ilham dr Allah SWT + do'a q, org tua n dua kk t'cinta q + support dr seseorg yg skrng sdh tdk lg ada d'samping q krn khendak-NYA + warna-warni para sahabat q
bikin nama q makin panjang.. "Tri Agus Sartika Sari, S.Si".. ^_^v
inilah hasil krja kerasku utk mjd s'org sarjana sains...
APLIKASI LOGIKA FUZZY PADA ANALISIS KEPUASAN KONSUMEN
BERDASARKAN TINGKAT KUALITAS PELAYANAN DAN HARGA KAMAR
(Studi Kasus di Rumah Sakit Umum Daerah (RSUD) Ulin Banjarmasin)
BAB I
PENDAHULUAN
1.1 Latar Belakang
Ibarat sebuah pohon, Rumah Sakit Umum Daerah (RSUD) Ulin Banjarmasin saat ini sedang pada tahapan tumbuh dan berkembang. Banyak langkah perbaikan yang dilakukan tahun ini untuk mendukung pertumbuhannya. RSUD ini tak ingin setengah-setengah memperbaiki performanya. Fasilitas, pelayanan dan program terus dikembangkan dan diperbaiki. Semuanya terangkum dalam satu tekad menjadi yang terbaik di Kalimantan. Ini bukan kebetulan, karena sejak 3 Januari 2007 lalu, seluruh jajaran sudah mengembangkan semangat baru itu (Ihsanty, 2007).
Kualitas merupakan salah satu faktor mendasar yang mempengaruhi konsumen dalam memilih berbagai jenis jasa yang berkembang saat ini. Kualitas pelayanan bukanlah masalah dalam mengontrol kualitas yang akan datang saja, tetapi juga merupakan pencegahan terjadinya kualitas yang jelek sejak awal. Sebagian besar konsumen menghendaki pelayanan yang cepat dan baik, dan itu merupakan nilai peningkatan kualitas pelayanan.
Tidak dapat dipungkiri bahwa setiap konsumen mempunyai tingkat kepuasan yang berbeda terhadap tingkat pelayanan yang diberikan oleh penyedia jasa. Hal ini merupakan indikator yang baik untuk mengukur tingkat kualitas pelayanan yang mereka terima. Maju dan berkembangnya tempat pelayanan umum tergantung dari kualitas pelayanan yang diberikan (Pratiwi, 2005: 65).
Permasalahan di atas dapat diselesaikan dengan menggunakan aplikasi logika fuzzy. Logika fuzzy di dalam bidang matematika merupakan suatu peningkatan dari logika boolean yang menyatakan bahwa segala hal dapat diekspresikan dalam istilah binary, misalnya 0 atau 1, hitam atau putih, ya atau tidak. Logika fuzzy memungkinkan nilai keanggotaan 0 sampai 1, misalnya pada konsep tidak pasti seperti “sedikit”, “lumayan” dan “sangat”. Mengingat tingkat kepuasan konsumen merupakan sesuatu yang tidak berwujud, maka logika fuzzy dapat digunakan untuk mengukur tingkat kepuasan konsumen terhadap tingkat pelayanan, karena logika fuzzy meniru cara berfikir manusia dengan menggunakan konsep sifat kesamaran suatu nilai.
Berdasarkan uraian di atas, penulis tertarik untuk melakukan penelitian dengan judul “Aplikasi Logika Fuzzy Pada Analisis Kepuasan Konsumen Berdasarkan Tingkat Kualitas Pelayanan dan Harga Kamar”, yang merupakan studi kasus di Rumah Sakit Umum Daerah (RSUD) Ulin Banjarmasin.
1.2 Perumusan Masalah
Berdasarkan latar belakang di atas muncul permasalahan mengenai pengaruh tingkat pelayanan dan harga kamar terhadap tingkat kepuasan konsumen dalam menggunakan jasa di RSUD Ulin Banjarmasin.
1.3 Batasan Masalah
Dalam penelitian ini, masalah dibatasi pada:
1) Faktor-faktor yang mempengaruhi tingkat kepuasan konsumen adalah tingkat kualitas pelayanan dan harga kamar.
2) Penalaran fuzzy menggunakan metode Mamdani.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk mengetahui pengaruh tingkat kualitas pelayanan dan harga kamar terhadap tingkat kepuasan konsumen dalam menggunakan jasa RSUD Ulin Banjarmasin.
1.5 Manfaat Penelitian
Penelitian ini diharapkan mempunyai manfaat, antara lain:
1) Menambah pengetahuan dan wawasan penulis tentang penerapan konsep logika fuzzy, khususnya pada tingkat kepuasan konsumen.
2) Sebagai bahan referensi tambahan tentang aplikasi logika fuzzy.
3) Sebagai masukan atau informasi yang bermanfaat bagi pengelola tempat pelayanan umum.
BAB II
TINJAUAN PUSTAKA
2.1 Service Quality (Kualitas Pelayanan)
Jasa adalah setiap kegiatan yang ditawarkan oleh suatu pihak pada pihak lain dan dasarnya tidak berwujud serta tidak menghasilkan kepemilikan sesuatu. Proses produksinya mungkin juga tidak dikaitkan dengan suatu produk fisik.
Jasa memiliki karakteristik utama yang membedakannya dengan barang, yaitu:
1. Intangibility (tidak berwujud)
2. Inseparability (tidak dapat dipisahkan)
3. Variability (berubah – ubah)
4. Perishability (daya tahan)
Kualitas merupakan salah satu faktor mendasar yang mempengaruhi konsumen dalam memilih berbagai jenis jasa. Kepuasan dan ketidakpuasan konsumen terhadap jasa yang dikonsumsi akan mempengaruhi tingkah laku konsumen selanjutnya. Faktor–faktor yang mempengaruhi kepuasan konsumen adalah mutu produk dan pelayanan, kegiatan penjualan, pelayanan setelah penjualan dan nilai–nilai perusahaan (Pratiwi, 2005: 66).
Service Quality atau lebih dikenal dengan kualitas pelayanan merupakan suatu alat yang awalnya dibangun oleh peneliti di bidang pemasaran untuk mengukur kualitas pelayanan secara umum karena pada saat itu kualitas pelayanan menjadi salah satu fokus yang sering dibahas dalam pemasaran. Alat ini diperkenalkan oleh Zenithaml, Parasuraman dan Berry dalam buku mereka yang berjudul Delivering Quality Service Balancing Customer Perceptions and Expectations,Free Press,1990.
Terdapat lima dimensi yang menjadi acuan pengukuran terhadap pelayanan, antara lain (Carr, 2006: 1) :
a. Tangibles, yaitu aspek yang terlihat secara fisik seperti peralatan dan personel petugas.
b. Reallibility, yaitu kemampuan untuk memiliki performa yang bisa diandalkan dan akurat.
c. Responsiveness, yaitu kemampuan untuk merespon keinginan atau kebutuhan akan bantuan dari pelanggan serta pelayanan yang cepat.
d. Assurance, yaitu kemampuan para personel untuk menimbulkan rasa percaya dan aman kepada pelanggan.
e. Emphaty, yaitu kemampuan personel untuk peduli dan memperhatikan para pelanggan.
2.1.1 Kualitas Pelayanan Rumah Sakit di Indonesia
Pemerintah belum mengatur dan mengawasi secara rinci bagaimana seharusnya rumah sakit memberikan pelayanan bagi pasien. Peraturan yang ada masih bersifat superficial (dangkal) dan administratif. Belum ada mekanisme yang efektif untuk memeriksa dan menguji kualitas pelayanan rumah sakit. Standarisasi dan akreditasi rumah sakit belum menjamin bahwa proses pelayanan yang terjadi telah memenuhi persyaratan.
Keluhan ketidakpuasan masyarakat atas pelayanan rumah sakit berfokus pada jeleknya pelayanan umum, perilaku dokter dan petugas, administrasi yang kurang baik serta mahalnya biaya. Perbedaan persepsi dan ketidakseimbangan informasi antara pemberi pelayanan dengan pasien serta miskinnya komunikasi menyebabkan pelayanan rumah sakit smakin buruk. Kondisi ini memperlemah daya saing rumah sakit di Indonesia sehingga banyak pasien lari ke luar negeri.
Perkembangan manajemen jasa pelayanan rumah sakit masih tertinggal dari industri jasa lainnya. Pendekatan pelayanan yang mengikuti alur kebutuhan pasien harus menjadi prioritas manajemen rumah sakit. Saat ini perlu dilakukan pembenahan manajemen rumah sakit dengan menerapkan sistem manajemen terpadu yang mutakhir untuk memperbaiki pelayanan rumah sakit di Indonesia (Rustiano, 2004 ).
2.1.2 Kepuasan Pasien Terhadap Pelayanan Rumah Sakit
Kepuasan adalah perasaan senang dan puas yang dirasakan individu karena antara harapan dan kenyataan dalam menggunakan pelayanan yang diberikan sudah terpenuhi. Memahami kebutuhan dan keinginan konsumen pengguna pelayanan di rumah sakit yang dalam hal ini adalah pasien, merupakan hal penting yang mempengaruhi kepuasan pasien itu sendiri. Pasien yang puas merupakan aset yang sangat berharga karena apabila pasien puas maka mereka akan terus melakukan pemakaian terhadap jasa pilihanya, tetapi jika pasien merasa tidak puas maka mereka akan memberitahukan dua kali lebih hebat kepada orang lain tentang pengalaman buruknya. Untuk menciptakan kepuasan pasien suatu rumah sakit, maka seluruh pihak yang terkait harus menciptakan dan mengelola suatu sistem untuk memperoleh pasien yang lebih banyak dan kemampuan untuk mempertahankan pasiennya.
Beberapa faktor yang dapat mempengaruhi kepuasan pasien, antara lain (Purwanto, 2007) :
a. Karakteristik produk, yakni meliputi penampilan bangunan rumah sakit, kebersihan dan tipe kelas kamar yang disediakan beserta kelengkapannya.
b. Harga, yakni harga produk atau jasa dan biasanya semakin mahal harga perawatan maka pasien mempunyai harapan yang lebih besar.
c. Pelayanan, yaitu pelayanan untuk kebutuhan pasien maupun orang lain yang berkunjung di rumah sakit yang meliputi keramahan petugas rumah sakit dan kecepatan dalam pelayanan.
d. Lokasi, meliputi letak rumah sakit, letak kamar dan lingkungannya.
e. Fasilitas, yaitu kelengkapan fasilitas rumah sakit turut menentukan penilaian kepuasan pasien, misalnya fasilitas kesehatan baik sarana dan prasarana, tempat parkir, ruang tunggu yang nyaman dan ruang kamar rawat inap.
f. Image, yaitu citra, reputasi dan kepedulian rumah sakit terhadap lingkungan.
g. Desain visual, meliputi dekorasi ruangan, bangunan dan desain jalan yang tidak rumit.
h. Suasana, meliputi keamanan, keakraban dan tata lampu.
i. Komunikasi, yaitu tata cara informasi yang diberikan pihak penyedia jasa, misalnya adanya ruang informasi memadai terhadap informasi yang dibutuhkan pemakai jasa rumah sakit seperti keluarga pasien maupun orang yang bekunjung di rumah sakit dan kemudahan komunikasi pasien menyampaikan keluhan-keluhannya dengan cepat kepada penyedia jasa terutama perawat dalam memberi bantuan, misalnya adanya tombol panggilan di dalam ruang rawat inap.
2.2 Logika Fuzzy
Beberapa aspek dalam dunia nyata selalu atau biasanya berada di luar model matematis dan bersifat tidak pasti. Konsep ketidakpastian inilah yang menjadi konsep dasar munculnya konsep logika fuzzy.
Pencetus gagasan logika fuzzy adalah Prof. L.A. Zadeh (1965) dari California University. Pada prinsipnya himpunan fuzzy adalah perluasan himpunan crisp, yaitu himpunan yang membagi sekelompok individu ke dalam dua kategori, yaitu anggota dan bukan anggota (Andista, 2005: 91).
Salah satu gejala yang berkaitan dengan konsep logika fuzzy yang sering dijumpai dalam kehidupan sehari-hari adalah himpunan orang yang tinggi. Pada himpunan orang yang tinggi tidak dapat ditentukan secara tegas apakah seseorang adalah tinggi atau tidak. Kalau misalnya kita definisikan bahwa “orang tinggi” adalah orang yang tingginya lebih besar atau sama dengan 1,75 meter, maka orang yang tingginya 1,74 meter menurut definisi tersebut termasuk orang yang tidak tinggi. Sulit bagi kita untuk menerima bahwa orang yang tingginya 1,74 meter itu tidak termasuk orang yang tinggi. Hal ini menunjukkan bahwa memang batas antara kelompok orang tinggi dan kelompok orang tidak tinggi tidak dapat ditentukan secara tegas (Susilo, 2006: 49).
Beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain (Kusumadewi, 2006: 2) :
1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
2. Logika fuzzy sangat fleksibel.
3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.
4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinier yang sangat kompleks.
5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
7. Logika fuzzy didasarkan pada bahasa alami.
2.2.1 Himpunan Fuzzy
Pada dasarnya, teori himpunan fuzzy merupakan perluasan himpunan himpunan tegas (crisp). Pada teori himpunan crisp, keberadaan suatu elemen pada himpunan, misalnya himpunan A hanya akan memiliki 2 kemungkinan keanggotaan, yaitu menjadi anggota A atau tidak menjadi anggota A. Suatu nilai yang menunjukkan seberapa besar tingkat keanggotaan suatu elemen (x) dalam suatu himpunan (A), sering dikenal dengan nama nilai keanggotaan dan dinotasikan dengan . Pada himpunan crisp, hanya ada 2 nilai keanggotaan, yaitu = 1 untuk x menjadi anggota A dan = 0 untuk bukan anggota dari A (Kusumadewi, 2006: 3).
Perbedaan yang mendasar antara himpunan crisp dengan himpunan fuzzy adalah pada himpunan fuzzy tidak hanya memiliki 2 kemungkinan nilai keanggotaan, yaitu 0 dan 1 saja, tetapi nilai keanggotaanya terletak pada rentang 0 sampai 1 (Andista, 2005: 92).
Himpunan fuzzy memiliki dua atribut, yaitu (Mahyudi, 2007: 8) :
a. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami.
b. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel
Prof. L.A. Zadeh yang memperkenalkan teori himpunan fuzzy memberikan definisi tentang himpunan fuzzy.
Definisi (Kusumadewi, 2006: 5)
Jika X adalah koleksi dari obyek-obyek yang dinotasikan secara generik oleh x, maka suatu himpunan fuzzy , dalam X adalah suatu himpunan pasangan berurutan:
dengan adalah derajat keanggotaan x yang memetakan X ke ruang keanggotaan μ yang terletak pada rentang [0, 1].
Sesuai dengan definisi tersebut, selain dapat dinotasikan dalam bentuk pasangan berurutan juga dapat dinotasikan sebagai:
Apabila semesta X adalah himpunan yang kontinu, maka himpunan fuzzy seringkali dinyatakan dengan:
di mana lambang ∫ di sini bukan lambang integral seperti yang dikenal dalam kalkulus, tetapi melambangkan keseluruhan unsur-unsur x є X bersama dengan derajat keanggotaannya dalam himpunan fuzzy .
Apabila semesta X adalah himpunan yang diskret, maka himpunan fuzzy seringkali dinyatakan dengan:
di mana lambang ∑ di sini tidak melambangkan operasi jumlahan seperti dikenal dalam aritmetika, tetapi melambangkan keseluruhan unsur-unsur x є X bersama dengan derajat keanggotaannya dalam himpunan fuzzy .
Secara sederhana himpunan fuzzy digambarkan sebagai suatu kumpulan yang mewakili suatu kondisi. Sebelumnya harus diketahui mengenai variabel fuzzy yang merupakan variabel yang hendak dibahas dalam suatu sistem, misalnya umur. Sebagai contoh pada variabel umur terbagi menjadi 3 himpunan fuzzy, yaitu muda, parobaya dan tua, seperti terlihat pada gambar 1 berikut (Kusumadewi, 2006; 6):
Hal lain yang perlu diketahui dalam memahami sistem fuzzy adalah semesta pembicaraan dan domain. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Nilai semesta pembicaraan adakalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya, misalnya semesta pembicaraan untuk variabel umur yakni [0 +∞). Domain himpunan fuzzy adalah keseluruhan nilai yang diizinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Sebagai contoh, misalnya pada domain dalam himpunan fuzzy untuk variabel umur yakni MUDA = [0 45], PAROBAYA = [35 55] dan TUA = [45 +∞). Baik semesta pembicaraan maupun domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan dan nilainya dapat berupa bilangan positif maupun bilangan negatif (Mahyudi, 2007: 9).
2.2.2 Fungsi Keanggotaan
Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input data dalam nilai keanggotaan yang memiliki interval antara 0 sampai 1 (Andista, 2005: 92).
Fungsi keanggotaan dapat dipresentasikan dengan beberapa cara, antara lain (Kusumadewi, 2002: 28) :
1. Representasi Kurva-S (Sigmoid / Logistik).
Kurva PERTUMBUHAN dan PENYUSUTAN merupakan kurva-S atau sigmoid yang berhubungan dengan kenaikan dan penurunan permukaan secara tak linier.
Kurva-S untuk PERTUMBUHAN akan bergerak dari sisi yang nilai keanggotaannya 0 ke sisi yang nilai keanggotaannya 1. Kurva-S untuk PENYUSUTAN akan bergerak dari sisi yang nilai keanggotaannya 1 ke sisi yang nilai keanggotaannya 0.
Kurva-S didefinisikan dengan menggunakan 3 parameter, yaitu: nilai keanggotaan nol ( ), nilai keanggotaan lengkap ( ), dan titik infleksi atau crossover ( ) yaitu titik yang memiliki domain 50% benar, seperti terlihat pada gambar 2 berikut:
Fungsi keanggotaan pada kurva PERTUMBUHAN adalah :
sedangkan fungsi keanggotaan pada kurva PENYUSUTAN adalah:
2. Representasi Kurva Bentuk Lonceng (Bell – Curve)
Kurva bentuk lonceng terbagi atas 3 kelas, yaitu: himpunan fuzzy PI, beta dan Gauss.
a. Kurva PI
Kurva PI berbentuk lonceng dengan derajat keanggotaan 1 terletak pada pusat dengan domain ( ), dan lebar kurva ( ), seperti pada gambar 3 berikut:
Fungsi keanggotaannya :
b. Kurva Beta
Kurva beta juga berbentuk lonceng namun lebih rapat. Kurva ini juga didefinisikan dengan 2 parameter, yaitu nilai pada domain yang menunjukkan pusat kurva ( ), dan setengah lebar kurva ( ), seperti pada gambar 4 berikut:
Fungsi keanggotaannya :
c. Kurva Gauss
Kurva Gauss menggunakan parameter ( ) untuk menunjukkan nilai domain pada pusat kurva, dan (k) yang menunjukkan lebar kurva dan digambarkan seperti gambar 5 berikut:
Fungsi keanggotaannya :
2.2.3 Operator-operator Dasar Zadeh untuk Operator Himpunan Fuzzy
Seperti halnya himpunan tegas (crisp), ada beberapa operasi yang didefinisikan secara khusus untuk mengkombinasikan dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil dari operasi 2 himpunan sering dikenal dengan nama fire strength atau α-predikat. Ada 3 operator dasar yang diciptakan oleh Zadeh, yaitu (Kusumadewi, 2006: 21):
1. Operator AND
Operator ini berhubungan dengan operasi interseksi pada himpunan. α-predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan.
Dirumuskan :
2. Operator OR
Operator ini berhubungan dengan operasi union pada himpunan. α-predikat sebagai hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen pada himpunan-himpunan yang bersangkutan.
Dirumuskan :
3. Operator NOT
Operasi ini berhubungan dengan operasi komplemen pada himpunan. α-predikat sebagai hasil operasi dengan operator NOT diperoleh dengan mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari 1.
Dirumuskan :
2.2.4 Sistem Inferensi Fuzzy Metode Mamdani
Metode Mamdani sering juga dikenal dengan nama metode Min-Max. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975.
Untuk mendapatkan output diperlukan 4 tahapan, di antaranya (Andista, 2005: 92) :
1. Pembentukan himpunan fuzzy
Pada metode Mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.
2. Aplikasi fungsi implikasi
Proposisi (pernyataan) fuzzy yang terkondisi yang paling sering dipakai dalam aplikasi logika fuzzy adalah fungsi implikasi. Bentuk umum dari aturan yang digunakan dalam fungsi implikasi adalah: IF x is A THEN y is B
dengan x dan y adalah skalar, A dan B adalah himpunan fuzzy. Proposisi yang mengikuti IF disebut antesenden, sedangkan proposisi yang mengikuti THEN disebut sebagai konsekuen. Proposisi ini dapat diperluas dengan menggunakan operator fuzzy, seperti :
IF (X1 is A1) o (X2 is A2) o (X3 is A3) o … o (Xn is An) THEN y is B
dengan o adalah operator fuzzy.
Ada 2 fungsi implikasi yang biasa digunakan, yaitu:
a. Min (minimum) merupakan fungsi yang akan memotong output himpunan fuzzy. Salah satu contoh penggunaan fungsi min digambarkan pada gambar 6 berikut:
b. Dot (product) merupakan fungsi yang akan menskala output himpunan fuzzy. Salah satu contoh penggunaan fungsi dot digambarkan pada gambar 7 berikut:
Gambar 7. Fungsi Implikasi DOT
Pada metode Mamdani, fungsi implikasi yang digunakan adalah Min.
3. Komposisi aturan
Ada tiga metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu: Max, aditive dan probabilistik OR (probor).
a. Metode Max (Maximum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ke output dengan menggunakan operator OR (union).
Secara umum dituliskan:
dengan: = nilai keanggotaan solusi fuzzy sampai aturan ke-i
= nilai keanggotaan konsekuen fuzzy sampai aturan ke-i
b. Metode Aditive (Sum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan bounded-sum terhadap semua output daerah fuzzy.
Secara umum dituliskan:
dengan: = nilai keanggotaan solusi fuzzy sampai aturan ke-i
= nilai keanggotaan konsekuen fuzzy sampai aturan ke-i
c. Metode Probabilistik OR (probor)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan product terhadap semua output daerah fuzzy.
Secara umum dituliskan:
dengan: = nilai keanggotaan solusi fuzzy sampai aturan ke-i
= nilai keanggotaan konsekuen fuzzy sampai aturan ke-i
Pada metode Mamdani, inferensi sistem fuzzy dilakukan dengan Metode Max (Maximum). Pada metode ini, misalkan ada 3 aturan sebagai berikut:
[R1] IF tingkat kualitas pelayanan KURANG BAIK AND tingkat harga kamar MAHAL THEN tingkat kualitas pelayanan SANGAT PUAS
[R2] IF tingkat kualitas pelayanan CUKUP BAIK THEN tingkat kualitas pelayanan CUKUP PUAS
[R3] IF tingkat kualitas pelayanan SANGAT BAIK AND tingkat harga kamar SANGAT M-AHAL THEN tingkat kualitas pelayanan KURANG PUAS
maka komposisi dari 3 aturan tersebut digambarkan pada gambar 8 berikut:
Gambar 8. Komposisi Aturan Fuzzy : Metode MAX
4. Penegasan (defuzzification)
Pengendali logika fuzzy harus mengubah variabel keluaran fuzzy menjadi nilai-nilai tegas yang dapat digunakan untuk mengendalikan sistem. Proses ini disebut penegasan (defuzzification). 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 fuzzy (Pratiwi, 2005: 70).
Proses penegasan seperti terlihat pada gambar 9 berikut:
Gambar 9. Proses Penegasan
Telah dikembangkan banyak metode untuk melakukan penegasan ini, di antaranya adalah (Pratiwi, 2005: 70):
a. Metode Centroid (Composite Moment)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat (z*) daerah fuzzy. Secara umum dirumuskan:
untuk variabel kontinu, atau
untuk variabel diskrit.
b. Metode Bisektor
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai pada domain fuzzy 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 domain yang memiliki nilai keanggotaan maksimum.
e. Metode Smallest of Maximum (SOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terkecil domain yang memiliki nilai keanggotaan maksimum.
Pada komposisi aturan Mamdani, proses penegasannya menggunakan metode centroid.
BAB III
METODE PENELITIAN
3.1 Bahan/Materi Penelitian
Data penelitian diambil dari data konsumen dan dari informasi dari pihak yang berwenang di RSUD Ulin Banjarmasin. Bahan/materi yang diteliti diambil dari beberapa buku/literatur yang membahas logika fuzzy dan aplikasinya serta yang membahas tentang industri jasa.
3.2 Prosedur Penelitian
Penelitian ini dilaksanakan dengan prosedur sebagai berikut:
1. Mempelajari buku/literatur yang membahas masalah logika fuzzy dan aplikasinya di berbagai bidang, terutama mengenai industri yang bergerak di bidang jasa.
2. Pengumpulan Data
Data yang dikumpulkan berupa data sekunder yakni data tingkat harga kamar yang diperoleh dari wawancara dengan pihak yang berwenang di RSUD Ulin Banjarmasin dan data primer yang berupa data tingkat kualitas pelayanan serta data tingkat kepuasan konsumen yang diperoleh dari penyebaran kuesioner.
3. Identifikasi Data
Identifikasi data dilakukan dengan terlebih dahulu mempelajari literatur dan selanjutnya menghubungkannya dengan data yang diperoleh.
4. Pengolahan Data
Data yang telah terkumpul kemudian diolah untuk mendapatkan output dengan metode fuzzy-Mamdani. Pengolahan data dilakukan melalui empat tahapan, yaitu:
1) Menentukan variabel dan semesta pembicaraan, dilanjutkan dengan membentuk himpunan fuzzy.
2) Aplikasi fungsi implikasi.
3) Komposisi aturan.
4) Penegasan (defuzzification) dengan menggunakan bantuan software Matlab ToolBox Fuzzy 7.0.1.
BAB IV
HASIL DAN PEMBAHASAN
4.1 Profil RSUD Ulin Banjarmasin
Rumah Sakit Umum Daerah (RSUD) Ulin adalah rumah sakit kelas B pendidikan yang berada di kota Banjarmasin Kalimantan Selatan. RSUD Ulin Banjarmasin berdiri pada tahun 1943 di atas lahan 63,920 m2 dengan luas bangunan 38.619 m2. Saat awal berdiri, konstruksi utama rumah sakit ini terbuat dari kayu Ulin. Kayu ini khas Kalimantan Selatan yang sangat kuat, kokoh dan mampu bertahan puluhan bahkan ratusan tahun.
Renovasi rumah sakit ini pertama kali dilakukan pada tahun 1985, di mana bangunan kayu Ulin diganti dengan konstruksi beton. Tahun 1997 dibangun Paviliun Aster yang kemudian direnovasi lagi dan dibangun bersama Poliklinik Rawat Jalan dan Ruang Inap Aster pada tahun 2002. Sejak itu RSUD Ulin terus berkembang dan saat ini membangun lima lantai yang terdiri dari Instalasi Rawat Darurat di lantai 1, Kebidanan/Kandungan di lantai 2, ICU/ICCU/NICU/PICU di lantai 3, kantor di lantai 4 dan Kamar Operasi di lantai 5.
Sekarang RSUD Ulin Banjarmasin telah menjadi rumah sakit pusat rujukan di Kalimantan. Selain itu, berdasarkan SK Menkes No. 153/Menkes/SK/II/1998 tanggal 16 Februari 1988 tentang persetujuan RSUD Ulin menjadi Rumah Sakit Tipe B Pendidikan dan berdasarkan Kepmendagri No. 445.420-1279 tahun 1999 tentang Penetapan RSUD Ulin Banjarmasin sebagai Rumah Sakit Pendidikan Calon Dokter Umum dan Calon Dokter Spesialis, maka tugas dan fungsi RSUD Ulin selain mengemban fungsi pelayanan juga melaksanakan fungsi pendidikan dan penelitian. Sejalan dengan upaya desentralisasi maka berdasarkan Perda No. 9 tahun 2002 status RSUD Ulin berubah menjadi Lembaga Tekhnis berbentuk Badan Pemerintah Propinsi Kalimantan Selatan.
Gambar 11. Gedung RSUD Ulin Banjarmasin
Dalam hal fasilitas dan kelengkapannya, RSUD Ulin tergolong lengkap dan didukung dengan peralatan yang canggih. Pengembangan terus dilakukan, termasuk penambahan gedung baru yang modern dan megah. RSUD Ulin bertekat di masa mendatang menjadi parameter pelayanan terbaik di Kalimantan dan Indonesia bagian timur.
4.2 Analisis Masalah
Data yang diperoleh berupa data sekunder dan data primer. Data sekunder meliputi data tingkat harga kamar dan data primer meliputi data tingkat kualitas pelayanan dan data tingkat kepuasan konsumen. Data tingkat harga kamar diperoleh dengan melakukan wawancara dengan pihak yang berwenang di RSUD Ulin Banjarmasin dan kemudian diambil empat kelas kamar dengan harga berbeda untuk melakukan observasi, yakni kamar kelas utama, kelas I, kelas II dan kelas III. Data tingkat kualitas pelayanan dan data tingkat kepuasan konsumen diperoleh dengan melakukan observasi langsung di lapangan melalui kuesioner yang disebar kepada konsumen pengguna jasa RSUD Ulin Banjarmasin dengan empat kelas kamar yang berbeda.
Identifikasi data dilakukan dengan terlebih dahulu mempelajari literatur yang berkaitan. Beberapa faktor yang mempengaruhi tingkat kepuasan konsumen dalam menggunakan jasa rumah sakit di antaranya adalah kualitas pelayanan dan harga, tetapi masih ada lagi faktor lain seperti karakteristik produk, lokasi, fasilitas, image, desain visual, suasana dan komunikasi. Setelah dilakukan observasi secara langsung melalui kuesioner, ternyata hasil yang diperoleh dari 38 responden diperoleh persentase masing-masing 44,74% responden puas karena kualitas pelayanannya, 39,47% responden puas karena harga kamar, 18,42% responden puas karena adanya jaminan asuransi kesehatan dan ketersediaan alat bantu medis yang dinilai lengkap.
4.3 Pengolahan Data
Data yang telah terkumpul kemudian diolah untuk mendapatkan output dengan metode fuzzy-Mamdani. Pengolahan data dilakukan melalui empat tahapan, yaitu:
1. Menentukan variabel dan semesta pembicaraan, dilanjutkan dengan membentuk himpunan fuzzy.
Variabel yang akan dibahas pada penelitian ini adalah tingkat kualitas pelayanan, tingkat harga kamar dan tingkat kepuasan konsumen. Semesta pembicaraan untuk variabel tingkat kualitas pelayanan dan tingkat harga kamar ditetapkan berada pada selang tertutup 0 sampai 10, semesta pembicaraan untuk variabel tingkat kepuasan konsumen ditetapkan pada selang tertutup 0 sampai 100. Penentuan variabel dan semesta pembicaraan yang akan digunakan dalam sistem fuzzy dapat dilihat pada tabel 1 berikut:
Tabel 1. Penentuan Variabel dan Semesta Pembicaraan
Fungsi Nama Variabel Semesta Pembicaraan
Input Tingkat Kualitas Pelayanan [0 10]
Tingkat Harga Kamar [0 10]
Output Tingkat Kepuasan Konsumen [0 100]
Langkah selanjutnya adalah membentuk himpunan fuzzy dari tiap-tiap variabel. Pada penelitian ini, untuk variabel tingkat kualitas pelayanan dibentuk menjadi himpunan fuzzy tidak baik, cukup baik, baik dan sangat baik. Variabel tingkat harga kamar dibentuk menjadi himpunan fuzzy sangat mahal, mahal, murah dan sangat murah, di mana masing-masing himpunan fuzzy mewakili pengambilan empat kategori kelas dengan harga berbeda. Dari empat kategori kategori kelas yang di ambil, Kamar Kelas Utama mewakili himpunan fuzzy sangat mahal, Kamar Kelas I mewakili himpunan fuzzy mahal, Kamar Kelas II mewakili himpunan fuzzy murah dan Kamar Kelas III mewakili himpunan fuzzy sangat murah. Selanjutnya variabel tingkat kepuasan konsumen dibentuk menjadi himpunan fuzzy tidak puas, cukup puas, puas dan sangat puas. Domain ditentukan dengan cara membagi semesta pembicaraan menjadi empat bagian dengan interval selang yang sama atau kelipatannya. Pembentukan himpunan fuzzy dan domainnya dapat dilihat pada tabel 2 berikut:
Tabel 2. Pembentukan Himpunan Fuzzy
Variabel Nama Himpunan Fuzzy Domain
Tingkat Pelayanan Kurang Baik [1 4]
Cukup Baik [3 6]
Baik [5 8]
Sangat Baik [7 10]
Tingkat Harga Kamar Sangat Mahal [1 4]
Mahal [3 6]
Murah [5 8]
Sangat Murah [7 10]
Tingkat Kepuasan Konsumen Kurang Puas [10 40]
Cukup Puas [30 60]
Puas [50 80]
Sangat Puas [70 100]
Selanjutnya dibuat fungsi keanggotaan untuk setiap variabel tingkat kualitas pelayanan, tingkat harga kamar dan tingkat kepuasan konsumen. Pada penelitian ini, kurva yang digunakan adalah kurva PI dan kurva-S karena kedua kurva ini sangat cocok untuk data yang sifatnya tidak linier. Berikut ini adalah representasi masing-masing variabel fuzzy:
a. Representasi Variabel Tingkat Kualitas Pelayanan
Pada representasi variabel tingkat kualitas pelayanan digunakan kurva-S untuk himpunan fuzzy kurang baik dan sangat baik, sedangkan untuk himpunan fuzzy cukup baik dan baik digunakan kurva PI. Hal ini dapat dilihat pada gambar 12:
Gambar 12. Representasi Variabel Tingkat Kualitas Pelayanan
Fungsi keanggotaan:
1) Untuk variabel tingkat kualitas pelayanan dengan himpunan fuzzy kurang baik:
Domain : [1 4]
2) Untuk variabel tingkat kualitas pelayanan dengan himpunan fuzzy cukup baik:
Domain : [3 6]
3) Untuk variabel tingkat kualitas pelayanan dengan himpunan fuzzy baik:
Domain : [5 8]
4) Untuk variabel tingkat kualitas pelayanan dengan himpunan fuzzy sangat baik:
Domain : [7 10]
b. Representasi Variabel Tingkat Harga Kamar
Pada representasi variabel tingkat harga kamar digunakan kurva-S untuk himpunan fuzzy sangat murah dan sangat mahal, sedangkan untuk himpunan fuzzy murah dan mahal digunakan kurva PI. Hal ini dapat dilihat pada gambar 13:
Gambar 13. Representasi Variabel Tingkat Harga Kamar
Fungsi keanggotaan:
1) Untuk variabel tingkat harga kamar dengan himpunan fuzzy sangat mahal:
Domain : [1 4]
2) Untuk variabel tingkat harga kamar dengan himpunan fuzzy mahal:
Domain : [3 6]
3) Untuk variabel tingkat harga kamar dengan himpunan fuzzy murah:
Domain : [5 8]
4) Untuk variabel tingkat harga kamar dengan himpunan fuzzy sangat murah:
Domain : [7 10]
c. Representasi Variabel Tingkat Kepuasan Konsumen
Pada representasi variabel tingkat kepuasan konsumen digunakan kurva-S untuk himpunan fuzzy kurang puas dan sangat puas, sedangkan untuk himpunan fuzzy cukup puas dan puas digunakan kurva PI. Hal ini dapat dilihat pada gambar 14:
Gambar 14. Representasi Variabel Tingkat Kepuasan Konsumen
Fungsi keanggotaan:
1) Untuk variabel tingkat kepuasan konsumen dengan himpunan fuzzy kurang puas:
Domain : [10 40]
2) Untuk variabel tingkat kepuasan konsumen dengan himpunan fuzzy cukup puas:
Domain : [30 60]
3) Untuk variabel tingkat kepuasan konsumen dengan himpunan fuzzy puas:
Domain : [50 80]
4) Untuk variabel tingkat kepuasan konsumen dengan himpunan fuzzy sangat puas:
Domain : [70 100]
2. Aplikasi Fungsi Implikasi
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.
Dari tabel himpunan fuzzy (tabel 2) dapat dibentuk aturan maksimal sebanyak 64 aturan, seperti terlihat pada gambar 15 :
Gambar 15. Pemetaan maksimal aturan-atutan fuzzy
Dari pemetaan tersebut terlihat bahwa maksimal aturan-aturan fuzzy adalah sebagai berikut:
[R1]. If (Tingkat Kualitas Pelayanan is Kurang Baik) And (Tingkat Harga Kamar is Sangat Mahal) Then (Tingkat Kepuasan Konsumen is Kurang Puas, Cukup Puas, Puas, Sangat Puas)
[R2]. If (Tingkat Kualitas Pelayanan is Kurang Baik) And (Tingkat Harga Kamar is Mahal) Then (Tingkat Kepuasan Konsumen is Kurang Puas, Cukup Puas, Puas, Sangat Puas)
[R3]. If (Tingkat Kualitas Pelayanan is Kurang Baik) And (Tingkat Harga Kamar is Murah) Then (Tingkat Kepuasan Konsumen is Kurang Puas, Cukup Puas, Puas, Sangat Puas)
[R4]. If (Tingkat Kualitas Pelayanan is Kurang Baik) And (Tingkat Harga Kamar is Sangat Murah) Then (Tingkat Kepuasan Konsumen is Kurang Puas, Cukup Puas, Puas, Sangat Puas)
[R5]. If (Tingkat Kualitas Pelayanan is Cukup Baik) And (Tingkat Harga Kamar is Sangat Mahal) Then (Tingkat Kepuasan Konsumen is Kurang Puas, Cukup Puas, Puas, Sangat Puas)
[R6]. If (Tingkat Kualitas Pelayanan is Cukup Baik) And (Tingkat Harga Kamar is Mahal) Then (Tingkat Kepuasan Konsumen is Kurang Puas, Cukup Puas, Puas, Sangat Puas)
[R7]. If (Tingkat Kualitas Pelayanan is Cukup Baik) And (Tingkat Harga Kamar is Murah) Then (Tingkat Kepuasan Konsumen is Kurang Puas, Cukup Puas, Puas, Sangat Puas)
[R8]. If (Tingkat Kualitas Pelayanan is Cukup Baik) And (Tingkat Harga Kamar is Sangat Murah) Then (Tingkat Kepuasan Konsumen is Kurang Puas, Cukup Puas, Puas, Sangat Puas)
[R9]. If (Tingkat Kualitas Pelayanan is Baik) And (Tingkat Harga Kamar is Sangat Mahal) Then (Tingkat Kepuasan Konsumen is Kurang Puas, Cukup Puas, Puas, Sangat Puas)
[R10]. If (Tingkat Kualitas Pelayanan is Baik) And (Tingkat Harga Kamar is Mahal) Then (Tingkat Kepuasan Konsumen is Kurang Puas, Cukup Puas, Puas, Sangat Puas)
[R11]. If (Tingkat Kualitas Pelayanan is Baik) And (Tingkat Harga Kamar is Murah) Then (Tingkat Kepuasan Konsumen is Kurang Puas, Cukup Puas, Puas, Sangat Puas)
[R12]. If (Tingkat Kualitas Pelayanan is Baik) And (Tingkat Harga Kamar is Sangat Murah) Then (Tingkat Kepuasan Konsumen is Kurang Puas, Cukup Puas, Puas, Sangat Puas)
[R13]. If (Tingkat Kualitas Pelayanan is Sangat Baik) And (Tingkat Harga Kamar is Sangat Mahal) Then (Tingkat Kepuasan Konsumen is Kurang Puas, Cukup Puas, Puas, Sangat Puas)
[R14]. If (Tingkat Kualitas Pelayanan is Sangat Baik) And (Tingkat Harga Kamar is Mahal) Then (Tingkat Kepuasan Konsumen is Kurang Puas, Cukup Puas, Puas, Sangat Puas)
[R15]. If (Tingkat Kualitas Pelayanan is Sangat Baik) And (Tingkat Harga Kamar is Murah) Then (Tingkat Kepuasan Konsumen is Kurang Puas, Cukup Puas, Puas, Sangat Puas)
[R16]. If (Tingkat Kualitas Pelayanan is Sangat Baik) And (Tingkat Harga Kamar is Sangat Murah) Then (Tingkat Kepuasan Konsumen is Kurang Puas, Cukup Puas, Puas, Sangat Puas)
Aturan yang dipakai adalah berdasarkan kuesioner yang disebar ke empat kategori kelas kamar dengan harga berbeda, yaitu dari maksimal aturan yang dapat dibentuk dan yang terpilih paling banyak oleh responden untuk menyatakan relasi antara input dan output. Berdasarkan observasi kepada konsumen pengguna jasa RSUD Ulin Banjarmasin, maka dari semua aturan yang diperoleh (untuk lebih jelas dapat dilihat pada lampiran 4) dapat dibentuk 11 aturan sebagai berikut:
[R1]. If (Tingkat Kualitas Pelayanan is Cukup Baik) And (Tingkat Harga Kamar is Sangat Mahal) Then (Tingkat Kepuasan Konsumen is Cukup Puas)
[R2]. If (Tingkat Kualitas Pelayanan is Cukup Baik) And (Tingkat Harga Kamar is Mahal) Then (Tingkat Kepuasan Konsumen is Cukup Puas)
[R3]. If (Tingkat Kualitas Pelayanan is Cukup Baik) And (Tingkat Harga Kamar is Murah) Then (Tingkat Kepuasan Konsumen is Cukup Puas)
[R4]. If (Tingkat Kualitas Pelayanan is Cukup Baik) And (Tingkat Harga Kamar is Murah) Then (Tingkat Kepuasan Konsumen is Puas)
[R5]. If (Tingkat Kualitas Pelayanan is Cukup Baik) And (Tingkat Harga Kamar is Sangat Murah) Then (Tingkat Kepuasan Konsumen is Cukup Puas)
[R6]. If (Tingkat Kualitas Pelayanan is Cukup Baik) And (Tingkat Harga Kamar is Sangat Murah) Then (Tingkat Kepuasan Konsumen is Puas)
[R7]. If (Tingkat Kualitas Pelayanan is Baik) And (Tingkat Harga Kamar is Sangat Mahal) Then (Tingkat Kepuasan Konsumen is Puas)
[R8]. If (Tingkat Kualitas Pelayanan is Baik) And (Tingkat Harga Kamar is Sangat Mahal) Then (Tingkat Kepuasan Konsumen is Cukup Puas)
[R9]. If (Tingkat Kualitas Pelayanan is Baik) And (Tingkat Harga Kamar is Mahal) Then (Tingkat Kepuasan Konsumen is Cukup Puas)
[R10]. If (Tingkat Kualitas Pelayanan is Baik) And (Tingkat Harga Kamar is Murah) Then (Tingkat Kepuasan Konsumen is Puas)
[R11].If (Tingkat Kualitas Pelayanan is Baik) And (Tingkat Harga Kamar is Sangat Murah) Then (Tingkat Kepuasan Konsumen is Puas)
3. Komposisi aturan
Pada tahap sebelumnya telah diperoleh sistem yang terdiri dari beberapa aturan. Oleh karena itu inferensi dapat diperoleh dari kumpulan dan korelasi antar aturan. Metode yang digunakan dalam melakukan inferensi sistem fuzzy adalah metode Max (Maximum). Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan kemudian menggunakannya untuk memodifikasi daerah fuzzy dan mengaplikasikannya ke output dengan menggunakan operator OR (union).
Pada penelitian ini penegasan dilakukan dengan bantuan software Matlab ToolBox Fuzzy 7.0.1 sehingga dari sistem yang telah diperoleh sudah dapat diperoleh nilai yang diinginkan, karena pada Matlab ToolBox Fuzzy sudah dilengkapi algoritma untuk melakukan proses atau tahapan tersebut (untuk lebih jelas lihat lampiran 5).
4. 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 dimpunan fuzzy tersebut. Analisis penegasan fuzzy ini diolah dengan menggunakan program simulasi yang disediakan fasilitasnya oleh Matlab TolBox Fuzzy 7.0.1. Metode yang digunakan adalah metode centroid, karena nilai penegasan dengan metode ini akan bergerak secara halus sehingga perubahan dari suatu himpunan fuzzy juga akan berjalan dengan halus.
Hasil penegasan dengan menggunakan metode centroid digambarkan seperti pada gambar 16:
Gambar 16. Penalaran Fuzzy Dengan Metode Centroid
Dari hasil penegasan tersebut terlihat bahwa untuk input tingkat kualitas pelayanan didapatkan bilangan real sebesar 5,5 yang merupakan keanggotaan dari domain himpunan fuzzy baik, yaitu [5 8] yang artinya variabel tingkat pelayanan sudah dapat dikatakan baik dan untuk input tingkat harga kamar juga didapatkan bilangan real sebesar 5,5 yang merupakan keanggotaan dari domain himpunan fuzzy murah, yaitu [5 8] yang artinya variabel tingkat harga kamar dapat dikatakan murah. Selanjutnya untuk output hanya ada satu yakni tingkat kepuasan konsumen yang didapatkan bilangan real sebesar 55 yang merupakan keanggotaan dari domain himpunan fuzzy puas, yaitu [50 80] yang artinya variabel tingkat kepuasan konsumen sudah dapat dikatakan puas.
BAB V
PENUTUP
5.1 Kesimpulan
Kesimpulan yang dapat diambil dari hasil penelitian yang telah dilakukan antara lain :
1. Tingkat kualitas pelayanan di RSUD Ulin Banjarmasin sudah dapat dikatakan baik.
2. Tingkat harga kamar di RSUD Ulin Banjarmasin sudah dapat dikatakan murah.
3. Tingkat kepuasan konsumen di RSUD Ulin Banjarmasin sudah dapat dikatakan puas.
5.2 Saran
Bagi pihak RSUD Ulin Banjarmasin, karena kedua variabel input yang berupa tingkat kualitas pelayanan dan tingkat harga kamar masing-masing memberikan pengaruh sebesar 55% terhadap tingkat kepuasan sebagai output, maka hendaknya kedua variabel input tersebut sama-sama ditingkatkan agar membuat konsumen merasa lebih puas.
Bagi peneliti berikutnya yang tertarik dalam aplikasi logika fuzzy, dapat meneliti masalah kepuasan konsumen di rumah sakit dengan responden para pengunjung/pembesuk dan juga dapat menggunakan variabel input lebih dari dua variabel.
DAFTAR PUSTAKA
Andista F.W, dkk. 2006. Penentuan Jumlah Produksi dengan Aplikasi Metode
Samar Mamdani (Studi Kasus di PT. Sici Multi Indomarmer Karanganyar).
Universitas Muhammadiyah Surakarta.
http://eprints.ums.ac.id/198/01/JTI-0402-des05-06.pdf
Diakses pada tanggal 20 Januari 2007
Carr, Christopher L. , Jiang, James J. & Klein, Gary. 2006. Measuring Information
System Service Quality: Servqual From Other Side.
http://bebas.vlsm.org/v06/Kuliah/Seminar-MIS/2006/148/148-09-servqual.pdf
Diakses pada tanggal 18 Januari 2008
Ihsanty, Nur & Nunu. 2007. Sistem Baru Pelayanan Gawat Darurat.
http://ww3.rsudulin.com/index.php?option=com_content&task=blogcategory&id=20&Itemid=56
Diakses pada tanggal 7 November 2007
Kusumadewi, S. 2002. Analisis & Desain Sistem Fuzzy Menggunakan ToolBox
Matlab. Graha Ilmu. Yogyakarta
Kusumadewi, S dkk. 2006. Fuzzy Multi-Attribute Decision Making (Fuzzy MAMD).
Graha Ilmu. Yogyakarta
Mahyudi, Didi. 2007. Aplikasi Metode Samar Mamdani Dalam Strategi Untuk
Memprediksi Jumlah Produksi (Studi Kasus di PT. Coca-Cola Bottling
Kalimantan. Universitas Lambung Mangkurat. Banjarbaru
Purwanto, Setiyo. 2007. Kepuasan Pasien Terhadap Pelayanan Rumah Sakit.
http://klinis.wordpress.com/2007/12/28/kepuasan-pasien-terhadap-pelayanan-rumah-sakit/
Diakses pada tanggal 18 Januari 2008
Rustiano, Tono. 2004. Kualitas Pelayanan Rumah Sakit di Indonesia.
http://www.pamjaki.org/new/download/download.php?file=practice_302a. pdf
Diakses pada tanggal 18 Januari 2008
Pratiwi, I dan Prayitno, E.2006. Analisa Kepuasan Konsumen Berdasarkan Tingkat
Pelayanan dan Harga KamarMenggunakan Aplikasi Fuzzy Dengan
Matlab 3.5
Universitas Muhammadiyah Surakarta.
http://eprints.ums.ac.id/195/01/JTI-0402-des05-03.pdf
Diakses pada tanggal 20 Juli 2007
Susilo, F SJ. 2006. Himpunan & Logika Kabur serta Aplikasinya. Graha Ilmu.
Yogyakarta
Lampiran 1 : Surat Permohonan Data
Lampiran 2 : Surat Referensi
Lampiran 3 : Kuesioner yang digunakan pada observasi
Angket Penelitian
Mohon kesediaannya untuk mengisi angket ini sehubungan dengan pembuatan tugas akhir/skripsi dalam menyelesaikan program sarjana strata-1 Matematika Fakultas MIPA UNLAM Banjarbaru.
Nama : Tri Agus Sartika Sari
NIM : J1A103028
Judul Penelitian : Aplikasi Logika Fuzzy Pada Analisis Kepuasan Konsumen Berdasarkan Tingkat Pelayanan Dan Harga Kamar (Studi Kasus di Rumah Sakit Umum Daerah (RSUD) Ulin Banjarmasin)
Petunjuk:
1. Mohon menjawab pertanyaan-pertanyaan di bawah ini sesuai dengan kondisi yang sebenarnya.
2. Isilah titik-titik yang telah disediakan atau beri tanda (√) pada pilihan jawaban yang sesuai.
Tgl pengisian : .................................
Data Responden :
Nama : ............................................
Alamat : ...........................................................................................
Pertanyaan :
1. Berapa hari sudah Anda dirawat di kamar ini?
Kurang dari 3 hari
Antara 3 – 5 hari
Antara 6 – 8 hari
Lebih dari 8 hari
2. Apakah sejak awal masuk RSUD Ulin Banjarmasin, Anda memang dirawat di kamar kelas ini?
Ya
Tidak
3. Jika ya (berkaitan dengan pertanyaan 2), apakah Anda ada keinginan untuk pindah ke kamar kelas yang lain?
Ya
Tidak
4. Jika tidak (berkaitan dengan pertanyaan 2), di mana Anda dirawat sebelumnya?
Kamar dengan tingkatan kelas lebih rendah
Kamar dengan tingkatan kelas lebih tinggi
Rumah Sakit lain
5. Mengapa Anda memilih kamar ini, apakah ada kaitannya dengan: *)
Pelayanan
Harga kamar
Lainnya (sebutkan : ........................................................................
..........................................................................)
*) Jawaban boleh lebih dari satu
6. Menurut Anda, bagaimana tingkat pelayanan di kamar ini?
Kurang baik
Cukup baik
Baik
Sangat baik
7. Menurut Anda, apakah ada perbedaan tingkat pelayanan di kelas ini dengan kelas lain?
Ya
Tidak
8. Menurut Anda, bagaimana harga kamar tempat Anda sekarang dirawat?
Sangat mahal
Mahal
Murah
Sangat murah
9. Apakah Anda memperoleh penggantian biaya dari instansi tempat Anda bekerja?
Ya
Tidak
10. Sejauh ini, apakah Anda puas dengan harga kamar dan tingkat pelayanan yang diberikan?
Kurang puas
Cukup puas
Puas
Sangat puas
Lampiran 4 : Aturan-aturan yang diperoleh dari responden di RSUD Ulin Banjarmasin
[R1]. If (Tingkat Kualitas Pelayanan is Cukup Baik) And (Tingkat Harga Kamar is Sangat Mahal) Then (Tingkat Kepuasan Konsumen is Cukup Puas)
[R2]. If (Tingkat Kualitas Pelayanan is Cukup Baik) And (Tingkat Harga Kamar is Mahal) Then (Tingkat Kepuasan Konsumen is Cukup Puas)
[R3]. If (Tingkat Kualitas Pelayanan is Cukup Baik) And (Tingkat Harga Kamar is Mahal) Then (Tingkat Kepuasan Konsumen is Puas)
[R4]. If (Tingkat Kualitas Pelayanan is Cukup Baik) And (Tingkat Harga Kamar is Murah) Then (Tingkat Kepuasan Konsumen is Cukup Puas)
[R5]. If (Tingkat Kualitas Pelayanan is Cukup Baik) And (Tingkat Harga Kamar is Murah) Then (Tingkat Kepuasan Konsumen is Puas)
[R6]. If (Tingkat Kualitas Pelayanan is Cukup Baik) And (Tingkat Harga Kamar is Sangat Murah) Then (Tingkat Kepuasan Konsumen is Kurang Puas)
[R7]. If (Tingkat Kualitas Pelayanan is Cukup Baik) And (Tingkat Harga Kamar is Sangat Murah) Then (Tingkat Kepuasan Konsumen is Cukup Puas)
[R8]. If (Tingkat Kualitas Pelayanan is Cukup Baik) And (Tingkat Harga Kamar is Sangat Murah) Then (Tingkat Kepuasan Konsumen is Puas)
[R9]. If (Tingkat Kualitas Pelayanan is Baik) And (Tingkat Harga Kamar is Sangat Mahal) Then (Tingkat Kepuasan Konsumen is Puas)
[R10]. If (Tingkat Kualitas Pelayanan is Baik) And (Tingkat Harga Kamar is Sangat Mahal) Then (Tingkat Kepuasan Konsumen is Cukup Puas)
[R11]. If (Tingkat Kualitas Pelayanan is Baik) And (Tingkat Harga Kamar is Mahal) Then (Tingkat Kepuasan Konsumen is Cukup Puas)
[R12]. If (Tingkat Kualitas Pelayanan is Baik) And (Tingkat Harga Kamar is Murah) Then (Tingkat Kepuasan Konsumen is Puas)
[R13].If (Tingkat Kualitas Pelayanan is Baik) And (Tingkat Harga Kamar is Sangat Murah) Then (Tingkat Kepuasan Konsumen is Puas)
[R14].If (Tingkat Kualitas Pelayanan is Baik) And (Tingkat Harga Kamar is Sangat Murah) Then (Tingkat Kepuasan Konsumen is Kurang Puas)
[R15].If (Tingkat Kualitas Pelayanan is Sangat Baik) And (Tingkat Harga Kamar is Murah) Then (Tingkat Kepuasan Konsumen is Sangat Puas)
Lampiran 5 : Pengolahan Data Menggunakan ToolBox Matlab Fuzzy
Langkah-langkah penegasan dengan menggunakan software Matlab 7.0.1 ToolBox Fuzzy adalah sebagai berikut:
1. Menjalankan software Matlab 7.0.1
Maka muncul tampilan seperti gambar 17:
Gambar 17. Tampilan Matlab
2. Menuliskan pada command line :
>> fuzzy
Maka tampil Fis Editor seperti gambar 18 :
Gambar 18. FIS Editor
3. Memasukkan variabel input dan output
Pada gambar 2 terdapat satu input, yaitu input1 dan satu output yaitu output1. Variabel input dan output diedit dengan cara:
1) Pada penelitian ini input data ada dua, jadi perlu penambahan variabel input. Penambahan input dilakukan dengan cara memilih edit pada menu-bar, kemudian memilih Add Variabel – input.
Maka tampilan Fis Editor menjadi seperti gambar 19:
Gambar 19. FIS Editor dengan 2 variabel input
2) Menekan satu kali kotak berwarna kuning disisi kiri yang berlabel input1 (a) sehingga bingkainya berwarna merah, kemudian mengubah kata input1 pada kolom edit yang berwarna putih di sisi kanan (i) dengan kata tkt kualitas pelayanan dan menekan enter.
3) Menekan satu kali kotak berwarna kuning di sisi kiri yang berlabel input2 (b) sehingga bingkainya berwarna merah kemudian mengubah kata input2 pada kolom edit yang berwarna putih di sisi kanan (i) dengan kata tkt harga kamar dan menekan enter.
4) Memasukkan variabel output dengan cara menekan satu kali kotak berwarna biru disisi kanan yang berlabel output1 (c) sehingga bingkainya berwarna merah, kemudian mengubah kata output1 pada (i) dengan kata tkt kepuasan konsumen dan menekan enter.
4. Mengubah Operator Fuzzy
Operator-operator yang digunakan untuk And Method dan Or Method dapat dipilih pada combobox (d) dan (e). Pada penelitian ini analisis masalah dilakukan dengan metode Mamdani, sehingga memilih min untuk And Method dan memilih max untuk Or Method.
5. Mengubah fungsi implikasi, yaitu dengan memilih min pada combobox (f).
6. Mengubah metode komposisi semua aturan, yaitu dengan cara memilih max pada combobox (g).
7. Mengubah metode defuzzification (penegasan), yaitu dengan cara memilih centroid pada combobox (h).
8. Menyimpan file dengan memilih pada menu-bar file – Export – to disk… Kemudian memberi nama skripsi-tika.fis misalnya.
Sampai langkah ke-8 diperoleh hasil seperti gambar 20 :
Gambar 20. FIS Editor skripsi-tika
9. Membuat himpunan fuzzy dan fungsi keanggotaannya, yaitu dengan cara double klik (a) pada gambar 20, maka akan muncul Membership Function Editor seperti pada gambar 21 :
Gambar 21. Membership Function Editor
Membuat fungsi keanggotaan untuk variabel tingkat kualitas pelayanan :
1) Mengklik variabel tingkat kualitas pelayanan (b) sehingga bingkainya berwarna merah
2) Mengisi (e) dengan [1 10]
3) Pada penelitian ini, untuk variabel tingkat kualitas pelayanan dibentuk 4 himpunan fuzzy jadi perlu penambahan 1 Membership Function. Penambahan Membership function dilakukan dengan cara mengklik menu-bar Edit – Add Mfs… , maka muncul gambar 22 :
Gambar 22. Membership Function
Mengisi combobox Number of MFs dengan 1 kemudian menekan OK, maka akan muncul gambar 23:
Gambar 23. Fungsi Keanggotaan yang akan dibuat untuk variabel tingkat kualitas pelayanan
4) Mengklik mf1 (f) sehingga garisnya berwarna merah, kemudian mengganti pada (j) dengan nama Kurang Baik, memilih fungsi keanggotaan zmf pada (k) dan mengubah params pada (l) dengan [1 4].
5) Mengklik mf2 (g) sehingga garisnya berwarna merah, kemudian mengganti pada (j) dengan nama Cukup Baik, memilih fungsi keanggotaan pimf pada (k) dan mengubah params pada (l) dengan [3 4.5 4.5 6].
6) Mengklik mf4 (h) sehingga garisnya berwarna merah, kemudian mengganti pada (j) dengan nama Baik, memilih fungsi keanggotaan pimf pada (k) dan mengubah params pada (l) dengan [5 6.5 6.5 8].
7) Mengklik mf3 (i) sehingga garisnya berwarna merah, kemudian mengganti pada (j) dengan nama Sangat Baik, memilih fungsi keanggotaan smf pada (k) dan mengubah params pada (l) dengan [7 10].
Sampai langkah 7 akan terlihat seperti pada gambar 24 :
Gambar 24. Fungsi keanggotaan variabel tingkat kualitas pelayanan
Membuat fungsi keanggotaan untuk variabel tingkat harga kamar :
1) Mengklik variabel tingkat harga kamar (c) pada gambar 21, sehingga bingkainya berwarna merah.
2) Mengisi (e) dengan [1 10].
3) Pada penelitian ini, untuk variabel tingkat harga kamar dibentuk 4 himpunan fuzzy jadi perlu penambahan 1 Membership Function. Penambahan Membership function dilakukan dengan cara mengklik menu-bar Edit – Add Mfs… , maka muncul gambar 25 :
Gambar 25. Membership Function
Mengisi combobox Number of MFs dengan 1 kemudian menekan OK, maka akan muncul gambar 26:
Gambar 26. Fungsi Keanggotaan yang akan dibuat untuk variabel tingkat harga kamar
4) Mengklik mf1 (m) sehingga garisnya berwarna merah, kemudian mengganti pada (q) dengan nama Sangat Mahal, memilih fungsi keanggotaan zmf pada (r) dan mengubah params pada (s) dengan [1 4].
5) Mengklik mf2 (n) sehingga garisnya berwarna merah, kemudian mengganti pada (q) dengan nama Mahal, memilih fungsi keanggotaan pimf pada (r) dan mengubah params pada (s) dengan [3 4.5 4.5 6].
6) Mengklik mf4 (o) sehingga garisnya berwarna merah, kemudian mengganti pada (q) dengan nama Murah, memilih fungsi keanggotaan pimf pada (r) dan mengubah params pada (s) dengan [5 6.5 6.5 8].
7) Mengklik mf3 (p) sehingga garisnya berwarna merah, kemudian mengganti pada (q) dengan nama Sangat Murah, memilih fungsi keanggotaan smf pada (r) dan mengubah params pada (s) dengan [7 10].
Sampai langkah 7 akan terlihat seperti pada gambar 27 :
Gambar 27. Fungsi keanggotaan variabel tingkat harga kamar
Membuat fungsi keanggotaan untuk variabel Tingkat Kepuasan Konsumen:
1) Mengklik variabel tingkat kepuasan konsumen (d) pada gambar 21, sehingga bingkainya berwarna merah.
2) Mengisi (e) dengan [10 100].
3) Pada penelitian ini, untuk variabel tingkat kepuasan konsumen dibentuk 4 himpunan fuzzy jadi perlu penambahan 1 Membership Function. Penambahan Membership function dilakukan dengan cara mengklik menu-bar Edit – Add Mfs… , maka muncul gambar 28 :
Gambar 28. Membership Function
Mengisi combobox Number of MFs dengan 1 kemudian menekan OK, maka akan muncul gambar 29:
Gambar 29. Fungsi Keanggotaan yang akan dibuat untuk variabel tingkat kepuasan konsumen
4) Mengklik mf1 (t) sehingga garisnya berwarna merah, kemudian mengganti pada (x) dengan nama Kurang Puas, memilih fungsi keanggotaan zmf pada (y) dan mengubah params pada (z) dengan [10 40].
5) Mengklik mf2 (u) sehingga garisnya berwarna merah, kemudian mengganti pada (x) dengan nama Cukup Puas, memilih fungsi keanggotaan pimf pada (y) dan mengubah params pada (z) dengan [30 45 45 60].
6) Mengklik mf4 (v) sehingga garisnya berwarna merah, kemudian mengganti pada (x) dengan nama Puas, memilih fungsi keanggotaan pimf pada (y) dan mengubah params pada (z) dengan [50 65 65 80].
7) Mengklik mf3 (w) sehingga garisnya berwarna merah, kemudian mengganti pada (x) dengan nama Sangat Puas, memilih fungsi keanggotaan smf pada (y) dan mengubah params pada (z) dengan [70 100].
Sampai langkah 7 akan terlihat seperti pada gambar 30 :
Gambar 30. Fungsi keanggotaan variabel tingkat kepuasan konsumen
10. Membuat aturan logika fuzzy, yaitu dengan cara memilih pada menu-bar edit – Rules... pada Membership Function Editor sehingga muncul rule editor seperti gambar 31:
Gambar 31. Rule Editor
1) Membuat aturan ke-1 : memilih (dengan cara meng-klik satu kali) Cukup Baik pada listbox tkt kualitas pelayanan (a), Sangat Mahal pada listbox tkt harga kamar (b) dan Cukup Puas pada listbox tkt kepuasan konsumen, kemudian menekan Add rule (d).
2) Membuat aturan ke-2 : memilih (dengan cara meng-klik satu kali) Cukup Baik pada listbox tkt kualitas pelayanan (a), Mahal pada listbox tkt harga kamar (b) dan Cukup Puas pada listbox tkt kepuasan konsumen, kemudian menekan Add rule (d).
3) Membuat aturan ke-3 : memilih (dengan cara meng-klik satu kali) Cukup Baik pada listbox tkt kualitas pelayanan (a), Murah pada listbox tkt harga kamar (b) dan Cukup Puas pada listbox tkt kepuasan konsumen, kemudian menekan Add rule (d)
dan seterusnya sampai aturan ke-11 sesuai dengan aturan yang dipakai pada halaman 47. Hasilnya seperti terlihat pada gambar 32:
Gambar 32. Rule Editor skripsi-tika
11. Melihat hasil penegasan, yaitu dengan cara memilih menu-bar view – View rules... , maka muncul Rule Viewer seperti gambar 33 :
Gambar 33. Rule Viewer : skripsi-tika
DAFTAR RIWAYAT HIDUP
Nama : Tri Agus Sartika Sari
Tempat, Tanggal Lahir : Banjarmasin, 24 Agustus 1985
Jenis Kelamin : Perempuan
Agama/Kebangsaan : Islam/Indonesia
Alamat : Jl. Bel-Da Gg. Simp. Pilot RT 12 No 64 Banjarmasin
Pendidikan :
1. SDN Belitung Selatan 5 Banjarmasin
2. SLTP Negeri 5 Banjarmasin
3. SMUN 6 Banjarmasin
4. S-1 Matematika fakultas Matematika dan Ilmu Pengetahuan Alam (MIPA)
Universitas Lambung Mangkurat Banjarbaru.
Pengalaman Organisasi :
1. Anggota Himpunan Mahasiswa Matematika (Himatika) ”Real”
periode 2003/2004.
2. Anggota Himpunan Mahasiswa Matematika (Himatika) ”Real”
periode 2004/2005.
3. Anggota Himpunan Mahasiswa Matematika (Himatika) ”Real”
periode 2005/2006.
4. Anggota Unit Kegiatan Mahasiswa (UKM) Teknologi Tepat Guna
(TTG) periode 2004/2005
5. Sekretaris Unit Kegiatan Mahasiswa (UKM) Teknologi Tepat Guna
(TTG) periode 2005/2006.
6. Anggota Himpunan Mahasiswa Matematika (Himatika) ”Real”
periode 2006/2007.
