BAB IV HASIL DAN PEMBAHASAN
Pada bab ini akan dijelaskan secara rinci mengenai pengumpulan datadata yang diperlukan dan juga proses pengolahan data hingga diperoleh hasil yang diinginkan sesuai dengan kerangka kerja yang telah ditetapkan. 4.1 Pengumpulan Data Data diperoleh dengan cara observasi yaitu dengan pengambilan data langsung ke lapangan dan dengan wawancara. Tahap pengumpulan data dalam penelitian ini adalah Pemilihan Decision Making Unit (DMU), Klasifikasi Decision Making Unit (DMU), Pengelompokkan Input dan Output, Identifikasi Model Matematik Data Envelopment Analysis (DEA), Pengumpulan Data Input dan Output. 4.2 Pemilihan Decision Making Unit (DMU) Pada penelitan ini, DMU-DMU yang akan diteliti terdiri dari 5 (lima) daerah distribusi yaitu Jabodetabek, Jawa Timur, Jawa Barat, Jawa Tengah, dan Sumatera Utara 4.3 Klasifikasi Decision Making Unit (DMU)
49
50
Setelah dilakukan pemilihan DMU terhadap daerah distribusi PT Textilone, maka langkah selanjutnya adalah melakukan klasifikasi Decision Making Unit (DMU). Hasil klasifikasi dapat dilihat pada tabel 4.1 berikut : Tabel 4.1 Klasifikasi Decision Making Unit (DMU) No. Urut DMU 1 2 3 4 5
4.4
Daerah Distribusi Pemasaran Jabodetabek Jawa timur Jawa barat Jawa tengah Sumatera Utara
Pengelompokkan Input dan Output Setelah pemilihan klasifikasi DMU, langkah selanjutnya adalah menganalisa
dan mengelompokkan data input dan output. Variabel yang akan digunakan adalah sebagai berikut : a. Input, meliputi : Jumlah Agen, Jumlah Pengiriman (Eksemplar) dan Biaya Pengiriman. b. Output, meliputi : Laba Untuk lebih jelasnya dapat dilihat pada tabel 4.2 berikut :
51
Tabel 4.2 Pengelompokkan Input dan Output No.
Input
No.
Output
1
Jumlah Agen
1
Jumlah Laba yang dihasilkan
2
Pengiriman
Jumlah (Eksemplar)
Jumlah Biaya Pengiriman
3
4.5
Pengumpulan Data Input dan Output Data-data yang digunakan dalam penelitian ini merupakan veriabelvariabel yang diasumsikan memiliki pengaruh besar dalam tingkat efisiensi distribusi barang pada PT Textilone. Berikut adalah data yang akan dgunakan dalam menghitung tingkat efisiensi distribusi PT Tekstilone Tabel 4.3. Data Input dan Output distribusi barang pada PT Textilone
No. Urut
Daerah Distribusi Pemasaran
Input Jumlah agen
Jumlah Pengiriman
Output Biaya Pengiriman (Rp)
Laba (Rp)
1
Jabodetabek
20
36,703
9,000,000
1,039,313,712
2
Jawa timur
29
115,287
60,322,500
2,567,234,061
3
Jawa barat
15
7,644
3,750,000
220,669,500
52
28 4
Jawa tengah
5
Sumatera Utara
3
22,088
10,710,000
690,505,000
2,882
1,687,500
93,109,500
4.6 Deskripsi Data Data yang akan diolah dibedakan menjadi empat variabel. Untuk mengetahui lebih jelas mengenai gambaran data tersebut, peneliti memberikan deskripsi data tersebut per variabel. 4.6.1 Data Jumlah Agen Untuk menggambarkan data Jumlah Agen, berikut adalah tabel yang memuat data jumlah agen di masing – masing kota :
Jumlah Agen 35 30 Axis Title
25 20 15 10 5 0
Jumlah agen
Jabodetabe k
Jawa timur
Jawa barat
Jawa tengah
Sumatera Utara
20
29
15
28
3
Gambar 4.1 : Deskripsi data jumlah agen
53
Dari gambar diatas dapat dilihat bahwa jumlah agen terbanyak terdapat pada kota Jawa Timur dengan jumlah agen 29, disusul oleh Jawa Tengah dengan jumlah agen 28. Sementara jumlah agen paling sedikit berada di kota Sumatera Utara dengan jumlah 3 agen. 4.6.2 Data Jumlah Pengiriman Untuk menggambarkan data Jumlah Pengiriman, berikut adalah tabel yang memuat data jumlah pengiriman di masing – masing kota :
Jumlah Pengiriman (Eksemplar) 140,000 120,000 100,000 80,000 60,000 40,000 20,000 -
Jumlah pengiriman
Jabodetabek
Jawa timur
Jawa barat
Jawa tengah
Sumatera Utara
36,703
115,287
7,644
22,088
2,882
Gambar 4.2 : Deskripsi data jumlah agen
Dari gambar diatas dapat dilihat bahwa jumlah pengiriman terbanyak terdapat di kota Jawa Timur dengan jumlah pengiriman 115,287 eksemplar, disusul oleh Jakarta dengan jumlah pengiriman
54
36,703 eksemplar. Sementara jumlah pengiriman paling sedikit berada di kota Sumatera Utara dengan jumlah pengiriman 2,882 eksemplar. 4.6.3 Data Biaya Pengiriman Untuk menggambarkan data Jumlah Biaya Pengiriman, berikut adalah tabel yang memuat data jumlah biaya pengiriman di masing – masing kota :
Biaya Pengiriman (Rupiah) 70,000,000 60,000,000 50,000,000 40,000,000 30,000,000 20,000,000 10,000,000 -
Biaya pengiriman
Jabodetabek
Jawa timur
Jawa barat
Jawa tengah
Sumatera Utara
9,000,000
60,322,500
3,750,000
10,710,000
1,687,500
Gambar 4.3 : Deskripsi data jumlah agen
Dari gambar diatas dapat dilihat bahwa jumlah pengiriman terbanyak terdapat di kota Jawa Timur dengan jumlah biaya pengiriman Rp. 60,322,500, disusul oleh Jakarta dengan jumlah biaya pengiriman
55
Rp, 10,710,000. Sementara jumlah biaya pengiriman paling sedikit berada di kota Sumatera Utara dengan jumlah pengiriman Rp, 1,687,500. 4.6.4 Data Laba yang diperoleh Untuk menggambarkan data Laba yang dihasilkan, berikut adalah tabel yang memuat data laba yang dihasilkan di masing – masing kota :
Laba (Rupiah) 3,000,000,000
Axis Title
2,500,000,000 2,000,000,000 1,500,000,000 1,000,000,000 500,000,000 -
laba (rupiah)
Jabodetabek
Jawa timur
Jawa barat
Jawa tengah
Sumatera Utara
1,039,313,71
2,567,234,06
220,669,500
690,505,000
93,109,500
Gambar 4.3 : Deskripsi data Laba yang dihasilkan
Dari gambar diatas dapat dilihat bahwa Laba yang dihasilkan terbanyak terdapat di kota Jawa Timur dengan jumlah Laba yang dihasilkan sebesar Rp. 2,567,234,061 disusul oleh Jakarta dengan jumlah Laba yang dihasilkan sebesar Rp, 1,039,313,712. Sementara
56
jumlah Laba yang dihasilkan paling sedikit berada di kota Sumatera Utara dengan jumlah pengiriman Rp, 93,109,500. \ 4.6
Pengolahan Data Dari data yang telah dikumpulkan, kemudian diolah menggunakan DEA (Data Envelopment Analisis) dengan alat analisis DEAP ver 2.1. Penghitungan efisiensi relatif menggunakan Model DEA CRS berorientasi input dengan berdasarkan skala produksi dari masing-masing DMU. Pemodelan DEA ini dilakukan untuk memperoleh nilai efisiensi yang menyatakan indeks produktivitas dari masing-masing DMU dengan menggunakan data variabel yang telah ditentukan tingkat hubungannya dari analisa uji korelasi (analisa faktor). Untuk memudahkan perhitungan maka dilakukan dengan bantuan Software DEAP ver 2.1. Tabel 4.4 Nilai Efisiensi Relatif (Technical Efficiency) No. 1 2 3 4 5
DMU Jabodetabek Jawa timur Jawa barat Jawa tengah Sumatera Utara
TE EFISIEN/INEFISIEN 1.000 EFISIEN 1.000 EFISIEN INEFISIEN 0.922 1.000 EFISIEN 1.000 EFISIEN
57
Dari Tabel 4.4 diatas dapat dilihat bahwa DMU 1 (Jabodetabek), DMU 2 (Jawa Timur), DMU 4 (Jawa Tengah) dan DMU 5 (Sumatera Utara) nilai efisiensi relatifnya adalah 1.000 sehingga dapat dinyatakan bahwa DMU tersebut dinyatakan efisien. Sedangkan DMU 3 nilai efisiensi relatifnya adalah 0.922 Sehingga dapat dinyatakan DMU 3 (Jawa Barat) adalah DMU yang tidak efisien.
4.7 Analisa Data Merujuk pada hasil pengolahan data, bahwasanya terdapat DMU yang tidak efisien. Hal ini seharusnya dapat dikaji lebih lanjut. Untuk melihat lebih jelas permasalahan yang ada, berikut akan ditampilkan grafik dari setiap input dan output yang ada untuk dianalisa.
3000 2500 2000
Jabodetabek Jawa timur
1500
Jawa barat 1000
Jawa tengah Sumatera Utara
500 0 Jumlah agen
Jumlah pengiriman
Biaya pengiriman (jutaan)
laba (jutaan)
58
Gambar 4.5 : grafik input dan output pengukuran efisiensi distribusi PT Textilone Dapat dilihat bahwa dari tabel diatas bahwa dengan keadaan yang nyata saat ini, ternyata kota jawa timur adalah kota yang memberikan kontribusi laba yang paling besar. Sedangkan kota sumatera Utara memberikan kontibusi laba paling kecil. Meskipun demikian baik kota Jawa Timur dan Sumatera Utama memiliki nilai Teknikal Efisiensi (TE) sebesar 1,000 sehingga kota tersebut meskipun dengan kontribusi laba yang cukup berbeda dinyatakan dalam system distribusi yang efisien. Hal ini terjadi karena input (jumlah agen, jumlah pengiriman barang, dan jumlah biaya pengiriman) dari masing–masing kota tersebut, yakni Jawa Timur dan Sumatera Utara berbanding lurus dengan output (laba) yang dihasilkan. Hal yang demikian terjadi juga dalam kota Jakarta dan Jawa Tengah yang memiliki nilai TE yang sama yakni 1,000. Berbeda dengan keempat kota lainnya, distribusi di Jawa Barat ternyata dinilai belum efisien. Hal ini dinyatakan dengan nilai TE yang tidak mencapai angka 1,000, yakni angka 0,922. Hal ini dimungkinkan karena perbandingan antara input (jumlah agen, jumlah pengiriman barang dan jumlah biaya pengiriman) tidak berbanding lurus dengan output (laba yang dihasilkan). Untuk itu hal ini perlu diberikan perhatian, agar kelak semua daerah terdistribusi secara efisien.
59
Dari analisis data tersebut terdapat input yang tidak efisien pada daerah distribusi wilayah Jawa Barat, yaitu berada pada banyaknya jumlah agen tetapi dengan banyaknya jumlah agen tersbut tidak dapat memaksimalkan laba yang optimal atau besar, sangat berbeda dengan wilayah distribusi Sumatra Utara dengan jumalah agen yang sedikit wilayah tersebut dapat memaksimalkan jumlah laba yang dihasilakan.
