Laporan penelitian

LAPORAN

PENELITIAN PENINGKATAN KAPASITAS

ANALISIS TINGKAT KEPUASAN PENUMPANG

TERHADAP LAYANAN BANDAR UDARA HANG NADIM

BATAM DENGAN PENDEKATAN LOGIKA FUZZY

TIM PENELITI1. Joni Eka Candra, S.T., M.T.

2. Ngadnan

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK

UNIVERSITAS PUTERA BATAM

TAHUN 2016-2017

HALAMAN PENGESAHANLAPORAN PENELITIAN PENINGKATAN KAPASITAS

Rumpun Ilmu : TeknikTema Unggulan : Artificial IntelligenceJudul Penelitian : Analisis Tingkat Kepuasan Penumpang Terhadap

Layanan Bandar Udara Hang Nadim Batam Dengan Pendekatan Logika Fuzzy

Ketua Pengusula. Nama Lengkap : Joni Eka Candra, S.T., M.T.b. NIDN : 1025068201c. Jabatan Fungsional : Asisten Ahlid. Program Studi : Teknik Informatikae. Nomor HP : 085655567040f. Alamat Surel (e-mail) : [email protected]

Anggota Peneliti (1)a. Nama Lengkap : Ngadnanb. NPM : 130210092c. Program Studi : Teknik informatikad.Nomor HP : 085374286333e. Alamat surel (e-mail) : [email protected]

Biaya Penelitian : Rp. 2.500.000.-

Batam, 3 Oktober 2016

MengetahuiKetua Program Studi Ketua Tim Peneliti

Andi Maslan, S.T., M.SI Joni Eka Candra, ST.,MT.NIP. 00068 NIP. 00330

Menyetujui Kepala LPPM

Muhammad Taufik Syastra, S.Kom., M.SI. NIP. 00179

ii

mailto:[email protected]

DAFTAR ISI

HalamanHALAMAN SAMPUL..................................................................................... iHALAMAN PENGESAHAN ......................................................................... iiDAFTAR ISI .................................................................................................... iiiDAFTAR GAMBAR........................................................................................ vDAFTAR TABEL............................................................................................ viRINGKASAN................................................................................................... viiBAB I PENDAHULUAN ........................................................................... 11.1 Latar Belakang Masalah.................................................................... 11.2 Rumusan Masalah.............................................................................. 31.3 Batasan Masalah................................................................................ 31.4 Tujuan Penelitian............................................................................... 41.5 Rencana Target Capaian.................................................................... 4BAB II TINJAUAN PUSTAKA................................................................... 52.1 Teori .................................................................................................. 52.1.1 Fuzzy Logic........................................................................................ 52.1.2 Pengertian Fuzzy Logic...................................................................... 62.1.3 Alasan Penggunaan Metode Fuzzy Logic.......................................... 72.1.4 Dasar-Dasar Fuzzy logic.................................................................... 72.1.5 Fungsi Keanggotaan........................................................................... 102.1.6 Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzzy................. 122.1.7 Penalaran Monoton............................................................................ 132.1.8 Fungsi Implikasi................................................................................. 132.1.9 Sisten Infensi Fuzzy Metode Mamdani............................................ 142.1.10 Kualitas Jasa....................................................................................... 182.1.11 Kepuasan Konsumen dengan Jasa Pelayanan.................................... 192.1.12 Hubungan antara kualitas pelayanan pelayanan dengan kepuasan

konsumen............................................................................................. 19

2.1.13 Skala Likert........................................................................................ 202.2 Penelitian Terdahulu.......................................................................... 222.3 Kerangka Pemikiran........................................................................... 24BAB III METODOLOGI PENELITIAN..................................................... 253.1 Desain Penelitian............................................................................... 253.2 Pengumpulan Data............................................................................. 263.3 Identifikasi Data................................................................................ 263.4 Metode Analisis Data........................................................................ 263.5 Penarikan Kesimpulan....................................................................... 28BAB IV HASIL PENELITIAN DAN PEMBAHASAN.............................. 294.1 Analisis Skala Likert......................................................................... 294.1.1 Analisis Kuesioner Menggunakan Skala Likert ............................... 304.1.2 Hasil Analisis Berdasarkan Skala Likert........................................... 544.2 Analisis Logika Fuzzy....................................................................... 564.2.1 Pengumpulan dan Pengolahan Data.................................................. 56

iii

4.2.2 Membentuk Aturan Fuzzy................................................................. 604.2.3 Defuzzyfication.................................................................................. 684.2.4 Hasil Analisis Logika Fuzzy............................................................. 70BAB V KESIMPULAN DAN SARAN....................................................... 715.1 Kesimpulan........................................................................................ 715.2 Saran.................................................................................................. 71DAFTAR PUSTAKALAMPIRAN

iv

DAFTAR GAMBAR

HalamanGambar 2.1 Himpunan Fuzzy Pada Variable Mahasiswa....................................9Gambar 2.2 Kurva Representasi Linear Naik......................................................10Gambar 2.3 Kurva Representasi Linear Turun....................................................11Gambar 2.4 Kurva Segitiga..................................................................................11Gambar 2.5 Kurva Representasi Trapezium........................................................12Gambar 2.6 Fungsi ImplikasiMIN.......................................................................14Gambar 2.7 Fungsi Implikasi DOT......................................................................14Gambar 2.8 Komposisi Aturan Fuzzy Metode MAX...........................................16Gambar 2.9 Proses Defuzzifikasi.........................................................................17Gambar 2.10 Kerangka Pemikiran.......................................................................24Gambar 3.1 Desain Penelitian..............................................................................25Gambar 4.1 Diagram jawaban kuesioner pertanyaan 1 Dimensi Tangibles........30Gambar 4.2 Diagram jawaban kuesioner pertanyaan 2 Dimensi Tangibles.........31Gambar 4.3 Diagram jawaban kuesioner pertanyaan 3 Dimensi Tangibles........32Gambar 4.4 Diagram jawaban kuesioner pertanyaan 4 Dimensi Tangibles........33Gambar 4.5 Diagram jawaban kuesioner pertanyaan 5 Dimensi Tangibles........34Gambar 4.6 Diagram jawaban kuesioner pertanyaan 1 Dimensi Reliability.......36Gambar 4.7 Diagram jawaban kuesioner pertanyaan 2 Dimensi Reliability.......37Gambar 4.8 Diagram jawaban kuesioner pertanyaan 3 Dimensi Reliability...... .38Gambar 4.9 Diagram jawaban kuesioner pertanyaan 4 Dimensi Reliability.......39Gambar 4.10 Diagram jawaban kuesioner pertanyaan 5 Dimensi Reliability.....40Gambar 4.11 Diagram jawaban kuesioner pertanyaan 1 Dimensi Responsiveness .....................................................................................................42Gambar 4.12 Diagram jawaban kuesioner pertanyaan 2 Dimensi Responsiveness .....................................................................................................43Gambar 4.13 Diagram jawaban kuesioner pertanyaan 1 Dimensi Assurance.....45Gambar 4.14 Diagram jawaban kuesioner pertanyaan 2 Dimensi Assur Responsiveness ance..............................................................................................46Gambar 4.15 Diagram jawaban kuesioner pertanyaan 3 Dimensi Assurance.....47Gambar 4.16 Diagram jawaban kuesioner pertanyaan 1 Dimensi Emphaty.......49Gambar 4.17 Diagram jawaban kuesioner pertanyaan 2 Dimensi Emphaty.......50Gambar 4.18 Diagram jawaban kuesioner pertanyaan 3 Dimensi Emphaty.......51Gambar 4.19 Diagram jawaban kuesioner pertanyaan 4 Dimensi Emphaty...... .52Gambar 4.20 Diagram jawaban kuesioner pertanyaan 5 Dimensi Emphaty.......53Gambar 4.21 Diagram Logika Fuzzy...................................................................56Gambar 4.22 Representasi Variabel Tangibles....................................................58Gambar 4.23 Representasi Variabel Reliability...................................................58Gambar 4.24 Representasi Variabel Responsiveness...........................................58Gambar 4.25 Representasi Variabel Assurance...................................................59Gambar 4.26 Representasi Variabel Emphaty.....................................................59Gambar 4.27 Representasi Variabel tingkat kepuasan Penumpang....................60Gambar 4.28 Penegasan Sistem fazzy Centroid..................................................69

v

DAFTAR TABEL

Halaman

Tabel 1.1 Rencana Target Luaran.........................................................................4Tabel 2.1 Besar Bobot dan Kategori Penelitian....................................................20Tabel 4.1 Hasil Pengolahan Data Kuesioner Tangibles.......................................35Tabel 4.2 Hasil Pengolahan Data Kuesioner Reliability.......................................41Tabel 4.3 Hasil Pengolahan Data Kuesioner Responsiveness..............................44Tabel 4.4 Hasil Pengolahan Data Kuesioner Responsiveness..............................48Tabel 4.5 Hasil Pengolahan Data Kuesioner Emphaty.........................................54Tabel 4.6 Himpunan Fuzzy...................................................................................56Tabel 4.7 Domain Himpunan Fuzzy.....................................................................57Tabel 4.8 Hasil kesimpulan dari aturan-aturan yang terbentuk pada inferensi fuzzy.....61

vi

RINGKASAN

Salah satu kajian Artificial Intelligenceadalah logika fuzzy. Logika fuzzy (logika samar) merupakan logika yang berhadapan dengan konsep kebenaran sebagian, dimana logika klasik menyatakan bahwa segala hal dapat diekpresikan dalam istilah binary (0 atau 1). Logika fuzzy memungkinkan nilai keanggotaan antara 0 dan 1. Berbagai teori dalam pengembangan logika fuzzy menunjukkan bahwa pada dasarnya logika fuzzy dapat digunakan untuk memodelkan berbagai sistem. Logika fuzzy dianggap mampu memetakan suatu input dan output dengan tidak mengabaikan faktor-faktor yang ada. Konsep fuzzy telah diterapkan dalam berbagai segi kehidupan, sebagai contoh dalam bidang perekonomian yaitu dalam pada penetapan suku bunga pada bank. Teori himpunan fuzzy diterapkan dengan berbagai cara ke dalam berbagai macam disiplin ilmu. Sehingga aplikasi teori ini dapat ditemukan kecerdasan buatan, teori pengambilan keputusan, ilmu komputer, teknik kendali, ilmu manajemen, robotika, dan lain-lain. Bandar Udara Hang Nadim Batam adalah Bandar Udara yang terletak di pulau Batam, Provinsi Kepulauan Riau. Bandar udara ini menghubungkan Kota Batam dengan Bandar Udara di seluruh Indonesia. Beberapa pesawat penerbangan yang beroperasi di Bandar Udara Hang Nadim Batam diantaranya, Garuda Indonesia Air, Citilink Air, Lion Air, Sriwijaya Air, dan lain sebagainya. Kesemuanya itu dikelola oleh berbagai macam perusahaan maskapai penerbangan yang menjadi operator dibawah kontrol dari Unit Pelaksana Tugas (UPT) Bandar Udara Hang Nadim Batam. Berdasarkan hasil analisis dan pembahasan yang dilakukan terhadap 50 orang responden, dengan metode skala likert responden menyatakan cukup puas. Ini berarti Bandar Udara Hang Nadim Batam, cukup berhasil memberikan layanan yang terbaik atau cukup memuaskan kepada para penumpang, baik dari Dimensi Kehandalan (Reliability), Dimensi Daya Tanggap (Responsiveness), Dimensi Kepastian (Assurance), Dimensi Empati (Emphaty) dan Dimensi Berwujud (Tangible) secara keseluruhan penumpang pesawat udara merasa cukup puas, dengan rata-rata presentase sebesar 71 % (35,5 dari 50 responden). Sedangkan hasil tidak jauh berbeda juga terlihat pada uji coba Fuzzy Logic metode Mamdani dilihat dari hasil nilai output untuk kepuasan penumpang sebesar 150 (dengan range 50-250) yang artinya tingkat kepuasan penumpang cukup puas akan pelayanan yang diberikan oleh Bandar Udara Hang Nadim, Kota Batam.

vii

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Bandar Udara Hang Nadim Batamadalah Bandar Udara yang terletak di

pulau Batam, Provinsi Kepulauan Riau. Bandar udara ini menghubungkan Kota

Batam dengan Bandar Udara di seluruh Indonesia , seperti Bandar Udara Sukarno

Hatta di Jakarta, Bandar Udara Juanda di Surabaya.

Beberapa pesawat penerbangan yang beroperasi di Bandar Udara Hang

Nadim Batam diantaranya, Garuda Indonesia Air, Citilink Air, Lion Air,

Sriwijaya Air, dan lain sebagainya. Kesemuanya itu dikelola oleh berbagai macam

perusahaan maskapai penerbangan yang menjadi operator dibawah kontrol dari

Unit Pelaksana Tugas (UPT) Bandar Udara Hang Nadim Batam.

Pelayanan yang berkualitas dari instansi-instansi terkait yang tersebut diatas,

terutama pelayanan dari operator-operator pesawat udara merupakan faktor dasar

yang berpengaruh besar terhadap penumpang dalam menentukan pilihan

maskapaipesawat udara mana yang akan ditumpangi sesuai dengan tujuan dari

para calon penumpang, dikarenakan adanya beberapa maskapai penerbangan yang

berbeda, melayani jalur dan tujuan penerbangan yang sama. Sehingga maskapai

penerbangan mana yang memberikan pelayanan yang dianggap lebih memuaskan

begitu juga dengan tawaran harga tiket yang lebih murah itulah yang banyak

menjadi pilihan para calon penumpang pesawat.

Layanan dari pengelola atau UPT Bandar Udara Hang Nadim Batam dan

layanan dari instansi-instansi terkait di Bandar Udara Hang Nadim juga

merupakan harapan dari para calon penumpang pesawt, baik yang mau berangkat

maupun para penumpang yang datang, layanan yang baik juga dapat dirasakan

dikarenakan adanya fasilitas-fasilas pendukung Bandar Udara yang disediakan

oleh pengelola atau UPT Bandar Udara. Hal tersebut bisa dilihat banyaknya calon

penumpang dan lancarnya arus pelayaran setiap hari.

Kualitas pelayanan bukan hanya masalah dalam mengontrol kualitas yang

akan datang saja, akan tetapi juga pencegahan terjadinya kualitas pelayanan yang

1

jelek sejak awal. Para calon penumpang pesawat menginginkan pelayanan yang

bisa diterima secara cepat dan baik, dan hal tersebut juga menjadi nilai dalam

peningkatan kualitas pelayanan. Tingkat kepuasan yang berbeda dari para calon

penumpang pesawat menjadi indikator yang baik untuk pengukuran tingkat

kualitas ataupun pelayanan yang mereka terima. Kualitas pelayanan yang baik

dimana maskapai penerbangan pemberi layanan mampu memberikan pelayanan

yang memuaskan sehingga dapat memenuhi permintaan dan harapan penumpang.

Salah satu kajian Artificial Intelligenceadalah logika fuzzy. Logika fuzzy

(logika samar) merupakan logika yang berhadapan dengan konsep kebenaran

sebagian, dimana logika klasik menyatakan bahwa segala hal dapat diekpresikan

dalam istilah binary (0 atau 1). Logika fuzzy memungkinkan nilai keanggotaan

antara 0 dan 1. Berbagai teori dalam pengembangan logika fuzzy menunjukkan

bahwa pada dasarnya logika fuzzy dapat digunakan untuk memodelkan berbagai

sistem. Logika fuzzy dianggap mampu memetakan suatu input dan output dengan

tidak mengabaikan faktor-faktor yang ada.

