DATA MINING KEPUASAN PELANGGAN TERHADAP PELAYANAN PDAM MUAL NAULI TAPTENG MENGGUNAKAN METODE CLUSTERING
Oleh
Masril Tua Rambe dan Tigor Panuturi Tambunan
Mahasiswa Magister Terapan Sistim Informasi Akuntansi (MTSIA) Politeknik Negeri Medan
Abstrak
Tujuan dari penelitian ini adalah untuk mengetahui apakah kualitas pelayanan (X) mempengaruhi terhadap tingkat kepuasan pelanggan (Y) Perusahaan Daerah Air Minum Mual Nauli Kabupaten Tapanuli Tengah. Populasi penelitian berjumlah 291. Pengambilan sampel pada penelitian ini menggunakan probability sampling. Dengan menggunakan acuan perhitungan rumus Slovin yaitu sebanyak 88 responden untuk menjawab pernyataan pada kuesioner yang dibagikan. Teknik analisis data pada penelitian ini menggunakan uji regresi linier sederhana. Hasil dari penelitian ini menunjukan bahwa adanya pengaruh Kualitas Pelayanan (X) secara parsial terhadap Kepuasan Pelanggan (Y). Kemudian Kualitas Pelayanan (X) memiliki pengaruh sebesar 67,3% terhadap Kepuasan Pelanggan (Y) sedangkan 32,7% lainnya dipengaruhi oleh faktor lain.
Kata Kunci : Kepuasan; Kualitas; Pelayanan ABST.
- Pendahuluan
Kepuasan pelanggan adalah salah satu indikator yang dapat dilihat dan diukur dalam pelayanan sebuah perusahaan. Keberadaan pelanggan tentu adalah salah satu yang menjadikan sebuah perusahaan tetap memiliki profit dan dapat semakin berkembang. Oleh karena itu menjadi penting untuk perusahaan tetap memberikan pelayanan yang prima kepada setiap pelanggannya. Untuk dapat tetap memberikan pelayanan yang baik, tentu perusahaan tidak hanya mengandalkan layanan yang saat ini dimiliki tanpa melakukan pengembangan dan evaluasi setiap saat. Apalagi perkembangan yang sangat dinamis dan persaingan yang juga semakin kompetitif menjadikan perusahaan harus memiliki rencana yang matang dan terukur. Untuk dapat melakukan semua hal tersebut tentunya diperlukan sebuah data.
Data menjadi salah satu hal yang sangat berpengaruh dalam jalannya sebuah usaha, karena dari data dapat dilihat dari gambaran di lapangan tentang layanan yang diberikan. Data saja tidak cukup, tetapi perlu juga dilakukan pengolahan data atau disebut dengan data mining. Pengolahan data menggunakan teknik data mining dapat memberikan banyak opsi informasi bagi perusahaan dapat berupa prediksi, klasifikasi maupun clustering.
Data yang dilakukan dengan menggunakan pengolahan teknik data mining yang dikembangkan dengan melakukan sistem quesioner dan menggunakan google form dan dikembangkan kembali ke dalam bentuk penelitian lain yang dapat dituangkan dalam sebuah sistem pakar, sistem pendukung keputusan atau dalam bentuk sistem yang mampu membantu dalam penentuan kebijakan selanjutnya. Kepuasan pelanggan dapat tercapai apabila pelayanan yang diberikan dapat dipenuhi dengan azas 3K dan fasilitas yang tersedia dapat meningkatkan penilaian masyarakat untuk mendapatkan hasil yang baik.
Perusahaan Daerah Air Minum (PDAM) Mual Nauli merupakan Badan Usaha Milik Daerah (BUMD) di Kabupaten Tapanuli Tengah yang bergerak dibidang pelayanan air bersih kepada masyarakat umum, mulai dari memproduksi hingga mendistribusikan ke pelanggan. Kita menyadari bahwa air bersih merupakan salah satu sumber kehidupan manusia, oleh karena itu tanpa adanya air bersih manusia tidak akan bertahan hidup.
Oleh karena itu, sistim penyediaan air bersih harus terjamin kualitas, kuantitas dan kontinuitas bagi masyarakat Kabupaten Tapanuli Tengah sebagaimana amanat dari UUD 1945 pasal 33 ayat 3 bahwa bumi, air dan kekayaan alam yang terkandung didalamnya dikuasai oleh Negara dan dipergunakan sebesar-besarnya untuk kemakmuran rakyat.
Perusahaan Daerah Air Minum ( PDAM ) sebagai unsur pelayanan kepada masyarakat dituntut berorientasi sosial dan bertanggungjawab akan operasional mulai dari perencanaan, pengembangan hingga memberikan kepuasan pelayanan kepada masyarakat, karena salah satu keberhasilan perusahaan adalah kepuasan pelanggan yang diberikan Perusahaan dalam layanan air bersih dengan konsep 3K yaitu kualitas, kuantitas dan kontinuitas.
Keberhasilan Perusahaan penyedia air bersih dalam memberikan kepuasan terhadap pelanggan, tentu tidak hanya satu bagian saja, akan tetapi keberhasilan suatu perusahaan juga berkaitan erat dengan sistem kerja sama yang baik antar bagian dalam perusahaan. Menurut Penelitian ini berjudul “Penerapan Metode K-Means Klustering Untuk menentukan kepuasan pelanggan”. Yang menyatakan bahwa Peran data saat ini menjadi sangat penting bagi sebuah perusahaan atau penyedia layanan untuk pelanggan. Hasil dari penelitian ini terbagi menjadi 2 kluster yaitu Kluster 0 yaitu puas dan Kluster 1 yaitu tidak puas ataupun netral. Pengelompokan kluster tersebut berdasarkan dataset yang dimiliki, dimana responden mengisi data dan menghasilkan 2 jenis kluster tersebut.
- Metode Penelitian
Metodologi penelitian ini dilakukan untuk mencari sesuatu sistematis dengan menggunakan metode ilmiah serta sumber yang berlaku. Dengan adanya proses ini dapat memberikan hasil penelitian yang baik dan tepat.
Tabel III.1 Data Pelanggan Yang akan Diolah No Nama Kecamatan Pekerjaan Kepuasan Dalam Pelayanan
| No | Nama | Kecamatan | Pekerjaan | Kepuasan dalam Pelayanan |
| 1 | Cabang Barus | Barus | Pegawai | Puas |
| 2 | Cabang Tapian Nauli | Tapian Nauli | Petani | Sangat Puas |
| 3 | Cabang Pandan | Pandan | Wirausaha | Sangat Puas |
| 4 | Cabang Pinangsori | Pinangsori | Guru | Puas |
2.1 Data Mining
Menurut Jurnal (Buaton et al., 2019) menyatakan bahwa “Data mining adalah Kemampuan sistem komputer untuk menghasilkan dan mengumpulkan data meningkat dengan cepat. Jutaan basis data dihasilkan dalam manajemen bisnis, administrasi pemerintah, dan dalam banyak aplikasi lainnya. Keadaan ini menimbulkan kebutuhan baru yang penting, yaitu: teknik baru yang melakukan proses transformasi dari database transaksional besar untuk mendapatkan informasi penting yang dibutuhkan. Data Mining menjadi bahan penelitian penting saat ini.
Data mining berisi pencarian pola yang diinginkan dalam database besar untuk membantu pengambilan keputusan diwaktu akan datang. Pola-pola ini dikenal oleh perangkat tertentu yang dapat memberikan suatu analisa data yang berguna dan tentukan jumlah kelompok (cluster). Alokasikan data ke dalam cluster secara acak (random). Hitung centroid/ rata-rata dari data yang ada di masing-masing cluster. Alokasikan masing-masing data ke centroid/ rata-rata terdekat.
2.2 Algoritma K-Means
Menurut Prasetyo (2012, h. 178) algoritma K-Means merupakan metode analisis kelompok yang mengarah kepada partisipasien objek pengamatan ke dalam kelompok (cluster) dimana setiap objek pengamatan dimiliki oleh sebuah kelompok dengan ratarata (mean) terdekat, mirip dimana keduanya mencoba untuk menemukan pusat dari kelompok dalam data sebanyak iterasi perbaikan yang dilakukan oleh kedua algoritma. (Method et al., 2018)
K-Means merupakan salah satu metode pengelompokan data (nonhirarki) yang berusaha mempartisi data yang ada ke dalam bentuk dua atau lebih kelompok. Adapun tujuan pengelompokan data ini adalah untuk meminimalkan fungsi objektif yang diset dalam proses pengelompokan. Pengelompokan data dengan menggunakan metode K-Means ini secara umum dilakukan dengan algoritma dasar sebagai berikut :
Tentukan jumlah kelompok (cluster).
Alokasikan data ke dalam cluster secara acak (random).
Hitung centroid/ rata-rata dari data yang ada di masing-masing cluster.
Alokasikan masing-masing data ke centroid/ rata-rata terdekat.
3. Hasil dan Pembahasan
Dalam permasalahan metode yang digunakan adalah clustering, proses awal yang dilakukan dalam pembentukan cluster adalah transformasi data ke dalam bentuk numeric dengan kode-kode yang telah ditentukan, tentukan jumlah group (K), hitung centroid, hitung jarak objek ke centroid dan kemudian groupkan berdasarkan jarak terdekat, jika tidak ada objek yang pindah group maka iterasi selesai.
Tabel III.1 Data Pelanggan Yang akan Diolah
| No | Nama | Kecamatan | Pekerjaan | Kepuasan dalam Pelayanan |
| 1 | Cabang Barus | Barus | Pegawai | Puas |
| 2 | Cabang Tapian Nauli | Tapian Nauli | Petani | Sangat Puas |
| 3 | Cabang Pandan | Pandan | Wirausaha | Sangat Puas |
| 4 | Cabang Pinangsori | Pinangsori | Guru | Puas |
- Inisialisasi
Dari data yang ada maka dapat dilakukan inisialisasi data sesuai dengan kebutuhan variabel sebagai berikut:
a. Inisialisasi Kriteria Kecamatan
Berikut dibawah ini adalah tabel inisialisasi kriteria Kecamatan yang dapat dilihat pada tabel dibawah ini:
Tabel III.2
| No | Nama | Kecamatan |
| 1 | Cabang Barus | Barus |
| 2 | Cabang Tapian Nauli | Tapian Nauli |
| 3 | Cabang Pandan | Pandan |
| 4 | Cabang Pinangsori | Pinangsori |
b. Inisialisasi Kriteria Pekerjaan
Berikut dibawah ini adalah tabel inisialiasi kriteria pekerjaan yang dapat dilihat pada tebal dibawah ini:
Tabel III.3 Inisialisasi Kriteria Pekerjaan
| No | Nama | Pekerjaan |
| 1 | Cabang Barus | Pegawai |
| 2 | Cabang Tapian Nauli | Petani |
| 3 | Cabang Pandan | Wirausaha |
| 4 | Cabang Pinangsori | Guru |
c. Inisialisasi Kriteria Pelayanan PDAM
Berikut di bawah ini adalah tabel inisialiasi kriteria pelayanan PDAM yang dapat dilihat pada tabel dibawah ini:
Tabel III.4 Inisialisasi Kriteria Pelayanan PDAM
| No | Kode | Kepuasan dalam Pelayanan |
| 5 | 5 | Sangat Puas |
| 4 | 4 | Puas |
| 3 | 3 | Cukup Puas |
| 2 | 2 | Tidak Puas |
| 1 | 1 | Sangat Tidak Puas |
- Transformasi Data
Agar data di atas dapat diolah dengan menggunakan algoritma K-Means clustering, maka data yang berjenis data nonnominal seperti alamat, pekerjaan dan sumber daya manusia harus diinisialisasikan terlebih dahulu dalam bentuk angka. Data anak stunting ini dapat dinyatakan dalam suatu variabel-variabel yang independen yaitu kecamatan (X), pekerjaan (Y), dan pelayanan PDAM (Z).
Tabel III.5 Transformasi Data Berdasarkan Inisialisasi Yang Dibentuk
| No | Nama | Kecamatan X | Pekerjaan Y | Pelayanan PDAM Z |
| 1 | Cabang Barus | 1 | 5 | 4 |
| 2 | Cabang Tapian Nauli | 2 | 7 | 5 |
| 3 | Cabang Pandan | 3 | 2 | 5 |
| 4 | Cabang Pinangsori | 4 | 1 | 4 |
- Perhitungan Data Berdasarkan Algoritma K-Means Clustering
Untuk menentukan group dari satu objek, pertama yang harus dilakukan adalah mengukur jarak Deuclidean antara dua titik atau objek atau X, Y dan Z yang didefinisikan sebagai berikut:
Deuclidean (X,Y,Z) √∑(X1 − X2)2 + (Y1 − Y2)2 + (Z1 − Z2)2
Lakukan cluter menjadi 3 kelompok (K=3) dan tentukan titik pusat centroid. Adapun proses perhitungan clustering seperti dibawah ini: Lakukan cluter menjadi 3 kelompok (K=3) dan tentukan titik pusat centroid. Adapun proses perhitungan clustering seperti dibawah ini
Iterasi I
Centroid 1 = (5,5,4)diambil dari secara acak dari data 1
Centroid 2 = (2,7,5)diambil dari secara acak dari data 2
Centroid 3 = (4,2,3)diambil dari secara acak dari data 3
Keterangan : Penentuan centroid awal dilakukan secara random.
Penyelesaian :
Bagian A (5,5,4)
K = 3, centroid1 = (5,5,4), centroid2 = (2,7,5),centroid 3 = (4,2,3)
Jarak dari C 1 (X) = √(5 − 5)2 + (5 − 5)2 + (4 − 4)2 = 0
Jarak dari C 2 (Y) = √(5 − 2)2 + (5 − 7)2 + (4 − 5)2 =3,74
Jarak dari C 3 (Z) = √(5 − 4)2 + (5 − 2)2 + (4 − 3)2 =3,31
Bagian B (2,7,5)
K = 3, centroid1 = (5,5,4), centroid2 = (2,7,5),centroid 3 = (4,2,3)
Jarak dari C 1 (X) = √(2 − 5)2 + (7 − 5)2 + (5 − 4)2 =3,74
Jarak dari C 2 (Y) = √(2 − 2)2 + (7 − 7)2 + (5 − 5)2 =0
Jarak dari C 3 (Z) = √(2 − 4)2 + (7 − 2)2 + (5 − 3)2 =5,74
4. Kesimpulan
Berdasarkan hasil analisis data yang telah dilakukan, maka dapat disimpulkan bahwa terdapat pengaruh yang positif dan signifikan dari pelayanan Perusahaan Daerah Air Minum terhadap tingkat kepuasan pelanggan, artinya jika pelayanan prima efektif, maka kepuasan pelanggan akan menghasilkan tingkat kepuasan pelanggan yang berada pada kondisi Sangat puas, dan sebaliknya pelayanan prima tidak efektif, maka kepuasan pelanggan pun akan berada pada kondisi tidak puas.
Hal ini ditunjukkan dari hasil uji korelasi yang menunjukkan korelasi berada pada kategori kuat. Sehingga variabel pelayanan Perusahaan Daerah Air Minum memberikan pengaruh yang kuat terhadap kepuasan pelanggan. Berdasarkan pada kesimpulan di atas dan merujuk pula pada hasil penelitian tersebut. Maka penulis memberikan saran mengenai pelayanan prima dan kepuasan pelanggan adalah Pelayanan Perusahaan Daerah Air Minum, hasil perhitungan menunjukkan indikator tanggung jawab memiliki tertinggi dibandingkan dengan indikator lainnya. Hal ini Pegawai Perusahaan Daerah Air Minum PDAM Mual Nauli perlu mempertahankan rasa kepedulian kepada pelanggan dengan cara melayani kebutuhan pelanggan cepat dan menangani kepuasan pelanggan serta meningkatkan kemampuan mengelola proses kualitas pelayanan.
Berdasarkan hasil penelitian penulis, pelayanan PDAM Mual Nauli kepada pelanggan sejauh ini sangat puasa, apalagi dengan adanya kebijakan Managemen PDAM Mual Naul menggratiskan tagihan air selama ibadah puasa Ramadhan untuk Masjid/Mushola dan Gereja-gereja di Kabupaten Tapanuli Tengah dalam menyambut Natal dan Tahun baru.
Daftar Pustaka
Method, C., Algorithm, W. K., Grouping, D., New, P., Yogyakarta, U. M., Study, C., Sciences, P., The, B., & Clustering, M. (2018). Penerapan Metode Clustering dengan Algoritma K-Means pada Pengelompokan Data Calon Mahasiswa Baru di Universitas Muhammadiyah Yogyakarta ( Studi Kasus : Fakultas Kedokteran dan Ilmu Kesehatan , dan Fakultas Ilmu Sosial dan Ilmu Politik )
Buaton, R., Mawengkang, H., Zarlis, M., Effendi, S., Manaor Hara Pardede, A., Maulita, Y., Fauzi, A., & Novriyenni, N. (2019). Time Series Optimization onData Mining. Journal of Physics: Conference Series. Method, C., Algorithm, W. K., Grouping, D., New, P., Yogyakarta, U. M., Study, C., Sciences, P., The, B., & Clustering, M. (2018). Penerapan Metode Clustering dengan Algoritma K-Means pada Pengelompokan Data Calon Mahasiswa Baru di Universitas Muhammadiyah Yogyakarta ( Studi Kasus : Fakultas Kedokteran dan Ilmu Kesehatan , dan Fakultas Ilmu Sosial dan Ilmu Politik ). 21(1), 60–64.
TERIMA KASIH
Tinggalkan Balasan