUNAAN TEORI KUANTIFIKASI FUZZY II

DALAM ANALISIS KEPUTUSAN PELANGGAN (STUDI KASUS : PRODUK MIE INSTANT) [Online]. Tersedia:

http://repository.ipb.ac.id/handle/123456789/46024 [01 Maret 2013]

Sudjana. 1992. Metoda Statistika. Bandung : Tarsito

Susila, I Nyoman. 1993. Dasar-Dasar Metode Numerik. Bandung : Departemen Pendidikan dan Kebudayaan

Terano, T., Asai, K., & Sugeno, M. 1992. Fuzzy System Theory. Academic Press, Inc.

Tjiptono, Fandy & Gregorius Chandra. 2007. Service Quality & Satisfaction. Yogyakarta : Andi

Upnvj. 2013. [Online] Tersedia:

http://www.library.upnvj.ac.id/pdf/3fisippdf/207612021/bab1.pdf [18

April 2013]

Wahyuni, ND. (2012, 17 Desember). Lebih Untung Mana Pakai Listrik

Pascabayar atau Prabayar?. Liputan6.com [Online] Tersedia:

http://bisnis.liputan6.com/read/469322 [18 April 2013]

Wahyusetya. 2011. [Online] Tersedia:

33

̅ _{{∑ ̅}

} ...(3.13) Selanjutnya dibentuk matriks , ̅ , dan ̅ dengan elemen-elemen ,

̅ , dan ̅ yang berukuran , sebagai berikut:

[ ] ...(3.14) ̅ [ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ] ...(3.15) ̅ [ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ̅ ] ...(3.16)

3.3.3 Matriks dan

Vektor baris dengan dimensi K untuk bobot kategori dan matriks diagonal G berukuran yang berisi nilai keanggotaan dapat dibentuk

[

]

...(3.18)

Dengan menggunakan matriks di atas, variasi total dan variasi antar

fuzzy group dari persamaan (3.5) dan (3.6) ditulis sebagai sebagai berikut:

̅ ̅ ...(3.19)

̅ ̅ ̅ ̅ ...(3.20) Jika disubstitusikan persamaan (3.19) dan (3.20) ke dalam persamaan (3.9) dan di diferensial secara parsial terhadap , maka diperoleh:

{ ̅ ̅ } ̅ ̅ { ̅ } { ̅ } ...(3.21) Sehingga dibentuk matriks dan yang berukuran sebagai berikut:

{ ̅ ̅ } ̅ ̅ ...(3.22)

{ ̅ } { ̅ } ...(3.23) 3.3.4 Mendekomposisikan Matriks menjadi Matriks

Jika matriks dan sudah terbentuk, maka matriks didekomposisi menjadi matriks segitiga atas sedemikian sehingga , dan akan diperoleh:

_...(3.24)

3.3.5 Matriks

Setelah matriks didekomposisi menjadi matriks segitiga atas , maka akan diperoleh matriks berikut:

35

Sehingga bobot kategori dapat dicari dari vektor eigen yang memaksimumkan nilai eigen dari matriks . Dengan demikian, diperoleh bobot kategori yang memaksimumkan fuzzy variance ratio .

3.4Aplikasi Fuzzy Quantification Theory II

Adapun algoritma Fuzzy Quantification Theory II adalah sebagai berikut: 1. Membentuk matriks , dengan elemen-elemen , dan

yang diulang sebanyak M kali berukuran M .

2. Membentuk matriks ̅ , dengan elemen-elemen ̅ , , yang diulang sebanyak kali untuk suatu nilai berukuran M .

3. Membentuk matriks ̅, dengan elemen-elemen ̅ , , yang diulang sebanyak M kali berukuran M .

4. Mencari matriks dan yang berukuran . 5. Mendekomposisikan matriks menjadi matriks . 6. Mencari matriks .

7. Menentukan bobot kategori dengan memaksimumkan fuzzy variance ratio yang dicari melalui vektor eigen yang memaksimumkan nilai eigen dari matriks .

8. Menentukan persamaan regresi linear .

9. Membentuk hubungan antara dengan external standard secara grafis. 10. Menentukan hasil regresi linear masing-masing external standard.

11. Melakukan pengujian terhadap hasil regresi linier yang sudah didapatkan. 12. Membandingkan bobot dari hasil regresi linier masing-masing external

BAB V PENUTUP

5.1Kesimpulan

Berdasarkan metode Fuzzy Quantification Theory II diperoleh hasil regresi linier untuk program pembayaran listrik Pascabayar ( dan hasil regresi linear untuk program pembayaran listrik Prabayar sebagai berikut:

Hasil regresi linier tersebut dilakukan pengujian terhadap lima data responden baru sehingga diperoleh hasil bahwa . Sedangkan rata-rata persamaan regresi yang disubstitusikan ke dalam regresi linier dan diketahui bahwa bobot kepuasan pelanggan terhadap program listrik Pascabayar sebesar 0.5201 dan terhadap program listrik Prabayar sebesar 0.1556. Ini berarti bahwa, berdasarkan pengujian terhadap lima data responden baru atau dilihat dari perbandingan bobot kepuasan pelanggan terhadap masing-masing program listrik termyata pelanggan di UPJ Cijawura lebih puas menggunakan program listrik pascabayar dibandingkan program listrik prabayar.