Langkah-langkah yang akan dilakukan dalam metode analisis terdapat tiga

tahapan logika fuzzy yaitu, 1. fuzzyfication,yang terdiri dari membentuk variabel

yang digunakan dan membentuk himpunan kabur, 2. inferensi,merupakan

penentuan aturan dari sistem logika kabur, 3. defuzzyfication, adalah tahap

penegasan dimana input dari proses penegasan adalah himpunan kabur dari

komposisi himpunan aturan kabur, dan output merupakan domain himpunan

kabur tersebut.

Konsep fuzzy telah diterapkan dalam berbagai segi kehidupan, sebagai

contoh dalam bidang perekonomian yaitu dalam pada penetapan suku bunga pada

bank. Teori himpunan fuzzy diterapkan dengan berbagai cara kedalam berbagai

macam disiplin ilmu. Sehingga aplikasi teori ini dapat ditemukan kecerdasan

buatan,teori pengambilan keputusan, ilmu komputer, teknik kendali, ilmu

manajemen, robotika, dan lain-lain.

Konsep fuzzy menurut Zadeh, adalah himpunan yang tidak tegas yang

dikaitkan dengan suatu fungsi yang menyatakan derajat kesesuaian unsur-unsur

dalam semestanya dengan konsep yang merupakan syarat keanggotaan himpunan

tersebut. Dengan demikian setiap unsur dalam semesta pembicaraan mempunyai

2

derajat keanggotaan tertentu dalam himpunan tersebut. Derajat keanggotaan

dinyatakan dalam suatu bilangan real dalam selang tertutup [0,1].

Berdasarkan Konsep himpunan fuzzy, Zadeh juga mengembangkan konsep

algoritma fuzzy yang merupakan landasan dari logika fuzzy dan penalaran

hampiran (approximate reasoning), yaitu penalaran yang melibatkan pertanyaan-

pertanyaan dengan predikat kabur. Logika adalah ilmu yang mempelajari secara

sistematis kaidah-kaidah penalaran yang absah (valid). Dewasa ini terdapat 2

konsep logika, yaitu logika tegas dan logika fuzzy. Logika tegas hanya mengenal

dua keadaan yaitu : ya atau tidak, on atau off, high atau low, 1 atau 0. Logika

semacam ini disebut dengan logika himpunan tegas. Sedangkan logika fuzzy

adalah logika yang menggunakan konsep sifat kesamaran. Sehigga logika fuzzy

adalah logika dengan tak hingga banyak nilai kebenaran yang dinyatakan dalam

bilangan real dalam selang [0,1].

Pada penelitian peningkatan kapasitas ini pendekatan logika fuzzy

diterapkan untuk mengetahui tingkat kepuasan penumpang terhadap layanan

Bandar Udara Hang Nadim Batam.

1.2 Perumusan Masalah

Adapun permaslahan yang dihadapi dalam penelitian peningkatan kapasitas

ini berdasarkan latar belakang masalah di atas adalah bagaimana tingkat kepuasan

penumpang terhadap layanan Bandar Udara Hang Nadim Batam berdasarkan

pendekan logika fuzzy.

1.3 Batasan Masalah

Agar penelitian ini tidak melebar kemana-mana maka peneltian ini akan

diberi batasan-batasan masalah seperti berikut ini:

1. Objek Penelitian Hanya penumpang yang datang dan pergi melalui

Bandar Udara Hang Nadim.

2. Metode yang digunakan untuk Anlisis hanya menggunakan logika

fuzzy.

3

1.4 Tujuan Penelitian

Tujuan dari penelitian peningkatan kapasitas yang berjudul “Analisis

Tingkat Kepuasan Penumpang Terhadap Layanan Bandar Udara Hang Nadim

Batam Dengan Pendekan Logika Fuzzy " adalah:

1. Menerapkan logika fuzzy sebagai pendekatan untuk mengukur tinkat

kepuasan penumpang pesawat udara di Bandar Udara Hang Nadim

Batam.

1.5 Rencana Target Capaian

Rencana target capaian pada penelitian bias dilihat dalam bentuk table

dibawah ini:

Tabel 1.1. Rencana Target Luaran

No Target Luaran Indikator Capaian1 Publikasi ilmiah di jurnal nasional (ber ISSN) Draf

2 Pemakalah dalam temu ilmiah Nasional Tidak adaLokal Tidak ada

3 Buku Ajar Draf

4Luaran lainnya jika ada (Teknologi tepat guna, model/purwarupa/Desain/Karya seni/Rekayasa Sosial

Tidak ada

5 Tingkat Kesiapan Teknologi 2

4

BAB II

TINJAUAN PUSTAKA

2.1 Teori

2.1.1. Fuzzy Logic

Menurut Sutojo, em, vs (2010: 211) konsep tentang logika fuzzy

diperkenalkan oleh Prof. Lotfi Astor Zadeh pada 1962, Logika fuzzy adalah

metodologi sistem control pemecahan masalah, yang cocok untuk

diimplementasikan pada sistem, mulai dari sistem yang sederhana, sistem kecil,

embedded system, jaringan PC, multi-channel atau workstation berbasis akuisisi

data, dan sistem control. Dalam logika klasik dinyatakan bahwa segala sesuatu

bersifat biner, yang artinya adalah hanya mempunyai dua kemungkinan, “Ya atau

Tidak”, “Benar atau Salah”, “Baik atau Buruk” dan lain-lain. Oleh karena itu,

sistem ini dapat mempunyai nilai keanggotaan 0 atau 1. Akan tetapi, dalam logika

fuzzy memungkinkan nilai keanggotaan berada di antara 0 dan 1. Artinya, bisa

saja suatu keadaan mempunyai dua nilai “Ya dan Tidak”, “Benar dan Salah”,

“Baik dan Buruk” secara bersamaan, namun besar nilainya tergantung pada bobot

keanggotaan yang dimilikinya. Bila dibandingkan dengan logika konvensional,

kelebihan logika fuzzy adalah kemampuannya dalam proses penalaran secara

bahasa sehingga dalam perancanganya tidak memerlukan persamaan matematik

yang rumit. Sejak itu aplikasi dari fuzzy logic ini berkembang pesat terutama

dinegara Jepang dengan dihasilkannya ribuan paten mulai dari bermacam-macam

produk elektronik sampai aplikasi pada kereta api di kota Sendai. Fuzzylogic pada

dasarnya merupakan logika bernilai banyak (Multivalued Logic) yang dapat

mendefinisikan nilai diantara keadaan yang biasa dikenal seperti ya atau

tidak, hitam atau putih, benar atau salah. Fuzzy logic menirukan cara manusia

mengambil keputusan dengan kemampuannya bekerja dari data yang samar atau

tidak rinci dan menemukan penyesuaian yang tepat

.

5

2.1.2. Pengertian Fuzzy Logic

Fuzzy Logic merupakan kecerdasan buatan yang pertama kali

dipublikasikan oleh Prof.Dr. Lotfi Zadeh yang berasal dari Pakistan. Melaluifuzzy

logic ini sistem dapat membuat keputusan sendiri dan terkesan seperti memiliki

perasaan, karena memiliki keputusan lain selain iya (logika 1) dan tidak (logika

0). Oleh karena itu fuzzy logic sangat berbeda jauh dari alur algoritma

pemrogaman. Sebagai contoh adalah robot yang menggunakan fuzzy logic dapat

memprediksikan kapan ia harus bertindak atau menghindar saat ada halangan di

depannya dengan hanya ada peringatan ‘awas’ dan tanpa ada hitungan matematis

yang diberikan oleh user. Sedangkan robot yang menggunakan algoritma

pemrograman konvensional tidak akan dapat memutuskan sendiri untuk

menghindar dari halangan yang ada di depannya.

Sebuah metodologi “berhitung” dengan variable kata-kata(linguistic

variable), sebagai pengganti berhitung dengan bilangan. Kata kata yang

digunakan dalam fuzzy logic memang tidak sepresisi bilangan, namun kata-kata

jauh lebih dekat dengan intuisi manusia. Manusia biasa langsung “merasakan“

nilai dari variabel kata-kata yang sudah dipakainya sehari-hari. Demikianlah, fuzzy

logic membutuhkan”ongkos” yang lebih murah dan memecahkan berbagai

masalah yang bersifat fuzzy.

Fuzzy logic merupakan ilmu yang mempelajari mengenai ketidakpastian.

Fuzzy logic dianggap mampu untuk memetakan suatu input kedalam suatu output

tanpa mengabaikan faktor–faktor yang ada. Fuzzy logic diyakini dapat sangat

fleksibel dan memiliki toleransi terhadap data-data yang ada.

Fuzzy logic, yang dalam bahasa Indonesia dapat diartikan sebagai Logika

Kabur atau Logika Samar, dapat dikatakan sebagai “logika baru yang sudah

lama”. Hal ini karena ilmu tentang Fuzzy logic secara modern dan metodis

ditemukan pada tahun 1965, namun konsep Fuzzy logic sudah melekat pada diri

manusia, sejak manusia ada. Konsep Fuzzy logic dapat dengan mudah kita

temukan pada perilaku manusia dalam kesehariannya

6

Himpunan fuzzy memiliki dua atribut yaitu:

a. Linguistik, yaitu nama suatu kelompok yang mewakili suatu keadaan

tertentu dengan menggunakan bahasa alami, misalnya DINGIN, SEJUK,

PANAS mewakili variabel temperatur.

b. Numeris, yaitu suatu nilai yang menunjukkan ukuran dari suatu variabel,

misalnya 10, 35, 40, dan sebagainya.

2.1.3. Alasan Penggunaan Metode Fuzzy Logic

Dalam penelitian ini, penulis menggunakan metode fuzzy logic. Ada

beberapa alasan penulis memilih menggunakan metode ini, antara lain

sebagaiberikut:

a. Konsep fuzzy logic mudah dimengerti. Konsep matematis yang mendasari

penalaran fuzzy sangat sederhana dan mudah dimengerti.

b. Fuzzy logic sangat fleksibel.

c. Fuzzy logic memiliki toleransi terhadap data-data yang tidak tepat.

d. Fuzzy logic mampu memodelkan fungsi-fungsi nonlinear yang sangat

kompleks.

e. Fuzzy logic dapat membangun dan mengaplikasiakan pengalaman-

pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.

f. Fuzzy logic dapat bekerjasama dengan teknik-teknik kendali secara

konvensional.

g. Fuzzy logic didasarkan pada bahasa alami.

2.1.4. Dasar – DasarFuzzy Logic

Ada beberapa hal yang menjadi dasar dalam memahami Fuzzy Logic,

yaitu:

a. Variabel fuzzy, yaitu variabel yang akan dibahas dalam suatu sistem fuzzy.

b. Himpunan fuzzy, yaitu suatu kelompok yang mewakili suatu keadaan tertentu

dalam suatu variabel fuzzy. Himpunan fuzzy memiliki 2 atribut yaitu :

Linguistik dan Numeris

c. Semesta pembicaraan, yaitu seluruh nilai yang diizinkan untuk dioperasikan

dalam suatu variabel fuzzy

7

d. Domain himpunan fuzzy, yaitu seluruh nilai yang diizinkan dalam semesta

pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.

Secara umum dalam sistem logika fuzzy terdapat empat buah elemen dasar,

yaitu:

a. Basis kaidah (rule base), yang berisi aturan-aturan secara linguistik yang

bersumber dari para pakar

b. Suatu mekanisme pengambilan keputusan (inference engine), yang

memperagakan bagaimana para pakar mengambil suatu keputusan dengan

menerapkan pengetahuan (knowledge)

c. Proses fuzzifikasi (fuzzification), yang mengubah besaran tegas (crisp) ke

besaran fuzzy

d. Proses defuzzifikasi (defuzzification), yang mengubah besaran fuzzy hasil

dari inference engine, menjadi besaran tegas (crisp).

Sistem fuzzy secara umum terdapat 5 langkah dalam melakukan penalaran,

yaitu:

a. Memasukkan inputfuzzy.

b. Mengaplikasikan operatorfuzzy.

c. Mengaplikasikan metode implikasi.

d. Komposisi semua output.

e. Defuzifikasi

Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy

yaitu:

a. Variable fuzzy

Variable fuzzy merupakan variabel yang hendak dibahas dalam suatu

system fuzzy. Contoh: umur, temperatur, permintaan, dsb.

b. Himpunan fuzzy

Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau

keadaan tertentu dalam suatu variabel fuzzy. Contoh:

Variable mahasiswa, terbagi menjadi 5 himpunan fuzzy, yaitu: kurang

sekali, kurang, cukup, baik dan baik sekali.

8

Variabel dosen, terbagi menjadi 3 himpunan fuzzy, yaitu: cukup, baik,

dan baik sekali. Seperti terlihat pada gambar 2.1.

Gambar 2.1 Himpunan Fuzzy Pada Variable Mahasiswa

c. Semesta Pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk

dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan

himpunan bilangan real yang senantiasa naik (bertambah) secara monoton

dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan

positif maupun negatif. Ada kalanya nilai semesta pembicaraan ini tidak

dibatasi batas atasnya. Contoh:

Semesta pembicaraan untuk variable mahasiswa: [0 50]

Semesta pembicaraan untuk variable dosen: [0 50]

d. Domain adalah keseluruhan nilai yang diijinkan dalam semesta

pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Domain

merupakan himpunan bilangan real yang senantiasa naik (bertambah)

secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan

positif dan bilangan negatif. Contoh domain himpunan fuzzy:

Kurang Sekali = [0 15]

Kurang = [5 25]

Cukup = [15 35]

Baik = [25 45]

Baik Sekali = [35 50]

2.1.5. Fungsi Keanggotaan

9

Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik

– titikinputdata kedalam nilai keanggotaannya (sering juga disebut dengan

derajatkeanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara

yangdapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan

melaluipendekatan fungsi. Apabila U menyatakan himpunan universal dan A

adalahhimpunan fungsi fuzzy dalam U, maka A dapat dinyatakan sebagai

pasangan terurut. Ada beberapa fungsi yang biasa digunakan.

a. Representasi Linear

Pada representasi linear, pemetaan input ke derajat

keanggotaannyadigambarkan sebagai suatu garis lurus. Bentuk ini paling

sederhana danmenjadi pilihan yang baik untuk mendekati suatu konsep

yang kurang jelas.Ada 2 keadaan himpunan fuzzy yang linear. Pertama,

kenaikan himpunandimulai pada nilai domain yang memiliki derajat

keanggotaan nol (0) bergerakke kanan menuju ke nilai domain yang

memiliki derajat keanggotaan lebih tinggi. Seperti terlihat pada gambar

2.2.

Sumber: Sri Kusumadewi (2013) Hal 9Gambar 2.2KurvaRepresentasi Linear Naik

Fungsi keanggotaan:

μ [ x ]={ 0 ;( x−a )/ (b−a ) ;

l ;

x ≤ aa ≤ x ≤b

x=b………………………………...(2.1)

Kedua, merupakan kebalikan dari yang pertama. Garis lurus dimulai dari

nilaidomain dengan derajat keanggotaan tertinggi pada sisi kiri,

kemudianbergerak menurun ke nilai domain yang memiliki derajat

keanggotaan lebihrendah. Seperti terlihat pada gambar 2.3.

