Analisa Performansi Dan Peramalan Call Center PT.INDOSAT, Tbk dengan Menggunakan Formula Erlang C

dokumen-dokumen yang mirip
Analisa Performansi Dan Peramalan Call Center PT.INDOSAT, Tbk dengan Menggunakan Formula Erlang C

Analisa Performansi Call Center PT. Indosat, Tbk Dengan Menggunakan Formula Erlang C

BAB SIMULASI PERHITUNGAN HARGA BARANG. Bab 4 Simulasi Perhitungan Harga barang berisikan :

PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)

FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA

PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA

Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun

Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus

IV. HASIL DAN PEMBAHASAN

Data Tingkat Hunian Hotel Rata-Rata di Propinsi DIY Tahun Tahun Bulan Wisman

PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)

PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER

III. METODE PENELITIAN

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015

TINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang

PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010

PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELOKM Tbk.

PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO

Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah

Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api

Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input

Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan

Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA

BAB 5 HASIL DAN PEMBAHASAN. Tabel 5.1 Total Hasil Penjualan

Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

MODEL ARMA (AUTOREGRESSIVE MOVING AVERAGE) UNTUK PREDIKSI CURAH HUJAN DI KABUPATEN SEMARANG JAWA TENGAH - INDONESIA. Salatiga, Jawa Tengah, Indonesia

Penerapan Model ARIMA

BAB 2 LANDASAN TEORI

HALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL...

PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA

PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH

BAB III METODE PENELITIAN

BAB 2 LANDASAN TEORI

DAFTAR ISI. HALAMAN JUDUL. i. LEMBAR PERSETUJUAN ii LEMBAR PENGESAHAN. iii LEMBAR PERNYATAAN.. iv

PENJADWALAN KEBUTUHAN BAHAN BAKU STUDI KASUS DI PT. BAN AWET SURABAYA SKRIPSI. ( t2+- p K~-~ (;C.~~

PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH

HASIL DAN PEMBAHASAN Eksplorasi Data Suhu Udara Rata-rata

Artikel Ilmiah. Peneliti : Auditya Gianina Bernadine Amaheka ( ) Michael Bezaleel Wenas, S.Kom., M.Cs.

MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI

PERAMALAN NILAI EKSPOR DI PROPINSI SUMATERA UTARA DENGAN METODE ARIMA BOX-JENKINS

MODUL MINITAB UNTUK PERAMALAN DENGAN METODE ARIMA DAN DOUBLE EXPONENTIAL

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA

PERAMALAN JUMLAH PENUMPANG BANDARA I GUSTI NGURAH RAI DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)

PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI

PENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK)

PEMBUATAN APLIKASI PENDUKUNG KEPUTUSAN UNTUK PERAMALAN PERSEDIAAN BAHAN BAKU PRODUKSI PLASTIK BLOWING DAN INJECT MENGGUNAKAN METODE ARIMA

BAB III METODE PENELITIAN. dikumpulkan oleh pihak lain selain dari penelitian itu sendiri. Jenis data yang dipakai

PERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA

PEMODELAN DAN PERAMALAN DATA PEMBUKAAN IHSG MENGGUNAKAN MODEL ARIMA

PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS

Prediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins

LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins

TREND ANALYSIS INFANT MORTALITY RATE DENGAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA)

ANALISA KINERJA AGENT PADA CALL CENTER PT.INDOSAT,Tbk DENGAN IMPLEMENTASI DATA MINING CLUSTERING METODE K-MEANS

PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH

II. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya

Model Penjualan Plywood PT. Linggarjati Mahardika Mulia

Musim Hujan. Musim Kemarau

PERAMALAN HASIL PRODUKSI ALUMINIUM BATANGAN PADA PT INALUM DENGAN METODE ARIMA

PEMODELAN MATEMATIKA UNTUK TRAFIK. Oleh : Mike Yuliana PENS

Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins

PEMODELAN SARIMAX DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) V PURWOKERTO

Peramalan Permintaan Paving Blok dengan Metode ARIMA

Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer

DAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian...

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

APLIKASI ALGORITMA GENETIKA UNTUK MERAMALKAN KONSUMSI PREMIUM KOTA DENPASAR

PROSPEK PERDAGANGAN KOPI ROBUSTA INDONESIA DI PASAR INTERNASIONAL. (Indonesian Robusta Coffee Trade Prospects In The International Markets)

BAB 2 LANDASAN TEORI

Analisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung

Contoh Analisis Deret Waktu: BJSales

Perkapalan Negeri Surabaya, Surabaya Program Studi Teknik Otomasi, Jurusan Teknik Kelistrikan Kapal, Politeknik Perkapalan Negeri

KETERKAITAN ANTARA NILAI RATA-RATA DAN NILAI KONSTAN DALAM PEMODELAN RUNTUN WAKTU BOX-JENKINS

Prediksi Harga Saham dengan ARIMA

PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA

Perencanaan Pengendalian Persediaan Bahan Baku Pupuk NPK dengan Menggunakan Model Economic Order Quantity (Studi kasus: PT. Petrokimia Gresik)

4 BAB IV HASIL PEMBAHASAN DAN EVALUASI. lebih dikenal dengan metode Box-Jenkins adalah sebagai berikut :

BAB IV ANALISIS DAN PEMBAHASAN

ANALISIS FORECASTING DALAM SPSS : APLIKASI KOMPUTER STATISTIK

PERAMALAN PENJUALAN GAS LPG PADA TOKO UPAYA TETAP BERKARYA

Metode Deret Berkala Box Jenkins

Peramalan Harga Minyak Mentah Standar West Texas Intermediate dengan Pendekatan Metode ARIMA

Pemodelan Inflasi Nasional dengan Self-Exciting Threshold Autoregressive

PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL. Oleh: Niswatul Maghfiroh NRP.

PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP

Peramalan merupakan alat bantu yang penting dalam penyusunan rencana yang efektif dan efisien. Pada

Oleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si

ANALISIS KELAYAKAN RENCANA PEMBUKAAN SHOWROOM MOBIL OLEH PT XYZ BERDASARKAN RAMALAN PERMINTAAN DI BANDA ACEH

III. METODE PENELITIAN

BAB II LANDASAN TEORI

PERAMALAN STOK BARANG UNTUK MEMBANTU PENGAMBILAN KEPUTUSAN PEMBELIAN BARANG PADA TOKO BANGUNAN XYZ DENGAN METODE ARIMA

Anis Nur Aini, Sugiyanto, dan Siswanto Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret Surakarta

Analisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode

Pemodelan ARIMA Non- Musim Musi am

OUTLINE. Pendahuluan. Tinjauan Pustaka. Metodologi Penelitian. Analisis dan Pembahasan. Kesimpulan dan Saran

BAB II LANDASAN TEORI

PEMODELAN INFLASI DI KOTA SEMARANG, YOGYAKARTA, DAN SURAKARTA DENGAN PENDEKATAN GSTAR. Oleh : Laily Awliatul Faizah ( )

model Seasonal ARIMA

BAB III PEMBAHASAN. harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017.

Transkripsi:

Analisa Performansi Dan Peramalan Call Center PT.INDOSAT, Tbk dengan Menggunakan Formula Erlang C Oleh: Rara Karismawati NRP.7207040019 1 Pembimbing: Mike Yuliana, ST, MT NIP. 197811232002122009 Reni Soelistijorini, B.ENG,MT NIP. 197104281999032003

Content Latar belakang Latar belakang Tujuan Tujuan Perumusan dan Batasan masalah Perumusan dan Batasan masalah Tehnologi yang digunakan Parameter Penentu Performansi Perancangan Sistem Sistem Pengujian Sistem Sistem Kesimpulan 2

LATAR BELAKANG Call center merupakan hal terpenting bagi suatu perusahaan. Banyaknya panggilan yang masuk pada Call center dapat mengakibatkan antrian pada sistem. Pengolahan data untuk performance call center yang dikerjakan secara manual dengan microsoft excel. Perhitungan performansi yang bertujuan untuk mengetahui kinerja Call Centre PT,INDOSAT, Tbk 3

TUJUAN 4 Menganalisa bagaimana kinerja Call Center PT.Indosat, Tbk yang ditinjau dari beberapa perhitungan performansi yaitu rata-rata traffic sebagai penentu jam sibuk, probabilitas delay (P>0), rata-rata delay setiap panggilan yang masuk, perhitungan jumlah agent yang ideal, serta perhitungan Service Level (SL). Meramalkan data traffic Call Center PT.INDOSAT, Tbk pada periode setahun kedepan.

RUMUSAN MASALAH 5 Call center merupakan hal terpenting bagi suatu perusahaan. Banyaknya panggilan yang masuk pada Call center dapat mengakibatkan antrian pada sistem. Diperlukan peramalan data trafik mendatang untuk mengantisipasi jumlah agent yang akan disediakan. Pengolahan data untuk performance call center yang dikerjakan secara manual dengan microsoft excel.

BATASAN MASALAH Data traffic yang digunakan adalah data yang didapat dari Call Center PT.Indosat, Tbk periode tahun 2008 2009 Metode yang digunakan untuk menentukan Probabilitas waktu tunggu pelanggan adalah Formula Erlang C. Menggunakan database berbasis MySQL yang digunakan untuk menyimpan data traffic harian. Metode yang digunakan untuk memprediksi traffic adalah ARIMA (1,0,1). 6

Parameter penentu Performansi Call Center (1) Perhitungan Rata-rata Traffic Harian Data traffic yang akan dirata-rata terdiri dari beberapa parameter yaitu call offered, call answer, call abandoned, dan call disconnected. Dari data call offered dapat diketahui jam sibuk pada suatu waktu tertentu. Perhitungan Service Level Untuk mendapatkan nilai SL ini menggunakan rumus sebagai berikut: 7

Parameter penentu Performansi Call Center (2) Perhitungan Jumlah Agent Untuk menghitung jumlah agent minimum menggunakan rumus: Perhitungan Delay Untuk perhitungan delay ini dilakukan dengan menggunakan dua perhitungan yaitu perhitungan probabilitas delay (P>0) dan rata-rata delay setiap panggilan (T`). Metode yang digunakan untuk menghitung nilai probabilitas delay adalah Formula Erlang C. 8

Formula erlang c Distribusi Erlang C digunakan untuk menentukan dimensi common- equipment dimana panggilan yang datang lebih dulu akan dilayani lebih dulu (first-in first-out /FIFO) berdasarkan antrian. Dimana : P(>0) = Probability dari delay lebih besar nol N = Jumlah server pada full-availability group A = Trafik yang ditawarkan pada group dalam Erlang Sedangkan untuk nilai rata-rata delay setiap panggilan didapatkan dengan menggunakan rumus berikut ini : 9

ARIMA (p,d,q) (1) Model time series yang non stasioner disebut proses autoregressive integrated movinga average atau ARIMA (p,d,q) yang merupakan gabungan model AR (p) dan MA (q) dengan differencing non musiman orde d. ARIMA (1,0,1) dinyatakan sebagai berikut: 500 Time Series Plot of C1 450 400 350 atau AR(1) MA(1) C1 300 250 200 2 4 6 8 10 12 14 Index 16 18 20 22 24 10 p (B) adalah koefisien komponen AR non musiman dengan orde p θ q ( B ) adalah koefisien komponen MA non musiman dengan orde q d B ) pembedaan tak musiman dengan orde pembedaan tak musiman d ( 1

ARIMA (1,0,1) (2) IdentifikasiAutocorrelation(ACF) Mengetahui nilai ordo pada MA (Moving Average) dengan melakukan plot nilai ACF. Autocorrelation 1.0 0.8 0.6 0.4 0.2 0.0-0.2-0.4-0.6 Autocorrelation Function for C1 (with 5% significance limits for the autocorrelations) ACF MA(1) -0.8-1.0 1 2 3 Lag 4 5 6 Identifikasi Partial Autocorrelation (PACF) Identifikasi plot PACF ini digunakan untuk mengetahui nilai AR (Autoregressive). Partial Autocorrelation 1.0 0.8 0.6 0.4 0.2 0.0-0.2-0.4-0.6-0.8 Partial Autocorrelation Function for C1 (with 5% significance limits for the partial autocorrelations) PACF AR(1) -1.0 1 2 3 Lag 4 5 6 11

12 PERANCANGAN SISTEM

DATABASE database M3 yang bernama M3 yang terdiri Menggunakan satu database yang bernama M3 yang terdiri dari 4 buah tabel yaitu tabel CallAnswer, CallOffered, CallDisconnected, dan CallAbandoned 13

14 ANALISA TRAFFIC (1)

ANALISA TRAFFIC (2) 15 Contoh Output Perhitungan Rata-rata Call Offered Januari 2008

ANALISA performansi 2008 Bulan Call Offered Call Answer (%) Answer Jam Sibuk Service Level (%) Agent Actual Agent Minimum Handling Time Januari 498 490 99.2% 14.00-15.00 88.18 35 25 00:03:29 38.49 270 Februari 495 463 99.2% 14.00-15.00 81.54 35 25 00:03:01 34.047 111.6 Maret 369 359 96.9% 17.00-18.00 81.45 34 19 00:03:09 7.26 144 April 359 343 98.4% 13.00-14.00 81.57 32 18 00:03:30 8.41 25.2 Mei 371 350 91.2% 11.00-12.00 86.42 34 19 00:03:14 6 21.6 Juni 400 389 96.3% 11.00-12.00 79.99 35 20 00:03:19 8.68 25.2 Juli 358 347 96.5% 11.00-12.00 78.88 30 18 00:03:36 30.21 57.6 Agustus 240 238 98.7% 19.00-20.00 95.19 31 12 00:03:36 0.446 14.4 September 328 323 97.4% 18.00-19.00 87.96 31 16 00:03:24 10.23 28.8 Oktober 365 360 97.8% 18.00-19.00 84.24 35 18 00:03:30 2.05 18 November 332 325 97.6% 19.00-20.00 84.04 26 17 00:03:22 15.06 32.4 Desember 376 365 95.5% 19.00-20.00 88.15 32 19 00:02:58 14.75 18 16 P >0 (%) T (s)

ANALISA performansi 2009 Bulan Jam Sibuk Call Offered Call Answer (%) Answer Service Level (%) Agent Actual Agent Minimum Handling Time P >0 (%) T (s) Januari 20.00-21.00 381 359 94.2% 85.22 32 19 00:03:02 6.17 14.4 Februari 19.00-20.00 385 372 96.6% 91.65 36 19 00:02:55 3.53 18 Maret 18.00-19.00 423 393 92.9% 81.97 33 21 00:02:31 7.2 14.4 April 18.00-19.00 440 425 96.5% 84.94 34 22 00:02:36 4.6 18 Mei 17.00-18.00 368 355 96.4% 97.15 34 18 00:02:48 2.03 14.4 Juni 19.00-20.00 389 361 92.8% 66.89 32 20 00:02:59 4.03 14.4 Juli 19.00-20.00 390 370 94.8% 70.71 32 20 00:03:02 3.16 18 Agustus 18.00-19.00 367 356 97% 77.01 31 18 00:02:52 3.87 14.4 September 20.00-21.00 362 353 97.5% 83.41 30 18 00:02:43 3.44 18 Oktober 19.00-20.00 257 255 99.2% 92.00 25 13 00:02:47 1.56 18 November 19.00-20.00 253 248 98% 83.07 24 12 00:02:47 2.55 14.4 Desember 19.00-20.00 303 294 97.02% 79.89 24 15 00:02:37 5.87 18 17

AnAlisA peramalan call offered 2010 (1) Bulan 07-08 08-09 09-10 Jam 10-11 11-12 12-13 13-14 Jan 291 338 355 356 379 365 346 Feb 294 338 364 364 380 367 350 Mar 297 338 367 367 380 367 351 Bulan Jam 07-08 08-09 09-10 10-11 11-12 12-13 13-14 Jan 291.547 338.091 355.566 356.040 379.189 365.476 346.7296 Feb 294.977 338.266 9 Maret 297.535 338.274 9 April 299.443 338.274 9 Mei 300.871 338.274 9 Juni 301.931 338.274 9 Juli 302.722 338.274 9 Agt 303.313 338.274 9 Sept 303.753 338.275 0 Okt 304.080 338.274 9 Nov 304.608 338.274 9 Des 304.733 338.275 0 April 298 338 368 369 380 367 351 Mei 300 338 369 370 380 367 351 Juni 301 338 369 370 380 367 351 Juli 302 338 369 370 380 367 351 Agt 302 338 369 371 380 367 351 Sept 303 338 369 371 380 367 351 Okt 303 338 369 371 380 367 351 Nov 303 338 369 371 380 367 351 Des 303 338 369 371 380 367 351 18 Call Offered Januari 2010 364.174 364.176 380.5560 367.0689 350.5260 367.449 367.917 380.7210 367.3059 351.420 368.6939 369.636 380.7400 367.3409 351.6310 369.1679 370.427 380.7429 367.3459 351.6810 369.3479 370.791 380.7429 367.3470 351.6920 369.4169 370.957 380.7429 367.3469 351.6950 369.4429 371.034 380.7429 367.3469 351.6960 369.4530 371.086 380.7430 367.3469 351.6959 369.4570 371.094 380.7430 367.3470 351.6959 369.4580 371.097 380.7430 367.3470 351.6960 369.4590 371.098 380.7430 367.3470 351.6959

AnAlisA peramalan call offered 2010 (2) Bulan 14-15 15-16 16-17 Jam 17-18 18-19 19-20 20-21 Jan 350 369 394 396 395 396 394 Feb 350 370 397 400 401 401 400 Call Offered Februari 2010 Maret 350 371 398 401 404 Bulan 404 403 Jam 14-15 15-16 16-17 17-18 18-19 19-20 20-21 Jan 350.439 369.037 394.366 396.9670 395.5290 396.1550 394.27 April 350 371 398 401 405 406 404 Mei 350 371 398 401 406 408 404 Juni 350 371 398 401 406 409 404 Juli 350 371 398 401 406 409 404 Agt 350 371 398 401 406 410 404 Sept 350 371 398 401 406 410 404 Okt 350 371 398 401 406 410 405 Nov 350 371 398 401 406 410 405 Des 350 371 398 401 406 410 405 Feb 350.7260 370.9250 397.764 400.3260 401.3449 401.3830 400.4399 Maret 350.7429 371.2399 398.5650 401.3570 404.1730 404.7350 403.0650 April 350.7439 371.2919 398.7540 401.6730 405.5489 406.8830 404.1820 Mei 350.7440 371.3010 398.7980 401.7699 406.2189 408.2600 404.657 Juni 350.7440 371.3029 398.8090 401.7990 406.5440 409.1430 404.8590 Juli 350.7440 371.3029 398.8110 401.8090 406.7019 409.7090 404.9449 Agt 350.7440 371.3030 398.8120 401.8110 406.7799 410.0719 404.9809 Sept 350.7440 371.3030 398.8120 401.8120 406.8170 410.3039 404.9969 Okt 350.7440 371.3030 398.8120 401.8120 406.8349 410.4529 405.0040 Nov 350.7439 371.3029 398.8120 401.8130 406.8440 410.5489 405.0060 Des 350.7439 371.3029 398.8120 401.8130 406.8480 410.6099 405.0080 19

AnAlisA peramalan Agent 2010 Bulan 07-08 08-09 09-10 10-11 11-12 12-13 13-14 Jam 14-15 15-16 16-17 17-18 18-19 19-20 20-21 Jan 15 17 18 18 20 19 18 18 19 20 20 20 20 20 Feb 15 17 19 19 20 19 18 18 19 20 21 21 21 21 Bulan Maret 15 17 19 19 20 19 18 April 15 17 19 19 20 19 18 Mei 15 17 19 19 20 19 18 Juni 15 17 19 19 20 19 18 Juli 15 17 19 19 20 19 18 Agt 16 17 19 19 20 19 18 Sept 16 17 19 19 20 19 18 07-08 08-09 09-10 Jam 10-11 18 19 21 21 21 21 21 11-12 12-13 13-14 18 19 21 21 21 21 21 Jan 15 17 18 18 20 19 18 Feb 15 17 19 19 20 19 18 18 19 21 21 21 21 21 Maret 15 17 19 19 20 19 18 18 19 21 21 21 21 21 April 15 17 19 19 20 19 18 18 19 21 21 21 21 21 Mei 15 17 19 19 20 19 18 Juni 15 17 19 19 20 19 18 18 19 21 21 21 21 21 Juli 15 17 19 19 20 19 18 18 19 21 21 21 21 21 Agt 16 17 19 19 20 19 18 20 Okt 16 17 19 19 20 19 18 Nov 16 17 19 19 20 19 18 Des 16 17 19 19 20 19 18 Sept 16 17 19 19 20 19 18 18 19 21 21 21 21 21 Okt 16 17 19 19 20 19 18 18 19 21 21 21 21 21 Nov 16 17 19 19 20 19 18 18 19 21 21 21 21 21 Des 16 17 19 19 20 19 18

kesimpulan 21 Hasil rata-rata untuk nilai call answer memenuhi standarisasi yaitu 95% dari nilai call offered. Dari perhitungan performansi yang ditinjau dari probabilitas delay (P>0), dapat diketahui bahwa call centre PT.INDOSAT,Tbk pada tahun 2009 lebih baik daripada tahun 2008. Hal ini dapat dinyatakan dengan hasil probabilitas delay (P>0) tahun 2008 sebesar 14.6% sedangkan tahun 2009 sebesar 4.001% Dari data call offered yang didapatkan oleh hasil peramalan, dapat diketahui jam sibuk pada tahun 2010 terjadi sekitar pukul 19.00-20.00 dan jumlah minimum agent yang dibutuhkan dari hasil perhitungan sebesar ±21 Agent.