IV. PERANCANGAN DAN IMPLEMENTASI

Transkripsi

1 IV. PERANCANGAN DAN IMPLEMENTASI 4.1. Desain Masukan Data pelanggan yang akan disegmentasi dalam penelitian ini adalah (1) data pelanggan golongan rumah tangga, (2) golongan bisnis dan (3) golongan industri. Ketiga data tersebut merupakan data perilaku pelanggan dalam menggunakan energi listrik selama satu tahun dan akan dijadikan sebagai data masukan sistem. Data perilaku pelanggan dalam menggunakan energi listrik selama satu tahun dipilih dalam penelitian ini dengan alasan lebih menggambarkan perilaku pelanggan dalam menggunakan energi listrik selama satu periode pemakaian listrik. Untuk menggambarkan karakteristrik pelanggan perlu digunakan variabelvariabel data yang relevan dengan perilaku pelanggan dalam menggunakan energi listrik sebagai variabel masukan dalam proses klasterisasi. Variabel-variabel masukan yang dianggap relevan untuk menggambarkan karakter pelanggan di PLN berdasarkan data transaksi pelanggan antara lain lama berlangganan (A), jumlah pembayaran (B), kedisiplinan membayar (C) dan jumlah pemakaian listrik (D). Dalam sistem yang dikembangkan dalam penelitian ini disediakan pilihan semua kemungkinan kombinasi variabel dari keempat variabel yang disebutkan di atas. Hal itu dimaksudkan untuk memberikan banyak pilihan bagi manajemen dalam menggambarkan segmen pelanggan sesuai keperluan bisnis manajemen saat melakukan segmentasi pelanggan. Ada 15 kombinasi variabel yang akan dijadikan sebagai kombinasi variabel masukan pada sistem yaitu : 1. Kombinasi variabel A 9. Kombinasi variabel BD 2. Kombinasi variabel B 10. Kombinasi variabel CD 3. Kombinasi variabel C 11. Kombinasi variabel ABC 4. Kombinasi variabel D 12. Kombinasi variabel ABD 5. Kombinasi variabel AB 13. Kombinasi variabel ACD 6. Kombinasi variabel AC 14. Kombinasi variabel BCD 7. Kombinasi variabel AD 15. Kombinasi variabel ABCD 8. Kombinasi variabel BC

2 28 Satu hal yang harus diperhatikan dalam mendesain data masukkan, sebelum diproses menggunakan algoritma FCM, data-data terlebih dulu dijadikan dalam bentuk matriks. Untuk mempermudah pengolahan data dalam sistem, dalam penelitian ini data disimpan dalam perangkat lunak microsoft office excel Desain Proses. Pada tahap ini dilakukan desain terhadap proses memasukkan data hingga keluaran dari sistem. Ada 5 modul yang dikembangkan dalam penelitian ini. Modul tersebut antara lain modul masukkan, modul analisa pengelompokkan algoritma fuzzy c-mean, modul validasi hasil pengelompokkan, modul pengkategorian dan modul representasi hasil. 1. Modul Masukkan Modul ini berfungsi membaca data masukan yang telah dipersiapan sebelumnya dalam format excell. Hasil dari modul ini adalah berupa matriks masukan. Hal ini sesuai dengan keperluan sistem yang menggunakan algoritma FCM dalam melakukan proses pengelompokkan pelanggan, yakni memerlukan masukkan dalam bentuk matriks. a1 a2 Contoh matriks =... an b b... b 1 2 n c c... c 1 2 n d1 d 2... d n Keterangan fitur : a = lama berlangganan b = jml pembayaran c = kesetiaan membayar d = jumlah pemakaian listrik Gambar 9. Fitur-fitur matriks data masukan sistem 2. Modul Analisa dengan Algoritma FCM Modul ini berfungsi mengelompokkan data yang telah tersedia dalam bentuk matriks menjadi kelompok-kelompok berdasarkan kemiripannya. Tingkat kemiripan tersebut ditentukan dengan mengukur jarak euclidean data ke pusat klaster. Hasil dari modul ini berupa matriks U yang merepresentasikan derajat keanggotaan point data

3 29 dan titik pusat klaster. Matriks keanggotaan (U ij ) yang dihasilkan pada proses analisis pengelompokkan menggunakan algoritma FCM berdimensi k x n, dimana k adalah jumlah klaster dan n adalah jumlah data yang digunakan sebagai masukkan. Untuk lebih jelasnya Tabel 4 berikut ini akan menggambarkan matriks keanggotaan (U ij ) hasil analisis pengelompokkan menggunakan algoritma FCM. Tabel 3. Tabel matrik keanggotaan (U ij ) terhadap k klaster Jumlah Klaster 1 Klaster 2... Klaster k Data 1 U 11 U U 1k 2 U 21 U U 2k n U n1 U n2... U nk Dalam proses analisis pengelompokkan titik pusat klaster yang dihasilkan algoritma FCM akan mengalami perbaikan selama proses iterasi. Jumlah titik pusat yang dihasilkan sistem sama dengan jumlah klaster yang dimasukkan pada saat memasukkann nilai parameter algoritma. 3. Modul Uji Validasi terhadap Hasil Analisa FCM Metode yang dikembangkan dalam modul uji validasi hasil analisa FCM ini adalah metode Xie dan Beni (1991). Modul ini bekerja mengukur rasio kepadatan poin-poin data pada masing-masing klaster dan keterpisahan point-point data antarklaster. Fungsi dari modul ini adalah memberikan informasi tentang kualitas pengelompokkan yang dihasilkan modul analisa FCM. Semakin kecil nilai yang dihasilkan artinya semakin bagus hasil pengelompokkan yang telah dilakukan algoritma FCM. Hasil validasi pengelompokkan data pelanggan rumah tangga, pelanggan bisnis dan pelanggan industr bisa dilihat pada Lampiran 1.

4 30 4. Modul Kategorisasi Kelompok Modul ini berfungsi memberikan kategori kelompok pada setiap point data sesuai dengan derajat keanggotaannya terhadap pusat kelompok. Derajat keanggotaan paling tinggi yang dimiliki point data akan dikategorikan pada point data tersebut. 5. Modul Representasi Hasil. Modul ini berfungsi untuk merepresentasikan hasil dari tahap sebelumnya. Yang ditampilkan oleh modul ini antara lain titik pusat klaster, jumlah pelanggan per kelompok dan data rata-rata per variabel per kelompok. Hasil ditampilkan ke dalam bentuk visual berupa angka rata-rata Desain Antarmuka Untuk memudahkan penggunaan prototipe oleh pemakai maka dibuat antarmuka (user interface). Antarmuka dibuat sesederhana mungkin dengan tujuan agar mudah digunakan oleh pengguna. Ada dua tampilan utama antarmuka dalam prototipe sistem yang dibangun yakni tampilan antarmuka bagian depan dan tampilan antarmuka analisis pengelompokkan. Tampilan antarmuka bagian depan hanya berfungsi untuk menampilkan informasi tentang prototipe sistem. Tampilan antarmuka analisis pengelompokkan berfungsi sebagai antarmuka melakukan analisis pengelompokkan data dan menampilkan data karakter pelanggan. Pada antarmuka ini dibagi menjadi dua bagian yakni bagian proses klasterisasi dan bagian karakter data. Antarmuka bagian klasterisasi berfungsi untuk melakukan proses pengelompokkan data hingga dicapai hasil klaster terbaik. Sementara antarmuka bagian karakter data berfungsi untuk menampilkan data-data karakter kelompok pelanggan yang terbentuk dari hasil klaster terbaik. Tampilan antarmuka dapat dilihat selengkapnya pada panduan penggunaan sistem yang tertera pada Lampiran Uji Validasi Hasil Pengelompokkan Pelanggan Uji validasi terhadap nilai parameter yang digunakan pada algoritma FCM dalam penelitian ini dilakukan untuk mendapatkan hasil paling maksimal dengan

5 31 biaya komputasi terkecil saat proses klasterisasi. Nilai parameter algoritma FCM yang yang memberikan hasil klasterisasi paling akurat menjadi rekomendasi kepada pengguna saat melakukan klasterisasi terhadap data pelanggan rumah tangga, bisnis dan industri. Namun pengguna juga bisa menggunakan nilai parameter lain sesuai keperluannya saat melakukan klasterisasi terhadap data pelanggan rumah tangga, bisnis dan industri Nilai Error dan Iterasi Maksimal Semakin kecil nilai error yang digunakan maka semakin baik hasil pengelompokkan yang dilakukan. Namun semakin kecil nilai error yang digunakan berimplikasi pada biaya komputasi yaitu biaya komputasi menjadi semakin besar. Sebab nilai error yang semakin kecil maka jumlah iterasi yang terjadi akan semakin banyak. Namun hal ini tergantung juga pada penggunaan iterasi maksimal yang digunakan. Sebab nilai error hanya merupakan salah satu parameter untuk menghentikan iterasi komputasi proses klasterisasi menggunakan algoritma fuzzy c- mean selain iterasi maksimal. Tabel 4. Hasil validasi pengelompokkan terhadap nilai error dan iterasi maksimal Error Iterasi Rasio (S) Maksimal Rumahtangga Bisnis Industri 0, , ,21E-05 0, , ,16E-05 0, , ,16E-05 0, , ,16E-05 0, , ,16E-05 0, , ,16E-05 0, , , , , , ,15E-05 0, ,15E-05 0, ,15E-05 0, ,15E-05 0, ,15E-05 0, , , , , , ,15E-05 0, , ,15E-05 0, , ,15E-05 0, , ,15E-05 0, , ,15E-05 0,025792

6 32 Pada percobaan terhadap data pelanggan rumah tangga, pelanggan bisnis dan pelanggan industri diperlihatkan bahwa penggunaan nilai error 0,00001 sudah memperlihatkan hasil validasi rasio kerapatan data dalam klaster dengan keterpisahan antarklaster yang konvergen. Sementara itu nilai percobaan mengunakan nilai iterasi maksimal 100, 1000, dan 10000, proses pengelompokkan sudah cukup akurat. Sebab nilai rasio antara kerapatan data dalam klaster dengan keterpisahan antarklaster sudah mencapai nilai konvergen. Hasil percobaan menggunakan nilai error dan iterasi maksimal berbeda bisa dilihat pada Tabel 4 di atas. Walau tidak ada jaminan proses klasterisasi akan sangat akurat pada iterasi ke-100, namun dalam penelitian ini akan digunakan nilai error 0,00001 dan iterasi maksimal 100 sebagai parameter pembatas dalam proses iterasi pengelompokkan menggunakan algoritma fuzzy c-mean. Alasannya, pada nilai tersebut proses klasterisasi tidak memerlukan biaya komputasi yang tidak terlalu besar namun mampu menghasilkan nilai uji validasi yang sudah konvergen Parameter Fuzzy Dalam penelitian ini digunakan parameter fuzzy antara 1.5 hingga 10. Interval ini digunakan dengan maksud untuk melihat pada parameter fuzzy ke berapa data bisa terkelompok secara akurat. Sebab setiap data memiliki karakter yang spesifik dan nilai parameter fuzzy tersendiri sehingga tidak bisa dipastikan bahwa hasil terbaik pengelompokkan akan didapatkan pada penggunaan parameter fuzzy ke berapa. Lagi pula tidak ada jaminan bahwa semakin kecil atau semakin besar nilai parameter fuzzy yang digunakan akan menghasilkan pengelompokkan terbaik. Berdasarkan hasil percobaan terhadap data golongan pelanggan rumah tangga, bisnis dan industri hasil uji validasi terbaik diperoleh pada nilai parameter fuzzy 1,5. Pada penggunaan nilai parameter fuzzy 1,5, rasio kerapatan data dalam klaster dan keterpisahan antarklaster menghasilkan nilai yang paling kecil dibandingkan menggunakan nilai parameter fuzzy lain yang digunakan dalam penelitian ini. Hasil validasi terbaik menggunakan nilai parameter fuzzy 1,5 ini terjadi pada percobaan kombinasi variabel A, B, C, D, AB, AC, AD, BC, BD, CD, ABC, ABD, ACD, BCD

7 33 dan ABCD. Hasil lengkap percobaan terhadap data pelanggan rumah tangga bisa dilihat pada Lampiran Jumlah Klaster Dalam penelitian ini digunakan jumlah klaster 3, 4 dan 5. Alasannya, selama ini manajemen PT PLN mengelompokkan pelanggannya dalam interval antara 3 hingga 5 dalam berbagai kepentingan bisnis dan pelayanan terhadap pelanggan. Dengan alasan itu maka pada penelitian ini akan dilihat pada jumlah klaster ke berapa hasil pengelompokkan mencapai hasil terbaik. Dengan kata lain pada penggunaan klaster berapa data memiliki sifat kemiripan yang sangat dekat dalam klaster masingmasing dan memiliki sifat ketidakmiripan yang jauh antarklaster. 1. Pelanggan Rumah Tangga Pada percobaan terhadap data pelanggan rumah tangga diperoleh hasil bahwa pengelompokkan terbaik dicapai pada jumlah klaster 3 kecuali pada variabel C. Pada pengelompokkan pelanggan ke dalam 3 klaster dihasilkan nilai rasio kekompakan dan keterpisahan (S) paling kecil. Hal ini terjadi pada kombinasi variabel A, B, D, AB, AC, AD, BC, BD, CD, ABC, ABD, ACD, BCD dan ABCD. Hasil validasi rasio kerapatan data dalam klaster dengan keterpisahan data antarklaster pada data pelanggan rumah tangga bisa dilihat pada Gambar 10 di bawah ini. Rasio (S) 5,00E-01 4,50E-01 4,00E-01 3,50E-01 3,00E-01 2,50E-01 2,00E-01 1,50E-01 1,00E-01 5,00E-02 0,00E+00 A B C D AB AC AD BC BD CD ABC ABD ACD BCD ABCD Kombinasi Variabel 3 cluster 4 cluster 5 cluster Gambar 10. Hasil validasi pengelompokkan pada data pelanggan rumah tangga dengan 3 klaster, 4 klaster dan 5 klaster.

8 34 Gambar 10 di atas memperlihatkan bahwa pengelompokkan pelanggan ke dalam 3 klaster jauh lebih memiliki kemiripan ciri dibandingkan bila pelanggan di kelompokkan ke dalam 4 klaster atau 5 klaster. Hal tersebut diperlihatkan dengan hasil rasio antara kerapatan antarklaster pada penggunaan 3 klaster jauh lebih kecil dibandingkan 4 atau 5 klaster. Hasil lengkap validasi pengelompokkan pelanggan rumah tangga ini bisa dilihat pada Lampiran Pelanggan Bisnis Hasil percobaan pada data pelanggan bisnis menggunakan kombinasi variabel A, B, D, AB, AC, AD, BC, BD, CD, ABC, ABD, ACD, BCD dan ABCD diperlihatkan bahwa pelanggan lebih akurat jika dikelompokkan ke dalam 3 klaster dibandingkan ke dalam 4 klaster ataupun 5 klaster. Sebab pada percobaan menggunakan data pelanggan bisnis, hasil nilai rasio antara kerapatan data dalam klaster dan keterpisahan data antarklaster menggunakan 3 klaster lebih kecil dibandingkan 4 klaster atau 5 klaster. Hal ini bisa dilihat pada validasi hasil pengelompokkan pelanggan bisnis di Lampiran 1. Untuk melihat gambaran uji validasi pada data pelanggan bisnis ini bisa dilihat pada Gambar 11 berikut ini. 3,50E-02 3,00E-02 2,50E-02 Rasio (S) 2,00E-02 1,50E-02 1,00E-02 5,00E-03 0,00E+00 A B C D AB AC AD BC BD CD ABC ABD ACD BCD ABCD Kombinasi Variabel 3 cluster 4 cluster 5 cluster Gambar 11. Hasil validasi pengelompokkan pada data pelanggan bisnis dengan 3 klaster, 4 klaster dan 5 klaster.

9 35 3. Pelanggan Industri Hasil percobaan terhadap kombinasi variabel A, B, AB, AC, BC, BD, ABC, ABD, BCD dan ABCD, pelanggan industri lebih akurat jika dikelompokkan ke dalam 3 klaster dibandingkan ke dalam 4 klaster atau 5 klaster. Sebagai buktinya, hasil rasio terkecil antara kerapatan data dalam klaster dengan keterpisahan data antarklaster diperoleh pada pengelompokkan pelanggan ke dalam 3 klaster. Sementara itu, pengelompokkan pelanggan berdasarkan kombinasi variabel D, AD, CD dan ACD, pelanggan industri lebih akurat jika dikelompokkan ke dalam 4 klaster dibandingkan 3 atau 5 klaster. Hasil lengkap validasi terhadap pengelompokkan ini bisa dilihat pada Lampiran 1. 1,20E-01 1,00E-01 Rasio (S) 8,00E-02 6,00E-02 4,00E-02 2,00E-02 0,00E+00 A B C D AB AC AD BC BD CD ABC ABD ACD BCD ABCD Kombinasi Variabel 3 cluster 4 cluster 5 cluster Gambar 12. Hasil validasi pengelompokkan pada data pelanggan industri dengan 3 klaster, 4 klaster dan 5 klaster Karakter Pelanggan Hasil segmentasi pelanggan yang dilakukan analisis CRM dalam penelitian ini merupakan sumber informasi yang sangat bermanfaat bagi manajemen untuk mendukung pengambilan keputusan bisnis. Namun informasi akurat tanpa bisa dibaca secara benar tidak cukup bermanfaat dalam implementasi CRM. Diperlukan pembacaan karakter yang benar terhadap informasi segmentasi yang dihasilkan analisis CRM masing-masing kelompok.

10 36 1. Karakter pelanggan rumah tangga Bila dilihat berdasarkan faktor lama berlangganan, pelanggan rumah tangga terbentuk menjadi 3 kelompok. Kelompok pertama adalah kelompok pelanggan yang memiliki ciri-ciri antara lain lama berlangganan selama 2,3 tahun (28 bulan). Walau kelompok pelanggan ini merupakan kelompok pelanggan baru dibandingkan kelompok lainnya, namun kelompok ini berpotensi. Sebab kelompok yang memiliki anggota 5199 pelanggan ini memiliki jumlah pembayaran listrik paling besar yaitu rata-rata antara Rp hingga Rp Kedisiplinan pelanggan kelompok pertama ini juga baik yaitu pelanggan telah membayar tagihan listrik secara tepat waktu sebanyak 10 kali dari 12 kali yang mestinya dilakukan pelanggan. Melihat kenyataan ini, manajemen bisa lebih mengembangkan hubungannya dengan pelanggan kelompok ini. Sebab kelompok ini masih baru dan memiliki potensi sebagai target produk dan layanan bisnis perusahaan. Kelompok kedua adalah pelanggan yang telah berlangganan dengan PLN selama 13,75 tahun (165 bulan) dan memiliki jumlah pembayaran listrik rata-rata antara Rp hingga Rp serta tingkat kedisiplinan baik yaitu telah menunaikan kewajibannya membayar tagihan listrik secara tepat waktu sebanyak 10 kali dari 12 kali kewajibannya. Walau jumlah pemakaian listrik kelompok ini tidak lebih besar dari kelompok pertama namun pelanggan kelompok ini memiliki potensi dalam hal jumlah pelanggan. Jumlahnya yang besar merupakan potensi yang bisa dijadikan manajemen dalam memberikan layanan terhadap pelanggan segmen ini. Berikutnya adalah kelompok pelanggan ketiga yaitu kelompok pelanggan dengan jumlah anggota paling sedikit hanya pelanggan. Untuk melihat karakter-karakter kelompok pelanggan lainnya bisa dilihat pada Tabel 5 di bawah ini. Tabel 5. Karakter pelanggan rumah tangga berdasarkan lama berlangganan Kelompok Anggota Lama Berlangganan (Bulan) Pembayaran (Ribu Rupiah) Kedisiplinan Membayar (Kali) Jumlah Pemakaian (Watt) s/d s/d s/d s/d s/d s/d 260

11 37 Pelanggan rumah tangga dilihat berdasarkan jumlah pembayaran juga terbagi menjadi 3 kelompok. Kelompok pertama merupakan pelanggan yang memiliki jumlah pembayaran paling besar yaitu antara Rp hingga Rp Tingkat kedisiplinannya pun baik dalam membayar tagihan listrik yaitu pelanggan telah membayar tagihan listrik secara tepat waktu sebanyak 11 kali dari 12 kali kewajibannya. Walau jumlah pemakaian listrik kelompok ini paling besar dan tingkat disiplin membayarnya paling bagus, namun jumlah pelanggan yang ada di kelompok ini masih sedikit yaitu 137 pelanggan. Sementara kelompok kedua adalah pelanggan yang memiliki karakter kedisiplinan yang baik, lama berlangganan selama 12,5 tahun (150 bulan) dan jumlah pembayaran listrik antara Rp hingga Rp Jumlah pembayaran ratarata per bulan yang dimiliki kelompok kedua ini terbilang sedikit dibandingkan dengan kelompok lainnya. Namun kelompok kedua ini memiliki jumlah pelanggan yang sangat banyak yaitu pelanggan. Jumlah pelanggan yang sangat besar pada pelanggan golongan rumah tangga. Kemudian untuk kelompok ketiga memiliki karakter jumlah pembayaran rata-rata antara Rp hingga Rp dengan lama berlangganan rata-rata selama 12,16 tahun (146 bulan). Untuk melihat lebih jauh karakter kelompok pelanggan berdasarkan jumlah pembayaran ini bisa dilihat di Tabel 6 di bawah ini. Tabel 6. Karakter pelanggan rumah tangga berdasarkan jumlah pembayaran listrik Kelompok Anggota Lama Berlangganan (Bulan) Pembayaran (Ribu Rupiah) Kedisiplinan Membayar (Kali) Jumlah Pemakaian (Watt) s/d s/d s/d s/d s/d s/d 687 Pada percobaan menggunakan kombinasi variabel AB, BC, BD, ABC, BCD dan ABCD, karakter-karakter kelompok pelanggan yang muncul sama dengan karakter kelompok pelanggan rumah tangga yang dikelompokkan berdasarkan jumlah pembayaran listrik seperti yang disebutkan dalam Tabel 6 di atas. Untuk melihat lebih

12 38 jelas karakter kelompok pelanggan berdasarkan kombinasi variabel AB, BC, BD, ABC, BCD dan ABCD bisa dilihat pada Lampiran 3. Percobaan lainnya adalah pengelompokkan pelanggan berdasarkan tingkat kedisiplinan pelanggan. Dalam penelitian ini pelanggan terkelompok menjadi dua kelompok. Kelompok pertama adalah pelanggan yang memiliki tingkat kedisiplinan yang kurang. Maksudnya adalah pelanggan rata-rata memiliki jumlah pembayaran membayar tagihan listrik secara tepat waktu sebanyak 5 kali dari 12 kali yang mestinya dilakukan pelanggan. Ciri lain kelompok pertama ini adalah memiliki masa berlangganan selama 12,3 tahun (148 bulan) dan jumlah pembayaran rata-rata perbulan sebesar Rp hingga Rp Jumlah anggota kelompok yang memiliki tingkat disiplin cukup ini adalah pelanggan. Kelompok kedua adalah pelanggan yang memiliki jumlah pembayaran listrik antara Rp hingga Rp Jumlah pembayaran kelompok dua ini lebih banyak dibandingkan kelompok pertama, selain itu tingkat kedisiplinannya dalam membayar tagihan listrik secara tepat waktu baik yaitu pelanggan yang telah membayar tagihan listrik secara tepat waktu sebanyak 11 kali dari 12 kali yang mestinya dilakukan pelanggan. Jumlah pelanggan yang memiliki disiplin baik ini sangat banyak yaitu sekitar 80 persen atau persisnya berjumlah pelanggan. Ciri-ciri kelompok pelanggan rumah tangga yang dikelompokkan berdasarkan kedisiplinan membayar bisa dilihat pada Tabel 7 di bawah ini. Tabel 7. Karakter pelanggan rumah tangga berdasarkan kedisiplinan membayar Kelompok Anggota Lama Berlangganan (Bulan) Pembayaran (Ribu Rupiah) Kedisiplinan Membayar (Kali) Jumlah Pemakaian (Watt) s/d s/d s/d s/d 266 Percobaan selanjutnya adalah pengelompokkan berdasarkan jumlah pemakaian listrik. Ada tiga kelompok pelanggan yang terbentuk jika pelanggan rumah tangga dikelompokkan berdasarkan jumlah pemakaian listrik. Kelompok paling banyak adalah kelompok pertama yaitu ada pelanggan. Walau

13 39 jumlahnya sangat banyak namun konsumsi listrik pelanggan kelompok ini masih sedikit yaitu antara 112 watt hingga 160 watt. Kelompok pelanggan yang memiliki jumlah pemakaian listrik paling besar adalah kelompok kedua. Kelompok kedua ini memiliki jumlah konsumsi listrik rata-rata antara watt hingga watt. Namun kelompok kedua ini memiliki pelanggan yang sedikit yaitu 317 pelanggan saja. Untuk melihat lebih jelas karakter pelanggan rumah tangga berdasarkan jumlah pemakaian listrik ini bisa dilihat pada Tabel 8 berikut ini. Tabel 8. Karakter pelanggan rumah tangga berdasarkan jumlah pemakaian listrik Kelompok Anggota Lama Berlangganan (Bulan) Pembayaran (Ribu Rupiah) Kedisiplinan Membayar (Kali) Jumlah Pemakaian (Watt) s/d s/d s/d s/d s/d s/d 557 Pengelompokkan pelanggan berdasarkan kombinasi variabel AD, CD, dan ACD menghasilkan karakter pelanggan yang sama dengan pengelompokkan pelanggan berdasarkan jumlah pemakaian listrik. Untuk melihat lebih jelas hasil karakternya bisa dilihat pada Lampiran 3. Sementara itu, percobaan pengelompokkan pelanggan berdasarkan faktor lama berlangganan dan kedisiplinan membayar, pelanggan terbagi menjadi 3 kelompok. Ketiga kelompok memiliki kedisiplinan baik dalam membayar tagihan listrik yaitu kelima kelompok pelanggan telah membayar tagihan listrik secara tepat waktu sebanyak 10 kali dari 12 kali kewajiban yang harus dilakukan pelanggan. Jumlah pelanggan yang memiliki masa berlangganan cukup lama cukup sedikit yaitu pelanggan. Sementara, kelompok pelanggan baru berjumlah 5199 pelanggan dengan memiliki jumlah pembayaran listrik antara Rp hingga Rp Walau masa berlangganan listrik dengan PLN tergolong baru, namun jumlah pemakaian listrik per bulannya lebih besar dibandingkan dengan kelompok lainnya. Bila dilihat dari sisi jumlah pembayaran listrik dan jumlah pelanggan yang ada, kelompok ini memiliki potensi untuk dikembangkan dalam hubungan bisnis di masa-masa yang

14 40 akan datang. Untuk melihat karakter kelompok pelanggan yang dikelompokkan berdasarkan kombinasi variabel AC ini secara lengkap bisa dilihat pada Tabel 9 di bawah ini. Tabel 9. Karakter pelanggan rumah tangga berdasarkan lama berlangganan dan kedisiplinan membayar Kelompok Anggota Lama Berlangganan (Bulan) Pembayaran (Ribu Rupiah) Kedisiplinan Membayar (Kali) Jumlah Pemakaian (Watt) s/d s/d s/d s/d s/d s/d Karakter Pelanggan bisnis Pelanggan bisnis dilihat berdasarkan faktor lama berlangganan terdiri dari 3 kelompok. Kelompok pertama adalah kelompok pelanggan baru yang memiliki karakter masa berlangganan selama 3,9 tahun (47 bulan) dan jumlah pembayaran listrik rata-rata antara Rp hingga Rp Selain memiliki jumlah pembayaran listrik yang besar, kedisiplinan membayar tagihan listrik kelompok ini juga baik. Sebab dari 12 kali kewajibannya, pelanggan membayar tagihan listrik secara tepat waktu sebanyak 10 kali. Berdasarkan gambaran di atas, kelompok ini memiliki potensi yang bagus untuk dikembangkan dalam hubungan bisnis di masamasa yang akan datang. Lagi pula jumlah pelanggan baru untuk pelanggan golongan bisnis ini paling besar dibandingkan dengan kelompok lainnya yaitu pelanggan. Jumlah ini sangat berpotensi untuk dikembangkan dalam hubungan bisnis di masa yang akan datang. Sementara itu, kelompok kedua adalah kelompok pelanggan yang memiliki masa berlangganan listrik paling lama dibandingkan kelompok lainnya yaitu selama 25 tahun (153 bulan). Walau telah berlangganan lama, namun pemakaian listriknya tergolong kecil yaitu antara 370 watt hingga 524 watt. Jumlah yang kecil untuk ukuran keperluan bisnis. Jumlah pelanggan kelompok lama ini cuma sedikit yaitu sebanyak 320 pelanggan.

15 41 Kelompok ketiga adalah kelompok pelanggan dengan jumlah anggota paling banyak yaitu pelanggan. Pemakaian listrik kelompok ketiga ini tergolong besar yaitu antara 2058 watt hingga 2662 watt. Kondisi ini tentu saja cukup menguntungkan PLN, sebab sebagian besar pelanggan bisnis memiliki jumlah pembayaran yang besar. Karakter lengkap kelompok pelanggan pada percobaan ini bisa dilihat pada Tabel 10 di bawah ini. Tabel 10. Karakter pelanggan bisnis berdasarkan lama berlangganan Kelompok Anggota Lama Berlangganan (Bulan) Pembayaran (Ribu Rupiah) Kedisiplinan Membayar (Kali) Pemakaian (Watt) s/d s/d s/d s/d s/ s/d 2662 Namun bila dilihat berdasarkan faktor kedisiplinan, pelanggan bisnis hanya memiliki 2 kelompok yaitu (1) kelompok yang berdisiplin baik dan (2) pelanggan berdisiplin cukup baik. Dalam penelitian ini kelompok pelanggan berdisiplin baik diartikan sebagai adalah kelompok pelanggan yang telah membayar tagihan listrik secara tepat waktu sebanyak 11 kali dari 12 kali yang mestinya dilakukan pelanggan. Jumlah pelanggan berdisiplin baik cukup besar yaitu pelanggan. Namun jumlah pelanggan yang memiliki kedisiplinan kurang dalam membayar tagihan listrik secara tepat waktu lumayan banyak sekitar 15 persen atau 877 pelanggan. Pelanggan kurang disiplin ini hanya 5 kali membayar tagihan listrik secara tepat waktu dari 12 kali yang mestinya dilakukan pelanggan. Tabel 11. Kakrakter pelanggan bisnis berdasarkan kedisiplinan membayar Kelompok Anggota Lama Berlangganan (Bulan) Pembayaran (Ribu Rupiah) Kedisiplinan Membayar (Kali) Pemakaian (Watt) s/d s/d s/d s/d 1475 Berdasarkan faktor lama berlangganan dan kedisplinan membayar pelanggan bisnis terbagi dalam 3 kelompok. Pada penelitian ini, semua kelompok pelanggan

16 42 memiliki kedisiplinan membayar yang baik yaitu pelanggan telah membayar tagihan listrik secara tepat waktu sebanyak 10 kali dari 12 kali kewajibannya. Kelompok pelanggan baru memiliki jumlah pelanggan paling banyak yaitu sebanyak pelanggan dengan masa berlangganan selama 3,9 tahun (47 bulan). Sementara kelompok pelanggan lama memiliki anggota paling sedikit yaitu 320 pelanggan dengan masa berlangganan selama 25,4 tahun (305 bulan). Untuk melihat karakter pelanggan bisnis pada percobaan menggunakan kombinasi variabel AC ini bisa dilihat pada Tabel 12 di bawah ini. Tabel 12. Karakter pelanggan bisnis berdasarkan lama berlangganan dan kedisiplinan membayar Kelompok Anggota Lama Berlangganan (Bulan) Pembayaran (Ribu Rupiah) Kedisiplinan Membayar (Kali) Pemakaian (Watt) s/d s/d s/d s/d s/d s/d 524 Pelanggan bisnis dilihat berdasarkan kombinasi variabel B, D, AB, AD, BC, BD, CD, ABC, ABD, ACD, BCD dan ABCD terbagi ke dalam 3 kelompok. Semuanya memiliki karakter dan komposisi pelanggan yang sama. Kelompok pelanggan pertama adalah kelompok pelanggan yang terdiri dari 3 pelanggan dengan jumlah pembayaran rata-rata antara Rp ribu hingga Rp Walau potensi pemakaian listriknya cukup besar, namun kedisplinan membayar tagihan listriknya kurang baik yaitu hanya membayar tagihan listrik sebanyak 5 kali secara tepat waktu dari 12 kali yang harusnya dilakukan. Kelompok pelanggan kedua adalah kelompok pelanggan yang memiliki jumlah anggota paling kecil yaitu 1 pelanggan. Namun pelanggan ini memiliki jumlah tagihan listrik paling besar dan tingkat disiplin sangat baik, yaitu memiliki jumlah tagihan listrik antara Rp hingga Rp dan telah membayar tagihan listrik secara tepat waktu sepanjang tahun. Berdasarkan perilaku di atas pelanggan ini memiliki potensi yang bagus baik dalam pemakaian listrik maupun kedisiplinannya membayar tagihan listrik secara tepat waktu.

17 43 Kelompok ketiga adalah kelompok pelanggan dengan jumlah pembayaran listrik antara Rp sampai dengan Rp Walau jumlah pembayarannya paling kecil dibandingkan kelompok lainnya, jumlah pelanggan kelompok ini sangat besar yaitu sebanyak 5625 pelanggan. Jumlah yang sangat potensial untuk dikembangkan. Lagi pula kelompok ketiga ini memiliki kedisiplinan yang baik yaitu pelanggan membayar tagihan listrik secara tepat waktu sebanyak 10 kali dari 12 kali kewajibannya. Untuk melihat karakter pelanggan lebih lengkap bisa dilihat pada Tabel 13 berikut ini. Tabel 13. Karakter pelanggan bisnis berdasarkan jumlah pembayaran Kelompok Anggota Lama Berlangganan (Bulan) Pembayaran (Ribu Rupiah) Kedisiplinan Membayar (Kali) Pemakaian (Ribu Watt) s/d s/d s/d s/d s/d ,6 s/d 0,87 3. Karakter Pelanggan industri Pada percobaan pengelompokkan berdasarkan lama berlangganan, pelanggan industri dikelompokkan ke dalam 3 kelompok. Karakter kelompok pertama memiliki masa berlangganan selama 11,8 tahun (142 bulan). Pelanggan pertama ini terdiri dari 82 pelanggan dan jumlah pembayaran rata-rata per bulan antara Rp hingga Rp Kelompok kedua adalah kelompok pelanggan baru yaitu rata-rata baru berlangganan selama 3 tahun (36 bulan) dengan PLN. Kelompok kedua ini memiliki jumlah anggota sebanyak 132 pelanggan dengan jumlah pembayaran antara Rp sampai Rp Pelanggan baru pada data pelanggan industri memiliki potensi yang baik untuk dikembangkan dalam hubungan bisnis di masa mendatang. Sebab kelompok pelanggan baru ini memiliki jumlah pemakaian listrik yang besar yaitu antara watt hingga watt. Namun dalam hal pembayaran, kelompok pelanggan baru ini perlu mendapat perhatian ekstra. Sebab dari 12 kali kewajibannya, hanya 9 kali pelanggan membayar tagihan listrik secara tepat waktu.

18 44 Kelompok ketiga adalah kelompok pelanggan yang telah lama berlangganan listrik dengan PLN yaitu selama 22,5 tahun (270 bulan). Jumlah pelanggan lama hanya sedikit yaitu 57 pelanggan saja. Jumlah tagihan listriknya pun sedikit yaitu antara Rp hingga Rp Untuk melihat karakter lengkap kelompok pelanggan berdasarkan lama berlangganan ini, bisa dilihat pada Tabel 14 di bawah ini. Tabel 14. Karakter pelanggan industri berdasarkan lama berlangganan Kelompok Anggota Lama Berlangganan (Bulan) Pembayaran (Juta Rupiah) Kedisiplinan Membayar (Kali) Pemakaian (Ribu Watt) s/d s/d s/d s/d s/ s/d 31 Dilihat dari faktor jumlah pembayaran, pelanggan industri terbagi menjadi 3 kelompok. Karakter pelanggan yang dikelompokkan berdasarkan jumlah pembayaran ini memiliki karakter yang sama dengan karakter kelompok pelanggan yang dikelompokkan berdasarkan kombinasi variabel AB, BC, BC, ABC, ABD, BCD dan ABCD. Karakter kelompok pertama memiliki jumlah pembayaran paling besar yaitu antara Rp hingga Rp Namun tingkat kedisiplinan kelompok pertama ini sangat kurang ini yaitu hanya membayar tagihan listrik secara tepat waktu sebanyak 5 kali dari 12 kali yang harus pelanggan lakukan. Sementara itu kelompok kedua memiliki anggota paling banyak yaitu 306 pelanggan. Namun kelompok ini memiliki tagihan listrik rata-rata paling kecil dibandingkan dengan kelompok lainnya yaitu antara Rp hingga Rp Tetapi tingkat disiplinannya membayar tagihan listrik baik yaitu membayar tagihan listrik secara tepat waktu sebanyak 10 kali dari 12 kali kewajibannya. Untuk melihat lebih jauh karakter pelanggan industri berdasarkan jumlah pembayaran listrik bisa dilihat di Tabel 15.

19 45 Tabel 15. Karakter pelanggan industri berdasarkan jumlah pembayaran Kelompok Anggota Lama Berlangganan (Bulan) Pembayaran (Juta Rupiah) Kedisiplinan Membayar (Kali) Pemakaian (Ribu Watt) s/d s/d s/d s/d s/d s/d 32 Pelanggan industri dilihat berdasarkan kedisiplinan membayar tagihan listrik terbagi menjadi 2 kelompok yaitu (1) pelanggan disiplin dan (2) pelanggan kurang disiplin. Pelanggan disiplin pada percobaan ini adalah pelanggan yang telah membayar tagihan listrik secara tepat waktu sebanyak 11 kali dari 12 kali pembayaran yang seharusnya dilakukan pelanggan. Jumlah pelanggan disiplin ini adalah 282 pelanggan. Pelanggan disiplin ini telah berlangganan energi listrik dengan PLN selama 10,5 tahun (126 bulan) dan memiliki tagihan listrik rata-rata setiap bulan sebesar Rp hingga Rp Sementara itu, pelanggan kurang disiplin dalam percobaan ini adalah pelanggan yang telah membayar tagihan listrik secara tepat waktu sebanyak 3 kali dari 12 kali kewajibannya. Jumlah pelanggan kurang disiplin ini cukup banyak yaitu sekitar 16 persen atau 55 pelanggan. Untuk melihat lebih jelas karakter pelanggan industri berdasarkan kedisiplinan pelanggan bisa dilihat pada Tabel 16 di bawah ini. Tabel 16. Karakter pelanggan industri berdasarkan kedisiplinan membayar Kelompok Anggota Lama Berlangganan (Bulan) Pembayaran (Juta Rupiah) Kedisiplinan Membayar (Kali) Pemakaian (Ribu Watt) s/d s/d s/d s/d 38 Pengelompokkan pelanggan industri berdasarkan kombinasi variabel D, AD, CD dan ACD terkelompok menjadi 4 pelanggan. Karakter pelanggan pada keempat kombinasi variabel di atas memiliki kesamaan karakter. Karakter-karakter kelompok pelanggan secara lengkap bisa dilihat pada Tabel 17 di bawah ini.

20 46 Tabel 17. Karakter pelanggan industri berdasarkan berdasarkan jumlah pemakaian listrik Kelompok Anggota Lama Berlangganan (Bulan) Pembayaran (Juta Rupiah) Kedisiplinan Membayar (Kali) Pemakaian (Ribu Watt) s/d s/d s/d s/d s/d s/d s/d s/d 11 Sama dengan di atas, pelanggan industri dilihat dari faktor lama berlangganan dan kedisiplinan membayar terbagi ke dalam 3 kelompok. Semua kelompok pelanggan rata-rata memiliki kedisiplinan membayar tagihan listrik yang baik yaitu antara 9 sampai 10 kali membayar tagihan listrik secara tepat waktu dari 12 kali kewajiban yang harus pelanggan lakukan. Kelompok pelanggan baru terdiri dari 132 pelanggan yaitu telah berlangganan selama 3 tahun (36 bulan). Sementara kelompok lama terdiri dari 57 pelanggan dengan jumlah pembayaran antara Rp hingga Rp Untuk melihat lebih jelas karakter-karakternya bisa dilihat pada Tabel 18 di bawah ini. Tabel 18. Karakter pelanggan industri berdasarkan lama berlangganan dan kedisiplinan membayar Kelompok Anggota Lama Berlangganan (Bulan) Pembayaran (Juta Rupiah) Kedisiplinan Membayar (Kali) Pemakaian (Ribu Watt) s/d s/d s/d s/d s/d s/d Implementasi CRM di PLN Dalam mengembangkan CRM, ada tiga pilar penting yang harus dibangun manajemen PT PLN yaitu (1) orang, (2) proses dan prosedur dan (3) teknologi. 1. Pilar orang. Pilar orang meliputi sudut pandang karyawan PT PLN dalam memberikan pelayanan prima kepada konsumen. Pola pikir karyawan terhadap visi pelayanan PLN seperti menjadikan pelanggan sebagai mitra sejajar dan

21 47 menjamin kepuasan pelanggan harus benar-benar ditanamkan kepada semua karyawan dalam mengembangkan CRM. Setelah memberikan pemahaman yang cukup tentang pelayanan yang prima terhadap pelanggan, langkah berikutnya yang harus diberikan kepada SDM milik PT PLN adalah memberikan pengetahuan dan keterampilan lewat berbagai pelatihan. 2. Pilar proses dan prosedur. Perusahaan harus mendefinisikan target pelanggan yang lebih jelas dan prosedur pelayanan yang rinci dan detail tentang pelayanan terhadap pelanggan. Sistem segmentasi yang dibangun dalam penelitian ini bisa dijadikan sebagai proses alternatif dalam mendefinisikan target pelanggan yang lebih jelas. 3. Pilar teknologi. Ada beberapa model yang bisa dikembangkan dalam membangun CRM diantaranya CRM komunikasi, CRM operasional dan CRM analisis. Orang CRM Teknologi Proses Gambar 13. Pilar CRM Beberapa aktivitas yang dilakukan dalam konsep membangun CRM antara lain : 1. Membangun basisdata pelanggan yang kuat Basisdata yang kuat merupakan modal utama dalam membangun CRM. Manajemen PT PLN harus membangun sistem basisdata yang terintegrasi. Basisdata unit pelayanan dan unit distribusi serta unit teknis milik PLN yang terpisah selama ini harus diintegrasikan ke dalam sistem basisdata CRM. Hal ini dimaksudkan untuk menjamin kehandalan dan kelengkapan data yang dimiliki

22 48 CRM. Selain data pribadi pelanggan, basisdata yang dibangun harus berisi informasi tentang perilaku pelanggan dalam menggunakan energi listrik. Hal ini dimaksudkan agar data-data yang dikumpulkan dalam basisdata bermanfaat dalam menggambarkan secara akurat karakter pelanggan. Data-data dasar yang perlu dikumpulkan manajemen PT PLN dalam basisdata untuk menggambarkan karakter pelanggan secara lebih lengkap antara lain : a. Lama berlangganan b. Jumlah pembayaran listrik per bulan c. Kedisiplinan membayar d. Jumlah pemakaian listrik per bulan e. Jumlah watt dari alat listrik yang dimiliki pelanggan f. Keuntungan per pelanggan g. Keluhan pelanggan h. Jumlah gangguan listrik pada jaringan pelanggan per bulan i. Jumlah penghuni j. Penghasilan pelanggan k. Jenis layanan produk dan jasa yang diperlukan pelanggan Sistem Interaksi Pelanggan Pelanggan Momentum Interaksi - Pendaftaran pelanggan - Penambahan daya - Laporan keluhan - Laporan gangguan - Pembayaran listrik pelanggan - Mengunjungi website PLN - Mengirim - dll Gambar 14. Momentum interaksi pelanggan dengan sistem CRM Semakin banyak data yang dimiliki manajemen tentang pelanggannya akan semakin baik bagi perusahaan dalam mengenali pelanggan. Saluran yang bisa dimanfaatkan manajemen PT PLN untuk mengumpulkan data antara lain

23 49 , website, tele-marketiing, unit pelayanan pelanggan (customer service), unit pengaduan gangguan, dan tenaga pemasaran lapangan. Saluran layanan Sarana layanan Produk dan layanan website Customer service Mailing list Layanan informasi data Pelayanan data pelanggan Pendaftaran pelanggan Program penambahan daya Telemarketing Unit pengaduan gangguan Tenaga lapangan Promosi/penawaran Call center 123/ Meja pengaduan Pelayanan lapangan Informasi jalur pemadaman Layanan dan produk lain Gambar 15. Saluran pengumpulan informasi dan sarana layanan 1. Membuat profil setiap pelanggan Membangun profil pelanggan bisa dilakukan berdasarkan data pribadi pelanggan. Lebih jauh lagi, profil pelanggan bisa dibangun berdasarkan gabungan karakter pelanggan satu per satu berdasarkan informasi yang dikumpulkan lewat basisdata dan hasil analisis segmentasi. Profil pelanggan ini harus menggambarkan keperluan, keinginan, perhatian dan harapan pelanggan terhadap produk dan jasa layanan yang diberikan PLN selama ini. 2. Membuat analisis terhadap pelanggan Secara umum ada beberapa analisis yang bisa dilakukan manajemen PT PLN untuk menggambarkan pelanggannya diantaranya analisis nilai pelanggan, analisis perilaku pelanggan menggunakan energi listrik, analisis kepuasan pelanggan dan analisis lain yang dianggap relevan. Analisis pelanggan yang dilakukan dalam penelitian ini adalah analisis segmentasi pelanggan berdasarkan perilakunya dalam menggunakan energi listrik.

24 50 3. Membangun interaksi yang lebih terarah Dengan profil lengkap dan hasil analisa terhadap perilaku pelanggan, manajemen PLN lebih mudah memberikan pelayanan dan tawaran produk terhadap pelanggan sesuai keperluannya. Komunikasi terhadap pelanggan juga lebih mudah karena manajemen mengetahui karakter masing-masing pelanggan sehingga hubungan emosional antara perusahan dengan pelanggan bisa terjalin lebih erat lagi. Hasil penelitian segmentasi pelanggan berdasarkan perilakunya dalam menggunakan energi listrik bisa dijadikan referensi bagi manajemen PT PLN sebagai informasi dalam membangun hubungan dan pelayanan kepada pelanggan. Berikut ini uraian dan beberapa contoh program yang bisa diberikan manajemen PT PLN sehubungan dengan hasil penelitian karakter perilaku pelanggan dalam menggunakan energi listrik : a. Pelanggan Rumah Tangga Beberapa layanan produk yang bisa dilakukan manajemen PT PLN berkaitan dengan karakter pelanggan rumah tangga antara lain : 1. Segmen pelanggan berdasarkan lama berlangganan Secara teknis instalasi listrik pelanggan yang telah berumur 10 tahun lebih harus dilakukan pemeriksaan untuk mengetahui kelayakan instalasi miliknya. Sementara itu, sebagian besar pelanggan rumah tangga di Area Pelayanan Cengkareng sudah berlangganan dengan PT PLN lebih dari 10 tahun. Yaitu pelanggan telah berlangganan selama 13,75 tahun dan pelanggan telah berlangganan selama 24,17 tahun. Dengan kenyataan ini, manajemen bisa memberikan layanan pemeriksaan kepada instlasi pelanggan rumah tangga yang telah berumur 10 tahun lebih tersebut, khususnya kepada pelanggan yang telah berlangganan selama 24 tahun. Paling tidak, manajemen bisa memberi peringatan secara dini kepada pelanggan untuk memeriksa instalasinya masing-masing. Sehingga kejadian arus pendek penyebab kebakaran bisa dicegah. Sebab berdasarkan hasil penelitian PT PLN Area Pelayanan Cengkareng tahun 2006 lalu, baru 55,73 persen pelanggan yang sadar akan bahaya kelistrikan.

25 51 2. Segmen pelanggan berdasarkan jumlah pembayaran Bila dilihat berdasarkan jumlah pembayaran, sebagian besar pelanggan rumah tangga memiliki jumlah tagihan listrik yang kecil. Hanya ada 8 persen (137 pelanggan) yang memiliki tagihan listrik yang cukup besar yaitu antara Rp hingga Rp Hal ini sesuai dengan kondisi perekonomian masyarakat di Area Pelayanan Cengkareng yang sebagian besar berada pada tingkat menengah ke bawah. Namun demikian, sebagian besar pelanggan rumah tangga memiliki kedisiplinan membayar yang baik. Kedisiplinan tersebut tidak tergantung pada lama tidaknya pelanggan berlangganan listrik dengan PLN. Sebab pelanggan rumah tangga merupakan pelanggan terbesar di PLN Area Pelayanan Cengakareng. Kedisiplinan pelanggan ini tentu saja membantu cash flow keuangan perusahaan. Dengan kedisiplinan pelanggan dalam membayar tagihan listrik yang baik tersebut, perusahaan harus menjaga pasokan energi listrik secara ketat kepada pelanggan rumah tangga di Area Pelayanan Cengkareng dalam rangka memberikan kepuasan pelanggan. 3. Segmen pelanggan berdasarkan kedisiplinan membayar Dilihat dari sisi kedisiplinan sekitar 17 persen dari pelanggan rumah tangga di Area Pelayanan Cengkareng kurang memiliki kedisiplinan dalam membayar tagihan listrik secara tepat waktu. Hal ini tentu saja perlu mendapat perhatian serius bagi perusahaan. Sebab jumlah pelanggan rumah tangga dalam struktur pelanggan PLN Area Pelayanan Cengkareng merupakan pelangga paling banyak dibandingkan dengan pelanggan bisnis dan industri. Sehingga kedisiplinan pelanggan rumah tangga dalam membayar tagihan listrik secara tepat waktu sangat mempengaruhi likuiditas keuangan perusahaan. Walau banyak faktor yang menjadi penyebab pelanggan kurang disiplin dalam membayar tagihan listrik, manajemen bisa lebih mengupayakan pelayanan dalam hal akses pembayaran listrik. Sudah banyak bank yang telah mau bekerja sama dalam hal pembayaran dengan PLN diantaranya Bank BRI, Bank Lippo, Bank Ekonomi, Bank Buana, Bank Haga, Bank Hagakita, Bank Bumiputera,

26 52 Bank BCA, Bank Victoria, Bank Panin, Bank Bukopin, Bank BTN dan Bank Tokyo Mitsubishi. Manajemen bisa lebih menyosialisasikan tempat pembayaran on line di perbankan ini sebagai tempat pembayaran alternatif bagi pelanggan. Selain bisa menekan keterlambatan, kemudahan pembayaran lewat perbankan juga memberi kenyamanan kepada pelanggan dalam membayar tagihan listrik. Sebab pembayaran on line lewat perbankan tidak mengenal antrian seperti halnya pembayaran tagihan lewat loket konvensional milik PLN. Untuk pelanggan rumah tangga yang memiliki kedisiplinan baik, manajemen harus memberikan perhatian serius dalam hubungannya dengan pelanggan. Perhatian ini bisa dilakukan lewat pelayanan di tempat pembayaran, pembacaan meter hingga penambahan daya listrik. Dalam hal penambahan daya listrik, manajemen bisa memberikan prioritas lebih kepada pelanggan yang disiplin baik ini. Sebab pelanggan berdisiplin baik ini telah membuktikan dirinya telah membayar tagihan tepat waktu selama ini. 4. Segmen pelanggan berdasarkan jumlah pemakaian listrik Jumlah pemakaian listrik pelanggan rumah tangga sebagian besar berada pada kelompok kecil. Hanya sekitar 8 persen yang memiliki pemakaian listrik besar dibandingkan kelompok lain pada pelanggan rumah tangga. Namun demikian, secara rata-rata kesetiaan pelanggan dalam membayar tagihan listrik secara tepat waktu cukup baik. Kesetiaan inilah yang harus dijaga manajemen lewat berbagai pendekatan hubungan dengan pelanggan. Sebab target pemakaian listrik dalam jumlah besar memang tidak dibebankan pada pelanggan rumah tangga. Sebab pemakaian listrik untuk kalangan rumah tangga hanya terbatas untuk keperluan pribadi pelanggan di rumah. Bukan untuk keperluan mesin besar atau untuk menyalakan penerangan dalam jumlah banyak seperti yang dilakukan pelanggan bisnis.

27 53 b. Pelanggan Bisnis 1. Segmen pelanggan berdasarkan lama berlangganan Sebagian besar pelanggan bisnis di Area Pelayanan Cengkareng adalah pelanggan baru. Jumlahnya sekitar pelanggan. Mereka baru berlangganan listrik dengan PLN sekitar 3,9 tahun. Data ini menunjukan bahwa pertumbuhan pelanggan bisnis dalam kurun waktu 4 tahun belakangan di Area Pelayanan Cengkareng cukup besar. Manajemen PT PLN harus memberikan perhatian serius kepada pelanggan bisnis. Khususnya dalam pasokan energi listrik secara berkesinambungan. Sebab jaminan pasokan energi listrik secara kontinyu tanpa adanya gangguan akan sangat membantu pelanggan dalam menjalankan bisnisnya. Dengan adanya pasokan energi listrik yang lancar diharapkan pertambahan pelanggan golongan bisnis di daerah ini akan terus meningkat di masa yang akan datang seiring dengan membaiknya kondisi perekonomian. Walau jumlah pelanggan bisnis yang berlangganan di atas 10 tahun di area ini sekitar 24 persen, namun PLN harus terus memberikan peringatan dini terhadap pelanggan untuk memperhatikan instalasi listriknya. Manajemen juga bisa memikirkan pemberian pelayanan perbaikan instalasi kepada pelanggan yang telah berumur di atas 10 tahun. Pelayanan bisa dilakukan secara gratis ataupun berbayar sesuai dengan kebijaksanaan manajemen. 2. Segmen pelanggan berdasarkan jumlah pembayaran Berdasarkan jumlah pembayaran listrik per bulan, sekitar 99 persen pelanggan bisnis di Area Pelayanan Cengkareng adalah pelanggan yang memiliki jumlah pembayaran yang kecil dibandingkan kelompok lainnya. Jumlah pembayarannya rata-rata antara Rp sampai dengan Rp Walau jumlah pembayarannya kecil, manajemen harus memperhatikan pelanggan kelompok ini. Sebab pelanggan kelompok ini menguasai sebagian besar komposisi pelanggan bisnis. Hal ini tentu saja sangat mempengaruhi likuiditas keuangan di PLN Area Pelayanan Cengkareng. Lagi pula kedisiplinan membayar

28 54 mereka cukup baik yaitu 10 kali membayar tagihan listrik secara tepat waktu dari 12 kali kewajibannya. Ada sebuah kelompok yang cukup menarik dari segmentasi pelanggan berdasarkan jumlah pembayaran dan pemakaian listrik ini. Yaitu seorang pelanggan yang memiliki jumlah pemakaian dan pembayaran listrik yang sangat besar. Dalam sebulan, pelanggan memiliki tagihan listrik antara Rp hingga Rp Kedisiplinan membayar tagihan listriknya pun sangat baik yaitu selalu membayar tagihan listrik secara tepat waktu sepanjang tahun. Manajemen harus menjamin kelangsungan pasokan energi listrik pelanggan berpotensi besar ini. Selain itu manajemen bisa memberikan tawaran tarif multiguna yang lebih fleksibel dan seusai dengan pemakaian listrik dalam jumlah besar. Saat momentum ulang tahun PLN, pelanggan ini bisa menjadi prioritas untuk diberi penghargaan sebagai pelanggan potensial yang sangat disiplin. Sehingga semangat pelanggan sebagai mitra dalam visi pelayanan PLN benarbenar bisa tercermin dalam program ini. 3. Segmen pelanggan berdasarkan kedisiplinan membayar Dari sisi kedisiplinan membayar tagihan listrik sekitar sekitar 15 persen pelanggan bisnis memiliki kedisiplinan yang kurang baik. Yaitu hanya 5 kali membayar tagihan listrik secara tepat waktu dari 12 kali kewajibannya. Kondisi ini tentu saja buruk bagi keuangan perusahaan. Untuk memaksimalkan kedisiplinan perusahaan, manajemen harus menggencarkan sosialisasi pembayaran lewat on line di perbankan. Pembayaran pelanggan bisnis lewat perbankan tentu saja sangat memudahkan pelanggan bisnis. Selain mudah dilakukan, pelanggan golongan bisnis tentu saja sudah tidak asing berhubungan dengan perbankan. Sementara itu, sekitar 84 persen pelanggan bisnis di Area Pelayanan Cengkareng memiliki kedisiplinan membayar yang baik yaitu 11 kali membayar tagihan listrik secara tepat waktu dari 12 kali kewajibannya. Pelanggan kelompok ini merupakan mitra yang sangat strategis bagi PLN dalam menjalankan bisnisnya. Hubungan dengan pelanggan kelompok ini bisa terus