Archive for the 'PictureSpeaks' Category

Nilai Rata-Rata dan Kualitas Jaringan Selular

qualityNilai rata-rata (arithmetic mean) merupakan cara cepat untuk merepresentasikan satu data set. Kaidahnya gampang: hitung total nilai pada dataset tersebut lalu bagi dengan jumlah observasi, selesai. Namun waspadalah: mengonsumsi nilai rata-rata jika bukan untuk hitung-hitungan statistik menyesatkan dan sangat berbahaya!

Alkisah, ada ahli statistik tewas tenggelam saat menyeberang sungai [1]. Meski tak pintar berenang, sang ahli dengan percaya diri melintas sebab papan pengumuman bilang rata-rata kedalaman hanya 1 meter, lebih tinggi dia. Tak dinyana, di paruh sungai tersua sebuah jurang menjulang yang dobel tinggi badannya. Terjebak, mayatnya ditemukan mengapung di hilir sungai.

Tiang maklumat tadi tak eror melaporkan rata-rata kedalaman sungai 1 m. Tapi itulah masalah pokok nilai rata-rata, dan bagi mereka yang buru-buru percaya padanya.

Operator selular yang pakai nilai rata-rata untuk menakar KPI (Key Performance Indicator) -seperti kualitas jaringan- bisa terkecoh dengan muka manis digit kompromi ini.  Mereka tanya apa pasal KPI bagus namun masih banyak komplen pelanggan? Selidik punya selidik data KPI memang akurat, tapi kenapa nyaring jeritan pelanggan?

Kekurangan Nilai Rata-Rata

Pertama, nilai rata-rata adalah mediator yang suka kompromi, garis demarkasi dari posisi yang berseberangan: bagus/jelek, atas/bawah, kanan/kiri dan sebagainya. Proporsi mereka bisa fifty-fifty. Andai nilai rata-rata KPI lebih tinggi dari ambang batas (threshold) kualitas, yang mana makin tinggi makin cakap, maka nilai KPI tersebut dipandang lulus uji kualitas. Namun jangan riang dulu karena ada juga nilai di bawah threshold.

Sebagai ilustrasi, perhatikan frequency distribution KPI di Lampiran 1 yang merupakan histogram simulasi 10,000 elemen dengan nilai rata-rata (arithmetic mean) KPI 96.5 persen. Jika ambang batas kualitas serendah-rendahnya adalah 95 persen maka KPI 96.5 persen dianggap bagus dan secara kesisteman proses dipandang berjalan lancar. Benarkah?

Jika distribusi frekuensi elemen-elemen tadi dicermati secara saksama, maka di sebelah kanan threshold memang adalah elemen-elemen yang kualitasnya “bagus”; tapi perhatikan bahwa jumlah elemen di sebelah kiri ambang batas (kualitas “buruk”) itu ada 2,130 atau 21.30% dari total elemen. Inilah elemen-elemen yang gagal memenuhi standar kualitas. Jumlahnya lumayan besar sehingga tak heran jika banyak komplen, meskipun KPI apik.

Kedua, dalam perhitungan nilai rata-rata, angka besar merupakan “predator” bagi angka-angka kecil. Maksudnya begini: Jika Anda telah menghitung nilai rata-rata KPI dari, katakanlah,  sepuluh ribu elemen seperti contoh di atas dengan hasil bagus maka jika ada tambahan 100 elemen (satu persen) dengan kualitas jelek, pertambahan ini hanya akan berpengaruh sedikit terhadap nilai rata-rata tadi. Ini karena 100 kalah jauh dengan 10,000. Akan tetapi, di lapangan jika 100 elemen ini adalah BTS maka akan ada banyak pelanggan yang teriak, semakin nyaring jika mereka pelanggan VIP. Kita boleh bilang 100 elemen tadi “tertelan” oleh total jumlah elemen yang jauh lebih besar.