10

Sumber: Sri Kusumadewi (2013) Hal 10Gambar 2.3 Representasi Linear Turun

Fungsi keanggotaan:

μ [ x ]={ 0 ;(b−x )/ (b−a ) ;

l ;

x≤ az≤ x≤ b

x=b…………………………............(2.2)

b. Representasi kurva segitiga

Kurva segitiga pad dasarnya merupakan gabungan antara 2 garis

(linear).Seperti terlihat pada gambar 2.4.

Sumber: Sri Kusumadewi (2013) Hal 11Gambar 2.4 Kurva Segitiga

Fungsi Keanggotaan:

μ [ x ]={ 0 ;( x−a )/ (b−a ) ;(b−x )/ (c−b ) ;

x≤ a atau x ≥ ca≤ x≤ bb≤ x≤ c

…………………............(2.3)

c. Representase kurva trapesium

Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada

titikyang memiliki nilai keanggotaan 1. Seperti terlihat pada gambar 2.5.

11

Sumber: Sri Kusumadewi (2013) Hal 13Gambar 2.5 Representasi Kurva Trapezium

Fungsi keanggotaan:

μ [ x ]={ 0;( x−a )/ (b−a );

1;(d−x ) /( d−c ) ;

x ≤ aatau x≥ da ≤ x≤ bb≤ x≤ cc ≤ x ≤ d

…………………......................(2.4)

2.1.6. Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzy

Seperti halnya himpunan konvensional, ada beberapa operasi

yangdidefinisikan secara khusus untuk mengkombinasi dan memodifikasi

himpunanfuzzy. Nilai keanggotaan sebagai hasil dari operasi 2 himpunan sering

dikenaldengan nama fire strength atau –predikat. Ada 3 operator dasar yang

diciptakanoleh Zadeh, yaitu:

a. OperatorAND

Operator ini berhubungan dengan operasi interseksi pada himpunan. -

predikat sebagai hasil operasi dengan operatorAND diperoleh

denganmengambil nilai keanggotaan terkecil antar elemen pada himpunan

– himpunanyang bersangkutan.

μA B (x )=min {μA ( x ) , μB ( x ) } untuk setiap x∈ X…………………....(2.5)

b. OperatorOR

Operatorini berhubungan dengan operasi union pada himpunan. α–

predikatsebagai hasil operasi dengan operatorOR diperoleh dengan

mengambil nilaikeanggotaan terbesar antar elemen pada himpunan -

himpunan yangbersangkutan.

μA∪ B (x )=max . {μA ( x ) , μB (x ) } untuk setiap x∈ X……………........(2.6)

12

c. OperatorNOT

Operator ini berhubungan dengan operasi komplemen pada himpunan. α–

predikat sebagai hasil operasi dengan operatorNOT diperoleh

denganmengurangkan nilai keanggotaan elemen pada himpunan yang

bersangkutandari 1.

μA C ( x )=1−μA(x )………………………………........................…..(2.7)

2.1.7. Penalaran Monoton

Metode penalaran secara monoton digunakan sebagai dasar untuk

teknikimplikasi fuzzy. Meskipun penalaran ini sudah jarang sekali digunakan,

namunterkadang masih digunakan untuk penskalaan fuzzy. Jika 2 daerah

fuzzydirelasikan dengan implikasi sederhana sebagai berikut:

IF x is A THEN y is B

transfer fungsi:

y = f((x,A),B)

Maka sistem fuzzy dapat berjalan tanpa harus melalui komposisi dan

dekomposisifuzzy. Nilai output dapat diestimasi secara langsung dari nilai

keanggotaan yangberhubungan dengan antesedennya.

2.1.8. Fungsi Implikasi

Tiap-tiap aturan (proposisi) pada basis pengetahuan fuzzy akan

berhubungandengan suatu relasi fuzzy. Bentuk umum dari aturan yang digunakan

dalam fungsiimplikasi adalah:

IF x is A THEN y is B

dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Proposisiyang

mengikuti IF disebut sebagi anteseden, sedangkan proposisi yang

mengikutiTHEN disebut sebagai konsekuen. Proposisi ini dapat diperluas

denganmenggunakan operatorfuzzy, seperti:

IF (x1 is A1) • (x2 is A2) • (x3 is A3) • ...... • (xN is AN) THEN y is B

dengan • adalah operator (misal: OR atau AND).Secara umum, ada 2 fungsi

implikasi yang dapat digunakan, yaitu:

13

a. Min (minimum). Fungsi ini akan memotong output himpunan fuzzy.

Gambar2.6 menunjukkan salah satu contoh penggunaan fungsi min.

Sumber: Sri Kusumadewi (2013) Hal 29Gambar 2.6 Fungsi ImplikasiMIN

b. Dot (product). Fungsi ini akan menskala output himpunan fuzzy. Gambar

2.7menunjukkan salah satu contoh penggunaan fungsi dot.

Sumber: Sri Kusumadewi (2013) Hal 29Gambar 2.7 Fungsi Implikasi DOT

2.1.9. Sistem Inferensi FuzzyMetode Mamdani

Metode Mamdani adalah metode yang paling sering dijumpai ketika

membahas metodologi fuzzy. Ebrahim Mamdani yang pertama kali mengusulkan

metode ini di tahun 1975 ketika membangun sistem control mesin uap dan boiler.

Mamdani menggunakan sekumpulan IF-THEN rule yang diperoleh dari

operator/pakar yang berpengalaman. Karya Mamdani ini sebenarnya didasarkan

pada artikel “The Father of Fuzzy, Lotfi A. Zadeh : fuzzy algorithms for complex

systems and decision processes”

Proses perhitungannya cukup kompleks sehingga membutuhkan waktu

relatif lama, tetapi model ini memberikan ketelitian yang tinggi.Pada metode

Mamdani, aplikasi fungsi implikasi menggunakan MIN, sedang komposisi aturan

menggunakan metode MAX. Metode Mamdani dikenal juga dengan metode MAX-

14

MIN. Inferensi output yang dihasilkan berupa bilangan fuzzy maka harus

ditentukan suatu nilai crisp tertentu sebagai output. Proses ini dikenal dengan

defuzzifikasi.Untuk mendapatkan output, diperlukan 4 tahapan:

a. Pembentukan himpunan fuzzy

Pada Metode Mamdani, baik variabel input maupun variabel output dibagi

menjadi satu atau lebih himpunan fuzzy.

b. Aplikasi fungsi implikasi

Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min.

c. Komposisi Aturan

Tidak seperti penalaran monoton, apabila sistem terdiri-dari beberapa aturan,

maka inferensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3

metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu: max,

additive dan probabilistik OR (probor).

Metode Max (Maximum)

Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara

mengambilnilai maksimum aturan, kemudian menggunakannya untuk

memodifikasidaerah fuzzy, dan mengaplikasikannya ke output dengan

menggunakanoperatorOR (union). Jika semua proposisi telah

dievaluasi, maka outputakan berisi suatu himpunan fuzzy yang

merefleksikan konstribusi daritiap-tiap proposisi. Secara umum dapat

dituliskan:

μsf [ x i ]← max (μsf [ x i ] , μkf [ x i ])⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯ ¿8)

dengan:

μsf [ x i ] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;

μkf [x i ]= nilai keanggotaan konsekuen fuzzy aturan ke-i;

Misalkan ada 3 aturan (proposisi) sebagai berikut:

[R1] IF Biaya Produksi RENDAH And Permintaan NAIK

THENProduksi Barang BERTAMBAH;

[R2] IF Biaya Produksi STANDAR THEN Produksi Barang

NORMAL;

[R3] IF Biaya Produksi TINGGI And Permintaan TURUN THEN

Produksi Barang BERKURANG;

15

Proses inferensi dengan menggunakan metode Max dalam melakukan

komposisi aturan seperti terlihat pada Gambar 2.8. Apabila

digunakanfungsi implikasi MIN, maka metode komposisi ini sering

disebut dengannama MAX-MIN atau MIN-MAX atau MAMDANI.

Sumber: Sri Kusumadewi (2013) Hal 39Gambar 2.8 Komposisi Aturan Fuzzy Metode MAX.

Metode Additive (Sum)Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan bounded-sum terhadap semua output daerah fuzzy. Secara umum dituliskan:

μsf [ x i ]← max (1 , μsf [ xi ]+μkf [ xi ])⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯ ∙(2.10)

dengan:



Metode Probabilistik OR (probor)Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukanproduk terhadap semua output daerah fuzzy. Secara umum dituliskan:

μsf [ x i ]← max (μsf [ x i ]+μkf [ x i ]−μsf [ x i ]∗μkf [ x i ])⋯⋯⋯⋯ (2.11)

dengan:



16

d. Penegasan (defuzzifikasi)

Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang

diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang

dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy

tersebut. Sehingga jika diberikan suatu himpunan fuzzy dalam range

tertentu, maka harus dapat diambil suatu nilai crsip tertentu sebagai output

seperti terlihat pada Gambar 2.9.

Sumber: Sri Kusumadewi (2013) Hal 40Gambar 2.9 Proses Defuzzifikasi.

Ada beberapa metode defuzzifikasi pada komposisi aturan MAMDANI,

antara lain:

a. Metode Centroid (Composite Moment)

Pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat

(z*) daerah fuzzy. Secara umum dirumuskan:

z¿=∫

z

❑

zμ ( z ) dz

∫z

❑

μ ( z ) dz

z¿=∑j=1

n

z j μ ( z j )

∑j=1

n

μ ( z j ) (2.11¿

b. Metode Bisektor

17

Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai pada

domainfuzzy yang memiliki nilai keanggotaan separuh dari jumlah total

nilai keanggotaan pada daerah fuzzy.

c. Metode Mean of Maximum (MOM)

Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai rata-

rata domain yang memiliki nilai keanggotaan maksimum.

d. Metode Largest of Maximum (LOM)

Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai

terbesar dari domain yang memiliki nilai keanggotaan maksimum.

e. Metode Smallest of Maximum (SOM)

Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai

terkecil dari domain yang memiliki nilai keanggotaan maksimum.

2.1.10 Kualitas Jasa

Jasa adalah setiap kegiatan yang ditawarkan oleh suatu pihak pada pihak

laindan dasarnya tidak berwujud, serta tidak menghasilkan kepemilikan sesuatu.

Prosesproduksinya mungkin juga tidak dikaitkan dengan suatu produk fisik

(Kottler, 1995:

96).Jasa memiliki karakteristik utama yang membedakanya dengan barang, yaitu,

(Kotler, 1997:84):

1. Intangibility (tidak berwujud)

2. Inseparability (tidak dapat dipisahkan).

3. Variability (berubah-ubah)

4. Perishability (daya tahan)

Kualitas Jasa, terdiri dari lima pokok, yaitu:

a. Reliability, kemampuan memberikan pelayanan yang dijanjikan dengan

segera, akurat dan memuaskan.

b. Tangibles, meliputi fasilitas fisik, perlengkapan, pegawai dan sarana

komunikasi.

c. Responsiveness, keinginan staf untuk membentuk pelanggan dan

memberikan pelayanan dengan tanggap.

18

d. Assurance, mencakup pengetahuan, kemampuan, kesopanan dan dapat

dipercaya yang dimiliki para staf bebas dari bahaya, resiko atau keragu-

raguan.

e. Emphaty, meliputi kemudahan dalam melakukan hubungan, komunikasi

yang aik, perhatian pribadi dan memahami kebutuhan pelanggan.

2.1.11 Kepuasan Konsumen dengan Jasa Pelayanan

Pelayanan sebagai perusahaan jasa akomodasi juga melaksanakan aktivitas

manajemen pemasaran dalam usaha mendapatkan penumpang, dan

mempertahankankelangsungan hidup perusahaan. Kepuasan konsumen

merupakan faktor dasar yangmenentukan proses pembelian selanjutnya. Kotler

(1997) bahwa kepuasan danketidakpuasan konsumen terhadap jasa yang diberikan

akan mempengaruhi tingkahlaku konsumen selanjutnya. Faktor-faktor yang

mempengaruhi kepuasan konsumen, adalah: mutu produk dan pelayanan, kegiatan

penjualan, pelayanan setelah penjualandan nilai-nilai perusahaan. Kualitas

pelayanan pelayaran, merupakan kesatuan daritiga unsur, yaitu: produk, perilaku

atau sikap, suasana lingkungan.

2.1.12 Hubungan antara kualitas pelayanan pelayanan dengan kepuasan

konsumen

Kepuasan dapat diartikan sebagai suatu keadaan dalam diri seseorang,

dimana iatelah berhasil mendapatkan sesuatu yang menjadi kebutuhan-kebutuhan

dan keinginankeinginannya,maka dari itu untuk memberikan kepuasan kepada

tamu adalah berusahamengetahui terlebih dahulu apa yang dibutuhkan dan

diinginkan oleh penumpang yang akanatau sedang menginap di hotel, adapun

beberapa petunjuk yang dapat dijadikan sebagaialat untuk mengidentifikasi

kebutuhan dasar manusia yang lazim, antara lain:

Kebutuhan untuk disambut baik, kebutuhan pelayanan yang tepat waktu,

kebutuhanuntuk merasa nyaman, kebutuhan akan pelayanan yang rapi, kebutuhan

untukdimengerti, kebutuhan untuk mendapat pertolongan, kebutuhan untuk

merasa penting,kebutuhan untuk dihargai, kebutuhan untuk diakui atau diingat

dan kebutuhan akanrespek.

19

2.1.13 Skala Likert

Menurut Simamora (2004:234), Skala Likert adalah teknik pengukuran

sikap yang paling luas digunakan dalam riset pemasaran, dan Skala Likert dapat

disebut juga dengan summated rating scale. Skala Likertmemungkinkan

responden untuk mengekspresikan intensitas perasaan mereka secara luas,

sedangkan menurut Sugiyono (2005:75) Skala Likert digunakan untuk mengukur

sikap, pendapat, dan persepsi seseorang atau sekelompok orang tentang fenomena

sosial. Dalam penelitian ini, fenomena sosial telah ditetapkan secara spesifik yang

selanjutnya disebut variabel penelitian.

Pada penelitian ini sendiri menggunakan pilihan jawaban dan nilai

jawaban sebagai berikut: Besar Bobot dan Kategori Penilaian

Tabel 2.1 Besar Bobot dan Kategori Penelitian

Bobot Kategori

12345

Sangat Tidak Puas (STP)Tidak Puas (TP)Cukup Puas (CP)Puas (P)Sangat Puas (SP)

Menurut Freedy Rangkuti (2002:38), langkah-langkah dalam mengerjakan metode

Skala Likert adalah:

1. Mengumpulkan sejumlah pertanyaan-pertanyaan yang berkaitan dengan

masalah yang akan diteliti. Responden diharuskan memilih salah satu dari

sejumlah kategori jawaban yang tersedia, kemudian masing-masing

jawaban diberi nilai tertentu.

2. membuat nilai total untuk setiap orang dengan menjumlahkan nilai untuk

jawaban.

3. Menilai kekompakan antar pertanyaan.

20

2.2. Variabel

Variabel – variabel yang akan digunakan dalam penelitian ini terdiri dari,

yaitu

Variabel – variabel yang akan digunakan dalam penelitian ini terdiri dari,

yaitu

a. Relliability

Merupakan kemampuan memberikan pelayanan yang dijanjikan dengan

segera,akurat dan memuaskan.

b. Tangibles

Meliputi fasilitas fisik, perlengkapan, pegawai dan sarana komunikasi.

c. Responsiveness

Keinginan staf untuk membentuk pelanggan dan memberikan pelayanan

dengan tanggap.

d. Assurance

Mencakup pengetahuan, kemampuan, kesopanan dan dapat dipercayayang

dimiliki para staf bebas dari bahaya, resiko atau keragu – raguan.

e. Emphaty

Meliputi kemudahan dalam melakukan hubungan, komunikasi yang

baik,perhatian pribadi dan memahami kebutuhan pelanggan.

f. Tingkat Kepuasan Penumpang

Merupakan output sistem yang berupa tidak puas, puas dan sangat puas.

2.3. Tools

Tools yang digunakan dalam penelitian ini adalah program matlab 6.1.

Matlab adalah sebuah lingkungan komputasi numerikal dan bahasa

pemrograman komputer generasi keempat. Dikembangkan oleh The Math Works,

Matlab memungkinkan manipulasi matriks, implementasi algoritma,

pembuatan antarmuka pengguna, dan pengantarmukaan dengan program dalam

21

bahasa lainnya. Meskipun hanya bernuansa numerik, sebuah kotak kakas

(toolbox) yang menggunakan mesin simbolik MuPAD, memungkinkan akses

terhadap kemampuan aljabar komputer. Sebuah paket tambahan, Simulink,

menambahkan simulasi grafis multiranah dan Desain Berdasar Model untuk

sistem terlekat dan dinamik.

2.4. Penelitian Terdahulu

1. Rizkysari Meimaharani, Tri Listyorini, 2014, ANALISIS SISTEM

INFERENCE FUZZY SUGENO DALAM MENENTUKAN HARGA

PENJUALAN TANAH UNTUK PEMBANGUNAN MINIMARKET

menyimpulkan “Analisis inference fuzzy sugeno dalam menentukan harga

penjualan tanah untuk pembangunan minimarket ini mampu membantu

masyarakat dalam menentukan harga terbaik dalam pemilihan tanah yang akan

digunakan dalam pembangunan minimarket.Dengan menggunakan metode

fuzzy sugeno, pengujian yang dilakukan dapat diketahui bahwa teknik kendali

fuzzy mampu menghasilkan respon seperti yang diharapkan yaitu mampu

menilai jarak jauh dekat yang menentukan harga dalam penjualan tanah untuk

pembangunan minimarket.”

2. Muhammad Yunus, Sandi Badi Wibowo Atim, 2013, PENERAPAN

LOGIKA FUZZY(MAMDANI) UNTUK MENENTUKAN JUMLAH

PRODUKSI ROTI BERDASARKAN DATA PERSEDIAAN DAN JUMLAH

PERMINTAAN menyimpulkan “Logika fuzzy (Mamdani) dalam menentukan

jumlah produksi roti berdasarkan jumlah persediaan dan permintaan yang

telah dibangun dapat digunakan untuk membantu perusahaan dalam

mengambil sebuah keputusan dengan nilai kebenaran mencapai 98,41902%.”

3. Rahmaddeni, 2014, PENERAPAN FUZZYLOGIC DALAM

MENGANALISIS TINGKAT PENDAPATAN AKHIR KONSULTAN

PRODUK MULTI LEVEL MARKETINGmenyimpulkan“Fuzzylogic dapat

diterapkan dalam dunia bisnis, dalam hal ini multi level marketing karena

dapat mendeskripsikan persepsi manusia terhadap persoalan menganalisa

pendapatan akhir konsultan produk.“

22

4. I Gede Santi Astawa, 2012, PENERAPAN LOGIKA FUZZY DAN

JARINGAN SYARAF TIRUAN PADA SISTEM PENILAIAN BERBASIS

KOMPUTER menyimpulkan “Berdasarkan hasil pembahasan tersebut maka

diperoleh beberapa kesimpulan yaitu:Sistem penilaian dengan menggunakan

metode logika fuzzy atau metode jaringan syaraf tiruan sebagai dasar

perhitungan memungkinkan sebuah system penilaian menilai hasil belajar

siswa sesuai dengan aturan-aturan penilaian yang dimiliki oleh seorang

pengajar. Sehingga system tersebut dapat dianggap sudah mampu menilai

hasil belajar siswa selayaknya seorang pengajar.Hasil penilaian pada 70 data

percobaan dengan menggunakan metode logika fuzzy mampu mendekati hasil

penilaian dari pengajar, dimana terdapat rata-rata kesalahan sebesar 0,028571

pada skala 0-4.Hasil penilaian pada 70 data percobaan dengan menggunakan

metode jaringan syaraf tiruan mampu mendekati hasil penilaian dari pengajar,

dimana terdapat rata-rata kesalahan sebesar 0,023214 pada skala 0-4.Sistem

penilaian dengan metode logika fuzzy sangat baik digunakan untuk proses

penalaran, namun seringkali seorang pengajar tidak dapat menuangkan aturan-

aturan penilaiannya dengan jelas ke dalam sebuah basis aturan.Sistem

penilaian dengan metode JST mampu secara automatis mengambil aturan -

aturan penilaian seorang pengajar berdasarkan data penilaian pengajar

tersebut, namun system ini tidak dapat menjelaskan proses penalaran yang

dilakukannya.

5. Nuraida, Iryanto, Djakaria Sebayang, 2013, ANALISIS TINGKAT

KEPUASAN KONSUMEN BERDASARKAN PELAYANAN, HARGA

DAN KUALITAS MASAKAN MENGGUNAKAN FUZZY MAMDANI,

menyimpulkan dari hasil analisis diperoleh bahwa pengukuran tingkat

kepuasan konsumen berdasarkan tingkat pelayanan, harga dan kualitas

makanan diperoleh hasil yang cukup baik yaitu sebesar 5,5 yang merupakan

keanggotaan dari domain himpunan bilangan fuzzy cukup baik.

2.5. Kerangka Pemikiran

Kerangka pemikiran merupakan proses – proses yang terjadi di penelitian

menurut peneliti yang melakukan penelitian tersebut. Penelitian ini

23

diimplementasikan Fuzzy Inference System (FIS). Berikut ini merupakan kerangka

pemikiran terhadap penelitian ini sebagai pedoman dalam pemecahan masalah

penelitian ini

24

Sumber: Pengolahan data penelitian (2016)Gambar 2.10. Kerangka Pemikiran

25

Mulai

Pengumpulan Data:Studi PustakaStudi Lapangan

Identifikasi Data:Tangibles (Berwujud), Relliability (Kehandalan),Responsiveness (Daya Tanggap), Assurance (Kepastian) Emphaty (Empati),

Alisis Skala Likert:Mengumpulkan sejumlah pertanyaanMembuat skor nilai atas sejumlah pertanyaan Menilai kekompakan antar pertanyaan

Hasil pembahasan dan Penarikan kesimpulan

Analisis Logika Fuzzy:Pembentukan himpunan fuzzyPembentukan aturan aturanPenentuan komposisi aturanPenegasan (defuzzyfikasi)

Pengolahan Dan Analisis Data

BAB III

METODOLOGI PENELITIAN

3.1. Desain Penelitian

Tahapan penelitian yang dilakukan pada Analisis Tingkat Kepuasan

Penumpang Terhadap Layanan Bandar Udara Hang Nadim Batam Dengan

Pendekatan Logika Fuzzy ditunjukkan dalam Gambar (3.1)

Sumber: Pengolahan data penelitian (2016)Gambar 3.1 Disain Penelitian “Analisis Tingkat Kepuasan Penumpang Terhadap Layanan

Bandar Udara Hang Nadim Batam Dengan Pendekatan Logika Fuzzy”

26

3.2. Pengumpulan Data

Penelitian ini menggunakan sumber, yaitu:

a. Studi Pustaka

Pengumpulan data dengan cara membaca dan mengkaji buku-buku secara

teoritis yang berkaitan dengan metode yang dibahas.

b. Studi Lapangan (menyebarkan Kuesioner)

Dengan menyebarkandaftar pertanyaan kepada 50 responden, yaitu kepada

penumpang yang menjadi para calon penumpang pesawat di Bandar Udara

Hang Nadim Batam.

3.3. Identifikasi Data

Identifikasi data dilakukan untuk menentukan vareabel dan semesta

pembicaraan yang diperlukan dalam melakukan perhitungan dan analisis

masalah.

Data-data kuesioner yang diambil mencakup aspek-aspek:

1. Berwujud (Tangibles)

2. Kehandalan (Reliability)

3. Daya tanggap (Responsiveness)

4. Kepastian (Assurance)

5. Empati (Emphaty)

Kelima aspek/dimensi tersebut diatas dinilai dengan menggunakan kategori

pengukuran:

1. Kategori 1 : Sangat Tidak Puas (STP)

2. Kategori 2 : Tidak Puas (TP)

3. Kategori 3 : Cukup Puas (CP)

4. Kategori 4 : Puas (P)

5. Kategori 5 : Sangat Puas (SP)

3.4 Metode Analisis Data

Dalam pengelohan data yang telah dikemukan, digunakan dua macam

metode analisis, yaitu:

27

A. Analisis Skala Likert

Menurut Freedy Rangkuti (2002:38), langkah-langkah dalam mengerjakan

Analisis Skala Likert adalah:

1. Mengumpulkan sejumlah pertanyaan-pertanyaan yang berkaitan dengan

masalah yang akan diteliti. Responden diharuskan memilih salah satu dari

sejumlah kategori jawaban yang tersedia, kemudian masing-masing

jawaban diberi nilai tertentu.

2. Membuat nilai total untuk setiap orang dengan menjumlahkan nilai untuk

jawaban.

3. Menilai kekompakan antar pertanyaan.

B. Analisis logika Fuzzy

Pengelolahan data dilakukan dengan bantuan softwere matlab .8.0 dengan

menggunakan fasilitas yang disediakan pada toolbox fuzzy dengan melakukan

langkah langkah sebagai berikut:

1. Pembentukan himpunan fuzzy

Dalam tahap ini dilakukan pembentukan himpunan fuzzy berdasarkan

hasil analisis data parameter, yaitu dengan menetapkan nilai linguistic dan

numeris.

2. Pembentukan aturan aturan (Rule Base)

Proses ini berfungsi untuk untuk mencari suatu nilai fuzzy output dari

fuzzy input. Prosesnya adalah sebagai berikut: suatu nilai fuzzy input yang

berasal dari proses fuzzifikasi kemudian dimasukkan kedalam sebuah

aturan yang telah dibuat untuk dijadikan sebuah fuzzy.

3. Penentuan komposisi aturan (Fuzzyfikasi)

Penentuan komposisi aturan merupankan proses perubahan suatu nilai

crips ke dalam variabel fuzzy yang berupa variabel linguistic yang

nantinya akan dikelompokkan menjadi himpunan fuzzy

4. Penegasan (defuzzyfikasi)

Proses defuzzyfikasi adalah suatu himpunan fuzzy yang diperoleh dari dari

komposisi aturan aturan fuzzy, sedangkan output yang dihasilkann

merupakan suatu bilangan pada domain himpunan fuzzy tersebut.

28

Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka

harus dapat diambil suatu nilai crips tertentu sebagai output.

3.5 Penarikan Kesimpulan

Penarikan kesimpulan merupakan tahap akhir dari penelitian, dimana

dilakukan pendokumentasian riset secara keseluruhan. Sehingga hasil akhir dari

penelitian ini nanti nya bisa digunakan sebagai bahan acuan untuk mengadakan

penelitian dimasa yang akan datang dalam bidang yang sama.

29

BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

Sesuai dengan rumusan masalah pada BAB I, maka yang akan dibahas pada bab

ini adalah analisis kepuasan penumpang dengan logika fuzzy dengan

menggunakan program MATLAB. Penyelesaian masalah analisis tingkat

kepuasan penumpang terhadap layanan Bandar Udara Hang Nadim Batam, yaitu

menggunakan metode mamdani dan skala likert.

4.1 Analisis Skala Likert

Teknik yang dilakukan di dalam pengumpulan data penelitian adalah dengan

menyebarkan kuesioner kepada 50 orang responden dengan berbagai karakteristik

yang telah ditetapkan sebelumnya sesuai dengan tujuan dari penelitian ini. Berikut

deskripsi karakteristik umum responden yang telah diperoleh dari hasil

penyebaran kuesioner.

1) Jenis Kelamin

Kuesioner disebarkan kepada 50 0rang yang terdiri dari 30 responden (60%)

wanita dan 20 responden (40%) pria.

2) Usia

Kuesioner penelitian terhadap usia menunjukkan bahwa responden yang

berusia < 18 tahun dengan persentase 6%, usia 18-25 tahun dengan persentase

20%, usia 26-35 tahun dengan persentase 39%, usia 36-45 tahun dengan

persentase 17%, usia 46-55% tahun dengan persentase 13%, usia 55-65

dengan persentase 3%, dan usia > 65 tahun dengan persentase hanya 2%.

3) Pekerjaan

Kuesioner penelitian terhadap pekerjaan menunjukkan bahwa responden

pelajar dengan persentase 5%, mahasiswa 4%, pegawai negeri 14%,

wiraswasta 25%, BUMN 1%, dan ibu rumah tangga (dan lain-lain) dengan

persentase terbesar yaitu 36%.

30

4.1.1 Analisis Kuesioner Menggunakan Skala Likert

A. Dimensi Tangibles (Berwujud)

Hasil kuesioner pertanyaan Dimensi Tangibles (Berwujud) sebagai berikut:

1. Apakah Bandar Udara Hang Nadim memiliki peralatan modern?

SP P CP TP STP

5%

20%

30%

20% 25%

Pertanyaan Kuesioner 1

PERTANYAAN KUESIONER 1

Sumber: Hasil pengolahan data kuesionerGambar 4.1 Diagram jawaban kuesioner pertanyaan 1 Dimensi Tangibles (Berwujud)

Keterangan: SP = Sangat Puas P = Puas CP = Cukup Puas

TP = Tidak Puas STP = Sangat Tidak Puas

Dari 50 orang responden yang dikumpulkan, 5 orang responden atau 5%

orang responden menyatakan sangat puas, 10 orang responden atau 20%

orang responden menyatakan puas, 15 orang responden atau 30% orang

responden menyatakan cukup puas, 10 orang responden atau 20% orang

responden menyatakan tidak puas, 13 orang responden atau 25% orang

responden menyatakan sangat tidak puas.

Perhitungan analisis kuesioner Tangibles (Berwujud) pertanyaan 1:

31

SP : 5 orang x 5 = 25P : 10 orang x 4 = 40CP : 15 orang x 3 = 45TP : 10 orang x 2 = 20

STP : 13 orang x 1 = 1 3 Total 143

Tingkat persetujuan pertanyaan 1 = 143250

x100 %=57 %

2. Apakah ruang tunggu Bandar udara memadai, bersih, rapi dan nyaman?

SP P CP TP STP

18%

26%30%

12% 14%



Sumber: Hasil pengolahan data kuesionerGambar 4.2 Diagram jawaban kuesioner pertanyaan 2 Dimensi Tangibles (Berwujud)










32


STP : 7 orang x 1 = 7 Total 161

Tingkat persetujuan pertanyaan 2 =161250

x100%=64,4 %

3. Apakah fasilitas pendukung pelayanan lengkap (seperti: Toilet, Area

parkir, Kantin, dll)?

SP P CP TP STP

18%

30%36%

12%

4%



Sumber: Hasil pengolahan kuesionerGambar 4.3 Diagram jawaban kuesioner pertanyaan 3 Dimensi Tangibles (Berwujud)










33




x100 %=69,2 %

4. Apakah armada pesawat pengangkut memadai?

SP P CP TP STP

26%36%

20%

12%6%













34




x100 %=66,4 %

5. Apakah kantin Bandar udara menyajikan menu makanan yang enak dan

tidak membosankan?

SP P CP TP STP

18% 20%

40%

12% 10%













35




x100 %=64,8 %

Berdasarkan hasil dari pengolahan data kuesioner, dapat diketahui bahwa

persepsi dari para calon penumpang pesawat udara sebagai pengguna jasa

adalah sebagai berikut:

Tabel 4.1 Hasil Pengolahan Data Kuesioner Tangibles

Pertanyaan No

SPBobot

5

PBobot

4

CP Bobot

3

TP Bobot

2

STP Bobot

1

Jumlah x

BobotPerhitungan Persentase

Hasil Persentase

15

Org5%

10Org20%

15Org30%

10Org20%

13Org25%

143 143/250*100% 57%

29

Org18%

13Org26%

15Org30%

6Org12%

7Org14%

161 161/250*100% 64,4%

39

Org18%

15Org30%

18Org36%

6Org12%

2Org4%

173 173/250*100% 69,2%

418

Org36%

13Org26%

10Org20%

3Org6%

6Org12%

166 166/250*100% 66,4%

59

Org 18%

10Org20%

20Org40%

6Org12%

5Org10%

162 162/250*100% 64,8%

TOTAL 50 61 78 31 33 805 805/1250*100% 64,4%

Sumber: Hasil Pengolahan Data Kuesioner

Tingkat kepuasan penumpang secara keseluruhan adalah: 57%+64,4%

+69,2%+66,4%+64,8% = 321,8/5 = 64,36% maka dibulatkan menjadi

64%. Tingkat kepuasan penumpang akhir secara keseluruhan adalah 64%

(cukup)

B. Dimensi Reliability (Kehandalan).

36

Hasil kuesioner pertanyaan Dimensi Reliability (Kehandalan) sebagai berikut:

1. Apakah pelayanan yang diberikan cepat dan tepat?

SP P CP TP STP

24%20%

32%

14%10%


Column1

Sumber: Hasil pengolahan kuesionerGambar 4.6 Diagram jawaban kuesioner pertanyaan 1 Dimensi Reliability (Kehandalan)









Perhitungan analisis kuesioner Reliability (Kehandalan), pertanyaan 1:

2. Apakah jadwal kedatangan pesawat terbang tepat waktu?

37




x100 %=66,8 %

SP P CP TP STP

16%

24%

38%

14%8%













3. Apakah jadwal keberangkatan pesawat udara tepat waktu?

38




x100 %=65,2 %

SP P CP TP STP

10%

36% 34%

6% 4%













39




x100 %=72,4 %

4. Apakah informasi keberangkatan pesawat yang disampaikan kepada calon

penumpang jelas dan memuaskan?

SP P CP TP STP

28%

16%

26%

16%14%













40




x 100 %=65,6 %

5. Apakah informasi mengenai cuaca disampaikan dengan jelas?

SP P CP TP STP

16%22%

34%

16%12%













41




x100 %=62,8 %


persepsi dari para calon penumpang pesawat udara sebagai pengguna jasa

adalah sebagai berikut:

Tabel 4.2 Hasil Pengolahan Data Kuesioner Dimensi Reliability

Pertanyaan No

SP Bobot

5

P Bobot

4

CP Bobot

3

TP Bobot

2

STP Bobot

1

Jumlah x

Bobot

Perhitungan Persentase

Hasil Persentase

112

Org24%

10Org20%

16Org32%

7Org14%

5Org10%

178 167/250*100% 66,8%

28

Org16%

12Org24%

19Org38%

7Org14%

4Org8%

163 163/250*100% 65,2%

310

Org20%

18Org36%

17Org34%

3Org6%

2Org4%

181 181/250*100% 72,4%

414

Org28%

8Org16%

13Org26%

8Org16%

7Org14%

164 164/250*100% 65,6%

58

Org 16%

11Org22%

17Org34%

8Org16%

6Org12%

157 157/250*100% 62,8%

TOTAL 52 59 82 33 24 843 843/1250*100% 67,44%


Tingkat kepuasaan penumpang secara keseluruhan adalah: 66,8% + 65,2%

+ 72,4% + 65,6% + 62,8% = 332,8%5 = 66.56% maka dibulatkan menjadi

67%. Tingkat kepuasan penumpang pesawat akhir secara keseluruhan

adalah 66.56% (cukup)

42

C. Dimensi Responsiveness (Daya Tanggap)

Hasil kuesioner pertanyaan Dimensi Responsiveness (Daya Tanggap) sebagai

berikut:

1. Apakah petugas, porter, pramugari atau pramugara bersikap ramah dan

memberikan perhatian kepada calon penumpang?

SP P CP TP STP

38% 34%

20%

4% 4%



Sumber: Hasil pengolahan data kuesionerGambar 4.11 Diagram jawaban kuesioner pertanyaan 1 Dimensi Responsiveness (Daya Tanggap)



Dari 50 orang responden yang dikumpulkan, 19 orang responden atau

38% orang responden menyatakan sangat puas, 17 orang responden atau

34% orang responden menyatakan puas, 10 orang responden atau 20%

orang responden menyatakan cukup puas, 2 orang responden atau 4%

orang responden menyatakan tidak puas, 2 orang responden atau 4%

orang responden menyatakan sangat tidak puas.

Perhitungan analisis kuesioner Responsiveness (Daya Tanggap),

pertanyaan 1:

43




x100 %=79,6 %

2. Apakah petugas, crew pesawat udara bersedia menerima saran dari calon

penumpang?

SP P CP TP STP

42%34%

14%6% 4%



Sumber: Hasil pengolahan kuesionerGambar 4.12 Diagram jawaban kuesioner pertanyaan 2 Dimensi Responsiveness (Daya Tanggap)









Perhitungan analisis kuesioner Responsiveness (Daya Tanggap),

pertanyaan 2:

44




x100 %=80 %


persepsi dari para calon penumpan pesawat udara

sebagai pengguna jasa adalah sebagai berikut:

Tabel 4.3 Hasil Pengolahan Data Kuesioner Dimensi Responsiveness

Pertanyaan No

SPBobot

5

P Bobot

4

CP Bobot

3

TP Bobot

2

STP Bobot

1

Jumlah x

Bobot


Hasil Persentase

1

19Org38%

17Org34%

10Org20%

2Org4%

2Org4%

199 199/250*100% 79,6%

221

Org42%

17Org34%

7Org14%

3Org6%

2Org4%

202 202/250*100% 80,8%

TOTAL 40 34 17 5 4 401 401/500*100% 80%


Tingkat kepuasan penumpang secara keseluruhan adalah: 79,6% + 80,8% =

160,4/2 = 80,2% maka dibulatkan menjadi 80%. Tingkat kepuasan penumpang

akhir secara keseluruhan adalah 80% (Kuat)

45

D. Dimensi Assurance (Kepastian)

Hasil kuesioner pertanyaan Dimensi Assurance (Kepastian) sebagai berikut:

1. Apakah dalam keadaan cuaca buruk petugas, pilot, crew pesawat mampu

memberikan rasa tenang kepada para calon penumpang?

SP P CP TP STP

32%40%

14%10%

4%



Sumber: Hasil pengolahan kuesionerGambar 4.13 Diagram jawaban kuesioner pertanyaan 1 Dimensi Assurance (Kepastian)









Perhitungan analisis kuesioner Dimensi Assurance (Kepastian),

pertanyaan 1:

46




x100 %=77,2 %

2. Apakah para calon penumpang merasa aman terhadap diri dan barang

bawaannya?

SP P CP TP STP

28%

40%

22%

6%4%












Perhitungan analisis kuesioner Dimensi Assurance (Kepastian),

pertanyaan 2:

47




x100 %=76,4 %

3. Apakah petugas penjualan tiket memberi kemudahan dalam pemesanan

tiket?

SP P CP TP STP

36%40%

16%

6%2%












Perhitungan analisis kuesioner Dimensi Assurance (Kepastian)

pertanyaan 3:

48



Tingkat persetujuan pertanyaan 3 =201250

x100 %=80,4 %


persepsi dari para calon penumpang kapal sebagai pengguna jasa adalah

sebagai berikut:

Tabel 4.4 Hasil Pengolahan Data Kuesioner Dimensi Assurance

Pertanyaan No

SPBobot

5

P Bobot

4

CP Bobot

3

TP Bobot

2

STP Bobot

1

Jumlah x

Bobot


Hasil Persentase

116

Org32%

20Org40%

7Org14%

5Org10%

2Org4%

193 193/250*100% 77,2%

214

Org28%

20Org40%

11Org22%

3Org6%

2Org4%

191 191/250*100% 76,4%

318

Org36%

20Org40%

8Org16%

3Org6%

1Org2%

201 201/250*100% 80,4%

TOTAL 48 60 26 11 5 585 585/750*100% 78%


Tingkat Kepuasan penumpang secara keseluruhan adalah : 77,2% + 76,4%

+ 80,4% = 234/3 = 78% maka dibulatkan menjadi 78%. Tingkat kepuasan

penumpang pesawat akhir secara keseluruhan adalah 80% (kuat)

49

E. Dimensi Emphaty (Empati)

Hasil kuesioner pertanyaan Dimensi Emphaty (Empati) sebagai berikut:

1. Apakah para petugas, operator pesawat, crew pesawat memberikan

pelayanan yang sama kesemua calon penumpang?

SP P CP TP STP

30%

38%

24%

6%2%



Sumber: Hasil pengolahan kuesionerGambar 4.16 Diagram jawaban kuesioner pertanyaan 1 Dimensi Emphaty (Empati)









Perhitungan analisis kuesioner Dimensi Emphaty (Empati) pertanyaan 1:

50




x 100 %=77,6 %

2. Apakah petugas penjualan tiket memberikan kemudahan dalam

pemesanan tiket?

SP P CP TP STP

24%

36%

22%

12%6%













51




x100%=72 %

3. Apakah petugas pengecekan tiket masuk memberikan pelayanan yang

cepat dan nyaman?

SP P CP TP STP

20%

32%

24%

16%

8%













52




x100 %=68 %

4. Apakah petugas di Bandar udara memberikan perhatian terhadap keluhan

para calon penumpang?

SP P CP TP STP

18%

30%26%

18%

8%













53




x100 %=66,4 %

5. Apakah pihak Bandar udara memberikan kemudahan bagi para calon

penumpang untuk naik ke pesawat?

SP P CP TP STP

28%34%

22%

8% 8%













54




x100 %=73,2 %


persepsi dari para calon penumpang pesawat udara sebagai pengguna jasa di

Bandar Udara Hang Nadim Kota Batam adalah sebagai berikut:

Tabel 4.5 Hasil Pengolahan Data kuesioner Dimensi Emphaty

Pertanyaan No

SP Bobot

5

P Bobot

4

CP Bobot

3

TP Bobot

2

STP Bobot

1

Jumlah x

Bobot


Hasil Persentase

115

Org30%

19Org38%

12Org24%

3Org6%

1Org2%

194 194/250*100% 77,6%

212

Org24%

18Org36%

11Org22%

6Org12%

3Org6%

180 180/250*100% 72%

310

Org20%

16Org32%

12Org24%

8Org16%

4Org8%

170 170/250*100% 68%

49

Org18%

15Org30%

13Org26%

9Org18%

4Org8%

166 166/250*100% 66,4%

514

Org18%

17Org34%

11Org22%

4Org8%

4Org8%

183 183/250*100% 73,2%

TOTAL 60 85 59 30 16 893 893/1250*100% 71%


4.1.2 Hasil Analisis Berdasarkan Skala Likert

Dari hasil analisa yang telah dilakukan, jika dilihat dari beberapa dimensi

menunjukkan tingkat kepuasan, yaitu:

a. Dimensi Tangibles (Berwujud)

Pada dimensi berwujud mayoritas menyatakan cukup puas yaitu dengan rata-

rata presentase 66 % dan nilai rata-rata nilai sebesar 165,4%.

b. Dimensi Reliability (Kehandalan)

Pada dimensi kehandalan mayoritas menyatakan cukup puas yaitu dengan

rata-rata presentase 67 % dan nilai rata-rata nilai sebesar 168.

c. Dimensi Responsiveness (Daya Tanggap)

Pada dimensi data tanggap mayoritas menyatakan cukup puas yaitu dengan

rata-rata presentase 80 % dan nilai rata-rata nilai sebesar 80,2%.

d. Dimensi Assurance (Kepastian)

55

STP TP CP P SP

100 150 200 25050

60% 100%80%20%

Sangagat Lemah Lemah Cukup Kuat Sangat Kuat

40%

Pada dimensi kepastian mayoritas menyatakan cukup puas yaitu dengan rata

rata presentase 78 % dan nilai rata-rata nilai sebesar 117.

e. Dimensi Emphaty (Empati)

Pada dimensi empati mayoritas menyatakan cukup puas yaitu dengan rata-

rata presentase 71 % dan nilai rata-rata nilai sebesar 178.

Secara keseluruhan tingkat kepuasan penumpang di Bandar Udara Hang Nadim

Kota Batam dengan metode skala likert menyatakan cukup puas nilai rata-rata

persentase sebesar adalah: 77,6% + 72% + 68% + 66,4% + 73,2% = 357,2%/5 =

71,44 % (35,5 dari 50 responden)

Jumlah skor ideal untuk setiap item pertanyaan (skor tertinggi) = 5x50 = 250

(SP). Jumlah skor rendah untuk setiap item pertanyaan (skor terendah) = 5x1 =

250 (STP). Berdasarkan data yang diperoleh dari 50 responden, maka dibuatlah

skala untuk analisis logika fuzzy yang dapat dilihat, seperti dibawah ini:

Presentase kelompok responden setiap item dapat dilihat seperti dibawah ini:

Keterangan:

Kreteria Interpretasi Skor

Angka 0 % - 20% = Sangat Lemah

Angka 21% - 40% = Lemah

Angka 41% - 60% = Cukup

Angka 61 % - 80% = Kuat

Angka 81% - 100% = Sangat Kuat

56

4.2 Analisis Logika Fuzzy

Analisis logika fuzzy diawali dengan data kuesioner yang di isi oleh

penumpang, kuesioner yang di isi oleh penumpang akan menjadi faktor penentu

kualitas jasa pelayanan Bandar Udara, data kuesioner digunakan untuk

menetapkan variabel-vareabel logika fuzzy, selanjutnya dilakukan pembentukan

himpunan fuzzy, untuk lengkapnya lihat gambar 4.21.

Gambar 4.21 Diagram Logika Fuzzy

4.2.1 Pengumpulan dan Pengolahan Data

Penentuan variabel yang digunakan dalam penelitian ini, terlihat pada tabel 4.6.

Tabel 4.6 Himpunan Fuzzy

Fungsi Nama Vareabel Semesta Pembicaraan

Input

Tangibles (Berwujud) [50 250]

Reliability (Kehandalan) [50 250]

Responsiveness (Daya Tanggap) [50 250]

Assurance (Kepastian) [50 250]

Emphaty (Empati) [50 250]

Output Tingkat Kepuasan Penumpang [50 250]

57

Dari variabel yang telah dimunculkan, disusunlah domain himpunan fuzzy seperti

terlihat pada tabel 4.7.

Tabel 4.7 Domain Himpunan Fuzzy

Variabel Nama Himpunan Fuzzy Domain

Tangibles (Berwujud)

Sangat Tidak Puas (STP) [50 - 100]Tidak Puas (TP) [50 - 150]Cukup Puas (CP) [100 - 200]Puas (P) [150 - 250]Sangat Puas (SP) [200 - 250]

Reliability (Kehandalan)


Responsiveness (Daya Tanggap)


Assurance (Kepastian)


Emphaty (Empati)


Tingkat Kepuasan Konsumen


A. Representasi Variabel Tangibles (Berwujud)

Untuk mempresentasikan variabel Tangibles (Berwujud) digunakan kurva

berbentuk Representasi Linear (untuk himpunan fuzzy Sangat Tidak Puas (STP)

dan Puas (P)) dan kurva berbentuk Representasi kurva segitiga (untuk himpunan

fuzzy Tidak Puas (TP), Cukup Puas (CP) dan Puas (P), Gambar 4.22)

58

Gambar 4.22 Representasi Variabel Tangibles (Berwujud)

B. Representasi Variabel Reliability (Kehandalan)

Untuk mempresentasikan variabel Reliability (Kehandalan) digunakan kurva




Gambar 4.23 Representasi Variabel Reliability (Kehandalan)

C. Representasi Variabel Responsiveness (Daya Tanggap)

Untuk mempresentasikan variabel Responsiveness (Daya Tanggap) digunakan

kurva berbentuk Representasi Linear (untuk himpunan fuzzy Sangat Tidak Puas

(STP) dan Puas (P)) dan kurva berbentuk Representasi kurva segitiga (untuk

himpunan fuzzy Tidak Puas (TP), Cukup Puas (CP) dan Puas (P), Gambar 4.4)

Gambar 4.24 Representasi Variabel Responsiveness (Daya Tanggap)

59

D. Representasi Variabel Assurance (Kepastian)

Untuk mempresentasikan variabel Assurance (Kepastian) digunakan kurva




Gambar 4.25 Representasi Variabel Assurance (Kepastian)

E. Representasi Variabel Emphaty (Empati)

Untuk mempresentasikan variabel Emphaty (Empati) digunakan kurva berbentuk

Representasi Linear (untuk himpunan fuzzy Sangat Tidak Puas (STP) dan Puas

(P)) dan kurva berbentuk Representasi kurva segitiga (untuk himpunan fuzzy

Tidak Puas (TP), Cukup Puas (CP) dan Puas (P), Gambar 4.6)

Gambar 4.26 Representasi Variabel Emphaty (Empati)

F. Representasi Variabel Tingkat Kepuasan Konsumen

Untuk mempresentasikan variabel tingkat kepuasan penumpang digunakan kurva




60

Gambar 4.27 Representasi Variabel tingkat kepuasan Penumpang

4.2.2 Membentuk Aturan Fuzzy (Fuzzy Inference System)

Tahap ini merupakan penentuan aturan dari sistem logika fuzzy. Aturan-aturan

dapat dibentuk untuk menyatakan relasi antara input dan output. Tiap aturan

merupakan suatu implikasi. Operator yang digunakan untuk menghubungkan

antara dua input adalah operator AND, dan yang memetakan antara input-output

adalah IF-THEN, Berdasarkan unit penalaran pada inferensi fuzzy yang berbentuk:

Jika U adalah A, dan V adalah B,dan W adalah C, dan X adalah D,

dan Y adalah E maka Z adalah F.

Jika U dikaitkan dengan variabel tangibles (berwujud) dan A adalah nilai-nilai

linguistiknya, V dikaitkan dengan variabel reliability (kehandalan) dan B adalah

nilai-nilai linguistiknya, W dikaitkan dengan responsiveness (daya tanggap) dan C

adalah nilai nilai linguistiknya, X dikaitkan dengan variabel assurance (kepastian)

dan D adalah nilai nilai linguistiknya, Y dikaitkan dengan variable emphaty

(empati) dan E adalah nilai nilai linguistiknya, Z dikaitkan dengan variabel

kepuasan konsumen dan F adalah nilai nilai linguistiknya maka aturan-aturan

yang dapat terbentuk dapat disajikan dalam table berikut ini:

61

Tabel 4.8 Hasil kesimpulan dari aturan-aturan yang terbentuk pada inferensi fuzzy

62

63

ATURAN

Tangibles (Berwujud)

Reliability (Kehandalan) Responsiveness

(Daya Tanggap)Assurance

(Kepastian)Emphaty (Empati)

FUNGSI IMPLIKASI

TINGKATKEPUASAN

R1 STP STP STP STP STP → STP

R2 STP STP STP STP TP → TP

R3 STP STP STP TP CP → CP

R4 STP STP STP TP P → P

R5 STP STP TP CP SP → SP

R6 STP STP TP CP STP → STP

R7 STP STP TP P TP → TP

R8 STP STP TP P CP → CP

R9 STP TP CP SP P → P

R10 STP TP CP SP SP → SP

R11 STP TP CP STP STP → STP

R12 STP TP CP STP TP → TP

R13 STP TP P TP CP → CP

R14 STP TP P TP P → P

R15 STP TP P CP SP → SP

R16 STP TP P CP STP → STP

R17 TP CP SP P TP → TP

R18 TP CP SP P CP → CP

R19 TP CP SP SP P → P

R20 TP CP SP SP SP → SP

R21 TP CP STP STP STP → STP

R22 TP CP STP STP TP → TP

R23 TP CP STP TP CP → CP

R24 TP CP STP TP P → P

R25 TP P TP CP SP → SP

R26 TP P TP CP STP → STP

R27 TP P TP P TP → TP

R28 TP P TP P CP → CP

R29 TP P CP SP P → P

R30 TP P CP SP SP → SP

R31 TP P CP STP STP → STP

R32 TP P CP STP TP → TP

R33 CP SP P TP CP → CP

R34 CP SP P TP P → P

R35 CP SP P CP SP → SP

R36 CP SP P CP STP → STP

R37 CP SP SP P TP → TP

R38 CP SP SP P CP → CP

R39 CP SP SP SP P → P

R40 CP SP SP SP SP → SP

R41 CP STP STP STP STP → STP

R42 CP STP STP STP TP → TP

R43 CP STP STP TP CP → CP

R44 CP STP STP TP P → P

[R1] JIKA Tangibles (Berwujud) STP, DAN Reliability (Kehandalan) STP, DAN Responsiveness (Daya Tanggap) STP, DAN Assurance (Kepastian) STP, DAN Emphaty (Empati) STP, MAKA Tingkat Kepuasan STP

[R2] JIKA Tangibles (Berwujud) STP, DAN Reliability (Kehandalan) STP, DAN Responsiveness (Daya Tanggap) STP, DAN Assurance (Kepastian) STP, DAN Emphaty (Empati) TP, MAKA Tingkat Kepuasan TP

[R3] JIKA Tangibles (Berwujud) STP, DAN Reliability (Kehandalan) STP, DAN Responsiveness (Daya Tanggap) STP, DAN Assurance (Kepastian) TP, DAN Emphaty (Empati) CP, MAKA Tingkat Kepuasan CP

[R4] JIKA Tangibles (Berwujud) STP, DAN Reliability (Kehandalan) STP, DAN Responsiveness (Daya Tanggap) STP, DAN Assurance (Kepastian) TP, DAN Emphaty (Empati) P, MAKA Tingkat Kepuasan P

[R5] JIKA Tangibles (Berwujud) STP, DAN Reliability (Kehandalan) STP, DAN Responsiveness (Daya Tanggap) TP, DAN Assurance (Kepastian) CP, DAN Emphaty (Empati) SP, MAKA Tingkat Kepuasan SP

[R6] JIKA Tangibles (Berwujud) STP, DAN Reliability (Kehandalan) STP, DAN Responsiveness (Daya Tanggap) TP, DAN Assurance (Kepastian) CP, DAN Emphaty (Empati) STP, MAKA Tingkat Kepuasan STP

[R7] JIKA Tangibles (Berwujud) STP, DAN Reliability (Kehandalan) STP, DAN Responsiveness (Daya Tanggap) TP, DAN Assurance (Kepastian) P, DAN Emphaty (Empati) TP, MAKA Tingkat Kepuasan TP

[R8] JIKA Tangibles (Berwujud) STP, DAN Reliability (Kehandalan) STP, DAN Responsiveness (Daya Tanggap) TP, DAN Assurance (Kepastian) P, DAN Emphaty (Empati) CP, MAKA Tingkat Kepuasan CP

[R9] JIKA Tangibles (Berwujud) STP, DAN Reliability (Kehandalan) TP , DAN Responsiveness (Daya Tanggap) CP, DAN Assurance (Kepastian) SP, DAN Emphaty (Empati) P, MAKA Tingkat Kepuasan P

[R10] JIKA Tangibles (Berwujud) STP, DAN Reliability (Kehandalan) TP , DAN Responsiveness (Daya Tanggap) CP, DAN Assurance (Kepastian) SP, DAN Emphaty (Empati) SP, MAKA Tingkat Kepuasan SP

[R11] JIKA Tangibles (Berwujud) STP, DAN Reliability (Kehandalan) TP, DAN Responsiveness (Daya Tanggap) CP, DAN Assurance (Kepastian) STP, DAN Emphaty (Empati) STP, MAKA Tingkat Kepuasan STP

[R12] JIKA Tangibles (Berwujud) STP, DAN Reliability (Kehandalan) TP, DAN Responsiveness (Daya Tanggap) CP, DAN Assurance (Kepastian) STP, DAN Emphaty (Empati) TP, MAKA Tingkat Kepuasan TP

[R13] JIKA Tangibles (Berwujud) STP, DAN Reliability (Kehandalan) TP, DAN Responsiveness (Daya Tanggap) P, DAN Assurance (Kepastian) TP, DAN Emphaty (Empati) CP, MAKA Tingkat Kepuasan CP

[R14] JIKA Tangibles (Berwujud) STP, DAN Reliability (Kehandalan) TP, DAN Responsiveness (Daya Tanggap) P, DAN Assurance (Kepastian) TP, DAN Emphaty (Empati) P, MAKA Tingkat Kepuasan P

[R15] JIKA Tangibles (Berwujud) STP, DAN Reliability (Kehandalan) TP, DAN Responsiveness (Daya Tanggap) P, DAN Assurance (Kepastian) CP, DAN Emphaty (Empati) SP, MAKA Tingka Kepuasan SP

[R16] JIKA Tangibles (Berwujud) STP, DAN Reliability (Kehandalan) TP, DAN Responsiveness (Daya Tanggap) P, DAN Assurance (Kepastian) CP, DAN Emphaty (Empati) STP, MAKA Tingkat Kepuasan STP

64

[R17] JIKA Tangibles (Berwujud) TP, DAN Reliability (Kehandalan) CP, DAN Responsiveness (Daya Tanggap) SP, DAN Assurance (Kepastian) P, DAN Emphaty (Empati) TP, MAKA Tingkat Kepuasan TP

[R18] JIKA Tangibles (Berwujud) TP, DAN Reliability (Kehandalan) CP, DAN Responsiveness (Daya Tanggap) SP, DAN Assurance (Kepastian) P, DAN Emphaty (Empati) CP, MAKA Tingkat Kepuasan CP

[R19] JIKA Tangibles (Berwujud) TP, DAN Reliability (Kehandalan) CP, DAN Responsiveness (Daya Tanggap) SP, DAN Assurance (Kepastian) SP, DAN Emphaty (Empati) P, MAKA Tingkat Kepuasan P

[R20] JIKA Tangibles (Berwujud) TP, DAN Reliability (Kehandalan) CP, DAN Responsiveness (Daya Tanggap) SP, DAN Assurance (Kepastian) SP, DAN Emphaty (Empati) SP, MAKA Tingkat Kepuasan SP

[R21] JIKA Tangibles (Berwujud) TP, DAN Reliability (Kehandalan) CP, DAN Responsiveness (Daya Tanggap) STP, DAN Assurance (Kepastian) STP, DAN Emphaty (Empati) STP, MAKA Tingkat Kepuasan STP

[R22] JIKA Tangibles (Berwujud) TP, DAN Reliability (Kehandalan) CP, DAN Responsiveness (Daya Tanggap) STP, DAN Assurance (Kepastian) STP, DAN Emphaty (Empati) TP, MAKA Tingkat Kepuasan TP

[R23] JIKA Tangibles (Berwujud) TP, DAN Reliability (Kehandalan) CP, DAN Responsiveness (Daya Tanggap) STP, DAN Assurance (Kepastian) TP, DAN Emphaty (Empati) CP, MAKA Tingkat Kepuasan CP

[R24] JIKA Tangibles (Berwujud) TP, DAN Reliability (Kehandalan) CP, DAN Responsiveness (Daya Tanggap) STP , DAN Assurance (Kepastian) TP, DAN Emphaty (Empati) P, MAKA Tingkat Kepuasan P

[R25] JIKA Tangibles (Berwujud) TP, DAN Reliability (Kehandalan) P, DAN Responsiveness (Daya Tanggap) TP, DAN Assurance (Kepastian) CP, DAN Emphaty (Empati) SP, MAKA Tingkat Kepuasan SP

[R26] JIKA Tangibles (Berwujud) TP, DAN Reliability (Kehandalan) P, DAN Responsiveness (Daya Tanggap) TP, DAN Assurance (Kepastian) CP, DAN Emphaty (Empati) STP, MAKA Tingkat Kepuasan STP

[R27] JIKA Tangibles (Berwujud) TP, DAN Reliability (Kehandalan) P, DAN Responsiveness (Daya Tanggap) TP, DAN Assurance (Kepastian) P, DAN Emphaty (Empati) TP, MAKA Tingkat Kepuasan STP

[R28] JIKA Tangibles (Berwujud) TP, DAN Reliability (Kehandalan) P, DAN Responsiveness (Daya Tanggap) TP, DAN Assurance (Kepastian) P, DAN Emphaty (Empati) CP, MAKA Tingkat Kepuasan CP

[R29] JIKA Tangibles (Berwujud) TP, DAN Reliability (Kehandalan) P, DAN Responsiveness (Daya Tanggap) CP, DAN Assurance (Kepastian) SP, DAN Emphaty (Empati) P, MAKA Tingkat Kepuasan P

[R30] JIKA Tangibles (Berwujud) TP, DAN Reliability (Kehandalan) P, DAN Responsiveness (Daya Tanggap) CP, DAN Assurance (Kepastian) SP, DAN Emphaty (Empati) SP, MAKA Tingkat Kepuasan SP

[R31] JIKA Tangibles (Berwujud) TP, DAN Reliability (Kehandalan) P, DAN Responsiveness (Daya Tanggap) CP, DAN Assurance (Kepastian) STP, DAN Emphaty (Empati) STP, MAKA Tingkat Kepuasan STP

[R32] JIKA Tangibles (Berwujud) TP, DAN Reliability (Kehandalan) P, DAN Responsiveness (Daya Tanggap) CP, DAN Assurance (Kepastian) STP, DAN Emphaty (Empati) TP, MAKA Tingkat Kepuasan TP

65

[R33] JIKA Tangibles (Berwujud) CP, DAN Reliability (Kehandalan) SP, DAN Responsiveness (Daya Tanggap) P, DAN Assurance (Kepastian) TP, DAN Emphaty (Empati) CP, MAKA Tingkat Kepuasan CP

[R34] JIKA Tangibles (Berwujud) CP, DAN Reliability (Kehandalan) SP, DAN Responsiveness (Daya Tanggap) P, DAN Assurance (Kepastian) TP, DAN Emphaty (Empati) P, MAKA Tingkat Kepuasan P

[R35] JIKA Tangibles (Berwujud) CP, DAN Reliability (Kehandalan) SP, DAN Responsiveness (Daya Tanggap) P, DAN Assurance (Kepastian) CP, DAN Emphaty (Empati) SP, MAKA Tingkat Kepuasan SP

[R36] JIKA Tangibles (Berwujud) CP, DAN Reliability (Kehandalan) SP, DAN Responsiveness (Daya Tanggap) P, DAN Assurance (Kepastian) CP, DAN Emphaty (Empati) STP, MAKA Tingkat Kepuasan STP

[R37] JIKA Tangibles (Berwujud) CP, DAN Reliability (Kehandalan) SP, DAN Responsiveness (Daya Tanggap) SP, DAN Assurance (Kepastian) P, DAN Emphaty (Empati) TP, MAKA Tingkat Kepuasan TP

[R38] JIKA Tangibles (Berwujud) CP, DAN Reliability (Kehandalan) SP, DAN Responsiveness (Daya Tanggap) SP, DAN Assurance (Kepastian) P, DAN Emphaty (Empati) CP, MAKA Tingkat Kepuasan CP

[R39] JIKA Tangibles (Berwujud) CP, DAN Reliability (Kehandalan) SP, DAN Responsiveness (Daya Tanggap) SP, DAN Assurance (Kepastian) SP, DAN Emphaty (Empati) P, MAKA Tingkat Kepuasan P

[R40] JIKA Tangibles (Berwujud) CP, DAN Reliability (Kehandalan) SP, DAN Responsiveness (Daya Tanggap) SP, DAN Assurance (Kepastian) SP, DAN Emphaty (Empati) SP, MAKA Tingkat Kepuasan SP

[R41] JIKA Tangibles (Berwujud) CP, DAN Reliability (Kehandalan) STP , DAN Responsiveness (Daya Tanggap) STP, DAN Assurance (Kepastian) STP, DAN Emphaty (Empati) STP, MAKA Tingkat Kepuasan STP

[R42] JIKA Tangibles (Berwujud) CP, DAN Reliability (Kehandalan) STP, DAN Responsiveness (Daya Tanggap) STP, DAN Assurance (Kepastian) STP, DAN Emphaty (Empati) TP, MAKA Tingkat Kepuasan TP

[R43] JIKA Tangibles (Berwujud) CP, DAN Reliability (Kehandalan) STP, DAN Responsiveness (Daya Tanggap) STP , DAN Assurance (Kepastian) TP, DAN Emphaty (Empati) CP, MAKA Tingkat Kepuasan CP

[R44] JIKA Tangibles (Berwujud) CP, DAN Reliability (Kehandalan) STP, DAN Responsiveness (Daya Tanggap) STP, DAN Assurance (Kepastian) TP, DAN Emphaty (Empati) P, MAKA tingkat Kepuasan P

[R45] JIKA Tangibles (Berwujud), DAN Reliability (Kehandalan) STP, DAN Responsiveness (Daya Tanggap) TP, DAN Assurance (Kepastian) CP, DAN Emphaty (Empati) SP, MAKA Tingkat Kepuasan SP

[R46] JIKA Tangibles (Berwujud) CP, DAN Reliability (Kehandalan) STP, DAN Responsiveness (Daya Tanggap) TP, DAN Assurance (Kepastian) CP, DAN Emphaty (Empati) STP, MAKA Tingkat Kepuasan STP

[R47] JIKA Tangibles (Berwujud) CP, DAN Reliability (Kehandalan) STP, DAN Responsiveness (Daya Tanggap) TP, DAN Assurance (Kepastian) P, DAN Emphaty (Empati) TP, MAKA Tingkat Kepuasan TP

[R48] JIKA Tangibles (Berwujud) CP, DAN Reliability (Kehandalan) STP, DAN Responsiveness (Daya Tanggap) TP, DAN Assurance (Kepastian) P, DAN Emphaty (Empati) CP, MAKA Tingkat Kepuasan CP

66

[R49] JIKA Tangibles (Berwujud) P, DAN Reliability (Kehandalan) TP, DAN Responsiveness (Daya Tanggap) CP, DAN Assurance (Kepastian) SP, DAN Emphaty (Empati) P, MAKA Tingkat Kepuasan P

[R50] JIKA Tangibles (Berwujud) P, DAN Reliability (Kehandalan) TP, DAN Responsiveness (Daya Tanggap) CP, DAN Assurance (Kepastian) SP, DAN Emphaty (Empati) SP, MAKA Tingkat Kepuasan SP

[R51] JIKA Tangibles (Berwujud) P, DAN Reliability (Kehandalan) TP , DAN Responsiveness (Daya Tanggap) CP, DAN Assurance (Kepastian) STP, DAN Emphaty (Empati) STP, MAKA Tingkat Kepuasan STP

[R52] JIKA Tangibles (Berwujud) P, DAN Reliability (Kehandalan) TP , DAN Responsiveness (Daya Tanggap) CP, DAN Assurance (Kepastian) STP, DAN Emphaty (Empati) TP, MAKA Tingkat Kepuasan TP

[R53] JIKA Tangibles (Berwujud) P, DAN Reliability (Kehandalan) TP, DAN Responsiveness (Daya Tanggap) P, DAN Assurance (Kepastian) TP, DAN Emphaty (Empati) CP, MAKA Tingkat Kepuasan CP

[R54] JIKA Tangibles (Berwujud) P, DAN Reliability (Kehandalan) TP, DAN Responsiveness (Daya Tanggap) P, DAN Assurance (Kepastian) TP, DAN Emphaty (Empati) P, MAKA Tingkat Kepuasan P

[R55] JIKA Tangibles (Berwujud) P, DAN Reliability (Kehandalan) TP , DAN Responsiveness (Daya Tanggap) P, DAN Assurance (Kepastian) CP, DAN Emphaty (Empati) SP, MAKA Tingkat Kepuasan SP

[R56] JIKA Tangibles (Berwujud) P, DAN Reliability (Kehandalan) TP , DAN Responsiveness (Daya Tanggap) P, DAN Assurance (Kepastian) CP, DAN Emphaty (Empati) STP, MAKA Tingkat Kepuasan STP

[R57] JIKA Tangibles (Berwujud) P, DAN Reliability (Kehandalan) CP, DAN Responsiveness (Daya Tanggap) SP, DAN Assurance (Kepastian) P, DAN Emphaty (Empati) TP, MAKA Tingkat Kepuasan TP

[R58] JIKA Tangibles (Berwujud) P, DAN Reliability (Kehandalan) CP, DAN Responsiveness (Daya Tanggap) SP, DAN Assurance (Kepastian) P, DAN Emphaty (Empati) CP, MAKA Tingkat Kepuasan CP

[R59] JIKA Tangibles (Berwujud) P, DAN Reliability (Kehandalan) CP , DAN Responsiveness (Daya Tanggap) SP, DAN Assurance (Kepastian) SP, DAN Emphaty (Empati) P, MAKA Tingkat Kepuasan P

[R60] JIKA Tangibles (Berwujud) P, DAN Reliability (Kehandalan) CP , DAN Responsiveness (Daya Tanggap) SP, DAN Assurance (Kepastian) SP, DAN Emphaty (Empati) SP, MAKA Tingkat Kepuasan SP

[R61] JIKA Tangibles (Berwujud) P, DAN Reliability (Kehandalan) CP , DAN Responsiveness (Daya Tanggap) STP, DAN Assurance (Kepastian) STP, DAN Emphaty (Empati) STP, MAKA Tingkat Kepuasan STP

[R62] JIKA Tangibles (Berwujud) P, DAN Reliability (Kehandalan) CP, DAN Responsiveness (Daya Tanggap) STP, DAN Assurance (Kepastian) STP, DAN Emphaty (Empati) TP, MAKA Tingkat Kepuasan TP

[R63] JIKA Tangibles (Berwujud) P, DAN Reliability (Kehandalan) CP, DAN Responsiveness (Daya Tanggap) STP, DAN Assurance (Kepastian) TP, DAN Emphaty (Empati) CP, MAKA Tingkat Kepuasan CP

[R64] JIKA Tangibles (Berwujud) P, DAN Reliability (Kehandalan) CP, DAN Responsiveness (Daya Tanggap) STP, DAN Assurance (Kepastian) TP, DAN Emphaty (Empati) P, MAKA Tingkat Kepuasan P

67

[R65] JIKA Tangibles (Berwujud) SP, DAN Reliability (Kehandalan) P, DAN Responsiveness (Daya Tanggap) TP, DAN Assurance (Kepastian) CP, DAN Emphaty (Empati) SP, MAKA Tingkat Kepuasan SP

[R66] JIKA Tangibles (Berwujud) SP, DAN Reliability (Kehandalan) P, DAN Responsiveness (Daya Tanggap) TP, DAN Assurance (Kepastian) CP, DAN Emphaty (Empati) STP, MAKA Tingkat Kepuasan STP

[R67] JIKA Tangibles (Berwujud) SP, DAN Reliability (Kehandalan) P, DAN Responsiveness (Daya Tanggap) TP, DAN Assurance (Kepastian) P, DAN Emphaty (Empati) TP, MAKA Tingkat Kepuasan TP

[R68] JIKA Tangibles (Berwujud) SP, DAN Reliability (Kehandalan) P, DAN Responsiveness (Daya Tanggap) TP, DAN Assurance (Kepastian) P, DAN Emphaty (Empati) CP, MAKA Tingkat Kepuasan CP

[R69] JIKA Tangibles (Berwujud) SP, DAN Reliability (Kehandalan) P, DAN Responsiveness (Daya Tanggap) CP, DAN Assurance (Kepastian) SP, DAN Emphaty (Empati) P, MAKA Tingkat Kepuasan P

[R70] JIKA Tangibles (Berwujud) SP, DAN Reliability (Kehandalan) P, DAN Responsiveness (Daya Tanggap) CP, DAN Assurance (Kepastian) SP, DAN Emphaty (Empati) SP, MAKA Tingkat Kepuasan SP

[R71] JIKA Tangibles (Berwujud) SP, DAN Reliability (Kehandalan) P, DAN Responsiveness (Daya Tanggap) CP, DAN Assurance (Kepastian) STP, DAN Emphaty (Empati) STP, MAKA Tingkat Kepuasan STP

[R72] JIKA Tangibles (Berwujud) SP, DAN Reliability (Kehandalan) P, DAN Responsiveness (Daya Tanggap) CP, DAN Assurance (Kepastian) STP, DAN Emphaty (Empati) TP, MAKA Tingkat Kepuasan TP

[R73] JIKA Tangibles (Berwujud) SP, DAN Reliability (Kehandalan) SP, DAN Responsiveness (Daya Tanggap) P, DAN Assurance (Kepastian) TP, DAN Emphaty (Empati) CP, MAKA Tingkat Kepuasan CP

[R74] JIKA Tangibles (Berwujud) SP, DAN Reliability (Kehandalan) SP, DAN Responsiveness (Daya Tanggap) P, DAN Assurance (Kepastian) TP, DAN Emphaty (Empati) P, MAKA Tingkat Kepuasan P

[R75] JIKA Tangibles (Berwujud) SP, DAN Reliability (Kehandalan) SP, DAN Responsiveness (Daya Tanggap) P, DAN Assurance (Kepastian) CP, DAN Emphaty (Empati) SP, MAKA Tingkat Kepuasan SP

[R76] JIKA Tangibles (Berwujud) SP, DAN Reliability (Kehandalan) SP, DAN Responsiveness (Daya Tanggap) P, DAN Assurance (Kepastian) CP, DAN Emphaty (Empati) STP, MAKA Tingkat Kepuasan STP

[R77] JIKA Tangibles (Berwujud) SP, DAN Reliability (Kehandalan) SP, DAN Responsiveness (Daya Tanggap) SP, DAN Assurance (Kepastian) TP, DAN Emphaty (Empati) TP, MAKA Tingkat Kepuasan TP

[R78] JIKA Tangibles (Berwujud) SP, DAN Reliability (Kehandalan) SP, DAN Responsiveness (Daya Tanggap) SP, DAN Assurance (Kepastian) P, DAN Emphaty (Empati) CP, MAKA Tingkat Kepuasan CP

[R79] JIKA Tangibles (Berwujud) SP, DAN Reliability (Kehandalan) SP, DAN Responsiveness (Daya Tanggap) SP, DAN Assurance (Kepastian) SP, DAN Emphaty (Empati) P, MAKA Tingkat Kepuasan p

[R80] JIKA Tangibles (Berwujud) SP, DAN Reliability (Kehandalan) SP, DAN Responsiveness (Daya Tanggap) SP, DAN Assurance (Kepastian) SP, DAN Emphaty (Empati) SP, MAKA Tingkat Kepuasan SP

68

4.2.3 Defuzzyfication.

Tahap ini disebut juga tahap penegasan. Input dari proses penegasan ini

adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy,

sedangkan output yang dihasilkan merupakan suatu bilangan pada domain

himpunan kabur tersebut. Analisis penegasan fuzzy ini diolah menggunakan

program simulasi yang disediakan fasilitasnya oleh Toolbox Fuzzy Matlab 8.1.0

Metode yang umum digunakan adalah metode Centroid, sehingga nampak seperti

gambar 4.8.

69

Gambar 4.28 Penegasan Sistem fazzy Centroid

4.2.4 Hasil Analisis logika Fuzzy

1. Input, meliputi:

a. Tangibles (Berwujud), didapatkan bilangan real sebesar 150 yaitu

merupakan keanggotaan dari domain himpunan bilangan fuzzy puas [150-

250] yang artinya variabel Tangibles (Berwujud), sudah dapat dikatakan

memberikan pelayanan degan baik.

b. Reliability (Kehandalan), didapatkan bilangan real sebesar 150 yaitu


250] yang artinya variabel Reliability (Kehandalan) dapat dikatakan

memberikan pelayanan memuaskan.

c. Responsiveness (Daya Tanggap), didapatkan bilangan real sebesar 150

yaitu merupakan keanggotaan dari domain himpunan bilangan fuzzy puas

70

[150-250] yang artinya variabel Responsiveness (Daya Tanggap) dapat

dikatakan, dapat memberikan pelayanan dengan tanggap.

d. Assurance (Kepastian), didapatkan bilangan real sebesar 150 yaitu


250] yang artinya variabel Assurance (Kepastian) dapat dikatakan dalam

pelayanan mempunyai pengetahuan, kesopanan dan dapat dipercaya

dengan baik.

e. Emphaty (Empati), didapatkan bilangan real sebesar 150 yaitu merupakan

keanggotaan dari domain himpunan bilangan fuzzy puas [150-250] yang

artinya variabel Emphaty (Empati), dapat dikatakan dalam pelayanan

memberikan kemudahan dalam melakukan komunikasi, perhatian pribadi

dan memahami kebutuhan pelanggan dengan baik.

