Pendahuluan
PT. Rajonet
Indonesia merupakan salah satu
pencetus konsultan teknologi informasi (TI) yang memiliki website yaitu
www.rajonet.com. Sarana PT. Rajonet Indonesia adalah sarana yang menyelenggarakan pelayanan berbasis teknologi informasi untuk perorangan, instansi dan unit lainnya. Pelayanan yang diselenggarakan berupa teknologi informasi dasar atau spesialistik
yang ditangani oleh lebih dari satu orang tenaga analis dan dipimpin oleh seorang project
leader (analis, senior programmer dan manajemen resiko) (Yushila & Effendi, 2017).
PT. Rajonet
Indonesia sampai saat penelitian ini dilakukan sudah memiliki 30 pelanggan setia yang terdiri dari 15 orang dari divisi
Kementerian Kesehatan Republik Indonesia, 10 orang dari divisi OASE Kabinet
Indonesia Maju Republik
Indonesia, 10 orang dari divisi Omex Consulting dan 5
orang dari divisi Skularsi
Indonesia. Hasil penelitian awal
yang dilakukan oleh (Noviandri, 2017)
menggunakan metode tunggal service quality menunjukkan
bahwa tingkat kepuasan pelanggan terhadap kualitas dari hampir rata-rata website
penyedia jasa layanan aplikasi sejenis PT. Rajonet Indonesia saat ini masih
kurang karena berdasarkan nilai gap menunjukkan rata-rata nilai gap
seluruh dimensi negatif yaitu -3,361. Hal ini menunjukkan bahwa distribusi informasi dan minat pelanggan menggunakan penyedia layanan website
PT. Rajonet Indonesia masih
belum optimal (Sutinah & Simamora, 2018).
Dalam mengukur kualitas website PT. Rajonet
Indonesia tersebut ternyata
masih diperlukan sebuah metode pengukuran
yang lebih akurat lagi diantaranya fuzzy service
quality. Fuzzy service quality merupakan gabungan dari metode
tunggal service quality yang memiliki himpunan fuzzy
yang memberikan sarana untuk mempresentasikan ketidakpastian dalam bentuk dimensi-dimensi tertentu dan merupakan alat untuk pemodelan
ketidakpastian yang berhubungan
dengan kesamaran, gap
dan kekurangan informasi mengenai elemen-elemen tertentu dari masalah
yang dihadapi (Frieyadie & Alramuri, 2017).
Pada prinsipnya himpunan fuzzy
adalah perluasan dari himpunan crisp, yaitu himpunan yang membagi sekelompok individu ke dalam
dua kategori, anggota dan bukan anggota dalam hal
ini adalah membagi setiap variabel pernyataan kedalam 5 dimensi yaitu bukti fisik
(tangibles), kehandalan (realibility),
daya tanggap (responsiveness),
jaminan (assurance)� dan kesungguhan
(emphaty).
Metode Penelitian
1. Sampel
Sampel
adalah bagian dari populasi yang diambil melalui cara-cara tertentu yang juga
memiliki karakteristik tertentu. Jelas dan lengkap yang
dianggap dapat mewakili populasi. Untuk menentukan ukuran sampel
penelitian dari populasi tersebut dapat menggunakan rumus Slovin sebagai
berikut:
Keterangan:
n = ukuran sampel
N = ukuran populasi
e� = persen kelonggaran ketidaktelitian karena kesalahan pengambilan sampel yang masih dapat ditolerir atau diinginkan yakni 15%
Dengan menggunakan rumus diatas, maka
perhitungan sampel adalah:
�=17.92 
�18
Mengingat jumlah sampel minimum dalam penelitian adalah sebanyak 30 orang maka penulis memutuskan
untuk menggunakan sampel dari populasi
sebanyak seluruhnya yaitu 30 orang pengguna jasa layanan PT. Rajonet Indonesia (Saelan, 2009).
Tabel 1
Sampel Pengguna
|
No |
Bagian Pengguna |
Populasi |
Perhitungan |
Sampel |
|
1 |
Divisi Humas Kementerian Kesehatan Republik Indonesia |
15 orang |
|
10 |
|
2 |
Divisi Teknologi
Informasi OASE Kabinet
Kerja Republik Indonesia |
10 orang |
|
7 |
|
3 |
Divisi Konsultan Omex Consulting |
10 orang |
|
10 |
|
4 |
Divisi Manajemen Skularsi Indonesia |
5 orang |
|
3 |
|
Total |
|
|
������� 30 |
|
Adapun setiap divisi-divisi pengguna
yang dipilih adalah berdasarkan para pengguna yang terampil serta bertugas menggunakan dan mengaplikasikan aplikasi dari layanan jasa
PT. Rajonet Indonesia (Rohayani, 2013).
2. Kerangka Pemikiran Masalah
Kerangka
pemikiran masalah diperlukan untuk memberikan gambaran sistematika yang
digunakan untuk menyelesaikan permasalahan penelitian. Adapun kerangka
pemikiran masalah dalam penelitian ini ditunjukkan pada gambar berikut:
Gambar 1
Kerangka Pemikiran Masalah
A. Uji Validitas dan Realibilitas Data
1.
Uji
Validitas Data
Uji validitas data dilakukan untuk mengetahui keakuratan data kuesioner. Uji validitas dilakukan pada setiap atribut kuisioner (Anwar, 2017). Uji Validitas dilakukan dengan menggunakan program SPSS versi
26.00 dengan kriteria sebagai berikut:
a.
Jika rhitung > rtabel maka butir pernyataan dikatakan valid.
b.
Jika rhitung <rtabel
maka butir pertanyaan dikatakan tidak valid.
Untuk menghitung rtabel terlebih dahulu dicari ttabel
dengan menggunakan atau berdasarkan Titik Presentasi Distribusi df = 25, maka
nilai ttabel =
2.05954.
Keterangan :
Jumlah variabel������������� : k
Jumlah responden��������� : n
Taraf signifikasi (2 sisi) : 5%
Derajat bebas���������������� : df = n-k
Perhitungan :
Jumlah variabel������������� : 5
Jumlah responden��������� : 30
Taraf signifikansi���������� : 5% / 2 =� 0.025
Derajat bebas���������������� : df = 30 � 5 = 25
Berdasarkan rtabel diatas jika ttabel > rtabel maka untuk tingkat harapan
dan tingkat persepsi adalah valid.
2.
Uji
Realibilitas Data
Uji realibilitas data dilakukan untuk menunjukkan bahwa alat ukuran
yang digunakan dalam penelitian� mempunyai keandalan sebagai alat ukur, diantaranya
diukur melalui konsistensi hasil pengukuran dari waktu ke waktu
jika fenomena yang diukur tidak berubah.
Uji realibilitas dilakukan dengan menggunakan program SPSS versi 26.00 dengan kriteria sebagai berikut:
a. Jika Cronbach�s
Alpha 0.6 > maka butir
pernyataan dikatakan realibel.
b. Jika Cronbach�s
Alpha < 0.6 maka butir
pernyataan diaktakan tidak realibel.
Tabel 2
Hasil Uji Realibilitas
|
Case
Processing Summary |
|||
|
|
|
N |
% |
|
Cases |
Valid |
30 |
100.0 |
|
|
Excludeda |
0 |
.0 |
|
|
Total |
30 |
100.0 |
a.
Listwise deletion based on all variables in the
procedure.
|
Reliability Statistics |
|
|
Cronbach's
Alpha |
N
of Items |
|
1.670 |
19 |
Berdasarkan hasil dari
uji realibilitas pada persepsi
pasien yang dilakukan dengan menggunakan program SPSS versi 26.00, dapat dilihat bahwa Cronbach�s Alpha
= .1,67 Maka Cronbach�s Alpha ≥ 0.6 sehingga butir pertanyaan pada tingkat harapan dan persepsi pengguna jasa PT. Rajonet Indonesia dikatakan realibel atau handal
(Harto, 2015).
3.
Analisis
Fuzzy Set
Analisis Fuzzy Set Pada Variabel-Variabel
Yaitu:
1. Analisis untuk variabel
harapan
Untuk merepresentasikan variabel harapan digunakan representasi dengan diagram membership function berbentuk tabel (Vary, 2017).
Tabel 3
Membership Function Untuk Variabel Harapan
|
Skala Likert |
Semesta Pembicaraan |
Nama Himpunan Fuzzy |
Domain |
Range |
Satuan |
|
1 |
0-30 |
Tidak Puas |
0-6 |
0 6 12 |
orang |
|
2 |
0-30 |
Kurang Puas |
7-12 |
6 12 18 |
orang |
|
3 |
0-30 |
Cukup Puas |
13-18 |
12 18 24 |
orang |
|
4 |
0-30 |
Puas |
19-24 |
18 24 30 |
orang |
|
5 |
0-30 |
Sangat Puas |
25-30 |
24 30 30 |
orang |
Diagram membership
function untuk variabel
harapan dapat dilihat pada gambar dibawah ini:
Gambar 2
Fungsi Keanggotaan Variabel Linguistik Harapan
4. Analisis Sistem Untuk Variabel Persepsi
Untuk mempresentasikan variabel persepsi digunakan tabel himpunan fuzzy variabel persepsi sebagai berikut:
Tabel 4
Membership Function Untuk
Variabel Persepsi
|
Skala Likert |
Semesta Pembicaraan |
Nama Himpunan Fuzzy |
Domain |
Range |
Satuan |
|
1 |
0-30 |
Tidak Setuju |
0-6 |
0 6 12 |
orang |
|
2 |
0-30 |
Kurang Setuju |
7-12 |
6 12 18 |
orang |
|
3 |
0-30 |
Cukup Setuju |
13-18 |
12 18 24 |
orang |
|
4 |
0-30 |
Setuju |
19-24 |
18 24 30 |
orang |
|
5 |
0-30 |
Sangat Setuju |
25-30 |
24 30 30 |
orang |
Diagram membership function untuk variabel persepsi dapat dilihat pada gambar dibawah ini:
Gambar 3
Fungsi Keanggotaan
Variabel Linguistik Persepsi
5. Fuzzyfikasi
Fuzzyfikasi yaitu
penentuan Triangular Fuzzy Number (TFN), Triangular
Fuzzy Number (TFN) merupakan range nilai dari bobot
jawaban responden (Yubel, 2017). TFN terdiri dari tiga
nilai batas yaitu nilai batas
bawah (α), nilai tengah (α) dan nilai batas atas (α).
Nilai Batas Bawah Atribut:
Nilai Batas Tengah Atribut:
Nilai Batas Atas Atribut:
Keterangan:
bi �������= rata-rata nilai
fuzzy set per tingkat persepsi
n������� = jumlah responden per tingkat persepsi
Berikut adalah bentuk perhitungan fuzzyfikasi untuk tingkat harapan pernyataan 1� secara
manual yaitu:
Batas bawah (c)
= 
= 21.6
Batas tengah (a)
= 
= 26.7
Batas atas (b)
= 
= 26.7
Berikut adalah bentuk perhitungan fuzzyfikasi untuk tingkat harapan variabel pernyataan 1 secara manual yaitu:
Batas bawah (c)
= 
= 21.6
Batas tengah (a)
=
= 26.7
Batas atas (b)
= 
= 31.8
Perhitungan tersebut
dilakukan untuk mencari nilai Triangular Fuzzy
Number (TFN) harapan dan persepsi pada pernyataan ke 1 hingga ke
19 (Marti, 2017). Untuk
perhitungan selanjutnya dapat dilakukan dengan cara yang sama. Berikut ini
adalah hasil dari fuzzyfikasi persepsi dengan menggunakan software Microsoft Excel yaitu:
Tabel 5
Hasil Rekap Rata-Rata Fuzzifikasi
Harapan
|
Nomor Pernyataan |
Triangular Fuzzy Number (TFN) |
||
|
c |
A |
b |
|
|
1 |
21,6 |
26,7 |
31,8 |
|
2 |
21 |
26,2 |
31,4 |
|
3 |
20,6 |
26 |
31,3 |
|
4 |
20,4 |
25,8 |
31,1 |
|
5 |
20,4 |
25,8 |
31,1 |
|
6 |
20,4 |
25,8 |
31,1 |
|
7 |
20,8 |
26,1 |
31,4 |
|
8 |
20,6 |
26 |
31,3 |
|
9 |
20,4 |
25,8 |
31,2 |
|
10 |
20 |
25,5 |
31 |
|
11 |
20,4 |
25,8 |
31,2 |
|
12 |
20,2 |
25,6 |
31 |
|
13 |
20 |
25,5 |
31 |
|
14 |
20,8 |
26,1 |
31,4 |
|
15 |
19,8 |
25,3 |
30,8 |
|
16 |
19,8 |
25,3 |
30,8 |
|
17 |
20,8 |
26,1 |
31,4 |
|
18 |
21,2 |
26,4 |
31,6 |
|
19 |
19,8 |
25,3 |
32,5 |
Tabel 5
Hasil Rekap Rata-Rata Fuzzifikasi Persepsi
|
No Pernyataan |
Triangular Fuzzy Number (TFN) |
||
|
c |
a |
b |
|
|
1 |
21,6 |
26,7 |
31,8 |
|
2 |
21 |
26,2 |
31,4 |
|
3 |
20,6 |
26 |
31,3 |
|
4 |
20,4 |
25,8 |
31,1 |
|
5 |
20,6 |
26 |
31,3 |
|
6 |
20,6 |
26 |
31,3 |
|
7 |
20,8 |
26,1 |
31,4 |
|
8 |
20,6 |
26 |
31,3 |
|
9 |
20,4 |
25,8 |
31,2 |
|
10 |
20 |
25,5 |
31 |
|
11 |
20,4 |
25,8 |
31,2 |
|
12 |
20,6 |
26 |
31,3 |
|
13 |
20 |
25,5 |
31 |
|
14 |
20,8 |
26,1 |
31,4 |
|
15 |
19,8 |
25,3 |
30,8 |
|
16 |
19,8 |
25,3 |
30,8 |
|
17 |
20,8 |
26,1 |
31,4 |
|
18 |
21,2 |
26,4 |
31,6 |
|
19 |
20,2 |
25,7 |
31,1 |
6.
Deffuzifikasi
Tahap selanjutnya adalah menghitung nilai defuzzifikasi dari harapan dan persepsi (Sugiyono, 2017). Defuzzifikasi ini dilakukan untuk
mendapatkan nilai tunggal yang representatif. Berikut adalah contoh perhitungan defuzzifikasi untuk tingkat harapan pada variabel pernyataan 1 hingga 19 dengan menggunakan rumus Arithmatic Mean yaitu:
�A 
�B = (�A[x] + �B[y]) / 2
�A �B = 
Berikut Adalah Tabel Defuzzifikasi Harapan:
Tabel 6
Hasil
Rekap Rata-Rata Defuzzifikasi
Harapan
|
Nomor Pernyataan |
Triangular Fuzzy Number (TFN) |
Defuzzyfikasi |
Rank |
||
|
c |
a |
b |
|||
|
1 |
21,6 |
26,7 |
31,8 |
29,3 |
1 |
|
2 |
21 |
26,2 |
31,4 |
28,8 |
4 |
|
3 |
20,6 |
26 |
31,3 |
28,7 |
8 |
|
4 |
20,4 |
25,8 |
31,1 |
28,5 |
10 |
|
5 |
20,4 |
25,8 |
31,1 |
28,5 |
11 |
|
6 |
20,4 |
25,8 |
31,1 |
28,5 |
12 |
|
7 |
20,8 |
26,1 |
31,4 |
28,8 |
5 |
|
8 |
20,6 |
26 |
31,3 |
28,7 |
9 |
|
9 |
20,4 |
25,8 |
31,2 |
28,5 |
13 |
|
10 |
20 |
25,5 |
31 |
28,3 |
15 |
|
11 |
20,4 |
25,8 |
31,2 |
28,5 |
14 |
|
12 |
20,2 |
25,6 |
31 |
28,3 |
16 |
|
13 |
20 |
25,5 |
31 |
28,3 |
17 |
|
14 |
20,8 |
26,1 |
31,4 |
28,8 |
6 |
|
15 |
19,8 |
25,3 |
30,8 |
28,1 |
18 |
|
16 |
19,8 |
25,3 |
30,8 |
28,1 |
19 |
|
17 |
20,8 |
26,1 |
31,4 |
28,8 |
7 |
|
18 |
21,2 |
26,4 |
31,6 |
29 |
2 |
|
19 |
19,8 |
25,3 |
32,5 |
28,9 |
3 |
Berikut adalah contoh perhitungan defuzzifikasi untuk tingkat persepsi pada variabel pernyataan 1 hingga 19 dengan menggunakan rumus Arithmatic Mean yaitu:
�A 
�B = (�A[x] + �B[y]) / 2
�A �B = 
Berikut Adalah Tabel Defuzzifikasi Persepsi:
Tabel 6
Hasil Rekap Rata-Rata
Defuzzifikasi Persepsi
|
Nomor Pernyataan |
Triangular Fuzzy Number (TFN) |
Defuzzyfikasi |
Rank |
||
|
c |
a |
B |
|||
|
1 |
21,6 |
26,7 |
31,8 |
29,3 |
1 |
|
2 |
21 |
26,2 |
31,4 |
28,8 |
3 |
|
3 |
20,6 |
26 |
31,3 |
28,7 |
7 |
|
4 |
20,4 |
25,8 |
31,1 |
28,5 |
12 |
|
5 |
20,6 |
26 |
31,3 |
28,7 |
8 |
|
6 |
20,6 |
26 |
31,3 |
28,7 |
9 |
|
7 |
20,8 |
26,1 |
31,4 |
28,8 |
4 |
|
8 |
20,6 |
26 |
31,3 |
28,7 |
10 |
|
9 |
20,4 |
25,8 |
31,2 |
28,5 |
13 |
|
10 |
20 |
25,5 |
31 |
28,3 |
16 |
|
11 |
20,4 |
25,8 |
31,2 |
28,5 |
14 |
|
12 |
20,6 |
26 |
31,3 |
28,7 |
11 |
|
13 |
20 |
25,5 |
31 |
28,3 |
17 |
|
14 |
20,8 |
26,1 |
31,4 |
28,8 |
5 |
|
15 |
19,8 |
25,3 |
30,8 |
28,1 |
18 |
|
16 |
19,8 |
25,3 |
30,8 |
28,1 |
19 |
|
17 |
20,8 |
26,1 |
31,4 |
28,8 |
6 |
|
18 |
21,2 |
26,4 |
31,6 |
29 |
2 |
|
19 |
20,2 |
25,7 |
31,1 |
28,4 |
15 |
7.
Gap
Fuzzy Service Quality
a)
Perhitungan
Nilai Gap Fuzzy Service Quality Per Atribut
Nilai gap service
quality per atribut merupakan
selisih dari persepsi dan harapan pengguna jasa PT. Rajonet Indonesia (Davin, 2016). Hal ini bertujuan untuk mengukur sejauh mana PT. Rajonet Indonesia telah memberikan pelayanan sesuai dengan keinginan
pelanggan. Gap per atribut
berperan memberikan evaluasi, terhadap seberapa jauh atribut
tersebut memberikan kepuasan dalam menyajikan pelayanan.
Gap untuk pertanyaan
ke-1 sampai pertanyaan
ke-19, dihitung menggunakan
microsoft excel. Diperoleh
hasil seperti tabel berikut:
Tabel 7
Hasil Rekap Rata-Rata
Defuzzifikasi Harapan Dan Persepsi
|
Variabel |
Dimensi |
Kode Pernyataan |
Defuzzyfikasi Harapan |
Defuzzifikasi Persepsi |
GAP |
Rank |
|
X1 |
���
Tangibles |
1 |
29.3 |
29.3 |
0 |
4 |
|
2 |
28,8 |
28,8 |
0 |
5 |
||
|
3 |
28,7 |
28,7 |
0 |
6 |
||
|
4 |
28,5 |
28,5 |
0 |
7 |
||
|
5 |
28,5 |
28,7 |
0,2 |
2 |
||
|
6 |
28,5 |
28,7 |
0,2 |
3 |
||
|
7 |
28,8 |
28,8 |
0 |
8 |
||
|
X2 |
Realibility |
8 |
28,7 |
28,7 |
0 |
9 |
|
9 |
28,5 |
28,5 |
0 |
10 |
||
|
10 |
28,3 |
28,3 |
0 |
11 |
||
|
X3 |
Responsiveness |
11 |
28,5 |
28,5 |
0 |
12 |
|
12 |
28,3 |
28,7 |
0,4 |
1 |
||
|
13 |
28,3 |
28,3 |
0 |
13 |
||
|
14 |
28,8 |
28,8 |
0 |
14 |
||
|
15 |
28,1 |
28,1 |
0 |
15 |
||
|
X4 |
Assurance |
16 |
28,1 |
28,1 |
0 |
16 |
|
17 |
28,8 |
28,8 |
0 |
17 |
||
|
X5 |
Emphaty |
18 |
29 |
29 |
0 |
18 |
|
19 |
28,9 |
28,4 |
-0,5 |
19 |
Keterangan:
Gap = Persepsi � Harapan:
� Variabel X1 Nomor 1 = 28.8 � 28.8= 0.1
Variabel X5 Nomor 19 = 28.4 � 28.9
= -0.5
Kemudian Pada tabel diatas dapat dilihat
bahwa hasil gap nomor 1 hingga 18 baik harapan dan persepsi memiliki nilai positif, hanya ada 1 variabel
pernyataan yang memiliki nilai negatif yaitu pernyataan ke 19 tentang pelayanan
kepada semua peanggan atau pengguna
jasa tanpa memandang status sosial dan sejenisnya dengan nilai gap -0.5 (Sadewa, 2017). Dari hal tersebut dapat disimpulkan bahwa pelanggan PT. Rajonet Indonesia sudah merasa puas
dengan 19 variabel pernyataan tersebut dan hanya satu variabel
saja yang belum mencapai tingkat kepuasan maksimal terhadap PT. Rajonet Indonesia karena gap bernilai negatif.
8.
Perhitungan
Nilai Gap Service Quality Per Dimensi
Nilai gap service
quality per dimensi adalah
selisih persepsi dan harapan pengguna jasa layanan PT. Rajonet Indonesia yang menunjukkan
sejauh mana PT. Rajonet
Indonesia telah memberikan kepuasan pelayanan sesuai dengan keinginan
pengguna berdasarkan kelima dimensi kualitas layanan (Zeithaml, 2015). Hasil perhitungan berdasarkan tabel 7 diatas terdapat pada tabel sebagai berikut:
Tabel 8
Perhitungan Gap Per Atribut
Setiap Dimensi
|
Variabel |
Dimensi |
Harapan |
Persepsi |
GAP |
Rank |
|
X1 |
Tangibles |
28,7 |
28,8 |
0,1 |
1 |
|
X2 |
Realibility |
28,5 |
28,5 |
0 |
3 |
|
X3 |
Responsiveness |
28,4 |
28,5 |
0,1 |
2 |
|
X4 |
Assurance |
28,5 |
28,5 |
0 |
4 |
|
X5 |
Emphaty |
30 |
28,7 |
-1,3 |
5 |
Keterangan:
Gap = Persepsi � Harapan:
Variabel X1 = 28.8 � 28.7 = 0.1
Variabel X5 = 28.7 � 30 = -1.3
Kesimpulan��������������������������������������������������������������
Berdasarkan hasil penelitian
yang dilakukan maka kesimpulannya yaitu, pengukuran terhadap lima dimensi kualitas pelayanan didapatkan keempat variabel memiliki gap positif. Gap
positif berarti keseluruhan dimensi menyatakan bahwa tingkat kepuasan yang diharapkan oleh pelanggan yang menggunakan jasa layanan PT. Rajonet Indonesia sudah sesuai dengan
kenyataan yang diterima. Dalam kelima dimensi
fuzzy service quality ini terdapat
empat dimensi yang memiliki nilai gap lebih baik yaitu
peringkat (rank) pertama
adalah tangibles yang tertinggi
karena bernilai positif (0.1) dibandingkan empat dimensi lainnya
secara berurutan (responsiveness
(0.1), realibility (0), assurance (0)
dan emphaty (0)). Hasil lainnya
yaitu satu dimensi emphaty bernilai negatif atau -0.5 menjadi perhatian bagi pihak PT. Rajonet Indonesia agar lebih meningkatkan lagi kualitas pelayanannya.
Dari nilai gap per variabel
pernyataan dalam dimensi kualitas pelayanan hanya terdapat tiga variabel pernyataan yang memiliki nilai positif lebih besar
yaitu pernyataan ke 12 tentang informasi
yang jelas dan mudah dimengerti dengan nilai gap 0.4, pernyataan nomor 5 tentang struktur menu website dengan
nilai gap 0.2 dan pernyataan
ke 6 tentang kelengkapan fasilitas jasa dengan nilai
gap 0.2. Hal tersebut dapat
disimpulkan bahwa 15 variabel pernyataan lainnya juga sudah memenuhi tingkat kepuasan dari para pelanggan PT. Rajonet Indonesia.
Anwar. (2017). Validitas dan realibilitas. Jurnal Sistem Informasi, 3 (1�3). Google Scholar
Davin. (2016). Analisis fuzzy quality Service pada model aplikasi
bisnis dan manajemen. Jurnal Teknologi
Informasi, 3. Google Scholar
Frieyadie, F., & Alramuri, D. (2017).
Implementasi Metode Fuzzy Servqual
untuk Menilai Pelayanan Customer Service
terhadap Kepuasan Pelanggan di PT. Telkom. Jurnal Techno Nusa Mandiri, 14 (2), 111�116. Google Scholar
Harto, B. (2015). Analisis tingkat kepuasan
pelanggan dengan pendekatan fuzzy
servqual dalam upaya peningkatan kualitas pelayanan (studi kasus di bengkel
resmi bajaj padang). Jurnal TeknoIf
ISSN 2338-2724, 3 (1). Google Scholar
Marti, K. P. S. (2017). Analisis perbandingan
kualitas pelayanan Garuda Indonesia Airlines dengan Etihad Airways menggunakan
metode fuzzy service.quality. Jurnal Ilmiah Teknik Industri, 4 (3�19). Google Scholar
Noviandri. (2017). Implementasi metode service quality untuk menilai kepuasan
pelanggan CV. Rajonet indonesia. Jurnal
Sistem Informasi. Google Scholar
Rohayani, H. (2013). Analisis sistem
pendukung keputusan dalam memilih program studi menggunakan metode logika fuzzy. JSI: Jurnal Sistem Informasi (E-Journal), 5 (1). Google Scholar
Sadewa. (2017). Kualitas variabel dalam dimensi penelitian. Jakarta :
Modula. Google Scholar
Saelan, A. (2009). Logika Fuzzy. Program Studi Teknik Informatika, Sekolah Teknik Elektro Dan
Informatika. Institut Tekologi Bandung. Google Scholar
Sugiyono. (2017). Teknik sampling dan populasi. Jakarta : Modula. Google Scholar
Sutinah, E., & Simamora, O. R. (2018).
Metode fuzzy servqual dalam mengukur
kepuasan pasien terhadap kualitas layanan BPJS kesehatan. Jurnal Informatika, 5 (1), 90�101. Google Scholar
Vary. (2017). Dimensi kualitas dan
pelayanan dalam sebuah sistem. Jurnal
Sistem Informasi, 2. Google Scholar
Yubel. (2017). Fuzzyfikasi dan
defuzzifikasi. Jurnal Teknologi
Informasi, 7. Google Scholar
Yushila, A. B., & Effendi, U. (2017). Analisis
Kepuasan Konsumen Dengan Metode Fuzzy�Servqual
Dan Quality Function Deployment
(Studi Kasus Caf� Right Time Malang).
Jurnal Teknologi Pertanian, 18 (2), 107�118. Google Scholar
Zeithaml, B. dan P. (2015). Lima dimensi
kualitas pelayanan. Jurnal Teknologi
Informasi, 10. Google Scholar
|
Copyright holder: Wegi Randol (2021) |
|
First publication right: |
|
This article is licensed under:
|
