Menggunakan Erlang C untuk Menghitung Staffing Call Center Optimal

Ringkasan artikel：MenggunakanErlangCuntukMenghitungStaffingCallCenterOptimalKekuranganstafmenyebabkanpelangganmenutuptelepon,kelebihanstafmembuangsumberdaya.ErlangCadalahmodelmatematikainti...

Menggunakan Erlang C untuk Menghitung Staffing Call Center Optimal

Kekurangan staf menyebabkan pelanggan menutup telepon, kelebihan staf membuang sumber daya. Erlang C adalah model matematika inti untuk perencanaan tenaga kerja di call center. Artikel ini akan membahas secara detail cara mengoptimalkan call center menggunakan model ini.

1. Pengantar Model Erlang C: Berdasarkan Tingkat Kedatangan Panggilan, Rata-rata Waktu Penanganan, Target Layanan

Erlang C adalah model matematika yang dikembangkan oleh matematikawan Denmark A.K. Erlang pada awal abad ke-20 untuk meneliti lalu lintas jaringan telepon. Model ini banyak digunakan untuk menghitung berapa banyak agen yang dibutuhkan untuk menangani volume panggilan yang datang secara acak di bawah target layanan tertentu. Erlang C adalah alat prediksi yang hampir ada di mana-mana dalam sistem Workforce Management (WFM) call center dan spreadsheet perencanaan. Model ini mengasumsikan bahwa panggilan menunggu dalam satu antrean, panggilan pertama yang datang akan dijawab pertama, dan ketika semua agen sedang sibuk, panggilan berikutnya masuk ke antrean.

Tiga parameter input inti diperlukan untuk penghitungan Erlang C:

Perkiraan volume panggilan yang datang. Ini adalah dasar model. Total jumlah panggilan yang perlu ditangani per satuan waktu, biasanya dihitung per jam atau setengah jam. Misalnya, pusat kontak memperkirakan akan menerima 300 panggilan antara pukul 10:00—11:00.

Rata-rata waktu penanganan (Average Handling Time). Waktu yang dibutuhkan agen dari menjawab telepon hingga menyelesaikan pekerjaan pasca-panggilan (ACW). Ini adalah faktor kunci yang secara langsung mempengaruhi kebutuhan tenaga kerja.

Target tingkat layanan. Ini adalah parameter inti dari perjanjian tingkat layanan (SLA). Target umum adalah "80/20" (80% panggilan dijawab dalam 20 detik). Di pasar Indonesia, banyak perusahaan terkemuka meningkatkan standar menjadi "90/10" untuk pelanggan bernilai tinggi.

Pasar perangkat lunak pusat kontak Indonesia pada 2025 bernilai $707,8jutadandiproyeksikantumbuhmenjadi$74,4 miliar pada 2033 dengan CAGR 34,2%. Pertumbuhan eksponensial pasar berarti manajemen berbasis data dan ilmiah akan menjadi standar industri, dan era penjadwalan manual berdasarkan perasaan akan segera berakhir.

2. Pengumpulan Data: Volume Panggilan Historis, Distribusi Waktu, Statistik Waktu Penanganan

Sebelum memulai penghitungan, pertama-tama harus membangun baseline berbasis data. Data historis berkualitas tinggi adalah jaminan akurasi model Erlang C.

Kumpulkan data panggilan historis setidaknya 12 bulan. Data satu minggu tidak mencerminkan fluktuasi bisnis. Disarankan mengambil data volume historis 12–24 bulan berturut-turut. Indonesia adalah negara kepulauan dengan penetrasi media sosial dan pesan instan yang sangat tinggi, data juga harus dirinci hingga "tingkat kedatangan per jam".

Identifikasi pola waktu dan musiman. Di pasar Indonesia, perlu secara khusus mengecualikan data hari libur nasional (seperti Idul Fitri, Natal, dll.) dan menganalisis secara terpisah model lalu lintas selama "musim promosi" atau "hari penagihan".

Statistik rata-rata waktu penanganan. Waktu di sini tidak hanya mencakup durasi percakapan agen dengan pelanggan, tetapi juga waktu pasca-panggilan (setelah panggilan selesai) untuk menyelesaikan entri tiket dan pelabelan.

Perusahaan Indonesia menghadapi pengawasan regulasi yang semakin ketat. Lembaga seperti Bank Indonesia (BI), Otoritas Jasa Keuangan (OJK), dan Undang-Undang Perlindungan Data Pribadi (UU PDP) terus memperkuat pengawasan, yang mengharuskan pencatatan data call center lengkap dan dapat dilacak. Kebiasaan pengumpulan data yang baik tidak hanya mendukung penghitungan Erlang C yang akurat, tetapi juga menjadi dasar untuk audit kepatuhan regulasi.

3. Langkah Perhitungan: Masukkan Target Tingkat Layanan, Hitung Jumlah Agen yang Dibutuhkan

Setelah memiliki data, Anda dapat menggunakan kalkulator Erlang C (bisa menggunakan alat Python baru atau plugin Excel) untuk menghitung. Langkah-langkahnya:

Langkah 1: Konversi parameter input. Bagi total perkiraan volume panggilan dengan durasi periode waktu. Jika Anda perlu menjadwalkan satu jam dari 10:00—11:00 dan memperkirakan 300 panggilan, maka "tingkat kedatangan per jam" adalah 300.

Langkah 2: Tetapkan tingkat layanan. Masukkan target tingkat layanan. Jika SLA menetapkan 80% panggilan dijawab dalam 30 detik, maka target persentase jawab adalah 80%, target waktu jawab adalah 30 detik. Menetapkan target SLA yang wajar secara efektif menyeimbangkan pengalaman pelanggan dan biaya operasional.

Langkah 3: Interpretasi hasil perhitungan. Erlang C akan langsung menghitung "jumlah agen teoritis yang dibutuhkan". Misalnya, hasilnya mungkin 42 orang. Ini berarti dalam kondisi ideal, 42 agen dapat mempertahankan tingkat layanan 80/20.

Langkah 4: Analisis sensitivitas & buffer keamanan. Mengingat kompleksitas jaringan kepulauan Indonesia dan latensi respons sistem backend, dapat menambahkan persentase staf buffer terapung di atas nilai teoritis (misal menambah 2–3 agen) untuk memastikan tingkat layanan tetap terpenuhi selama periode puncak.

4. Penyesuaian Praktis: Mempertimbangkan Cuti, Pelatihan, Dampak Multichannel (Bukan Hanya Suara)

Erlang C memberikan nilai teoritis, tetapi dalam penjadwalan aktual, tingkat kehadiran agen dipengaruhi oleh berbagai faktor. Selain itu, pusat kontak modern bukan lagi pusat "telepon" murni.

Faktor atrisi personel. Selain agen yang sedang menjawab telepon, perlu mempertimbangkan sakit, cuti tahunan, waktu pelatihan wajib, dan waktu istirahat agen. Jika tingkat ketidakhadiran terencana adalah 20%, untuk mempertahankan 42 agen online, total tim mungkin perlu diperluas menjadi sekitar 52–53 orang.

Efek limpahan multichannel. Pasar Indonesia adalah pasar mobile-first, banyak konsultasi pelanggan berasal dari WhatsApp, Instagram, atau live chat. Ketika volume chat dan email melonjak, harus dialihkan melalui aturan routing omnichannel terpadu yang memanfaatkan waktu agen. Melalui workspace agen terpadu, agen dapat mengelola platform suara, media sosial, dan pesan instan secara bersamaan. Ini berarti sistem WFM perlu memasukkan interaksi non-suara ke dalam perhitungan waktu kerja.

Untuk mencapai penjadwalan omnichannel yang akurat di pasar Indonesia, perusahaan dapat memanfaatkan alat analitik bawaan platform cloud call center komprehensif seperti Udesk untuk secara akurat menghitung data konkuren dari berbagai saluran (suara, WhatsApp, web chat), memberikan data input yang lebih akurat untuk Erlang C, memastikan strategi penjadwalan mencakup kebutuhan panggilan dan interaksi teks pada jam sibuk.

5. Rekomendasi Alat & Optimasi Penjadwalan: Menggunakan Software WFM untuk Otomatisasi Perhitungan & Penjadwalan

Melakukan perhitungan Erlang C secara manual mungkin memungkinkan untuk call center dengan tim kecil. Tetapi untuk perusahaan yang perlu menjadwalkan puluhan atau bahkan ratusan agen, perangkat lunak workforce management profesional sangat diperlukan.

Rekomendasi alat: Ada perangkat lunak lokal seperti Mekari Qontak yang menyediakan fungsi IVR, rekaman, dan audit kualitas. Perusahaan Indonesia juga dapat memanfaatkan platform global seperti modul WFM dari Verint, NICE, dan Calabrio, atau menggunakan platform layanan pelanggan omnichannel seperti Udesk yang menyediakan laporan kinerja agen dan aturan routing berdasarkan keterampilan, serta data BI untuk mendukung keputusan penjadwalan.

Mesin penjadwalan otomatis. Software WFM profesional tidak hanya melakukan perhitungan Erlang C, tetapi juga secara otomatis menugaskan orang dengan keterampilan berbeda ke jadwal shift yang berbeda berdasarkan label tingkat keahlian karyawan.

Pemantauan kepatuhan real-time. Apakah agen tepat waktu online, apakah mereka berada dalam status "pasca-pemrosesan" terlalu lama, sistem WFM akan memantau secara real-time dan mengirim peringatan, membantu manajer menyesuaikan tepat waktu, memastikan nilai teoritis Erlang C terwujud di dunia fisik.

FAQ

1. Apakah model Erlang C berlaku untuk pusat kontak omnichannel?
Erlang C tradisional terutama untuk panggilan suara. Untuk multichannel, pendekatan standar adalah mengonversi volume interaksi WhatsApp, Chat, dan email ke dalam beban kerja suara ekuivalen (Erlang) berdasarkan perkiraan "rata-rata waktu penanganan", lalu memasukkannya ke dalam rumus. Namun untuk pusat kontak omnichannel skala besar, disarankan menggunakan mesin prediksi routing multi-keterampilan dalam perangkat lunak WFM profesional.

2. Mengapa pelanggan masih merasa waktu tunggu lama meskipun saya mengikuti Erlang C dengan ketat?
Erlang C didasarkan pada beberapa asumsi ideal. Kemungkinan penyebabnya: fluktuasi volume panggilan aktual jauh lebih besar dari perkiraan (lonjakan tak terduga), rata-rata waktu penanganan aktual agen lebih lama dari data yang dikumpulkan, atau ketidakhadiran dan pelaksanaan cuti tidak berjalan dengan baik sehingga jumlah agen yang benar-benar hadir kurang dari yang dibutuhkan.

3. Apa dampak PDP Law Indonesia terhadap pengumpulan data call center untuk perencanaan tenaga kerja?
PDP Law mewajibkan perusahaan bertanggung jawab atas data pribadi karyawan dan pelanggan. Saat melakukan statistik AHT dan analisis kinerja, perusahaan harus memastikan data dianonimkan, serta membangun mekanisme audit retensi dan akses data yang terstandar. Persetujuan tertulis yang jelas harus diperoleh sebelum memproses data pribadi, dan tujuan pemrosesan data harus diinformasikan dengan jelas.

Sistem Call Center Udesk dengan konektivitas stabil dan fitur lengkap—coba gratis dan tingkatkan kualitas layanan telepon Anda.

Artikel ini merupakan karya asli Udesk. Jika akan diterbitkan ulang, wajib selalu mencantumkan sumber aslinya：https://id.udeskglobal.com/blog/menggunakan-erlang-c-untuk-menghitung-staffing-call-center-optimal