2. Output, hanya ada satu output yaitu: tingkat kepuasan penumpang pesawat

udara didapatkan bilangan real sebesar 150 yaitu merupakan keanggotaan dari

domain himpunan bilangan fuzzy puas [150-250] yang artinya variabel tingkat

kepuasan penumpang pesawat sudah dapat dikatakan puas yaitu mencapai

150.

BAB V

SIMPULAN DAN SARAN

5.1 Simpulan

Berdasarkan analisis dan pembahasan yang dilakukan terhadap 50 orang

responden, dengan metode skala likert responden menyatakan cukup puas. Ini

berarti Bandar Udara Hang Nadim Batam, cukup berhasil memberikan layanan

yang terbaik atau cukup memuaskan kepada para penumpang, baik dari Dimensi

Kehandalan (Reliability), Dimensi Daya Tanggap (Responsiveness), Dimensi

Kepastian(Assurance), Dimensi Empati (Emphaty) dan Dimensi Berwujud

(Tangible) secara keseluruhan penumpang pesawat udara merasa cukup puas,

71

dengan rata-rata presentase sebesar 71 % (35,5 dari 50 responden). Sedangkan

hasil tidak berbeda juga terlihat pada uji coba Fuzzy Logic metode Mamdani

dilihat dari hasil nilai output untuk kepuasan konsumen sebesar 150 (dengan

range 50-250) yang artinya tingkat kepuasan penumpang cukup puas akan

pelayanan yang diberikan oleh Bandar Udara Hang Nadim, Kota Batam.

5.2 Saran

Peneliti menyadari bahwa penelitian ini bukanlah penelitian yang sempurna.

Peneliti berharap untuk penelitian kedepan tidak ada salahnya untuk mencoba

menggunakan pendekatan ANFIS (Adaptive Neuro Fuzzy Inference System)

dikarenakan hasil perhitungan yang lebih akurat dibanding pendekatan FIS (Fuzzy

Inference System) metode Mamdani yang peneliti gunakan dalam penelitian ini.

72

DAFTAR PUSTAKA

Muhammad Yunus, Sandi Badi Wibowo Atim, (2013)TEKNOINFO : Penerapan

Logika Fuzzy (Mamdani) Untuk Menentukan Jumlah Produksi Roti

Berdasarkan Data Persediaan Dan Jumlah Permintaan. 7(1,2): 1693-

0010

Sri Kusumadewi dan Hari Purnomo., AplikasiLogika Fuzzy Untuk Pendukung

Keputusan,Graha Ilmu, Yogyakarta: 2010

Animesh Kumar Sharma and Badri Vishal Padamwar, (2013), Fuzzy Logic Based

Systems in Management and Bussiness Aplications.” International Journal

of Innovative Research in Engineering & Science Vol 1, Raipur.

Sutojo, T., Mulyanto Edy., dan Suhartono Vincent., Kecerdasan Buatan.

Yogjakarta: Andi Offset, 2011.

Decky Irmawan dan Khamami Herusantoso, (2011), Penerapan Logika Fuzzy

Sebagai Sistem Pendukung Keputusan Prakiraan Cuaca, Konferensi

Teknologi Informasi dan Komunikasi untuk Indonesia, Bandung

Warren,Charl S., Reeve,James., Fess, Philip.2009.Pengantar Akuntansi. Jilid 1.

Thomson. Jakarta

Horngren, Charles., Harison., Harson, Walter., Oliver, Zusanne. 2011.

Accounting. College Division. Jakarta.

Carter, William K. 2009. Akuntansi Biaya,Cost Accounting. Edisi 14. Buku Satu.

Salemba Empat. Jakarta.

Hongren, Charles. 2009.Cost Accounting, Emanagerial Emphasis.

thirteenedisi.College Division. Jakarta.

Simamora, Henry. 2012. Akuntansi Manajemen. Edisi ke Tiga.Star Gate

Publisher. Jakarta.

Rizkysari Meimaharani, Tri Listyorini, (2014), ANALISIS SISTEM INFERENCE

FUZZY SUGENO DALAM MENENTUKAN HARGA PENJUALAN

TANAH UNTUK PEMBANGUNAN MINIMARKET, Simetris

Muhammad Yunus, Sandi Badi Wibowo Atim, 2013, PENERAPAN LOGIKA

FUZZY(MAMDANI) UNTUK MENENTUKAN JUMLAH PRODUKSI

ROTI BERDASARKAN DATA PERSEDIAAN DAN JUMLAH

PERMINTAAN

Rahmaddeni, 2014, PENERAPAN FUZZYLOGIC DALAM MENGANALISIS

TINGKAT PENDAPATAN AKHIR KONSULTAN PRODUK MULTI

LEVEL MARKETING

Sartika Purba, Andi Sudiarso, 2013, PENENTUAN HARGA PRODUK

KERAJINAN KULIT MENGGUNAKAN PENDEKATAN FUZZY

LOGIC DENGAN MEMPERTIMBANGKAN PROYEKSI

KEUNTUNGAN, PERSEPSI KONSUMEN, DAN HARGA

KOMPETITOR (Studi Kasus Toko Kerajinan Kulit ROOSMAN, Sentra

Kerajinan Kulit Manding, Bantul)

I Gede Santi Astawa, 2012, PENERAPAN LOGIKA FUZZY DAN JARINGAN

SYARAF TIRUAN PADA SISTEM PENILAIAN BERBASIS

KOMPUTER

Sri Kusumadewi, Hari Purnomo, 2013, APLIKASI FUZZY LOGIC UNTUK

PENDUKUNG KEPUTUSAN, Yogyakarta, Graha Ilmu

Nuraida, Iryanto, Djakaria Sebayang, 2013, ANALISIS TINGKAT KEPUASAN

KONSUMEN BERDASARKAN PELAYANAN, HARGA DAN

KUALITAS MASAKAN MENGGUNAKAN FUZZY MAMDANI.

1

Lampiran 2: Realisasi Anggaran

1. Gaji

Pelaksana Honor/jam (Rp) Waktu (jam/minggu) Minggu Honor (Rp)Ketua Rp. 41.666 2 jam/minggu 12 Minggu Rp 500.000Anggota 1 Rp. 20.833 2 jam/minggu 12 Minggu Rp 250.000Sub total (Rp) 750.0002. Bahan Habis Pakai dan Peralatan

Material Justifikasi Pemakaian Kuantitas Harga Satuan (Rp) Biaya (Rp)

KertasPenyelesaian Proposal penelitian, laporan penelitian, dokumen pendukung penelitian

4 rim 45.000 180.000

Tinta printer Digunakan untuk tinta printer 1 set Catridge 145.000 145.000

Pena Mencatat segala informasi yang berkaitan dengan penelitian 5 pcs 6.500 32.500

Pulsa Modem Pendukung modem dalam Pencarian data melalui internet 3 Gb 55.000 165.000

Pulsa Hp Kebutuhan berkomunikasi dengan anggota peneliti 2 78.000 156.000

Makan dan Minun Konsumsi peneliti dalam pencarian data penelitian 2 150.000 300.000

Dokumentasi penelitian Foto-foto kegiatan penelitian 1 21.500 21.500

Sub total (Rp) 1.000.0003. Perjalanan

Perjalanan Justifikasi Perjalanan Kuantitas Harga Satuan (Rp) Biaya (Rp)

Perjalanan ke lokasi Penelitian

Bahan bakar minyak (Transportasi umum) 20 L 10.000 200.000

Perjalanan ke lokasi informan

Bahan bakar minyak (Transportasi umum) 30 L 10.000 300.000

Sub total (Rp) 500.0004. Lain-lain

Kegiatan Justifikasi Kuantitas Harga Satuan (Rp) Biaya (Rp)

Lain-lain (administrasi, publikasi, seminar, laporan, lainnya sebutkan)

Jilid proposal 3 15.000 30.000Fotocopi proposal 60 1.000 60.000

Jilid laporan 3 15.000 30.000Fotocopi laporan 120 1.000 120.000

CD Rw 2 3.500 7.000Sampul CD Rw 2 1.500 3.000

Sub total (Rp) 250.000TOTAL ANGGARAN YANG DIPERLUKAN (Rp) 2.500.000

2

Lampiran 3: Struktur Organisasi Penelitian

No Nama Instansi Asal

Bidang Ilmu

Alokasi Waktu

(Jam/Minggu) Uraian Tugas

1.

Joni Eka Candra, S.T.,M.T

Universitas Putera Batam

Teknik Informatika

1

Ketua Peneliti sekaligus penanggung jawab pelaksanaan penelitian

2. Ngadnan Universitas Putera Batam

Teknik Informatika

1

Anggota Peneliti, pelaksana teknis pengumpulan data penelitian dan olah data dan pembuatan laporan

3

Lampiran 4: Biodata Ketua Peneliti

A. IdentitasDiri

1 Nama Lengkap (dengan gelar) Joni Eka Candra

2 Jenis Kelamin Laki-laki

3 Jabatan Fungsional Dosen

4 NIP 11461

5 NIDN 1025068201

6 Tempat, Tanggal Lahir Sumenep, 25 juni1982

7 Alamat surel (e-mail) [email protected]

8 Nomor Telepon/HP 085655567040

9 Alamat Kantor Jl. R.Suprapto

10 Nomor Telepon/Faks Kantor -

11 Mata Kuliah yang Diampu

1.Rangkaian Digital2. Artificial Intelligence3. Arsitektur dan Organisasi Komputer4. Komputasi Numerik

B. RiwayatPendidikan

S-1 S-2 S-3

NamaPerguruanTinggi Universitas Brawijaya Malang

Universitas Brawijaya Malang

-

BidangIlmu Teknik Elektro Teknik Elektro -TahunMasuk-Lulus 2002 – 2008 2009 - 2012 -

C. PengalamanPenelitianDalam 5 TahunTerakhir

No. Tahun JudulPenelitian Pendanaan

Sumber Jml (Juta Rp)

1. 2013

Aplikasi Logika Fuzzy Dalam Optimalisasi Produksi Barang Menggunakan Metode Tsukamoto Dan Metode Mamdani Pada PT. Mardi Jaya

UNIVERSITAS PUTERA BATAM 1,5

2. 2014 Aplikasi Fuzzy Inference System (FIS) Mamdani

UNIVERSITAS PUTERA BATAM

1,5

4

Untuk Penentuan Jurusan Siswa Di SMA Negeri 5 Batam

3. 2015

Prediksi Jumlah Penumpang pesawat Udara di Bandar Udara Hang Nadim Batam Menggunakan Jaringan Syaraf Tiruan Backpropagation


D. PengalamanPengabdianKepadaMasyarakatdalam 5 TahunTerakhir

No. Tahun JudulPengabdianKepadaMasyarakat

PendanaanSumber Jml (Juta Rp)

1. 2014

Kompetensi Siswa di Bidang Teknologi Informasi dan Komunikasi Melalui Buku Pada SMP Islam Terpadu 01 Darussalam


2. 2014

Penyuluhan pembelajaran Ilmu Tajwid Dalam Membaca Al-Qur’an Menggunakan Teknologi Informasi di SMK Negeri 4 Batam


E. PublikasiArtikelIlmiahDalamJurnaldalam 5 TahunTerakhir

No. JudulArtikelIlmiah NamaJurnal Volume/Nomor/Tahun1.2.

F. Pemakalah Seminar Ilmiah (Oral Presentation) dalam 5 Tahun Terakhir

No. Nama Seminar Judul Artikel Ilmiah Waktu dan Tempat

1 - - -

H. Perolehan HKI (Hak Kekayaan Intelektual) dalam 5–10 Tahun Terakhir

No. Judul/Tema HKI Tahun Jenis Nomor P/ID1 - - - -

5

I. Pengalaman Merumuskan Kebijakan Publik Lainnya dalam 5 Tahun

Terakhir

No.Judul/Tema/Jenis Kebijakan Publik Lainnya yang Telah

DiterapkanTahun Tempat

PenerapanRespon

Masyarakat

1 - - - -

J. Penghargaan dalam 10 tahun Terakhir (dari pemerintah, asosiasi atau

institusi lainnya)

No. Jenis Penghargaan Institusi Pemberi Penghargaan Tahun

1

Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan

dapat dipertanggungjawabkan secara hukum. Apabila dikemudian hari ternyata

dijumpai ketidak-sesuaian dengan kenyataan, saya sanggup menerima sanksi.

Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu

persyaratan dalam laporan penelitian peningkatan kapasitas Universitas Putera

Batam.


Ketua Tim Peneliti,

Joni Eka Candra, S.T., M.T.

6

Biodata Anggota Peneliti

A. Identitas Diri

1 Nama Lengkap Ngadnan2 Jenis Kelamin Laki-laki3 NPM 1302100924 Tempat, Tanggal Lahir Ngawi5 E-mail [email protected] Nomor Telepon/HP 085374286333

B. Riwayat Pendidikan

S-1 S-2 S-3Nama Perguruan Tinggi - - -Bidang Ilmu - - -Tahun Masuk-Lulus - - -

C. Pengalaman Penelitian Dalam 5 Tahun Terakhir

No. Tahun Judul Penelitian Pendanaan

Sumber Jml (Juta Rp)1 - - - -

D. Pengalaman Pengabdian Kepada Masyarakat dalam 5 Tahun Terakhir

No. Tahun

Judul Pengabdian Kepada Masyarakat

PendanaanSumber Jml (Juta Rp)

1 - - - -

E. Publikasi Artikel Ilmiah Dalam Jurnal dalam 5 Tahun Terakhir

No. Judul Artikel Ilmiah Nama Jurnal Volume/Nomor/Tahun1 - - -

F. Pemakalah Seminar Ilmiah (Oral Presentation) dalam 5 Tahun Terakhir

No. Nama Pertemuan Ilmiah / Seminar Judul Artikel Ilmiah Waktu dan

Tempat1 - - -

G. Karya Buku dalam 5 Tahun Terakhir

No. Judul Buku Tahun Jumlah Halaman Penerbit

1 - - - -

7

mailto:[email protected]

H. Perolehan HKI (Hak Kekayaan Intelektual) dalam 5–10 Tahun Terakhir

No. Judul/Tema HKI Tahun Jenis Nomor P/ID1 - - - -

I. Pengalaman Merumuskan Kebijakan Publik Lainnya dalam 5 Tahun

Terakhir

No.Judul/Tema/Jenis Kebijakan Publik Lainnya yang Telah

DiterapkanTahun Tempat

PenerapanRespon

Masyarakat

1 - - - -

J. Penghargaan dalam 10 tahun Terakhir (dari pemerintah, asosiasi atau

institusi lainnya)

No. Jenis Penghargaan Institusi Pemberi Penghargaan Tahun1 - - -

Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan

dapat dipertanggungjawabkan secara hukum. Apabila dikemudian hari ternyata

dijumpai ketidak-sesuaian dengan kenyataan, saya sanggup menerima sanksi.

Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu

persyaratan dalam laporan penelitian Peningkatan Kapasistas Universitas Putera

Batam.


Anggota Tim Peneliti,

Ngadnan

8

Lampiran 1: Foto dokumentasi penyebaran Kuesioner

9

Laporan penelitian

Engineering

Transcript of Laporan penelitian