Ketiga, arithmetic mean rentan terhadap para ekstremis. Misal: untuk dataset {1,1,1,10}, arithmetic mean dataset tersebut adalah 3.25 (13/4). Padahal jika kita pakai tolok ukur nilai tengah lain seperti median dan mode, maka nilai tengah dari dataset tersebut adalah adalah 1. Oleh karena itu, lebih tepat representatif dataset tersebut adalah 1 bukan 3.25. Angka ekstrem 10 di antara tiga angka 1 menyebabkan penyimpangan ini. Hal yang sama berlaku untuk nilai ekstrem rendah. Oleh karena arithmetic mean rentan terhadap outlier (nilai ekstrem tinggi atau rendah) hal ini akan membuat nilai rata-rata naik/turun secara tak wajar pula.

Dengan kondisi seperti ini bisa jadi elemen-elemen dengan KPI super bagus akan mendongkrak keseluruhan KPI meskipun proporsinya tak sebanding elemen-elemen dengan KPI jelek. Menyesatkan, karena seperti contoh yang diberikan di atas, nilai satu orang (nilai 10) bisa menaikkan angka tiga orang lain (nilai 1) menjadi lebih dari tiga kali lipat angka wajar.

Bagaimana melenyapkannya?

Satu solusi adalah dengan menerapkan konsep “defects” (cacat) dari Six Sigma Process yang menghubungkan jumlah unit rusak dengan perhitungan sigma atau deviasi standar dari kurva lonceng/distribusi normal. Berapa jumlah maksimum unit cacat per masing-masing level sigma proses bisa dilihat pada Lampiran 2. Misal untuk suatu proses dengan standar enam sigma maka jumlah unit cacat maksimum pada sistem adalah 3.4 per satu juta unit. Ini berarti jika operator selular punya satu juta BTS maka untuk proses enam sigma jumlah BTS yang tidak lolos KPI harus paling banyak 3.4. Jika ada empat BTS atau lebih yang bermasalah maka akan segera mendegradasi proses tersebut ke lima sigma. Cacat unit tidak mesti BTS. Pada contoh sebelumnya tiap BTS hanya punya satu KPI. Jika tiap BTS punya sepuluh KPI maka untuk 100,000 BTS (total satu juta KPI) hanya diijinkan 3.4 KPI –bukan BTS- yang bermasalah.

Dengan konsep terakhir, elemen-elemen yang bermasalah akan terhitung secara individual dan tidak tenggelam dalam fenomena “big/large number”. Misalnya, proses pada histogram di atas memiliki sigma 2.3 [2], atau berada pada level “non-competitive” yakni di bawah standar; padahal jika menggunakan rata-rata KPI proses tersebut bagus (KPI 96.5%) karena di atas threshold 95%.

Mencapai dan mempertahankan suatu proses dengan level enam sigma sangat menantang. Satu industri yang bisa mencapai tingkatan ini adalah industri penerbangan, jika kita lihat jumlah kecelakaan pesawat dan total penerbangan. Selaras dengan ini, operator selular harus menetapkan tingkat sigma yang berterima oleh pelanggan. Jelas itu bukan sigma 2.3 seperti proses di Lampiran 1 meskipun secara KPI bagus. Namun tolok ukurnya terang: semakin tinggi sigma yang bisa dicapai, semakin bagus.

Memastikan kualitas jaringan selular dengan proses sigma merupakan jalan keluar yang bagus untuk menyediakan parameter yang lebih sensitif menakar permasalahan di lapangan sehingga ada korelasi positif antara kualitas jaringan dan tingkat kepuasan pelanggan.

*****

Catatan Kaki:

[1] https://hbr.org/2002/11/the-flaw-of-averages

[2] Perhitungan tingkat sigma ala Six Sigma Process dengan Microsoft Excel sebagai berikut: Tingkat sigma = NORM.S.INV(1-(TOTAL CACAT/TOTAL KESEMPATAN))+1.5. Angka 1.5 pada perhitungan ini adalah angka penyesuaian yang direkomendasikan oleh Motorola dan General Electric, yang mana sama dengan posisi sigma pada distribusi normal plus 1.5.

