Bab II KAJIAN PUSTAKA, KERANGKA PEMIKIRAN DAN HIPOTESIS 2.1
Kajian Pustaka Kajian pustaka merupakan teori-teori yang berkaitan dengan penelitian
sebagai acuan untuk membantu membahas persoalan-persoalan pada penelitian ini. Teori-teori tersebut diambil dari berbagai sumber yang relevan agar penelitian dapat dilaksanakan. 2.1.1
Efisiensi
2.1.1.1 Efisiensi dan Efektifitas Efisiensi merupakan ukuran tingkat penggunaan sumber daya dalam suatu proses. Semakin hemat dan sedikit penggunaan sumber daya, maka prosesnya dikatakan semakin efisien. Proses yang efisien ditandai dengan perbaikan proses sehingga menjadi lebih murah dan lebih cepat. Sedangkan efektivitas adalah ukuran tingkat pemenuhan output atau tujuan proses. Semakin tinggi pencapaian target atau tujuan proses maka dikatakan proses tersebut semakin efektif. Proses yang efektif ditandai dengan perbaikan proses sehingga menjadi lebih baik dan lebih aman. Menurut Heizer and Render (ed. 9, 2009) efisensi dan efektifitas merupakan kumpulan aktivitas untuk menciptakan nilai dalam suatu produk, baik yang berbentuk barang maupun jasa, dengan cara mengubah input menjadi output. Atau perancangan, pengoperasian, dan perbaikan suatu sistem yang menciptakan
5
6
dan mengantarkan produk dan jasa utama dari sebuah perusahaan (Chase et al, ed 11, 2005) Efektivitas berfokus pada hasil program atau kegiatan yang dinilai efektif, apabila output yang dihasilkan dapat memenuhi tujuan yang diharapkan atau dikatakan spending wisely. Sehubungan dengan hal tersebut, maka efektivitas menggambarkan seluruh siklus input, proses dan output yang mengacu pada hasil guna dari suatu organisasi, program atau kegiatan yang menyatakan sejauh mana tujuan (kualitas, kuantitas, dan waktu) telah dicapai, serta ukuran berhasil tidaknya suatu
organisasi
mencapai
tujuannya
dan
mencapai
target-
targetnya. Pandangan yang sama menurut pendapat Drucker dalam Moenir (2006) mendefinisikan efektivitas, sebagai berikut: “Effectivennes, on the other hand, is the ability to choose appropriate objectives. An effective manager is one who selects the right things to get done”. (Efektivitas, pada sisi lain, menjadi kemampuan untuk memilih sasaran yang sesuai. Mmanajer efektif individu yang melakukannya hingga selesai.) Tunggal (2003) mengutip definisi efisiensi efektifitas dan ekonomisasi dari Gerald Vinten sebagai berikut : 1. Economy-doing things cheap 2. Efficiency-doing things right 3. Effectiveness-doing the right things
7
Daft (2003) menyebutkan efektivitas,
”The degree to which the
organization achieves a stated goal” yang bermakna sejauh mana tingkat pencapaian organisasi pada tujuan, serta efisiensi ”The use of minimal resources raw materials, money and people to produce a desired volume of output” yang bermakna penggunaan sumber daya, dana, dan manusia yang sedikit untuk menghasilkan output yang diinginkan . 2.1.1.2 Efisiensi dan Produktivitas Hal yang paling penting bagi keberhasilan perusahaan salah satunya adalah aspek efisiensi. Tidak hanya untuk meminimalkan biaya saja tetapi dapat sebagai pengontrolan ukuran produksi yang baik. Pengelolaan input (faktor-faktor produksi) dan output (hasil produksi) yang dikelola secara efisien akan memberikan hasil yang optimal. Jadi, tingkat efisiensi suatu perusahaan pada dasarnya merupakan rasio output terhadap input (output to input ratio). Karena rasio ini biasa pula digunakan untuk mengukur tingkat produktivitas suatu perusahaan atau suatu unit kerja di dalam suatu perusahaan maka dalam konteks ini efisiensi dapat dikatakan identik dengan produktivitas. Menurut Dewan Produktivitas Nasional dalam Pasolong (2010), sikap mental yang selalu berusaha dan mempunyai pandangan bahwa mutu kehidupan hari ini (harus) lebih baik dari hari kemarin, dan esok hari lebih baik dari hari ini. Produktivitas menurut Greeberg dalam Yuniarsih (2009), perbandingan antara totalitas pengeluaran pada waktu tertentu dibagi totalitas masukan selama periode tertentu.
8
Silalahi (2007) mendefinisikan efisiensi adalah berhubungan dengan rasio output dengan input atau keuntungan biaya.
Pada Emerson di dalam
Handayaningrat (2000), memberikan pengertian efektivitas adalah pengukuran dalam arti tercapainya sasaran atau tujuan yang telah ditentukan sebelumnya. Jelasnya bila sasaran atau tujuan telah tercapai sesuai dengan yang direncanakan sebelumnya adalah efektif. Jadi kalau tujuan sasaran itu tidak sesuai dengan waktu yang telah ditentukan, pekerjaan itu tidak efektif. 2.1.1.3 Pengukuran Efisiensi Ada tiga pendekatan yang digunakan untuk pengukuran efisiensi, yaitu: 1.
Pendekatan Rasio Pengukuran
efisiensi
dapat
dilakukan
dengan
cara
menghitung
perbandingan output dengan input yang digunakan. Pendekatan rasio akan dinilai memiliki efisiensi yang tinggi apabila dapat memproduksi jumlah output yang seminimal mungkin. Kelemahan dari pendekatan ini adalah bila terdapat banyak input dan banyak output yang akan dihitung, karena apabila dilakukan perhitungan secara serempak maka akan menimbulkan banyak hasil perhitungan sehingga menghasilkan asumsi yang tidak tegas. 2.
Pendekatan Regresi Pendekatan ini dalam mengukur efisiensi menggunakan sebuah model dari
tingkat output tertentu sebagai fungsi dari berbagai tingkat input tertentu. Fungsinya dapat disajikan sebagai berikut :
9
…………………………………………………………………..(1) Dimana:
y = Output x = Input
Pendekatan regresi akan menghasilkan estimasi hubungan yang dapat digunakan untuk memproduksi tingkat output yang dihasilkan sebuah Decision Making Unit (DMU) pada tingkat input tertentu yang dalam penelitian ini adalah program studi di Universitas Mercu Buana. DMU tersebut akan dinilai efisiensi bila mampu menghasilkan jumlah output lebih banyak dibandingkan jumlah output hasil estimasi. Pendekatan ini juga tidak dapat mengatasi kondisi banyak output, karena hanya satu indikator output yang dapat ditampung dalam sebuah persamaan regresi. Apabila dilakukan penggabungan banyak output dalam satu indikator maka informasi yang dihasilkan menjadi tidak rinci lagi. 3.
Pendekatan Frontier Secara garis besar terdapat dua jenis pendekatan untuk pengukuran tingkat
efisiensi, yaitu parametrik dan non-parametrik. Pendekatan Stochastic Frontier Approuch (SFA), Thick
Frontier
Approuch (TFA)
dan Distribution
Free
Approuch (DFA) merupakan pendekatan paremetrik, sedangkan pendekatan nonparametrik yang termasuk adalah Data Envelopment Approuch (DEA) dan Free Disposable Hull (FDH). DEA merupakan pendekatan non-parametrik yang sering banyak dipilih dalam banyak penelitian karena beberapa alasan, yaitu :
10
a. Menurut Coelli et, al (1997), Lan et, al (2003) dalam Lie dan Lih (2005) yang menjelaskan bahwa pendekatan parametrik adalah pendekatan yang modelnya menetapkan adanya syarat-syarat tertentu, yaitu: tentang parameter populasi yang merupakan sumber penelitiannya (sehingga akan lebih banyak kriteria yang harus dipenuhi), dan membutuhkan pembentukan fungsi lebih khusus (sehingga kemungkinan kesalahan fungsi lebih besar). b. Di sisi lain Coelli et, al (1997) dalam Mokhtar, Abdullah and Al-Habshi (2008)
menyebutkan
bahwa
pendekatan
non-paramterik
merupakan
pendekatan yang modelnya tidak menetapkan syarat-syarat tertentu, yaitu: parameter
populasi
yang
menjadi
induk
sampel
penelitiannya,
penggunaannya lebih sederhana, dan mudah digunakan karena tidak membutuhkan banyak spesifikasi bentuk fungsi (sehingga kemungkinan kesalahan pembentukan fungsi lebih kecil). DEA merupakan sebuah metode optimasi program matematika yang mengukur efisiensi
teknik
suatu
Decision Making
Unit
(DMU), dan
membandingkan secara relatif terhadap DMU yang lain (Charnes et, al. 1978; Banker et, al. 1984 dalam Sutawijaya dan Lestari, 2009). DEA adalah pendekatan non-parametrik yang berbasis program linear (Linear Programming) dengan dibantu paket-paket software efisiensi secara teknik, seperti Banxia Frontier Analysis (BFA) dan Warwick for Data Envelopment Analysis (WDEA). Penelitian ini akan menggunakan software WDEA. Pada intinya kedua software tersebut akan mengarah pada hasil yang sama (Kurnia, 2004).
11
Pada dasarnya teknik analisis DEA didesain khusus untuk mengukur efisiensi relatif suatu Unit Kegiatan Ekonomi dalam kondisi banyak input maupun output. Kondisi tersebut biasanya sulit disiasati secara sempurna oleh teknik analisis pengukuran efisiensi lainnya (Nugroho dalam Huri dan Susilowati, 2004). Efisiensi relatif suatu Decision Making Unit (DMU) adalah efisiensi suatu DMU dibanding dengan DMU lain dalam sampel yang menggunakan jenis input dan output yang sama. DEA memformulasikan Decision Making Unit (DMU) sebagai program linear fraksional untuk mencari solusi, apabila model tersebut ditransformasikan ke dalam program linear dengan nilai bobot dari input dan output (Sutawijaya dan Lestari, 2009). Efisiensi relatif Decision Making Unit (DMU) dalam DEA, juga didefinisikan sebagai rasio dari total output tertimbang dibagi total input tertimbang (total weighted output/total weighted input). Inti dari DEA adalah menentukan bobot (weighted) atau timbangan untuk setiap input dan output DMU. Setiap DMU diasumsikan bebas menentukan bobot untuk setiap variabelvariabel input maupun output yang ada, asalkan mampu memenuhi dua kondisi yang disyaratkan (Saleh, 2000). 2.1.2
Kapasitas Berdasarkan Rangkuti (2005), kapasitas merupakan tingkat kemampuan
berproduksi secara optimum dari fasilitas, biasa dinyatakan sebagai jumlah output satu periode waktu tertentu. Manajer Operasional memperhatikan kapasitas karena ingin mencukupi
kapasitas untuk
memenuhi permintaan
konsumen,
mempengaruhi efisiensi biaya operasi dan mengetahui perencanaan output, biaya
12
pemeliharaan kapasitas, yang menentukan dalam analisis kebutuhan investasi. 2.1.2.1 Kapasitas dan Penerapannya Kapasitas mencerminkan skala operasional atau ukuran fasilitas yang ditunjukkan sebagai salah satu penilaian output dan input. Penilaian output digunakan untuk proses volume tinggi sedangkan input untuk proses volume rendah. Kapasitas normal menggambarkan produksi output maksimum yang direncanakan dan peralatan di operasikan rata-rata periode waktu produksi normal campuran dari output. Berdasarkan pengertian kapasitas dalam hal ini tidak biasanya untuk fasilitas operasi lebih dari 100% kapasitas. Pengukuran kapasitas dalam matematika sebagai berikut ; …....(2) Dimana : Production Rate = Number Of Units Produced/Amount Of Time Kapasitas efektif ditemukan pada organisasi yang dapat menjalankan efisien lebih ketika sumber daya tidak lebih dari batasan yang ada. Kapasitas efektif adalah kapasitas yang terbentuk dari pencapaian harapan perusahaan dengan product mix, method of scheduling, maintanance, dan standart quality. ……………………..………………..(3)
Efesiensi merupakan ukuran kelebihan output aktual kapsitas efektif dan ditunjukkan dalam persentase kapasitas efektif. ………………………………………...……(4)
13
2.1.2.2 Definisi Kapasitas Kapasitas adalah kemampuan menangani, menerima, menyimpan dan menunjang. Dalam sebuah pengertian bisnis secara umum, kapasitas merupakan frekwensi terbanyak yang terlihat pada sebuah sistem yang kapabel untuk menghasilakn pada sebuah waktu tertentu. Namun, pandangan menejemen operasi memodifikasi definisi tersebut menjadi penjumlahan pada faktor-faktor yang menentukan output yang dihasilkan, maksudnya adalah ketika melihat kapasitas, manajer operasi butuh melihat pada sumber daya input dan output sebagai perencanaan. Manajer operasi juga melihat dampak dimensi waktu kapasitas. Tabel 2.1 Jenis Perencanaan Menurut Horizon Waktu Dimensi Waktu
Mengubah Kapasitas
Menggunakan Kapasitas
Perencanaan Jangka Panjang
- Menambah fasilitas - Menambah peralatan yang memiliki lead time panjang
*
Perencanaan Jangka menengah
- Subkontrak - Menambah peralatan - Menambah shift
- Menambah karyawan - Menambah atau menggunakan persediaan
*
- Penjadwalan tugas - Penjadwalan karyawan - Penjadwalan mesin
Perencanaan Jangka Pendek
* Terdapat pilihan yang sangat terbatas Sumber : http://yesica-adicondro.blogspot.com/2013/04/perencanaan-kapasitas.html
2.1.2.3 Kapasitas Manajemen Kapasitas manajemen melibatkan pengaturan nilai yang digunakan organisasi untuk performa kinerja. Apakah pekerja menyelesaikan tugas dengan baik atau tidak. Saat ini, perusahaan atau organisasi juga menggunakan teknologi untuk mengurangi kapasitas pekerja sehingga biaya yang dikeluarkan dapat
14
ditekan. Perusahaan sebisa mungkin hanya menggunakan tenaga kerja pada bidang yang spesifik sehingga kapasitas yang biasanya diisi yaitu kapasitas ilmuwan, kapasitas insinyur, dan kapasitas teknisi untuk membuat produk baru. Kemampuan kapasitas didasarkan pada : -
Physical - kemampuan kapasitas
-
Operational/Process - kemampuan hubungan
-
Manajemen - kemampuan pengaruh Masing-masing memiliki dampak tertentu. Contohnya pada Physical -
kemampuan kapasitas. Jika Universitas banyak menggunakan teknologi sebagai tenaga maka pekerja yang diserap akan lebih sedikit dan juga jam kerja yang lebih efektif. Maksud dari menejemen kapasitas adalah untuk dapat mengerti kebutuhan bisnis baik saat ini maupun kedepannya serta memetakan pelayanan yang akan dibutuhkan untuk mencapai tujuan, Menejemen kapasitas juga mencangkup perencanaan yang menjawab kapan, dimana dan apa sumber daya yang dibutuhkan untuk menemukan kebutuhan pelayanan. 2.1.2.4 Konsep Kapasitas Performa dan kapasitas merupakan dua kunci dari menejemen kapasitas. Performa merupakan hal yang sangat dibutuhkan dalam kecepatan menyelesaikan sesuatu dan juga mengukur respon waktu. Performa pelayanan merupakan kunci pengaplikasian yang sangat nyata dengan tidak memasukkan kata menunggu. Konsep pelayanan, aplikasi, dan transaksi menjadi satu untuk menentukan beban kerja dan menilainya serta merespon waktu secara objektif dan terukur.
15
Kapasitas merupakan suatu tingkat keluaran, suatu kuantitas keluaran dalam periode tertentu, dan merupakan kuantitas keluaran tertinggi yang mungkin selama periode waktu tersebut. Beberapa definisi kapasitas secara umum adalah sebagai berikut:
Design capacity, yaitu tingkat keluaran per satuan waktu pabrik yang dirancang
Rated capacity, yaitu tingkat keluaran per satuan waktu yang menunjukkan bahwa fasilitas secara teoritik mempunyai kemampuan memproduksinya
Standard capacity, yaitu tingkat keluaran per satuan waktu yang ditetapkan sebagai “sasaran” pengoperasian bagi manajemen, supervisi dan para operator mesin
Actual/operating
capacity, yaitu tingkat keluaran rata-rata per satuan
waktu selama periode-periode waktu yang telah lewat
Peak capacity, yaitu jumlah keluaran per satuan waktu yang dapat dapat dicapai melalui maksimasi keluaran, dan mungkin dilakukan dengan kerja lembur, menambah tenaga kerja, menghapus penundaan-penundaan, mengurangi jam istirahat, dan lainnya. Perusahaan biasanya menggunakan tingkat kapasitas nyata atau kapasitas
pengoperasian yang ditentukan dari laporan-laporan atau catatan-catatan pusat kerja. Bila informasi ini tidak tersedia, "rated capacity" digunakan dan dapat diperkirakan dengan rumusan : Rated Capacity = [ Jumlah Mesin ][ Jam Kerja Mesin ][ Presentase Penggunaan ] [ Efisiensi Sistem ]
16
Sebagai contoh, suatu pusat kerja beroperasi 6 hari per minggu dengan basis dua "shift" (8 jam per shift) dan mempunyai 3 mesin dengan kemampuan sama. Bila mesin-mesin digunakan 85% dari waktu pada tingkat efisiensi sistem sebesar 90%, tingkat keluaran dalam jam kerja standar per minggu dapat dihitung sebagai berikut : Rated Capacity = (3) (8 x 6 x 2 ) (0,85) (0,90) = 220 jam kerja standar/minggu. 2.1.3
Data Envelopment Analysis (DEA) Data Envelopment Analysis (DEA) adalah aplikasi atau metodologi
perhitungan yang berbasis pada konsep pendekatan efisiensi, dapat digunakan untuk mengukur dan menganalisis efisiensi dari berbagai unit yaitu pemerintah atau swasta, profit dan nirlaba. 2.1.3.1 Dicision Making Unit (DMU) Data Envelopment Analysis (DEA) adalah linear programming yang berbasis pada pengukuran tingkat performance suatu efisiensi dari suatu organisasi dengan menggunakan Dicision Making Unit (DMU). Istilah DMU dalam DEA dapat berupa bermacam-macam unit seperti bank, rumah sakit, unit dari pabrik, departemen, universitas, sekolah, pembangkit listik, kantor polisi, kantor samsat, kantor pajak, penjara, dan apa saja yang memiliki kesamaan karakteristik operasional (Siswadi dan Purwantoro, 2006). Ramanathan (2003) menyebutkan ada dua faktor yang mempengaruhi dalam pemilihan DMU, yaitu : ●
DMU harus merupakan unit-unit yang homogen. Unit-unit tersebut melakukan tugas (task) yang sama, dan memiliki obyektif yang sama. Input
17
dan output yang mencirikan kinerja dari DMU harus identik, kecuali berbeda hanya intensitas dan jumlah/ukurannya (magnitude). Hal ini juga sejalan dengan pendapat Sufian (2006). ●
Hubungan antara jumlah DMU terhadap jumlah input dan output kadangkala ditentukan berdasarkan “rule of thumb”, yaitu jumlah DMU diharapkan lebih banyak dibandingkan jumlah input dan output dan ukuran sampel seharusnya dua atau tiga kali lebih banyak dibandingkan dengan jumlah keseluruhan input dan output. Hal yang sama dikemukakan oleh Barnum dan Gleason (2008), bahwa
pertimbangan dalam pemilihan sampel DMU adalah jumlah dari DMU itu sendiri. Untuk dapat membedakan secara selektif DMU yang efisien dan inefisien maka diperlukan jumlah DMU yang lebih besar dari perkalian jumlah input dan jumlah output. Jumlah DMU sekurang-kurangnya tiga kali lebih besar dari total jumlah variabel input dan output (Dyson, 2001). Namun pada beberapa penelitian lain mengenai DEA terdapat pula penggunaan sampel DMU yang lebih kecil. Keuntungan Model DEA a) Model DEA dapat mengukur banyak variabel input dan variabel output; b) Tidak diperlukan asumsi hubungan fungsional antara variabel-variabel yang diukur; c) DMU dibandingkan secara langsung dengan sesamanya; d) Variabel input dan output dapat memiliki satuan pengukuran yang berbeda. Kelemahan Model DEA a) Bersifat sample specific;
18
b) Merupakan extreme point technique, karenanya kesalahan pengukuran akan berakibat fatal; c) Hanya mengukur produktivitas relatif dari DMU dan bukan produktivitas absolute; d) Uji hipotesis secara statistik atas hasil DEA sulit untuk dilakukan. Karena menggunakan perumusan linear programming terpisah untuk setiap DMU (perhitungan secara manual sulit dilakukan apalagi untuk masalah berskala besar). 2.1.3.2 Basis Teori DEA Data Envelopment Analysis (DEA) mengukur efisiensi dari unit pengambil
keputusan
producer) dalam
sampel
dengan untuk
membandingkan menghasilkan
penghasil
komparasi
terbaik (best
efisiensi.
Data
Envelopment Analysis (DEA) menghasilkan ukuran subyektif dalam efisiensi operasional kepada unit-unit homogen lain, membandingkan satu dengan yang lain, melalui unit-unit sampel yang bersama-sama membentuk kurva kinerja yang „membungkus‟ hasil observasi. Konsekuensinya, DMU yang berada pada kurva merupakan DMU yang efisien dalam mendistribusikan input dan menghasilkan ouput, sedangkan yang berada diluar kurva dianggap tidak efisien. Data Envelopment Analysis (DEA) diperkenalkan oleh Charnes, Cooper dan Rhodes (1978). Metode Data Envelopment Analysis (DEA) dibuat sebagai alat bantu untuk evaluasi kinerja suatu aktifitas dalam sebuah unit entitas (organisasi). Pada dasarnya prinsip kerja model Data Envelopment Analysis (DEA) adalah membandingkan data input dan output dari suatu organisasi data
19
(Decision Making Unit) dengan data input dan output lainnya pada DMU yang sejenis. Perbandingan ini dilakukan untuk mendapatkan suatu nilai efisiensi. Data
Envelopment Analysis
atau
yang
dikenal
dengan
DEA,
dikembangkan oleh Charnes, dkk. (1978) dengan metode Constant Return To Sclae (CRS), yang kemudian diperluas oleh Banker dkk. (1984) dan Fare, et al (1994) dengan metode Variable Returnt To Scale (VRS). Analysis DEA ini merupakan pengembangan programasi linier yang didasarkan pada teknik kinerja relatif dari sekelompok unit input dan output, yang digunakan untuk menentukan efisiensi relatif dan target untuk unit kegiatan ekonomi (unit kerja) yang tidak efisien. Analisis DEA menggunakan 2 metode yaitu: Constant Returnt To Scale (CRS) dan Variabel Return To Scale (VRS). Program DEA ini dirancang untuk mengatasi keterbatasan yang dimiliki analisis rasio parsial dan regresi berganda. DEA merupakan prosedur yang dirancang secara khusus untuk mengukur efisiensi relatif suatu unit kerja yang menggunakan banyak input dan output, dimana penggabungan input dan output tersebut tidak mungkin dilakukan. Efisiensi relatif unit kerja adalah efisiensi suatu unit kerja dibandingkan dengan unit kerja lain dalam sampel (sekelompok unit kerja yang saling diperbandingkan) yang menggunakan jenis input dan output yang sama. 2.1.3.3 Konsep DEA Data Envelopment Analysis (DEA) adalah pengembangan programasi linier yang didasarkan pada teknik pengukuran kinerja relatif dari sekelompok unit input dan output. DEA dapat mengatasi keterbatasan yang dimiliki analisis rasio parsial maupun regresi berganda. DEA merupakan prosedur yang dirancang
20
secara khusus untuk mengukur efisiensi relatif suatu decision making unit (DMU) yang menggunakan banyak input maupun output. Dalam DEA efisiensi relatif DMU didefinisikan sebagai rasio dari total output tertimbang dibagi total input tertimbangnya. Inti dari DEA adalah menentukan bobot (weights) atau timbangan untuk setiap input dan output DMU. Bobot tersebut memiliki sifat tidak bernilai negatif dan bersifat universal, artinya setiap DMU dalam sampel harus dapat menggunakan seperangkat bobot yang sama untuk mengevaluasi rasionya (total weighted output/total weighted input) dan rasio tersebut tidak boleh lebih dari satu (total weighted output/total weighted input ≤ 1). DEA berasumsi bahwa setiap DMU akan memilih bobot yang memaksimumkan rasio efisiensinya (maximize total weighted output/total weighted input). Karena setiap DMU menggunakan kombinasi input yang berbeda untuk menghasilkan kombinasi output yang berbeda pula, maka setiap DMU akan memilih seperangkat bobot yang mencerminkan keragaman tersebut. Bobot-bobot tersebut bukan merupakan nilai ekonomis dari input dan outputnya, melainkan sebagai penentu untuk memaksimumkan efisiensi dari suatu DMU. Cara pengukuran yang digunakan dalam DEA adalah dengan membandingkan antara output yang dihasilkan dengan input yang ada (Ramanathan, 2003). Efisiensi = Output/Input…………………………………………………………(5)
21
Dalam kenyataannya, baik input maupun output dapat lebih dari satu. Dalam membandingkan output dan input, digunakan bobot untuk masing-masing input dan output yang ada (Ramanathan, 2003). Efisiensi = Total weighted output/Total weighted input………………………………(6)
2.1.3.4 Model DEA Model DEA memungkinkan analis untuk memilih input dan output sesuai dengan fokus yang ingin diamati. Selain itu DEA tidak mempermasalahkan adanya perbedaan satuan yang dipakai dalam variabel yang ingin digunakan. Orientasi ini tergantung pada keterbatasan kontrol oleh manajemen/ pengguna model DEA baik terhadap input atau output yang dimiliki oleh unit tersebut. Jika sebuah organisasi secara teknis tidak efisien dari suatu perspektif yang berorientasi input, maka dia juga akan secara teknis tidak efisien dari suatu perspektif yang berorientasi output. CRS
CRS Input
VRS
VRS Input
Input
Input
Orientasi CRS
CRS Output
VRS
VRS Output
Output
Gambar 2.1 Pengklasifikasian Model DEA Output Sumber : Yasar A. Ozcan
22
Input Oriented Input Oriented merupakan pengidentifikasian melalui adanya kemungkinan mengurangi input tanpa merubah output. Output Oriented Model DEA yang berorientasi pada output, digunakan pada unit yang telah memiliki input yang memadai sehingga manajemen unit tersebut hanya berfokus pada output dan pengembangannya melalui stratergi pemasaran atau menaikkan reputasi kualitas pelayanannya di mata pelanggan. Atau pengidentifikasian ketidakefisienan melalui kemungkinan adanya penambahan output tanpa merubah input. Model CCR (Charnes-Cooper-Rhodes) atau Constant Return to Scale Model (CRS) Pertama kalinya model CCR ditemukan oleh Charnes, Cooper dan Rhodes pada tahun 1978. Pada model ini diperkenalkan suatu ukuran efisiensi untuk masing-masing decision making unit (DMU) yang merupakan rasio maksimum antara output yang terbobot dengan input yang terbobot. Masing-masing nilai bobot yang digunakan dalam rasio tersebut ditentukan dengan batasan bahwa rasio yang sama untuk tiap DMU harus memiliki nilai yang kurang dari atau sama dengan satu. Model CCR dapat dituliskan sebagai berikut ini:
23
Dimana : θ = Efisiensi DMU Model CRR n = jumlah DMU m = jumlah input s = jumlah output xij = jumlah input ke-i DMU j yrj = jumlah output ke-r DMU j λj = bobot DMU j untuk DMU yang dihitung Beri asumsi terdapat n DMUs, masing-masing dengan m input dan s output, nilai efisiensi relative dari perhitungan suatu DMU diperoleh dari model yang diperkenalkan Charnes et al., berikut : ………………………………….……………….….(10)
……………………………………………….……..(11)
Dimana : Y = variable output r=1 sampai s, (indeks untuk output) X = variable input i=1 sampai m, (indeks untuk input)
24
U = bobot input j=1 sampai n, (indeks untuk banyaknya DMU) V = bobot output Formula diatas tidak dapat diselesaikan dengan menggunakan program linier, rumus diatas dapat diubah menjadi program linier seperti berikut:
Dimana : Y = variable output r=1 sampai s, (indeks untuk output) X = variable input i=1 sampai m, (indeks untuk input) U = bobot input j=1 sampai n, (indeks untuk banyaknya DMU) V = bobot output Permasalahan diatas dijalankan n kali pada identifikasi nilai efisiensi relative untuk semua DMU. (Talluri, 2000). Model CCR dikenal dengan nama constant return to scale (CRS), yaitu perbandingan nilai output dan input bersifat konstan, penambahan nilai input dan
25
output sebanding. Pada model CCR, tidak terdapat syarat convexity constraint, berbeda dengan model Banker-Charnes-Cooper (BCC) yang terdapat syarat convexity constraint. Model BCC (Banker-Charnes-Cooper) atau Variabel Return of Scale (VRS) Hasil model DEA yang memberikan variabel return terskala disebut model BCC (Banker, Charnes dan Cooper, 1984), yaitu dengan menambahkan kondisi convexity bagi nilai-nilai bobot λ, dengan memasukan dalam model batasan berikut:
Dimana : λj = bobot DMU j untuk DMU yang dihitung Selanjutnya model BCC dapat ditulis dengan persamaan berikut: Max π (Efisiensi DMU Model BCC) Subject to :
26
Dimana : π = Efisiensi DMU Model BCC n = jumlah DMU m = jumlah input s = jumlah output xij = jumlah input ke-i DMU j yrj = jumlah output ke-r DMU j λj = bobot DMU j untuk DMU yang dihitung Model DEA dengan Variable Return to Scale (VRS) telah dikembangkan dimana variabel technical efficiency yang dipengaruhi oleh scale efficiency pada model CRS akibat ada unit yang tidak beroperasi secara optimal dapat diatasi. Hal ini dilakukan dengan menambah konstrain konveksitas. Formulasi VRS : Model VRS berorientasi input
ui,vi Subject to
27
ur , vi ≥ 0 ; ∀r ∀ i
Dimana : yrj = jumlah output r yang diproduksi oleh j, xij = jumlah input i yang digunakan oleh j, ur = bobot yang diberikan kepada output r, (r = 1,…t dan t adalah jumlah output), vi = bobot yang diberikan kepada input i, (i = 1,….m dan m adalah jumlah input), n = jumlah DMU, j0 = DMU yang diberi penilaian VRS berorientasi output
Subject to
lj, sr, si ≥ 0 Dimana : j : DMU, j = 1,....., n r : output, r = 1,...., s
28
i : input, i = 1,....., m Yrj : nilai dari output ke-r dari DMU ke-j Xij : nilai dari input ke-i dari DMU ke-j : angka positif yang kecil ( 1 x 10-6 ) Si, Sr : slack dari input i, slack dari output r ≥ 0 λj : bobot DMUj ≥ 0 terhadap DMU yang dievaluasi Ur , Vi : bobot untuk output r, input i > Model BCC juga dikenal dengan nama variable return to scale (VRS), yaitu peningkatan input dan output tidak berproporsi sama. Peningkatan proporsi bisa bersifat increasing return to scale (IRS) atau bisa juga bersifat decreasing return to scale (DRS). Perbandingan Model CRS dan VRS Pada model DEA CCR atau sering dikenal dengan nama Constant Return To Scale (CRS), perbandingan nilai output dan input bersifat konstan, penambahan nilai input dan output sebanding. Pada model DEA BCC yang juga dikenal dengan nama Variable Return To Scale (VRS), peningkatan input dan output tidak berproporsi sama. Peningkatan proporsi bisa bersifat Increasing Return To Scale (IRS) atau bisa juga bersifat Decreasing Return To Scale (DRS). Model CRS dan VRS dalam bentuk grafik :
29
Gambar 2.2 Model CRS (Coelli T.J) Sumber : A Guide to DEAP ver 2.1
Gambar 2.3 Model VRS (Coelli T.J) Sumber : A Guide to DEAP ver 2.1
2.1.3.5 Peer Group Untuk tiap unit yang tidak efisien, DEA dapat juga mengidentifikasikan kumpulan unit efisien yang berhubungan sebagai peer groups. Tiap peer unit akan
30
efisien dengan kombinasi bobot dari unit yang tidak efisien. Pada model DEA dual, komposisi unit efisien yang membentuk peer group dapat diketahui dari λ yaitu bobot DMUj terhadap DMUk (DMU yang sedang dianalisa) DEA memberikan pilihan bebas terhadap bobot input-output dimana dapat menunjukan kemungkinan terbaik. Hal ini dapat dikatakan sebagai identifikasi orientasi inputoutput yang inefisien dan dengan melalui peer groupnya dapat mengidentifikasi subset unit yang efisien. Peer group digunakan sebagai perbandingan antara unit yang efisien dan unit yang inefisien. Peer unit akan memberikan contoh operasi yang baik untuk meningkatkan produktivitas unit yang inefisien. 2.1.4 Analisa Korelasi Korelasi memiliki arti sebagai suatu hubungan timbal balik atau sebab akibat antara dua buah kejadian. Dengan kata lain, analisis korelasi menunjukkan keeratan hubungan antara variabel tanpa memperhatikan ada atau tidaknya hubungan kausal antara variabel-variabel. Koefisien korelasi sebagai nilai tunggal yang menginformasikan seberapa besar hubungan antar variabel. Nilai koefisien korelasi adalah positif, negatif, dan tidak berkorelasi. Dua variabel dikatakan berkorelasi positif apabila terjadi kenaikkan variabel pertama yang dikuti dengan kenaikan nilai variabel kedua. Nilai koefisien korelasi positif berkisar 0 samapi 1. Sedangkan dua variabel dikatakan berkorelasi negatif apabila terjadi kenaikan variabel pertama yang diikuti dengan penurunan nilai variabel kedua, atau sebaliknya terjadi penurunan variabel pertama yang diikuti dengan kenaikan nilai variabel kedua. Nilai koefisien korelasi negatif berkisar 0 sampai -1. Untuk
31
menggunakan analisis korelasi harus disesuaikan atau tergantung dengan jenis data yang dianalisis. Analisis korelasi merupakan studi yang membahas tentang derajat hubungan antara variabel-variabel, sedangkan yang dimaksud dengan koefisien korelasi adalah ukuran yang dipakai untuk mengetahui derajat hubungan, terutama untuk data kuantitatif. Sedangkan uji Korelasi dilakukan untuk mengetahui hubungan antara factor-faktor, dimana suatu faktor tersebut dapat memiliki nilai yang tergantung dari faktor yang lain sehingga faktor tersebut dapat diwakilkan. Analisa korelasi juga berguna untuk mengetahui hubungan antara inputoutput, dimana peningkatan dalam input seharusnya juga akan meningkatkan output.. Dalam Software SPSS 20, yaitu Correlate Bivariate dimana parameter yang digunakan adalah nilai dari Pearson Correlation. Jika nilai Pearson Correlation mendekati 1 maka variabel yang diteliti memiliki keterkaitan yang kuat dengan variabel pembanding. Semakin besar angka korelasi mengidikasikan bahwa faktor yang terkait tersebut sangat dipengaruhi oleh perubahan variabel pembanding karena memliki korelasi yangkuat terhadap variabel pembanding sehingga kenaikan atau penurunan nilai variabel ditentukan pula kenaikan atau penurunan nilai dari variabel pembanding. 2.1.4.1 Asumsi Analisa Korelasi Asumsi–asumsi terkait dengan korelasi yang harus dipenuhi pada analisis korelasi adalah: -
Besar korelasi atau korelasi antar independen variabel harus cukup kuat, misal diatas 0,5.
32
-
Pengujian seluruh matrik korelasi (korelasi antar variabel), yang diukur dengan besaran Pearson Correlation digunakan pilihan Pearson. Pengujian ini mengharuskan adanya korelasi yang signifikan diantara paling sedikit beberapa variabel.
-
Distribusi nilai variabel berdistribusi normal atau mendekati normal.
-
Dua variabel yang akan dicari korelasinya adalah variabel kontinyu yang bersifat rasional atau minimal bersifat interval.
-
Hubungan kedua variabel yang akan dikorelasikan adalah linier.
2.1.4.2 Dasar Analisis Korelasi Proses dasar dalam analisis korelasi (Pearson Correlation) meliputi menentukan variabel apa saja yang akan dianalisis serta menguji variabel–variabel yang telah ditentukan, dengan menggunakan metode Pearson Correlation. Dimana hipotesis untuk signifikansinya adalah sebagai berikut : Ho : Tidak ada hubungan (korelasi) antara dua variabel. Hi : Ada hubungan (korelasi) antara dua variabel. Dasar pengambilan keputusan Kriteria dengan melihat probabilitas (signifikan) ialah : -
Angka Sig.>0.05, maka Ho diterima.
-
Angka Sig.<0.05, maka Ho ditolak.
Secara teori, dikatakan bahwa angka korelasi akan berkisar diantara : -1, berarti hubungan negatif sempurna. 0, berarti tidak ada hubungan sama sekali. +1, berarti hubungan positif sempurna.
33
Angka Pearson Correlation berkisar antara 0 sampai 1, dengan kriteria : Korelasi antara 0-0.5, korelasi cukup kuat. Korelasi antara 0.5-1, korelasi kuat. Reduksi dan brainstorming dilakukan berdasarkan nilai korelasi faktor input dan output, dimana faktor-faktor input dan output yang memiliki nilai korelasi yang sangat kuat agar efektif diringkas menjadi satu faktor. 2.2
Penelitian Terdahulu Beberapa penelitian telah memperkirakan efisiensi Universitas di berbagai
negara di seluruh dunia dengan menggunakan berbagai parametrik dan metode non-parametrik terutama di bidang ekonomi maju seperti Amerika Serikat (Kokkelenberg et al. 2008), Inggris (Izadi et al. 2002, Flegg et al. 2004, Glass et al. 2006), Flegg et al. menggunakan Data Analysis Envelopment untuk memeriksa perubahan teknikal efisiensi dari 45 Universitas Inggris periode 1981-1993. Di Kanada (McMillan dan Chan 2006) dan Australia (Abbott dan Doucouliagos 2003 Worthington dan Lee 2008), Sedangkan (Johnes dan Johnes 1993, Tauer et al. 2007, Kao dan Hung 2008) memperkirakan efisiensi departemen dalam Universitas dan (Colbert et al. 2000) yang menentukan efisiensi relatif dari program MBA menggunakan DEA. Analisis data envelopment (DEA) telah menjadi teknik untuk mengukur relative efisiensi pengambilan keputusan unit (DMU) dengan beberapa input dan output ganda (Charnes et al, 1978, 1994;.. Banker et al, 1984). Metode ini telah menjadi populer di pengukuran kinerja universitas (Prichard, 1990; Youn & Park, 2009). Bahkan, ada harfiah berbagai macam metode DEA seperti konstan return
34
to scale (CRS), variabel return untuk skala (VRS), (Cooke & Zhu, 2005). Dalam Winarti (2012) penelitian UPN “Veteran” Jawa Timur yang mengunakan variable input; jumlah mahasiswa putus kuliah, kapasitas kelas, lama waktu studi, jumlah staff. Sedangkan varabel outputnya adalah jumlah mahasiswa baru, jumlah pengajar, jumlah mahasiswa lulus dengan IPK ≥ 3.5, nilai akreditasi, jumlah dosen yang mendapat penelitian. Penelitian ditujukan untuk mengetahui fakultas yang belum efisien pada Fakultas Teknik Industri di UPN “Veteran”. Dengan hasil perhitungan untuk kelajutan dari pembuangan variable yang tidak berkorelasi, hasil perhitungan DEA tersebut adalah hanya satu DMU yang belum efisien dari 5 DMU. 2.3
Kerangka Pemikiran Efisiensi merupakan salah satu parameter pengukuran kinerja dari sebuah
organisasi, seperti dalam penelitian ini program studi. Jurusan dapat dikatakan efisiensi bila dapat beroperasi dengan input yang seminimal mungkin untuk menghasilkan output yang maksimal. Salah satu metode pengukurannya adalah Data Envelopment Analysis (DEA). Dalam penelitian ini input yang digunakan adalah jumlah pejabat struktural, dosen, jumlah staff non-akademik, dan jumlah mahasiswa. Output yang digunakan adalah jumlah lulusan. Di dalam pendekatan efisiensi, jumlah lulusan yang diharapkan dengan jumlah lulusan per periode dapat tercapai dengan kinerja dan jumlah dosen pengajar program studi. Disamping itu model yang dipakai dalam penelitian ini menggunakan model orientasi output (output-oriented model) dengan asumsi Variable Return To Scale (VRS). Karena dalam pendekatan fungsi intermediasi,
35
intermediasi suatu program studi tercapai apabila jurusan mampu menghimpun dan mengeluarkan lulusan secara optimal. Oleh karena itu model yang dipakai dalam orientasi output adalah dengan maksimalisasi output. Pada penelitian ini peneliti akan meneliti mengenai efisiensi program studi. Untuk mengetahui nilai efisiensi dari setiap jurusan atau program studi, serta untuk mengetahui kelompok program studi manakah yang paling efisien, dilakukan pengujian dengan metode DEA. Secara sisitematis pemikiran tersebut dapat digambarkan sebagai berikut: KERANGKA PEMIKIRAN
Metode Data Envelopment Analysis Input : 1. Jumlah Mahasiswa 2. Jumlah Dosen 3. Jumlah Pejabat Struktural 4. Jumlah Staf NonAkademik
Program Studi Universitas Mercu Buana
Nilai Efisiensi Tiap Program Studi
Analisis
Kesimpulan dan Rekomendasi
Gambar 2.4 Kerangka Pemikiran Sumber : Telaah Peneliti
Output : Jumlah Mahasiswa Lulus