5.2Saran

Untuk penelitian selanjutnya disarankan untuk mengkaji lebih dari dua

eksternal standar pada metode Fuzzy Quantification Theory II. Selain itu,

disarankan untuk mengkaji lebih dalam mengenai metode Fuzzy Quantification

56

DAFTAR PUSTAKA

Agustina, Fitriani. 2010. Modul Kuliah Pengolahan Data. Bandung: UPI

Agenlistrikprabayar. 2011. Tarif Listrik Prabayar Lebih Mahal dari Pascabayar,

Benarkah?. [Online]. Tersedia:

http://agenlistrikprabayar.blogspot.com/2011/07/tarif-listrik-prabayar-lebih-mahal-dari.html[23 Maret 2013]

Argatyasweta, Riandika. 2008. ANALISIS PREFERENSI KONSUMEN DAN

FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP PEMILIHAN PRODUK NOTEBOOK DENGAN FUZZY QUANTIFICATION II (Studi Kasus Pada Mahasiswa FTI UII Yogyakarta). Yogyakarta: UII

Beritabogor. 2011. Permintaan Listrik Pra Bayar Meningkat. [Online]. Tersedia:

http://www.beritabogor.com/2011/04/pelanggan-listrik-pra-bayar

wilayah-upj.html [23 Maret 2013]

Daniel, H. (2012, 24 Oktober). Meteran PLN (Prabayar) Tidak Bisa Diisi Token. [Online]. Tersedia: http://www1.kompas.com/suratpembaca/read/35821

[23 Maret 2013]

Dhuhuriawan, Friki (2012). KUALITAS PELAYANAN PROGRAM LISTRIK

PINTAR DI PT. PLN (Persero) UPJ SURABAYA SELATAN (Studi Tentang Pelayanan Pasang Baru Listrik Prabayar Berdasarkan Indeks

Kepuasan Masyarakat). [Online]. Tersedia:

http://eprints.upnjatim.ac.id/3456/1/file1.pdf [24 Maret 2013]

Gere, James H. & William Weaver, Jr. 1983. Matrix Algebra for Engineers. Wadsworth, Inc

Haesy, IMK. (2011). Listrik Prabayar Lebih Praktis. [Online] Tersedia:

http://muhammadkhairil11.blogspot.com/2011/03/listrik-prabayar-lebih-praktis.html [18 April 2013]

Joeardie. (2012). Arus Listrik. [Online]. Tersedia:

http://joeardie.blogspot.com/2012/08/arus-listrik.html [23 Maret 2013]

Kotler, Phillip & Kevin Lane Keller. 2007. Manajemen Pemasaran Jilid1. Indonesia : Indeks

Lindarto, Wiwien. Analisis pengaruh bauran pemasaran terhadap keputusan

pelanggan memilih listrik prabayar di PT PLN (Persero) APJ Madura

[Online]. Tersedia:

http://wiwienlindarto.blogspot.com/2012/06/analisis-pengaruh-bauran-pemasaran.html [25 Maret 2013]

PLN. 2013. [Online]. Tersedia: http://www.pln.co.id/?p=501 [25 Maret 2013] Priyatno, Duwi. 2011. Buku Saku SPSS (Analisis Statistika Data Lebih Cepat,

Efisian, dan Akurat). Yogyakarta : MediaKom

Rachmatin, Dewi. 2013. Modul Kuliah Statistika Dasar. Bandung : UPI

Ruwiyanti, Diah (2006). PENGGUNAAN TEORI KUANTIFIKASI FUZZY II

DALAM ANALISIS KEPUTUSAN PELANGGAN (STUDI KASUS :

PRODUK MIE INSTANT) [Online]. Tersedia:

http://repository.ipb.ac.id/handle/123456789/46024 [01 Maret 2013]

Sudjana. 1992. Metoda Statistika. Bandung : Tarsito

Susila, I Nyoman. 1993. Dasar-Dasar Metode Numerik. Bandung : Departemen Pendidikan dan Kebudayaan

Terano, T., Asai, K., & Sugeno, M. 1992. Fuzzy System Theory. Academic Press, Inc.

Tjiptono, Fandy & Gregorius Chandra. 2007. Service Quality & Satisfaction. Yogyakarta : Andi

Upnvj. 2013. [Online] Tersedia:

http://www.library.upnvj.ac.id/pdf/3fisippdf/207612021/bab1.pdf [18

April 2013]

Wahyuni, ND. (2012, 17 Desember). Lebih Untung Mana Pakai Listrik

Pascabayar atau Prabayar?. Liputan6.com [Online] Tersedia:

http://bisnis.liputan6.com/read/469322 [18 April 2013]

Wahyusetya. 2011. [Online] Tersedia: