ANALISIS SYSTEMS ENGINEERING KARGO EKSPOR BANDAR UDARA INTERNASIONAL SOEKARNO HATTA DENGAN METODE SEM DAN FUZZY SERVQUAL

Transkripsi

1 ANALISIS SYSTEMS ENGINEERING KARGO EKSPOR BANDAR UDARA INTERNASIONAL SOEKARNO HATTA DENGAN METODE SEM DAN FUZZY SERVQUAL Allen Pranata Kusuma Jalan Jelambar Baru 6, Jakarta Barat Dewi Jalan Tipar Cakung, JakartaUtara Ririn Antika Hayanto Jalan Hj. Senen no 77A, Jakarta Barat Khristian Edi Nugroho Soebandrija, BSIE., MM Industrial Engineering, Faculty of Engineering, Bina Nusantara University Kampus Syahdan, Jl. K.H. Syahdan No. 9, Palmerah, Jakarta Barat Indonesia ABSTRACT In connection with the plan of the ASEAN Economic Community (AEC) in 2015, PT. Angkasa Pura II need to improve the performance of SHIA export cargo. While systems engineering suspected of having ties with the performance. Therefore, it is necessary to test the model with the method of Structural Equation Modeling (SEM) to ascertain whether the component systems engineering (facilities, business process and HR) SHIA export cargo is currently supporting performance. SEM analysis results indicate that the hypothesis is significant or hypothesis is accepted. The existence of some problems and complaints from users SHIA export cargo indicate the gap between user expectations and the assessment of the systems engineering SHIA export cargo. Therefore this study aimed to measure the gap users using Fuzzy ServQual. Fuzzy ServQual analysis results show a gap between the perceptions and expectations of users with a negative value. Indicators that have a high expectation value with a low perception of value is a major concern of researchers in the preparation of improvement plans SHIA export cargo. From the analysis, the researchers included a few suggestions for the improvement of organizer SHIA export cargo as measures to improve the systems engineering SHIA export cargo. (APK, D, RAH) Keywords: Cargo SHIA, Systems Engineering, Structural Equation Modeling (SEM), Fuzzy ServQual

2 ABSTRAK Sehubungan dengan adanya rencana ASEAN Economic Community (AEC) tahun 2015 maka PT. Angkasa Pura II perlu meningkatkan kinerja kargo ekspor SHIA. Sedangkan systems engineering diduga mempunyai hubungan dengan kinerja. Oleh karena itu perlu adanya pengujian model dengan metode Structural Equation Modeling (SEM) untuk memastikan apakah komponen systems engineering (fasilitas, business process dan SDM) kargo ekspor SHIA saat ini mendukung kinerjanya. Hasil analisa SEM menunjukkan bahwa hipotesis tersebut adalah signifikan atau hipotesis diterima. Adanya beberapa masalah dan keluhan dari pengguna kargo ekspor SHIA mengindikasikan adanya kesenjangan antara penilaian dan harapan pengguna terhadap systems engineering kargo ekspor SHIA saat ini. Maka dari itu penelitian ini juga bertujuan untuk mengukur kesenjangan pengguna dengan metode Fuzzy ServQual. Hasil analisa Fuzzy ServQual menunjukkan adanya kesenjangan antara persepsi dan harapan pengguna dengan nilai yang negatif. Indikator yang memiliki nilai harapan tinggi dengan nilai persepsi rendah menjadi perhatian utama peneliti dalam penyusunan rencana perbaikan kargo ekspor SHIA. Dari hasil analisa, peneliti menyertakan beberapa saran perbaikan bagi pengelola kargo ekspor SHIA sebagai langkah untuk meningkatkan systems engineering kargo ekspor SHIA. (APK, D, RAH) Kata kunci: Kargo SHIA, Systems Engineering, Structural Equation Modeling (SEM), Fuzzy ServQual PENDAHULUAN Salah satu bandar udara internasional di Indonesia adalah Soekarno Hatta International Airport (SHIA) yang berada di Cengkareng, Jakarta. Dalam menyambut ASEAN Economic Community (AEC) tahun 2015 yang merupakan program pasar bebas ASEAN, SHIA perlu meningkatkan kinerjanya khususnya pada kargo eskpor (ASEAN Secretariat, 2012, Hal tersebut diungkapkan oleh Direktur Jenderal Perhubungan Udara yang ingin meningkatkan kinerja dari kargo udara internasional agar dapat memacu pendapatan dari sektor pengiriman ekspor terkait dengan perdagangan bebas antar ASEAN (Siahaan, 2011). Maka dari itu, demi menghadapi AEC tahun 2015, pengelola kargo SHIA perlu meningkatkan kinerja khususnya pada kargo ekspor. Demi meningkatkan kinerja maka pengelola kargo ekspor SHIA perlu memperbaiki systems engineering (fasilitas, business process, SDM) yang ada (Siahaan, 2011). Menurut Siahaan (2010), flow atau arus kargo sebagai bagian dari Systems Engineering (SE) kargo SHIA masih belum efisien apabila dibandingkan dengan sistem di kargo bandar udara negara tetangga seperti di Singapura, dimana hal ini dapat memicu rendahnya kepuasan pengguna. Selain itu terjadi keterlambatan pengiriman dan penumpukkan kargo yang disebabkan lamanya pemeriksaan kargo yang dilakukan oleh Regulated Agent (RA) (Dundu, Kompas.com, September 2011). Kemudian terjadi kenaikan biaya pemeriksaan kargo ekspor oleh RA dari Rp. 60/kg menjadi Rp /kg sangat membebani perusahaan ekspedisi dan eksportir (Dundu, Kompas.com, Desember 2011). Untuk memperbaiki SE, pengelola kargo ekspor SHIA perlu mempertimbangkan penilaian dari pengguna terhadap kargo ekspor SHIA. Menurut Bitner dan Zeithaml (2003) yang dikutip oleh Prabhakar dan Ram (2013), kepuasan dari pengguna adalah kesesuaian hasil penilaian dari jasa yang telah diterima (persepsi) dengan harapan sebelum jasa tersebut diterima (harapan). Jika terdapat kesenjangan (gap) antara penilaian pengguna dengan harapan pengguna sesudah dan sebelum menerima jasa maka telah terjadi ketidakpuasan. Berdasarkan latar belakang masalah tersebut, penelitian ini difokuskan untuk menguji hubungan antara efisiensi SE dengan kinerja dan menghitung besar pengaruhnya serta mengukur kesenjangan antara persepsi dan harapan pengguna. Oleh karena itu perlu adanya pengujian model dengan metode Structural Equation Modeling (SEM) untuk memastikan apakah komponen systems engineering (fasilitas, business process dan SDM) kargo ekspor SHIA saat ini mendukung kinerjanya. Dengan pengujian model tersebut juga dapat diperoleh besarnya pengaruh antara efisiensi SE dengan kinerja kargo ekspor SHIA. Sedangkan ukuran kesenjangan antara persepsi dan harapan pengguna kargo ekspor SHIA dilakukan dengan metode Fuzzy ServQual. Hasil yang diperoleh nantinya berupa nilai kesenjangan pengguna dan urutan prioritas perbaikan

3 yang perlu dilakukan pihak pengelola kargo ekspor SHIA. Dengan tujuan untuk meningkatkan kinerja kargo ekspor SHIA demi menghadapi pasar bebas ASEAN tahun Berdasarkan latar belakang masalah tersebut, perumusan masalah dari penelitian ini adalah: 1. Apakah terdapat hubungan antara efisiensi SE dengan kinerja kargo ekspor SHIA dan seberapa besar pengaruh dari hubungan tersebut? Pengelola kargo ekspor SHIA perlu memastikan SE yang belum efisien, dapat memicu rendahnya kinerja. 2. Apakah terdapat perbedaan antara persepsi pengguna (perusahaan ekspedisi yang beroperasi Soewarna Business Park, Komplek SHIA) dan harapan pengguna terhadap efisiensi SE kargo ekspor SHIA? Adanya flow atau arus kargo yang belum efisien, penumpukkan kargo, dan besarnya biaya pengiriman memicu rendahnya kepuasan pengguna sehingga pengelola kargo ekspor SHIA perlu mengukur kesenjangan antara persepsi dan harapan pengguna terhadap efisiensi SE kargo ekspor SHIA. METODE PENELITIAN Langkah-langkah penelitian dalam diagram alir didasarkan pada teori dari Sugiyono (2009) yang telah diadaptasi oleh penulis sesuai dengan topik penelitian ini. Dalam melakukan penelitian ini, langkah awal yang harus dilakukan terlebih dahulu adalah mengidentifikasi masalah, rumusan masalah dan pembatasan masalah seperti yang telah dibahas sebelumnya. Sedangkan pembatasan masalah pada penelitian ini adalah hanya fokus pada kegiatan ekspor di kargo SHIA terutama pada efisiensi SE khususnya pada fasilitas, business process, dan SDM yang dilihat melalui sudut pandang pengguna. Rumusan hipotesis disesuaikan dengan rumusan masalah penelitian. Instrumen dari penelitian ini adalah kuesioner dimana peneliti sebelumnya perlu melakukan penentuan teknik sampling dan jumlah sampel agar nantinya jumlah kuesioner yang dikumpulkan dapat mewakili populasi. Teknik sampling yang digunakan adalah sampling purposive yaitu teknik penentuan sampel dengan pertimbangan tertentu karena penelitian tidak dapat digeneralisasi (Sugiyono, 2009, p. 122). Dengan sampling purposive dimana penelitian ini difokuskan pada SE kargo ekspor SHIA, maka yang menjadi populasi dan sampel dari penelitian ini adalah karyawan operasional ekspor dari perusahaan ekspedisi yang berada di Soewarna Business Park, Komplek SHIA. Sedangkan, untuk penentuan jumlah sampel dari populasi menggunakan rumus yang dikembangkan Issac dan Michael untuk tingkat kesalahan 1%, 5% dan 10% yang dapat dilihat pada table di bawah ini (Sugiyono, 2009, p. 126): Tabel 1 Ukuran Sampel Berdasarkan Rumus Isaac dan Michael Sumber: adaptasi dari Sugiyono, 2009, p. 126 N s 1% 5% 10% Sedangkan interview dan observasi pada proses pengiriman ekspor dilakukan di kargo SHIA dengan pihak UBPK, Garuda Cargo Indonesia dan Fajar Anugerah Semesta selaku pihak ground handling dan Regulated Agent (RA) di kargo ekspor SHIA. Setelah melakukan pembagian kuesioner, peneliti perlu melakukan uji validitas untuk mengetahui apakah instrumen penelitian yang digunakan dapat mengukur apa yang seharusnya diukur (Sanusi, 2011, p. 76) dan uji reliabilitas kuesioner untuk mengetahui apakah instrumen penelitian yang digunakan menunjukkan hasil yang konsisten (Sanusi, 2011, p. 80). Pengujian validitas

4 dilakukan dengan menguji korelasi Pearson Product Moment antara indikator dengan variabel menggunakan IBM SPSS 20. Data dikatakan valid apabila nilai r-hitung > nilai r-tabel dimana nilai pada r-tabel dilihat pada alfa 1% dengan derajat kebebasan N-2 (Sanusi, 2011, p. 77). Uji reliabilitas dapat dilakukan dengan Cronbach s alpha menggunakan software IBM SPSS 20. Data dikatakan reliabel apabila nilai Cronbach s alpha (Santoso dan Ashari, 2005, p. 251). Setelah data dari hasil pembagian kuesioner teruji validitas dan reliabilitasnya maka data tersebut dapat digunakan pada pengujian hubungan dan model dengan metode Structural Equation Model (SEM) menggunakan software LISREL Selain itu data tersebut digunakan untuk menghitung gap pengguna dengan metode Fuzzy ServQual. Dimana hasil pengujian hubungan dan perhitungan gap pengguna akan menentukan hipotesis diterima atau ditolak. HASIL DAN BAHASAN Diketahui jumlah populasi pada penelitian ini adalah 120 dengan jumlah kuesioner yang diperoleh adalah 96. Tetapi dari 96 kuesioner tersebut, 3 diantaranya tidak layak untuk dijadikan sampel sehingga jumlah kuesioner yang dapat dijadikan sampel adalah 93. Berdasarkan tabel 1 diketahui bahwa jumlah sampel minimal untuk populasi 120 dengan taraf kesalahan 5% adalah 89. Sedangkan jumlah sampel yang diperoleh adalah 93 maka dapat dikatakan sampel telah mencukupi jumlah sampel minimal sehingga sampel dapat mewakili populasi penelitian ini. Kuesioner yang telah dibagikan memiliki 40 pertanyaan/indikator. Dari 40 pertanyaan kemudian dihapus 22 pertanyaan karena peneliti menyadari adanya kesalahan teknis dalam pembuatan pertanyaan tersebut sehingga pertanyaannya menjadi 18. Berikut merupakan hasil uji validitas dan reliabilitas dengan menggunakan IBM SPSS 20: Tabel 2 Hasil Uji Validitas Indikator Variabel Konstruk Indikator r-tabel r-hitung Persepsi Validitas Persepsi r-hitung Harapan Validitas Harapan F Valid Valid F Valid Valid Facility F Valid Valid F Valid Valid F Valid Valid F Valid Valid BP Valid Valid SE BP Valid Valid Business BP Valid Valid Process BP Valid Valid (BP) BP Valid Valid BP Valid Valid Human Resources (HR) Safety HR Valid Valid HR Valid Valid HR Valid Valid P Valid Valid P Valid Valid Performance Reliability P Valid Valid Sumber: Hasil pengolahan data dengan IBM SPSS 20

5 Tabel 3 Hasil Uji Reliabilitas Variabel Laten Standar Alpha r-alpha Persepsi Reliabilitas Persepsi r-alpha Harapan Reliabilitas Harapan SE Reliabel Reliabel Performance Reliabel Reliabel Sumber: Hasil pengolahan data dengan IBM SPSS 20 Berdasarkan hasil uji validitas dan reliabilitas dengan program IBM SPSS 20 diketahui bahwa data dari hasil pembagian kuesioner valid dan reliabel sehingga dapat digunakan pada pengolahan data dengan metode SEM dan Fuzzy ServQual. Berdasarkan teori rule of thumb yang disampaikan Wijanto (2008, p.199), data sampel minimal yang dibutuhkan untuk pengolahan data Lisrel 8.72 adalah 5 responden per 1 pertanyaan. Oleh karena itu, data sampel minimal yang dibutuhkan pada penelitian ini adalah 18 x 5 = 90 responden. Dengan keterbatasan waktu dan kemampuan peneliti, kuesioner yang diperoleh adalah 93 responden. Hal ini menunjukkan bahwa jumlah tersebut cukup. Dengan jumlah data 93, estimasi yang akan sesuai digunakan pada aplikasi Lisrel adalah estimasi maximum likelihood. Pada penelitian ini, pertanyaan F1 memiliki nilai standardized solution kurang dari 0.3. Oleh karena itu, respesifikasi yang perlu dilakukan adalah dengan menghilangkan pertanyaan F1. Selain itu, respesifikasi juga dilakukan dengan Add Error Covariance yang terdapat pada Modification Indices Output. Setelah model pengukuran dianggap baik, langkah selanjutnya adalah melakukan uji model struktural yang didasarkan pada analisa hubungan kausal berdasarkan t-value. Model secara keseluruhan dari penelitian ini dijelaskan pada gambar di bawah ini: Sumber: Hasil pengolahan data dengan LISREL 8.72 Gambar 1 Keseluruhan Model SEM (Standardized Solution) Tabel 4 Hasil Uji Validitas Model Pengukuran Indikator 1 st CFA Konstruk Indikator SLF t-value Validitas F Valid F Valid Facility F Valid F Valid F Valid BP Valid BP Valid BP BP Valid BP Valid BP Valid BP Valid

6 HR Safety HR Valid HR Valid HR Valid P Valid P Valid Reliability P Valid Sumber: Hasil pengolahan data dengan LISREL 8.72 Tabel 5 Hasil Uji Validitas Model Pengukuran 2 nd CFA Variabel Laten Indikator SLF t-value Validitas Facility Valid SE Business Process (BP) Valid Human Resources (HR) Valid Performance Safety Valid Reliability Valid Model pengukuran dikatakan memiliki validitas yang baik apabila nilai SLF 0.3 dan t-value 2. Hasil data SLF dan t-value yang diperoleh dari output LISREL 8.72 menunjukkan bahwa seluruh indikator memiliki nilai SLF dan t-value yang memenuhi syarat sehingga dapat dikatakan bahwa model pengukuran memiliki validitas yang baik. Tabel 6 Hasil Uji Reliabilitas Model Pengukuran 1 st CFA Konstruk Indikator SLF Erorr SLF^2 CR VE F F Facility F F F Total BP BP BP BP BP BP BP Total HR HR HR HR Total Safety P P Total Reliability P Total Sumber: Hasil pengolahan data oleh peneliti

7 Tabel 7 Hasil Uji Reliabilitas Model Pengukuran 2 nd CFA Variabel Laten Variabel Teramati SLF Error SLF^2 CR VE Facility Efficiency SE BP HR Total Performance Safety Reliability Total Sumber: Hasil pengolahan data oleh peneliti Uji reliabilitas pada konstruk HR, safety, reliability dan variabel laten performance menunjukkan bahwa nilai CR lebih dari 0.7 dan VE bernilai lebih dari 0.5 sehingga dapat dikatakan konstruk tersebut reliabel. Sedangkan variabel laten Efficiency SE memiliki CR kurang dari 0.7 tetapi lebih dari 0.6 sehingga dapat dikatakan reliable karena menurut Hatcher (1994) yang dikutip oleh David et al (2009), apabila nilai reliabilitas variabel atau kontruk lebih atau sama dengan 0.6 maka variabel atau kontruk tersebut dapat dianggap reliable. Selanjutnya konstruk Facility, BP dan variabel laten Efficiency SE memiliki nilai VE yang kurang dari 0.5 tetapi tetap dinyatakan reliabel. Menurut Hatcher (1994) yang dikutip oleh David et al (2009), nilai VE yang kurang dari 0.5 sering terjadi pada penelitian-penelitian sebelumnya namun tetap dapat dianggap reliabel. Dengan demikian dapat disimpulkan bahwa masing-masing model pengukuran memiliki reliabilitas yang baik.selanjutnya adalah uji kecocokan seluruh model didasarkan pada outp Goodness of Fit (GOF) model strukturalnya. Berikut adalah rangkuman hasil GOF: Tabel 8 Hasil Uji Kecocokan Model Variabel Laten Full SEM Ukuran Target Tingkat Efisiensi SE Performance GOF Kecocokan Hasil Kecocokan Hasil Kecocokan Hasil Tingkat Estimasi Estimasi Estimasi Kecocokan Chi-Square Nilai yang kecil Poor Fit Good Fit p-value p>0.05 (p=0.01) (p=0.28) (p=0.23) Good Fit RMSEA RMSEA Good Fit Good Fit Good Fit NNFI NNFI Good Fit 1.00 Good Fit 0.97 Good Fit CFI CFI Good Fit 1.00 Good Fit 0.99 Good Fit IFI IFI Good Fit 1.00 Good Fit 0.99 Good Fit CN CN Poor Fit Good Fit Good Fit RMR RMR Poor Fit Good Fit Good Fit Normed Chi-Square 1.00 NC Good Fit 1.17 Good Fit Good Fit Sumber: Hasil pengolahan data dengan LISREL 8.72 GOF dari variabel laten efisiensi SE menunjukkan kecocokan dari tiga ukuran GOF yaitu Chi-Square (pvalue), CN dan RMR menunjukkan bahwa tingkat kecocokan tidak baik dan kecocokan dari lima ukuran GOF yaitu RMSEA, NNFI, CFI, IFI dan Normed Chi-Square menunjukkan bahwa tingkat kecocokan baik. Oleh karena jumlah tingkat kecocokan yang baik lebih banyak daripada tingkat kecocokan yang tidak baik maka model tersebut dapat dianggap memiliki kecocokan yang baik. Sedangkan GOF dari variabel laten performance menunjukkan ukuran GOF yang terdiri dari Chi-Square (p-value), RMSEA, NNFI, CFI, IFI,

8 CN, RMR, dan Normed Chi-Square menunjukkan bahwa model memiliki kecocokan yang baik. Oleh karena itu, model tersebut secara keseluruhan dapat dianggap memiliki kecocokan yang baik. GOF dari Full SEM menunjukkan ukuran GOF yang terdiri dari Chi-Square (p-value), RMSEA, NNFI, CFI, IFI, CN, RMR, dan Normed Chi-Square menunjukkan bahwa model memiliki kecocokan yang baik. Oleh karena itu, model secara keseluruhan dapat dianggap memiliki kecocokan yang baik. Langkah selanjutnya adalah pengujian model struktural yaitu analisa hubungan kausal antara variabel laten SEM berdasarkan t-value yang disesuaikan dengan hipotesis penelitian ini. Tabel 9 Hasil Uji Hipotesis Hipotesis Path t-value SLF R 2 Kesimpulan 1 SE Kinerja Signifikan (Hipotesis 1 diterima) Sumber: Hasil pengolahan data dengan LISREL 8.72 Dari hasil tabel di atas, hubungan variabel laten efisiensi SE terhadap variabel laten kinerja memiliki t-value sebesar Hal ini berarti lintasan SE ke kinerja adalah signifikan. Sedangkan besarnya pengaruh antara variabel laten dapat dijelaskan dari persentase standardized solution yang dikuadratkan (Kresnamurti dan Sinabela, 2011). Berdasarkan hasil pengolahan data, SE diperkirakan memiliki pengaruh secara langsung terhadap kinerja sebesar (0.81^2*100%) = 65.61%. Besarnya koefisien determinan (R 2 ) dari model struktural adalah 0.66 atau 66% yang berarti bahwa kinerja dapat dijelaskan sebesar 66% oleh SE, sisanya 34% dijelaskan oleh variabel lain. Berdasarkan analisa hubungan tersebut, maka dapat disimpulkan bahwa hipotesis 1 diterima. Efficiency systems engineering yang terdiri dari facility, business process dan human resources mempengaruhi tingkat performance (kinerja) kargo eskpor SHIA secara positif. Setelah diketahui hubungan dan pengaruh antara SE dan Kinerja, maka untuk meningkatkan kinerja perlu dilakukan perbaikan SE. Perbaikan SE perlu dilakukan perhitungan Fuzzy ServQual untuk mengetahui gap pengguna. Berikut merupakan hasil perhitungan gap pengguna: Variabel Facility Business Process (BP) Human Resources (HR) Tabel 10 Perhitungan Kesenjangan Pengguna Indikator Crisp Fuzzy Crisp Fuzzy GAP Persepsi Harapan Pengguna Efisiensi SE F F F F F BP BP BP BP BP BP HR HR HR Rata Rata Performance Safety P P Reliability P Rata Rata Sumber: Hasil pengolahan data oleh peneliti

9 Hasil tersebut menunjukkan adanya kesenjangan antara persepsi pengguna dengan harapan pengguna kargo ekspor SHIA sebagai jawaban hipotesis 2. Nilai negatif pada kesenjangan pengguna mengindikasikan bahwa penilaian pengguna terhadap jasa yang diterima dari kargo ekspor SHIA masih kurang dari harapan. Hasil Crisp Fuzzy Kinerja dan Crisp Fuzzy Harapan kemudian dibuat diagram kartesius sebagai berikut: Sumber: Hasil pengolahan data oleh peneliti Gambar 2 Diagram Cartesius Skor Persepsi dan Skor Pengguna Kuadran I Tinggi Kuadran II : Persepsi Rendah, Harapan : Persepsi Tinggi, Harapan Tinggi Kuadran III : Persepsi Rendah, Harapan Rendah Kuadran IV : Persepsi Tinggi, Harapan Rendah Indikator mengenai RA (BP5 dan BP6) memiliki nilai kinerja dan nilai harapan yang rendah. Nilai harapan yang rendah mengindikasikan bahwa RA tidak diharapkan keberadaanya oleh pengguna kargo ekspor SHIA. Hal ini tentu bertentangan dengan harapan Menteri Perhubungan RI bahwa keberadaan RA akan mampu menyelesaikan masalah yang dihadapi pengguna kargo ekspor SHIA. RA merupakan sebuah kebijakan yang baru diadakan pada September 2011 lalu. RA bertindak sebagai badan hukum pemeriksa kargo ekspor SHIA demi meningkatkan keamanan. Seiring berjalannya waktu, RA menjadi suatu kebutuhan untuk memenuhi standar internasional kargo udara. Berdasarkan hasil wawancara dan analisa peneliti, akan lebih baik jika ground handling membentuk suatu badan hukum RA sehingga pemeriksaan kargo menjadi terintergrasi dengan aktivitas pada ground handling seperti sebelum penerapan kebijakan ini. Oleh karena itu, indikator RA perlu untuk diajukan saran perbaikan sehingga pengguna merasakan manfaat keberadaannya sesuai dengan harapan Menteri Perhubungan RI. Berdasarkan diagram kartesius pada gambar 2 diketahui bahwa indikator pada Kuadaran I dan indikator dari RA perlu diperbaiki terlebih dahulu. Dimana untuk mengetahui urutan indikator SE yang perlu diperbaiki terlebih dahulu, dilakukan dengan menghitung Compatibility Level. Berikut merupakan hasil perhitungan Compatibility Level dari indikatror SE: Tabel 11 Compatibility Level Indikator Crisp Fuzzy Crisp Fuzzy Compatibility Persepsi Harapan Level Prioritas F3 Jumlah mesin x-ray % 1 F5 Jumlah alat angkut % 2 HR1 Jumlah SDM yang mengangkut kargo % 5 BP4 Proses loading/unloading % 4 BP5 Kemampuan Regulated Agent (RA) % 6

10 dalam meningkatkan keamanan BP6 Kelancaran arus barang di RA % 3 Sumber: Hasil pengolahan data oleh peneliti Berdasarkan tabel 4.12 berikut merupakan urutan indikator dari SE yang perlu diperbaikan terlebih dahulu: 1. Jumlah mesin x-ray Penyebab lainnya dari terjadinya penumpukkan kargo adalah kurangnya jumlah mesin x-ray yang dimiliki oleh RA. Menurut Siahaan (2011), pergerakkan kargo internasional mengalami peningkatan setiap tahunnya membentuk suatu trend linear. Sehingga apabila jumlah mesin x-ray tidak ditingkatkan maka penumpukkan kargo yang terjadi akan semakin parah dan dapat menghambat proses pengiriman ekspor. 2. Jumlah alat angkut Faktor berikutnya yang dirasa kurang memuaskan oleh pengguna kargo ekspor SHIA adalah jumlah alat angkut. Alat angkut yang digunakan di kargo ekspor SHIA adalah forklift, handjack dan pallet yang disediakan oleh pihak ground handling untuk memindahkan kargo dari awal kargo masuk sampai kargo disimpan di warehouse. Berdasarkan hasil wawancara kepada beberapa pengguna kargo SHIA, diketahui bahwa pada jam sibuk kargo ekspor yaitu pada malam hari, sering terjadi antrian yang cukup lama hingga 4 jam pada sesi loading kargo. Pengguna juga menjelaskan bahwa penyebab yang tampak dari antrian tersebut adalah karena jumlah alat angkut yang minim. Maka dari itu, pengelola kargo ekspor SHIA perlu untuk menambah jumlah alat angkut. 3. Kelancaran arus kargo di RA Hasil pengolahan data kuesioner mengindikasikan rendahnya penilaian pengguna terhadap kelancaran arus kargo dan proses scanning di RA. Selain itu berdasarkan hasil pengamatan peneliti, rendahnya kelancaran arus kargo dan proses scanning disebabkan kurangnya jumlah mesin x-ray yang dimiliki RA. Seperti yang telah dibahas sebelumnya, untuk meningkatkan kelancaran arus kargo dan proses scanning, sebaiknya RA menambah jumlah mesin x-ray yang digunakan. 4. Proses loading/unloading Berdasarkan hasil dari pembagian kuesioner, pengguna kargo ekspor SHIA merasakan bahwa proses loading/unloading berlangsung lama. Proses loading/unloading ini dapat ditingkatkan dengan menambahkan jumlah alat angkut serta SDM yang bertugas melakukan proses loading/unloading kargo. 5. Jumlah SDM yang mengangkut kargo Kurangnya jumlah SDM yang mengangkut kargo mengakibatkan adanya antrian dari jasa ekspedisi untuk dibongkar muat kargonya. Selain itu, kurangnya jumlah SDM yang mengangkut kargo mengakibatkan lamanya proses loading/unloading kargo. Maka dari itu, untuk mengurangi antrian dan waktu loading/unloading kargo maka perlu dilakukan penambahan jumlah SDM. 6. Kemampuan Regulated Agent (RA) dalam meningkatkan keamanan Direktur Jenderal Perhubungan Udara berharap RA yang telah dibentuk dapat meningkatkan keamanan pada proses pemeriksaan kargo dengan mesin x-ray. Tetapi berdasarkan hasil pembagian kuesioner dan hasil diskusi dengan pihak airline Cargo Garuda Indonesia, diketahui bahwa masih banyak kargo berbahaya yang lolos dari pemeriksaan RA. Sehingga pihak ground handling atau airline harus melakukan pemeriksaan kembali secara random untuk memastikan tidak ada kargo berbahaya yang lolos. Hal tersebut mengidikasikan bahwa RA belum mampu meningkatkan keamanan pemeriksaan kargo. Selain itu, pemeriksaan kargo yang dilakukan sampai dua kali menunjukkan kurang efisiennya proses pemeriksaan kargo di kargo ekspor SHIA. Maka dari itu, untuk mengurangi waktu pemeriksaan maka RA sebaiknya menjadi suatu badan hukum tersendiri dibawah naungan ground handling. Sehingga proses pemeriksaan tidak perlu dilakukan sampai dua kali dan biaya pemeriksaan kargo juga dapat berkurang. Sedangkan untuk meningkatkan keamanan, menurut saran dari Cargo Garuda Indonesia, sebaiknya SOP RA diubah. Saat ini pada SOP RA dikatakan bahwa pada setiap RA minimal terdapat satu Senior AVSEC. Tetapi menurut Cargo Garuda Indonesia sebaiknya pada setiap mesin x-ray minimal terdapat satu Senior AVSEC demi meningkatkan keamanan kargo.

11 SIMPULAN DAN SARAN Berikut merupakan kesimpulan dari penelitian ini: 1. Dari hasil pengolahan data SEM diketahui bahwa hipotesis 1 diterima yaitu Efisiensi Systems Engineering (SE) memberikan pengaruh positif terhadap kinerja kargo ekspor SHIA. 2. Berdasarkan hasil pengolahan data dengan metode Fuzzy ServQual diketahui bahwa kesenjangan antara persepsi pengguna (karyawan bagian ekspor perusahaan ekspedisi sebagai pengguna kargo ekspor SHIA) dan harapan pengguna terhadap efisiensi SE kargo ekspor SHIA bernilai negatif. Nilai negatif tersebut menunjukkan adanya kesenjangan yang terjadi dimana harapan pengguna kargo ekspor SHIA belum sepenuhnya terpenuhi dengan efisiensi SE saat ini. Sehingga dapat dikatakan hipotesis 2 diterima. 3. Untuk mencapai harapan pengguna dan meningkatkan kinerja kargo ekspor SHIA, maka urutan efisiensi SE yang perlu diperbaiki adalah: a. Jumlah mesin x-ray b. Jumlah alat angkut c. Kelancaran arus kargo di RA d. Proses loading/unloading e. Jumlah SDM yang mengangkut kargo f. Kemampuan Regulated Agent (RA) dalam meningkatkan keamanan Berikut merupakan saran yang diberikan oleh peneliti berdasarkan kesimpulan di atas: 1. Melihat kondisi SE kargo ekspor SHIA saat ini, pihak pengelola kargo ekspor SHIA perlu untuk meningkatkan SE agar efisien dimana berdasarkan hasil penelitian diperkirakan efisiensi SE dapat memberikan pengaruh kepada kinerja kargo ekspor SHIA sebesar 65.61%. Tetapi peneliti menyadari keakuratan hasil penelitian uji hubungan tersebut dapat dipengaruhi kurangnya jumlah sampel yang dimiliki. Maka dari itu, selanjutnya dapat dilakukan penelitian dengan jumlah kuesioner yang melebihi dari jumlah minimal yaitu kuesioner untuk hasil yang lebih maksimal. 2. Untuk mencapai harapan pengguna, maka pengelola kargo ekspor SHIA harus meningkatkan efisiensi SE kargo ekspor SHIA hingga dapat memenuhi persepsi pengguna (rata-rata persepsi pengguna). 3. Untuk mencapai harapan pengguna dan meningkatkan kinerja kargo ekspor SHIA, perbaikan efisiensi SE yang dapat dilakukan misalnya: a. menambahkan jumlah mesin x-ray. b. menambahkan jumlah alat angkut. c. menambah jumlah SDM. d. memperbaiki standar SOP RA dari Direktur Jenderal Perhubungan Udara dengan mengubah peraturan pengoperasian mesin x-ray yaitu pada setiap mesin x-ray terdapat minimal satu Senior AVSEC. e. membentuk suatu badan hukum RA sebagai bagian dari ground handling. Perlu adanya penelitian lebih lanjut mengenai pelaksanaan saran di atas sehingga jumlah penambahan dan penerapan kebijakan dapat sesuai dan diterima baik pihak pengguna maupun pihak pengelola kargo ekspor SHIA. Apabila efisiensi SE tersebut diperbaiki maka keuntungan yang diperoleh berupa peningkatan kinerja kargo ekspor SHIA dan peningkatan persepsi (rata-rata persepsi) pengguna. Tetapi peningkatan kinerja dan rata-rata persepsi tersebut perlu dipastikan dengan melakukan pengukuran kembali karena dapat mengalami perubahan dari waktu ke waktu. REFERENSI Alavifar, A., Karimimalayer, M. and Anuar, M. K. (2012). Structural Equation Modeling VS Multiple Regression. Engineering Science and Technology: An International Journal, 2 (2), ASEAN Secretariat. (2012). Association of Southeast Asian Nations. Retrieved March 22, 2013, from Association of Southeast Asian Nations Web Site: Dundu, P. E. (2011, September 6). Kompas.com. Retrieved Juni 28, 2013, from Kompas.com Website:

12 Dundu, P. E. (2011, Desember 1). Kompas.com. Retrieved Juni 28, 2013, from Kompas.com Website: Erdogan, M., Bilisik, O. N., Kaya, I. and Barach, H. (2013). A Customer Satisfaction Model Based On Fuzzy Topsis and ServQual Methods. 5th International Conferences on Applied Operational Research, Proceedings. 5, pp Istanbul: Tadbir Operational Research Group. Govender, J. P., Veerasamy, D. and Noel, D. T. (2012). International Students Expectations and and Perceptions of Service Quality: The Case of a Higher Education Institution in South Africa. Journal of Economics and Behavioral Studies, 4 (10), Kasim, A. and Fathurahman, H. (2011). Analysis on Mobile Samsat's Public Service Quality. Journal of Administrative Science & Organization, 8 (1), Kresnamurti, A. dan Sinabela, D. S. (2011). Analisis Kualitas Pelayanan, Serta Pengaruhnya Terhadap Kepuasan Pelanggan dan Loyalitas Pelanggan. Jurnal Riset Manajemen Sains Indonesia (JRMSI), 2 (2), Prabhakar, G. V. and Ram, P. (2013). ServQual and Customer Satisfaction: The Mediating Influence of Communication in The Privatized Telecom Sector. International Journal of Academic Research in Business and Social Sciences, 3 (3), Santoso, P. B. dan Ashari. (2005). Analisis Statistik dengan Microsoft Excel & SPSS. Yogyakarta: Andi. Sanusi, A. (2011). Metodologi Penelitian Bisnis. Jakarta: Salemba Empat. Shah, R. and Goldstein, S. M. (2006). Use of Structural Equation Modeling in Operations Management research: Looking Back and Forward. Journal of Operations Management, Siahaan, J. (2011). Layanan Kargo Udara Internasional di Bandar Udara Soekarno Hatta. Jurnal Penelitian Perhubungan Udara, 37 (2), Siahaan, J. (2010). Penataan Flow Cargo di Bandara Soekarno Hatta. Jurnal Penelitian Perhubungan Udara, 36 (4), Sugiyono. (2009). Metode Penelitian Bisnis. Bandung: Alfabeta CV. Suharyanta, D. dan A'yunin, Q. (2012). Analisis Tingkat Kualitas Pelayanan Jasa Menggunakan Metode Service Quality (Servqual) Fuzzy di Instalasi Radiologi Rumah Sakit Umum Daerah (RSUD) Penembahan Senopati Bantul. Kesmas, 7 (1), Wijanto, S. H. (2008). Structural Equation Modeling dengan Lisrel 8.8. Yogyakarta: Graha Ilmu. RIWAYAT PENULIS Nama : Allen Pranata Kusuma Tempat, Tanggal Lahir : Tanjung Balai, 24 Mei 1990 Pendidikan/Jurusan/Tahun : S1/Teknik Industri/2013 Universitas : Universitas Bina Nusantara Nama : Dewi Tempat, Tanggal Lahir : Jakarta, 30 Agustus 1991 Pendidikan/Jurusan/Tahun : S1/Teknik Industri/2013 Universitas : Universitas Bina Nusantara Nama : Ririn Antika Hayanto Tempat, Tanggal Lahir : Cirebon, 24 Februari 1991 Pendidikan/Jurusan/Tahun : S1/Teknik Industri/2013 Universitas : Universitas Bina Nusantara