Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKMenurut Undang-undang No. 12 tahun 2012 tentang Pendidikan Tinggi Pasal 56, Pangkalan Data Pendidikan Tinggi (PD Dikti) merupakan kumpulan data penyelenggaraan pendidikan tinggi seluruh perguruan tinggi yang terintegrasi secara nasional. PD Dikti berperan penting dalam sistem penjaminan mutu pendidikan tinggi, yaitu berfungsi sebagai sumber informasi bagi lembaga akreditasi untuk melakukan akreditasi program studi dan perguruan tinggi; bagi pemerintah untuk melakukan pengaturan, perencanaan, pengawasan, pemantauan dan evaluasi serta pembinaan dan koordinasi program studi dan perguruan tinggi; dan bagi masyarakat untuk mengetahui kinerja program studi dan perguruan tinggi.Mengingat pentingnya PD Dikti tersebut, tersedianya data yang berkualitas pada PD Dikti menjadi salah satu target yang ingin dicapai Pusat Data dan Informasi Iptek Dikti, Kementerian Riset, Teknologi, dan Pendidikan Tinggi. Target pengelolaan PD Dikti tahun 2016 akan fokus pada kualitas data, yaitu bagaimana dapat menyediakan data yang berkualitas. Untuk itu, perlu adanya strategi untuk menjamin dan meningkatkan kualitas data pada PD Dikti.Berdasarkan hal tersebut, penelitian ini menyusun strategi untuk meningkatkan kualitas data pada PD Dikti. Untuk menyusun strategi tersebut dilakukan penilaian manajemen kualitas data saat ini, yaitu melalui penilaian terhadap dimensi kualitas data dan penilaian terhadap maturitas manajemen kualitas data. Langkah- langkah penelitian yang dilakukan meliputi identifikasi masalah, penilaian manajemen kualitas data, analisis kesenjangan untuk hasil penilaian maturitas manajemen kualitas data, analisis akar masalah untuk hasil penilaian dimensi kualitas data, dan menyusun strategi peningkatan kualitas data.Hasil penelitian ini adalah rekomendasi strategi peningkatan kualitas data pada PD Dikti. Strategi tersebut meliputi peningkatan proses pada 7 (tujuh) domain manajemen kualitas data, yaitu pendefinisian harapan/kebutuhan kualitas data, pengukuran dimensi kualitas data, penetapan kebijakan informasi, peningkatan tata kelola data, penetapan prosedur, perbaikan teknologi, dan pengelolaan kinerja. Rekomendasi tersebut diharapkan dapat digunakan sebagai acuan dalam melakukan program kualitas data pada PD Dikti.

---

ABSTRACT

According to Law No. 12 of 2012 about Higher Education clause 56, Higher Education Database is a collection of higher education management data from all Indonesian universities that is integrated nationally. Higher Education Database plays an important role in the Quality Assurance System of Higher Education, which serves as a source of information for accrediting agencies to carry out accreditation of study programs; for the government to make arrangements, planning, supervision, monitoring and evaluation; and for the public to know the performance of the study program and universities. Clause 52 of the same Law also noted that the Higher Education Quality Assurance System is based on Higher Education Database.

Because of the importance of the Higher Education Database, availability of high quality data became one of the targets to be achieved by the Data and Information Center. One of the targets for the implementation of the Higher Education Database in 2016 is to focus on the quality of the data.

Therefore, it need strategies to ensure and improve the quality of data on Higher Education Database. Based on the above, this study recommends strategies for improving the quality of the data on Higher Education Database. To develop the strategy, the author assessed the current data quality management. Assessment of the current data quality management was done through an assessment of the dimensions of data quality and assessment of the maturity of data quality management. Research steps undertaken included problem identification, assessment of data quality management, gap analysis for maturity assessment of data quality management, root cause analysis for assessment of data quality dimensions, and formulation of strategy for improving data quality.

Results of this research include recommendation of data quality improvement strategy in Higher Education Database. The strategy includes improvement management in seven (7) data quality management domain, comprising of defining the expectations of dataquality, measurement of data quality dimension, establishment of information policy, improving data governance, establishment of procedures, technological improvements, and performance management. The recommendations are expected to be used as a reference in the data quality program on Higher Education Database."

"ABSTRAKDalam dunia organisasi dewasa ini, pengelolaan data dan informasi sudah menjadi kegiatan yang sangat penting dalam mendukung tercapainya tujuan organisasi. Sebagai Kementerian baru pada Pemerintahan Republik Indonesia, Kementerian Riset, Teknologi dan Pendidikan Tinggi Kemristekdikti merupakan organisasi yang juga memerlukan pengelolan data dan informasi yang baik. Pengelolaan data Ilmu Pengetahuan dan Teknologi Iptek , serta pengelolaan data Pendidikan Tinggi Dikti adalah tanggung jawab Kementerian ini. Sejauh ini, kebijakan tentang pengelolaan data tersebut masih dalam proses pembahasan, padahalpermasalahan-permasalahan terkait dengan data sudah seringkali bermunculan dan mengganggu kinerja organisasi. Kondisi ini mengharuskan Kemristekdikti untuk segera menerapkan kebijakan pengelolaan datadan informasi yang baik.Permasalahan data seringkali terjadi karena organisasi belum menerapkan data management yang efektif. Berdasarkan panduan Data Management Body of Knowledge DMBOK , fungsi data management terbagi ke dalam sepuluh komponen, satu komponen yang memegang peranan sangat penting bagi pelaksanaan komponen lainnya adalah data governance. Penelitian ini bertujuan untuk mengetahui rancangan struktur data governance berdasarkan panduan DMBOK sebagai referensi utama. Rancangan struktur yang disusun mengacu kepada penelitian tentang data governance sebelumnya yang terdiri atas tiga unsur, yaitu role, decision areadan responsibility. Selanjutnya hasil rancangan yang diperoleh disesuaikan dengan kondisi Kemristekdikti sehingga menjadi titik awal dalam pelaksanaan data governance di lingkungan Kemristekdikti.Hasil dari penelitian ini menunjukan bahwa panduan DMBOK bisa dipadukan dengan struktur data governance penelitian sebelumnya. Aktivitas data governance pada DMBOK dapat digunakan sebagai solusi awal dari permasalahan data yang terjadi. Harapannya, struktur data governance yang dirancang dapat diaplikasikan sehingga pelaksanaan data governance di Kemristekdikti dapat berjalan secara berkesinambungan.

---

ABSTRACTCurrently, in organizational world, data and information management is very important activity to support organizational goal achievement. As new ministry of Indonesia Republic, Ministry of Research, Technology and Higher Education Kemristekdikti also requires good data and information management. Data management of science, technology and higher education is this ministry responsibility. In so far, policy of such data management is in discussion process indeed, frequently, so many problems related with data had arisen and disturbed organizational performance. Such condition resulted in the Ministry of Research, Technology and Higher Education should apply good data and information management. Frequently, data issues had occurred because organization had not applied effective data management. Based on data guidance of Data Management Body of Knowledge DMBOK , function of data management is divided into ten components which of very importantone and playing role is data governance.This research is aimed at knowing structural designing of data governance based on DMBOK guidance as principal reference.Structural designing having been set refer to research on previous data governance comprising three elements, those are role, decision area and responsibility. Subsequently, designing result having been obtained to be adjusted with condition of Ministry of Research, Technology and Higher Education and as starting point to implement data governance atMinistry of Research, Technology and Higher Education.This research result had indicated that DMBOK guidance may be combined with previous research on structure of data governance. Activity of data governance at DMBOK may be used as early solution from occurring data problem.Wishfully, the designed data governance structure may be applied, hence, implementation of data governance at Ministry of Research, Technology and Higher Education may be realized sustainably."

"Pemanfaatan data untuk menghasilkan informasi yang dapat mendukung pengambilan keputusan bisnis semakin banyak diaplikasikan oleh berbagai perusahaan. Salah satu data yang dimanfaatkan dalam pengambilan keputusan tersebut adalah data pelanggan mengingat perannya dalam mengetahui perilaku pelanggan. Salah satu perusahaan yang memanfaatkan data pelanggan dalam pengambilan keputusan bisnis adalah English First (EF). Dalam membantu menetapkan strategi bisnis untuk meningkatkan perfoma penjualan, perusahaan menghadapi kendala penurunan performa penjualan perusahaan yang disebabkan oleh buruknya kualitas data pelanggan, sehingga strategi bisnis yang dihasilkan kurang tepat. Perusahaan berfokus kepada beberapa dimensi kualitas data pelanggan di perusahaan yaitu completeness, accuracy, dan consistency. Strategi untuk manajemen peningkatan kualitas data pada perusahaan perlu disusun guna penyusunan strategi bisnis yang tepat dan dapat meningkatkan performa penjualan. Penyusunan strategi manajemen peningkatan kualitas data dilakukan dengan melakukan penilaian terhadap dimensi-dimensi kualitas data untuk mengidentifikasi kondisi kualitas data saat ini di perusahaan EF. Selain itu, identifikasi kondisi manajemen dan praktek kualitas data di perusahaan saat ini juga dilakukan untuk dapat mengetahui kesenjangan antara kondisi perusahaan saat ini dengan kondisi yang diharapkan oleh perusahaan. Strategi peningkatan kualitas data yang dihasilkan dari analisis kesenjangan kondisi kualitas data dan manajemen & praktek kualitas data terdiri dari 8 (delapan) domain manajemen kualitas data. Delapan domain tersebut yaitu harapan dari kualitas data, penggunaan dimensi dari kualitas data, kebijakan data, prosedur, tata kelola data, standarisasi data, teknologi, dan pengelolaan kerja. Hasil dari strategi tersebut disusun menjadi rekomendasi solusi dan diurutkan berdasarkan prioritas dengan balance scorecard. Strategi yang memperoleh prioritas tinggi yaitu standardiasi aktifitas dan isu kualitas data serta mengidentifikasi ekspektasi dari kualitas data pada setiap dimensi kualitas data.

---

Data utilization to generate insights to support business decision making has been implemented in many companies. One of the most utilized data is customer data as it could provide information regarding customer’s behavior. One of the companies that utilize customer data is English First (EF). EF is a company in education sector and have more than 20 years of experience in Indonesia. EF utilize customer data in Customer Relationship Management system to produce a business strategy to boost company performance. However, since data in Customer Relationship Management system is stored by human, it has a low quality and resulted in a mismatch business strategy. Strategy to improve data quality management in the company needs to be produced in order to generate a precise business strategy and could boost company sales performance. Data quality assessment towards data quality dimensions needs to be done to produce a improve data quality management strategy. The assessment is needed to identify current data quality condition in EF. Other than that, identification of data quality management and practices in the company are needed to identify as-is management & practices in the company, company’s data quality expectation, and identify the gap between best practice & current condition. The result of data quality improvement strategy consists of 8 (eight) data quality management domains. Those domains are data quality expectation, data quality management, data quality, data policy, data procedure, data governance, data standardization, technology, and work management. The end result is a solution recommendation to improve data quality in EF and sorted by priority with the help of balance scorecard. The strategies that have high priority are company needs to standardized data quality activities and issues in the company as well as identify business expectation of each data quality dimension."

"Sekretariat Direktorat Jenderal Pendidikan Dasar dan Menengah (Setditjen Dikdasmen) adalah unit kerja di bawah Kementerian Pendidikan dan Kebudayaan yang bertugas untuk mengumpulkan dan mengelola data pokok pendidikan (Dapodik). Dapodik mencakup data satuan pendidikan, peserta didik, pendidik dan tenaga kependidikan dan substansi pendidikan yang terus diperbaharui secara online. Dapodik menjadi salah satu sumber data untuk pengambilan keputusan. Keputusan yang tidak tepat salah satunya disebabkan oleh pengolahan data yang kurang baik.Penelitian ini menggunakan metode kualitatif, proses pengumpulan data dengan melakukan wawancara dan observasi dokumen terkait data pokok pendidikan. Melakukan peningkatan kapasitas internal dengan merancang dokumen standar kualitas data pokok pendidikan; Meningkatkan aturan bisnis validasi pada aplikasi front-end dapodik untuk meminimalisir kesalahan dan ketidaksesuaian data; Merancang sistem informasi manajemen kualitas data sebagai alat untuk melakukan pemantauan kualitas data pokok pendidikan; Meningkatkan peran admin pengelola dan pengguna data pokok pendidikan dengan melibatkan direktorat teknis dan LPMP untuk melakukan pemantauan kualitas data melalui aplikasi yang dibuat;Membuat satuan petugas baik di tingkat pusat maupun daerah sebagai bentuk pelayanan terhadap data pokok pendidikan.

---

The Secretariat of Directorate General of Primary and Secondary Education (Setditjen Dikdasmen) is work under the Ministry of Education and Culture whose officiate to collect and manage basic education data (Dapodik). Dapodik includes data on education units (Schools), students, educators and education staff and educational substances that are constantly updated online. Dapodik becomes one of the data sources for decision making. One improper decision is caused by poor data processing.

This study uses qualitative methods, the process of collecting data by conducting interviews and observing documents related to the basic data of education. Data quality assessment uses profiling data with dimensions of data quality, completeness, accuracy, truth, timeliness, and uniqueness. Increase internal capacity by designing basic education data quality document standards; Improve business rules validation on front-end applications dapodik to minimize errors and data mismatches; Designing a data quality management information system as a tool to monitor the quality of the basic education data;Increasing the admin role of managers and users of basic data education by involving the technical directorate and LPMP to monitor data quality through applications made; Make staff units both at the central and regional levels as a form of service to the basic education data."

"Setiap perguruan tinggi di Indonesia bertanggung jawab atas kelengkapan, kebenaran, ketepatan, dan kemutakhiran data pendidikan tinggi di perguruan tinggi masing-masing. Data pendidikan tinggi digunakan untuk pelaksanaan sistem penjaminan mutu pendidikan tinggi dan digunakan sebagai landasan dalam penyusunan kebijakan terkait program studi dan perguruan tinggi di Indonesia. Hasil pengukuran kualitas data menunjukkan bahwa terdapat permasalahan pada data pendidikan tinggi di Politeknik Statistika STIS yaitu belum memenuhi kriteria kelengkapan, kebenaran, ketepatan, dan kemutakhiran. Pengukuran tingkat kematangan manajemen kualitas data telah dilakukan dengan menggunakan Loshins Data Quality Maturity Model dimana hasilnya berada pada kisaran level 1 dan 2. Hanya komponen dimensi kualitas data yang telah mencapai target yang diharapkan. Untuk itu, rekomendasi disusun berdasarkan kerangka kerja DAMA-DMBOK. Adapun aktivitas yang perlu dilakukan adalah mengembangkan dan mempromosikan kesadaran terhadap kualitas data; mendefinisikan kebutuhan kualitas data; melakukan profiling, analisis, dan penilaian kualitas data; mendefinisikan aturan bisnis (business rules) kualitas data; menetapkan dan mengevaluasi tingkat layanan kualitas data (data quality service levels); mengelola permasalahan terkait kualitas data; merancang dan mengimplementasikan operasional prosedur untuk manajemen kualitas data; dan memantau operasional dan performa prosedur manajemen kualitas data.

---

Every varsity in Indonesia is responsible for ensuring the completeness, the validity, the accuracy, and the currency of its educational data. The educational data is used for the implementation of the higher-education quality assurance system and is used as a basis to formulate policies related to universities and majors in Indonesia. Data quality assessment result indicates that educational data in Statistics Polytechnic STIS did not meet completeness, validity, accuracy, and currency criteria. Data quality management maturity has been measured using Loshins Data Quality Maturity Model which the result are in level 1 to level 2 of maturity. Only data quality dimensions component has achieved the expected target.

Thus, recommendations have been proposed based on the DAMA-DMBOK framework. The activities needed to be carried out are developing and promoting awareness of data quality; defining data quality requirements; profiling, analyzing, and evaluating data quality; define business rules for data quality, establish, and evaluate the data quality services levels, manage problems related to data quality, design and implement operational procedures for data quality management, and monitor operations and performance of data quality management procedures."

"Pangkalan Data Pendidikan Tinggi PDDIKTI adalah basis data yang menghimpun data pendidikan tinggi dari setiap perguruan tinggi di Indonesia. PDDIKTI dikelola oleh Pusat Data dan Informasi Kementerian Riset, Teknologi dan Pendidikan Tinggi. Layanan PDDIKTI Feeder dikembangkan untuk memfasilitasi Perguruan Tinggi mengumpulkan datanya. Penelitian ini menganalisis faktor-faktor yang memengaruhi penerimaan PDDIKTI Feeder di Perguruan tinggi. Technology Acceptance Model TAM dan variable-variabel eksternalnya digunakan untuk melakukan penelitian ini. Variabel-variabel eksternal yang dikembangkan antara lain: Service Quality, User Training, Social Influence, Self Efficacy, Information Quality, Facilitating Condition, dan Compatibility. Structural Equation Modeling SEM digunakan untuk menganalisis data yang dikumpulkan dari 248 responden. Hasil menunjukkan bahwa variabel-variabel yang mempunyai pengaruh signifikan terhadap variabel lain. Diantaranya adalah Social Influence terhadap Intention to Use dan Perceived Usefulness, Information Quality terhadap Perceived Ease of Use dan Perceived Usefulness, User Training terhadap Perceived Ease of Use, Compatibility terhadap Perceived Ease of Use, Facilitating Condition terhadap Intention to Use, Self Efficacy terhadap Perceived Ease of Use dan Service Quality terhadap Perceived Usefulness. Di sisi lain, beberapa variabel tidak memiliki pengaruh signifikan. Diantaranya adalah Service Quality terhadap Perceived Ease of Use, Compatibility terhadap Perceived Usefulness, Facilitating Condition terhadap Perceived Ease of Use, dan Self Efficacy terhadap Perceived Usefulness.

---

Pangkalan Data Pendidikan Tinggi PDDIKTI is a centralized database that collects data from all higher education institutions in Indonesia. PDDIKTI is managed by Data and Information Center at theMinistry of Research, Technology and Higher Education. PDDIKTI Feeder Services aredeveloped to facilitate universities collecting their data. This study analyzes factors affecting the acceptance of PDDIKTI Feeder Services athigher education institutions. The Technology Acceptance Model TAM and its external variables are used to conduct this research. The external variables are Service Quality, User Training, Social Influence, Self Efficacy, Information Quality, Facilitating Condition, and Compatibility. Structural Equestion Modeling SEM is used to analyze data collected from 248 respondents. The results show some variables that have significant influence on other variables. These are Social Influence to the Intention to Use and Perceived Usefulness, Information Quality to the Perceived Ease of Use and Perceived Usefulness, User Training to the Perceived Ease of Use, Compatibility to the Perceived Ease of Use, Facilitating Condition to the Intention of Use,Service Qualityto the Perceived Usefulness, and finally Self Efficacy to the Perceived Ease of Use. On the other hand, some variables have no significant influence. These are Service Quality to the Perceived Ease of Use, Compatibility to the Perceived Usefulness, Facilitating Condition to the Perceived Ease of Use, and Self Efficacy to the Perceived Usefulness."

"Tesis ini membahas mengenai maturity level sistem pemerintahan berbasis elektronik (SPBE) pada Kementerian Riset, Teknologi, dan Pendidikan Tinggi (Kemenristekdikti). Penelitian ini berangkat dari permasalahan dimana Kemenristekdikti menempati peringkat terakhir dalam penilaian e-Government Indonesia (PeGI) yang dilakukan oleh Kemkominfo pada tahun 2016. Padahal seharusnya Kemenristekdikti menjadi motor utama dan acuan bagi lembaga kementerian lain dalam pelaksanaan e-Government (SPBE) di Indonesia sehingga tentu dapat dilihat bahwa SPBE belum menjadi prioritas utama. Penelitian ini bertujuan untuk menggambarkan keadaan maturity level SPBE berdasarkan indikator pada five level maturity level model menurut UN/ASPA (2002) dan faktor-faktor menurut Yong (2003). Penelitian ini menggunakan pendekatan postpositivism dengan pengumpulan data melalui wawancara secara mendalam, pengisian kuesioner, dan studi dokumentasi terhadap literatur terkait. Hasil penelitian menunjukkan bahwa maturity level SPBE pada Kemenristekdikti masih berada pada tahap ketiga yaitu interactive dimana terdapat lima faktor di dalamnya yaitu support, capacity, value, leadership, dan organization. Terakhir, penulis memberikan rekomendasi yang relevan dengan hasil penelitian ini.

---

This thesis discusses the maturity level of an electronic-based government system (SPBE) at the Ministry of Research, Technology and Higher Education (Kemenristekdikti). This research departs from the problem where the Ministry of Research, Technology and Higher Education last ranked in the assessment of e-Government Indonesia (PeGI) conducted by the Ministry of Communication and Information in 2016. Eventhough, Kemenristekdikti should be the main motor and reference for other ministry agencies in implementing e-Government (SPBE) in Indonesia so it can be seen that SPBE has not been a top priority. This study aims to describe the state of SPBE maturity level based on indicators at the five level maturity level model according to UN/ASPA (2002) and factors according to Yong (2003). This study uses a postpositivism approach by collecting data through in-depth interviews, filling out questionnaires, and studying documentation on related literature. The results of the study indicate that the SPBE maturity level in Kemenristekdikti is still in the third stage, namely interactive where there are five factors in it, namely support, capacity, value, leadership, and organization. Finally, the authors provide recommendations that are relevant to the results of this study."

"Dalam rangka mendukung pengambilan keputusan yang tepat bagi pimpinan berbasis data (data driven organization), Kemenkeu menyusun inisiatif strategis optimalisasi Sistem Layanan Data Kementerian Keuangan (SLDK) dan pengembangan proyek data analytics. Dalam pengembangan data analytics, terdapat permasalahan rendahnya kualitas data sehingga data driven organization belum terwujud dengan optimal. Penelitian ini meggunakan metode kualitatif dengan melalui proses wawancara dan observasi. Pengukuran kualitas data dan tingkat kematangan kualitas data menggunakan kerangka kerja Loshin’s Data Quality, DAMA-Data Management Book of Knowledge (DMBoK), dan Government Data Qualiaty (GDQ). Hasil pengukuran kualitas data menunjukkan terdapat permasalahan data tidak akurat dan tidak lengkap dan tingkat kematangan kualitas data Kemenkeu berada pada level Repeatable. Menyusun strategi kualitas data, ketentuan teknis, tim kualitas data, dan prosedur pengelolaan kualitas data; identifikasi harapan dan aturan kualitas data; mengukur, memantau, dan melaporkan kualitas data; mengelola aturan, knowledge base, dan metadata; meningkatkan kesadaran; melakukan pelatihan; menyediakan tools, menerapkan aturan dan menangani permasalahan; memutakhirkan SLA; mengelola kinerja kualitas data; dan melakukan audit kualitas data merupakan strategi peningkatan kualitas data yang dilaksanakan dalam empat tahap pada Tahun 2022-2023.

---

To support the right decision making for data-driven organizations, the Ministry of Finance (MoF) has developed a strategic initiative for optimizing the MoF's Data Service System (SLDK) and developing a data analytics project. In the development of data analysis, there is a problem of low data quality so that data-driven organizations have not been realized optimally. This study uses a qualitative method through interview and observation. Measurement of data quality and maturity level of data quality uses the Loshin's Data Quality framework, DAMA-Data Management Book of Knowledge (DMBoK), and Government Data Quality (GDQ). The results of the measurement of data quality indicate that there are problems with inaccurate and incomplete data and the MoF's data quality level is at the Repeatable level. Develop a data quality strategy, technical provisions, data quality team, and data quality management procedures; identification of data quality expectations and rules; measure, monitor, and report on data quality; manage rules, knowledge base, and metadata; raise awareness; conduct training; provide tools, apply rules and carry out problem solving; updating SLAs; manage data quality performance; and conducting data quality audits is a data quality improvement strategy implemented in four stages in 2022-2023.

"

"ABSTRAKPada keadaan dimana konsumen makin sadar akan mutu, sedangkan dalam pasar persaingan semakin kompetitif, maka P.T. Bhumyamca Sekawan dituntut untuk dapat memberikan layanan yang memiliki standar mutu yang tinggi dengan harga yang tetap bersaing. Untuk peningkatan mutu diperlukan biaya, selain itu selama ini hasil dari peningkatan mutu dan dampak finansialnya sulit untuk diukur. Maka agar tindakan peningkatan mutu ini efektif perlu suatu metode yang dapat mendeteksi elemen apa yang perlu ditingkatkan. Baik metode Return On Quality maupun Cost Of Quality sama-sama dapat digunakan untuk menentukan tindakan perbaikan peningkatan mutu, karena itu dalam penelitian ini diselidiki apakah penerapan masing-masing metode memberikan hasil yg sama.Dengan menggunakan metode COQ, aktivitas mutu yang dilakukan perusahaan dapat teridentifikasi menjadi elemen-elemen biaya mutu. Dari komposisi biaya mutu tersebut dapat dideteksi bahwa walaupun biaya pencegahannya tinggi, namun biaya kegagalan yang terjadi masih sangat besar, hal ini mengindikasikan bahwa kegiatan pencegahan yang dilakukan oleh perusahaan kurang efektif. Setelah dianalisa lebih jauh didapatkan bahwa sumber masalahnya adalah kurangnya pengetahuan dan ketrampilan dari para teknisi terutama pada departemen AC/Listrik sehingga mengakibatkan banyaknya pekerjaan perbaikan ulang (termasuk dalam kategori biaya kegagalan).Dengan menggunakan metode ROQ melalui hasil kuesioner dan pengolahannya diperoleh 5 variabel yang dianggap penting oleh pelanggan yang perlu ditingkatkan. Dari 5 variabel tersebut didapat 31 alternatif komposisi tindakan perbaikan mutu. Melalui perhitungan-perhitungan yang dilakukan didapat bahwa alternatif 10, yaitu melakukan peningkatan pemberian bantuan pada pelanggan (var. 14) dan melakukan peningkatan kemudahan menghubungi customer service (var. 23) merupakan pilihan terbaik dengan ROQ tertinggi, yaitu 121%.Berdasarkan hal-hal tersebut diatas, disusunlah beberapa usulan langkah perbaikan yang dapat dilakukan perusahaan terhadap sistem layanan perusahaan serta peningkatan kualitas layanan terhadap pelanggan. Sedangkan penerapan dalam perusahaan tergantung pada situasi dan kondisi perusahaan serta keputusan manajemen yang berkaitan dengan ketersediaan dana yang dibutuhkan untuk masing-masing tindakan perbaikan yang dilakukan."