DEA Bootstrap

DEA Bootstrap dilakukan melalui dua prosedur, yaitu menghitung skor efisiensi terlebih dahulu, kemudian mempergunakan analisis regresi untuk menjelaskan keragaman daripada skor-skor efisiensi tersebut. Regresi Ordinary Least Square (OLS) memiliki keterbatasan dalam analisa keragaman skor efisiensi DEA, dikarenakan skor DEA tersebut sangat berhubungan (berkorelasi) erat dengan variabel bebas pembentuknya (pada proses perhitungan skor DEA pada tahapan analisa data), sehingga nilai estimasi regresi dapat bias (Simar, 1992).

Di sisi lain, terdapat beberapa pendekatan untuk menyelesaikan permasalahan pendugaan keragaman skor efisiensi DEA dengan regresi (Xue dan Harker, 1999; Casu dan Molineux, 1999). Pendekatan ini dilakukan oleh Xue dan Harker (1999): menitikberatkan bahwa skor efisiensi yang dihasilkan model DEA jelas bergantung

sama lain dalam analisis statistik.

Alasan dependensi ini sebenarnya merupakan fakta yang umum diketahui bahwa skor efisiensi DEA sendiri adalah indeks relatif efisiensi, bukan indeks efisiensi absolut. Dikarenakan keberadaan dependensi inheren di antara skor efisiensi, salah satu asumsi analisis regresi konvensional, independensi di dalam sampel (autokorelasi), dilanggar. Sehingga, prosedur regresi konvensional (uji asumsi klasik) menjadi tidak valid. Untuk langkah alternatifnya, Xue dan Harker (1999) serta Casu dan Molineux (1999) melakukan regresi bootstrap.

Regresi metode bootstrap adalah metode berbasis komputer untuk melakukan pengukuran akurasi terhadap pendugaan (estimasi) statistik, yang pertama kali diperkenalkan oleh Efron (1979), dan sejak masa itu menjadi alat statistik yang populer dan menyeluruh. Penelitian Simar (1992), kemungkinan merupakan penelitian pertama yang melakukan metode bootstrap untuk menghitung interval keyakinan atas skor efisiensi relatif yang dihasilkan oleh frontier non-parametrik.

Semenjak itu, bootstrap dipergunakan untuk membuktikan distribusi empiris atas skor efisiensi pada setiap kasus (pengamatan) dalam sampel penelitian; untuk memperoleh interval keyakinan dan mengukur bias (residu) dari skor efisiensi DEA; dan untuk menganalisa sensitivitas skor efisiensi atas keragaman sampel setelah skor diperoleh dari frontier non-parametrik (Simar dan Wilson, 1995).