Lampiran:

histoLampiran 1: Meskipun KPI rata-rata distribusi ini (mean 96.5%) di atas threshold 95%, perhitungan sigma proses ini hanyalah 2.3, masih jauh dari industry average tingkat sigma 3 atau 4.

table

Lampiran 2: Jumlah unit maksimum yang rusak per tiap tingkatan proses sigma. Agar kompetitif satu proses sekurang-kurangnya harus berada pada tingkat sigma 3.

*****

Inikah Keunggulan Kompetisi Telkomsel?

advantageBerdasarkan indikator kinerja keuangan Laba Bersih tahun 2004-2015 Telkomsel teratas dibanding Indosat dan XL (Lampiran 1). Selama 11 tahun terakhir sang pemimpin pasar tidak sekali pun mencatatkan rugi bisnis.

Dalam industri yang sama para operator menghadapi ancaman (threats) dan kesempatan (opportunities) industri yang sama pula. Satu penelitian menunjukkan bahwa faktor internal perusahaan bertanggung jawab terhadap 55% kinerja perusahaan, lebih besar dari faktor industri 20% [1]. Faktor internal perusahaan adalah sumberdaya berupa aset, kemampuan manajemen dalam mengelola bisnis, kompetensi inti dan proses bisnis perusahaan [2].

Apa sesungguhnya keunggulan kompetisi Telkomsel?

Oleh karena keunggulan kompetisi adalah hasil ramuan berbagai sumberdaya perusahaan maka kita tidak bisa secara pasti menentukan faktor tunggal, bahkan mungkin oleh pihak Telkomsel sendiri. Fenomena ini dikenal sebagai causal ambiguity [3]. Ini satu alasan kenapa sukses satu perusahaan sulit menjalar ke perusahaan lain.

VRIO Framework, satu model dalam Strategi Kompetisi, sering dipakai untuk menentukan sumberdaya yang menjadi tulang punggung keunggulan kompetisi. VRIO adalah akronim dari Valuable (sumberdaya tersebut bernilai), Rare (sumberdaya tersebut langkah), Imitate (sumberdaya tersebut sulit/mahal untuk ditiru) dan Organize (perusahaan memiliki kemampuan untuk mengorganisasi sumberdaya tersebut sehingga bisa menghasilkan nilai yang maksimal). Lihat Gambar 1.

vrio

Gambar 1: VRIO Framework

Sumber: Rothaermel. Strategic Management: Concepts. McGraw-Hill Education.

Apabila suatu sumberdaya bernilai dan langkah tapi bisa dengan mudah ditiru maka perusahaan tersebut hanya punya keunggulan kompetisi yang sifatnya sementara. Bahkan jika sumberdaya tersebut bernilai, langkah dan sukar untuk ditiru tapi perusahaan tak terorganisasi untuk mencipatakan nilai dari sumberdaya ini maka itu pun hanya keunggulan kompetisi yang sifatnya sementara. Keunggulan kompetisi benar-benar bisa tercapai jika sumberdaya tersebut bernilai, langkah, sukar untuk ditiru dan perusahaan memiliki kemampuan untuk mengeksploitasi nilai dari sumberdaya ini.

Satu hal yang sering disebut-disebut nilai plus Telkomsel dibanding operator lain adalah luas jaringan (coverage) yang menjangkau daerah-daerah terpencil. Sebagai perwakilan untuk luas jaringan, total jumlah BTS antar operator per akhir tahun 2015 sebagai berikut: Telkomsel 103,289, Indosat 58,879 (57% dari BTS Telkomsel) dan XL 47,326 (46% dari BTS Telkomsel).  Coverage ketiga operator di Lampiran 2-4 memperkuat asumsi ini.

Mari terapkan VRIO Framework untuk coverage Telkomsel di luar pulau Jawa:

  • Apakah jaringan di luar Jawa ini menciptakan value bagi Telkomsel? Tentu saja.
  • Apakah jaringan di daerah-daerah terpencil ini langkah? Ya, umumnya hanya Telkomsel yang menyediakan layanan di daerah-daerah terpencil.
  • Apakah sulit bagi pesaing Telkomsel untuk mengimbangi jaringan di wilayah-wilayah terpencil ini? Ya, investasi di daerah terpencil jauh lebih mahal dibanding di daerah urban sehingga jarang para pesaing berinvestasi di sana; bahkan tidak jarang ada yang mundur teratur.
  • Apakah Telkomsel mampu mengorganisasi diri sehingga bisa memanfaatkan dengan sepenuhnya kelebihannya dalam hal luas jaringan ini? Ya, secara internal dan dengan bersinergi bersama semua pemangku kepentingan, terutama pemegang saham, pemerintah dan masyarakat setempat.

Menarik, hasil analisa regresi terhadap empat variabel independen (Capex, jumlah pelanggan, jumlah BTS dan jumlah karyawan–berdasarkan kinerja tahun 2003 – 2015, Lampiran 5) yang memberikan pengaruh signifikan (secara statistik) terhadap revenue, dengan margin kesalahan 1%, ternyata adalah gabungan jumlah BTS dan jumlah karyawan. R-square (koefisien korelasi pangkat dua) dari model Revenues versus Jumlah BTS dan Jumlah Karyawan sebesar 99.37%. Ini berarti 99.37% pergerakan revenue bisa dijelaskan oleh pergerakan pada jumlah BTS dan jumlah karyawan. Untuk suatu analisa regresi angka 99.37% sangat tinggi. (Lampiran 6).

Secara intuitif faktor yang paling menyumbang pada pergerakan revenue adalah jumlah pelanggan. Pelanggan-lah yang membeli pulsa dan membayar tagihan. Namun hasil analisa menunjukkan kenaikan jumlah pelanggan ternyata korelasinya terhadap revenue tidak sekuat dibanding kombinasi jumlah BTS dan jumlah karyawan. Lihat Lampiran 7 dan 8 untuk hasil regresi variabel yang lain.

Oleh karena BTS dan karyawan adalah sumberdaya internal Telkomsel hal ini mendukung VRIO framework di atas.

Menarik, BTS pertama Telkomsel justru digelar di luar pulau Jawa, yakni di kota Batam. Strateginya adalah bangun jaringan di luar pulau Jawa lalu merengsek masuk ke Jawa, seperti lingkaran obat nyamuk.

Bagaimana coverage di luar pulau Jawa bisa memberikan keunggulan kompetisi kepada Telkomsel dan apakah operator lain bisa meredam keunggulan tersebut merupakan satu topik tersendiri yang menarik.

*****

Daftar Rujukan

[1] Rothaermel. Strategic Management: Concepts. McGraw-Hill Education.

[2] Idem.

[3] Idem.

Daftar Lampiran

Lampiran 1: Net Income Telkomsel, Indosat dan XL 2004-2015

net-income

Sumber: Laporan Keuangan Telkomsel, Indosat, XL

Lampiran 2: Coverage Telkomsel

telkomselDiambil tanggal 5 Agustus 2016 dari: http://www.sensorly.com/map/2G3G/ID/Indonesia/Telkomsel/gsm_51010#|coverage

Lampiran 3: Coverage Indosat

isatDiambil tanggal 5 Agustus 2016 dari: http://www.sensorly.com/map/2G-3G/ID/Indonesia/INDOSAT/gsm_51001#|coverage

Lampiran 4: Coverage XL

xlDiambil tanggal 5 Agustus 2016 dari: http://www.sensorly.com/map/2G-3G/ID/Indonesia/XL/gsm_51011#|coverage

Lampiran 5: Beberapa Indikator Kinerja Telkomsel 2003-2015

tsel-indicatorsSumber: Annual Report Telkomsel dari http://www.telkomsel.com

Lampiran 6: Analisa Regresi Revenue vs Jumlah BTS dan Jumlah Karyawan

regresi-bts-employee

 

Lampiran 7: Analisa Regresi Revenue vs Jumlah Pelanggan

regresi-rev-subs

 

Lampiran 8: Analisa Regresi Revenue vs Jumlah Pelanggan dan Jumlah BTS

rev-subs-bts

*****

 

Membandingkan Suku Bunga Pinjaman Bank

 

Membandingkan suku bunga pinjaman antar bank tidak dipermudah oleh bank. Anda harus paham banyak istilah: “flat”, “efektif”, “fixed” dan “floating”. Hati-hati: bank dengan suku bunga terendah tidak selalu pilihan terbaik. Mempersulit Anda, bank kadang-kadang tidak mencantumkan informasi jika skema kredit yang ditawarkan adalah flat, efektif, fixed atau floating. Selain itu, bank biasanya mencantumkan suku bunga per tahun namun dalam perhitungannya menggunakan suku bunga per bulan, sehingga hitungannya menjadi lebih tinggi.

Tapi ini ringkasnya: dengan suku bunga yang sama, angsuran per bulan suku bunga flat akan selalu lebih tinggi dibanding suku bunga efektif jika sifat perhitungannya adalah fixed. Kata “flat” mengacu kepada jangkar besaran bunga dan pembayaran pinjaman pokok yang flat/tidak berubah selama masa pinjaman, berbeda dengan suku bunga efektif yang semakin turun seiring berkurangnya pinjaman pokok.

Suku bunga efektif adalah metode perhitungan angsuran standar, penurunan dari rumus Present Value yang merupakan fondasi bidang keuangan dan investasi. Dengan Microsoft Excel, rumusnya adalah RATE(termin_pembayaran, -angsuran_per_termin_pembayaran,jumlah_pinjaman).

Misal: jika jumlah pinjaman Rp. 100,000,000 dengan angsuran per bulan Rp. 3,345,362.56 selama tiga tahun (36 bulan) maka suku bunga efektif sebesar 12.5%. (12.5% = rate(36,- 3345362.56,100000000); perhatikan, tanda minus pada angsuran merupakan sintaks Excel). Namun dengan suku bunga 12.5%/tahun, suku bunga flat akan memiliki angsuran per bulan sebesar Rp. 3,819,444.44. (Rp. 3,819,444.44 = Rp.100,000,000/36 + Rp. 100,000,000 * 12.5%/12, dimana 36 adalah 36 bulan atau 3 tahun dan 12.5%/12 adalah pembayaran bunga per bulan).

Tapi pada banyak kasus kita punya suku bunga/per tahun dan angsuran per bulan tapi tidak bisa membandingkan apple-to-apple karena besar pinjaman dan termin pembayaran yang tidak match. Bagaimana membandingkannya? Tetap menggunakan rumus Excel di atas.

Contoh nyata,  flyer dari satu bank tertentu: bunga 9.36%/tahun untuk pinjaman tiga tahun; jika meminjam Rp. 150 juta, angsuran per bulannya adalah Rp. 5,337,000. Flyer tawaran dari satu koperasi: bunga 12.5%/tahun untuk pinjaman tiga tahun; jika meminjam Rp. 200 juta angsuran per bulannya adalah Rp. 6,690,725.12. Yang mana pilihan lebih baik?

Jawabnya adalah tawaran pinjaman dari koperasi. Menggunakan formula Excel di atas, suku bunga yang ditawarkan oleh koperasi adalah 1.04%/bulan atau 12.5%/tahun sedangkan tawaran bank adalah 1.40%/bulan atau 16.85%/tahun. Jelas, rate si bank adalah flat sedangkan rate dari koperasi adalah rate efektif.

Oleh karena itu, ketika mikir-mikir untuk mengambil pinjaman jangan membandingkan suku bunga tapi bandingkanlah besar angsuran per bulannya (untuk jumlah pinjaman yang sama, termin pembayaran yang sama, dan skema pembayaran yang sama, fixed atau float), lalu ambil keputusan.

Metode pembayaran fixed (lawan dari floating) maksudnya suku bunga tidak akan berubah meskipun Bank Indonesia menaikkan atau menurunkan suku bunga. Dengan skema ini Anda bisa beruntung atau sial seiring dengan perubahan suku bunga: beruntung jika suku bunga naik dan sial jika suku bunga turun. Hal sebaliknya terjadi pada skema suku bunga floating: suku bunga naik maka angsuran Anda akan naik dan  turun jika suku bunga turun.

Bingung memang mencari perbedaan flat, efektif, fixed atau floating. Akan sangat membantu dalam membuat keputusan jika bank hanya mengacu kepada satu perhitungan suku bunga standar yaitu, “efektif” lalu, untuk pinjaman jangka panjang, apakah itu fixed atau floating.

*****

 

 

 

Indonesia’s Fastest Mobile Network 2015?

speedMenurut Speedtest Indosat adalah operator selular dengan jaringan data paling cepat di Indonesia pada tahun 2015. Ada lima operator yang dibandingkan, termasuk operator non-GSM. (lihat Gambar 1). Dari Gambar 1, Indosat memiliki kecepatan rata-rata downlink tertinggi yaitu 21.54 mega byte per detik, meskipun kecepatan rata-rata uplink-nya (9.43 Mbps) kalah dibandingkan XL (11.23 Mbps). Pada nomor bontot ada Smartfren dengan kecepatan rata-rata downlink 11.13 Mbps.

Tidak ada data tambahan yang ditampilkan untuk mendukung klaim tersebut, selain nilai rata-rata (arithmetic mean) kecepatan akses data. Padahal untuk menguji apakah berbedaan mean tersebut signifikan (secara statistik) atau hanya peristiwa acak semata harus dilakukan analisa terhadap variance sampel.

Nilai mean hanya menunjukkan nilai tengah dari suatu distribusi sample. Variance menunjukkan bagaimana lebar dari distribusi tersebut. Bisa jadi distribusi sampel mereka tumpang tindih karena punya variance yang lebar, yang menunjukkan perbedaan mean pada distribusi tersebut bersifat independen, acak, dan bukan karena faktor keunggulan jaringan operator tertentu.

revised

Gambar 1: Throughput data Operator Indonesia versi Speedtest

Dengan kata lain, membandingkan nilai mean belaka dari lima operator ini hanya menunjukkan siapa yang terbaik pada satu waktu tertentu saja. Jika sampling dilakukan lagi, bisa saja terjadi perubahan ranking. Namun jika perbedaan mean ini signifikan, karena bukan suatu kejadian acak, maka jika dilakukan sampling berulang-ulang operator terbaik memiliki peluang besar untuk selalu teratas. Margin of error yang biasa digunakan adalah 5%, atau confidence interval 95%: yakni, perbedaan mean antar operator ini dianggap signifikan jika melebihi +/- 2 kali (95%) standar error dari distribusi sampel. Standar error adalah standard deviasi untuk sampling, yang mana adalah akar kuadrat dari variance.

Tentu saja kita tak perlu melakukan sampling berulang-ulang untuk membuktikan hal ini. Dibutuhkan sumberdaya yang besar, waktu dan uang,  sehingga tidak praktis untuk menakar populasi. Ilmunya sudah ada melalui statistik inferensial yang mana butuh data variance dari sampel. Untuk menguji apakah nilai mean dari dua populasi (atau operator) siginifikan kita bisa menggunakan t-Test. Dalam kasus kita, karena ada lima operator yang dibandingkan, uji statistik yang bisa kita gunakan adalah Anova, atau Analysis of Variance.

Jika uji sampel telah kita lakukan dengan benar baru kita bisa melakukan inferensi terhadap populasi secara umum (inductive reasoning). Jika kita bicara pada tingkat operator (seperti yang dilakukan speedtest) maka kita sudah bicara pada tingkat populasi, meskipun data yang kita miliki adalah data sampel.

Jadi tanpa data variance kita tidak bisa mengambil kesimpulan siapa yang tercepat pada tingkat populasi. Tanpanya, perbedaan mean antar operator belum teruji secara statistik, dan at best, hanya pada tingkat sampel saja.

Kualitas sampling

Faktor lain yang penting untuk dilihat selain metode analisa data yang digunakan adalah kualitas sampling. Sampel yang benar adalah sampel yang diperoleh secara acak dan mewakili karakteristik populasi.

Dalam kasus kita populasi adalah data dari semua pelanggan 24 jam terus menerus di semua titik coverage. Mustahil untuk dilakukan karena:

  1. Tidak semua pelanggan memiliki app Speedtest. Hanya segmen pelanggan tertentu yang memilikinya, oleh karena itu terjadi bias pada sampel.
  2. Tidak semua pelanggan yang memiliki app narasumber melakukan pengukuran data speed setiap saat. Bahkan diantara pelanggan yang memiliki app tidak semua melakukan tes setiap waktu. Ini penting, sebab data speed adalah sumberdaya yang dipakai bersama-sama yang bisa berubah-ubah tergantung faktor seperti, jam sibuk, promosi dan kebijakan tarif operator pada jam-jam tertentu.
  3. Bagaimana data pada setiap titik coverage diambil?

Oleh karena itu kita sangat membutuhkan statistik untuk membantu kita menarik kesimpulan mengenai parameter populasi hanya dengan berdasarkan data sampel.

(Arithmetic) mean bukanlah statistik; ia hanya perwakilan nilai tengah dari sebuah dataset yang hanya benar dalam 80% kasus. Dan bicara nilai rata-rata, paling tidak ada empat indikator nilai rata-rata lain seperti median, mode, geometric mean dan harmonic mean.

Nilai arithmetic mean misalnya sangat dipengaruhi oleh data ekstrem (outlier), tidak seperti nilai median. Jika para pelanggan di daerah padat (dengan demikian kemungkinan besar kecepatan internet lebih rendah) yang paling aktif melakukan pengukuran (dengan demikian memiliki peluang sebagai menyumbang data sampel terbanyak) maka ini secara drastis mempengaruhi nilai mean.

Selain itu coverage antar operator tidak simetris sehingga cukup menantang untuk mengambil sampel yang apple-to-apple, pada lokasi yang sama pada jam yang sama. Semua hal ini turut mempengaruhi kualitas sampling sehingga harus dipertimbangkan saat membaca data dari pihak ketiga.

Jika saya belum sependapat dengan kesimpulan speedtest bukan karena saya tidak terima perusahaan saya bukan yang tercepat. Suatu saat mungkin perusahaan saya menjadi yang terbaik versi narasumber yang sama dan akan akan dikutip sebagai “bukti” kepada media dan pelanggan; saya tidak tahu. Saya mau meluruskan masalahnya sehingga data yang disediakan pihak ketiga bisa dengan benar dirujuk.

*****

 

 

Tak Perlu Lagi Izin Presiden Baca Jawa Pos

image

Distorted Reality

image

Ladders to the Sky

image


Author

Julitra Anaada:

Born and grew up in Talaud Islands, the northernmost, and one of the remotest, parts of Indonesia.

He earns living in Jakarta, the capital.

All posts are his own work, unless stated otherwise. For non-fictional piece, the opinions are strictly personal views.

He can be reached at julitra dot anaada at gmail.com.

Tweets

Enter your email address to subscribe to this blog and receive notifications of new posts by email.

Join 24 other followers


%d bloggers like this: