Details Window/Unit Detail per DMU

Window unit detail menyediakan informasi tentang peningkatan potensial, perbandingan referensi, kontribusi referensi, dan kontribusi input output pada sebuah unit individu. Bagian ini merupakan salah satu analisis utama dalam analisis metode Data Envelopment Analysis. Pada bagian ini peneliti dapat melihat secara detail informasi-informasi penting dari tiap-tiap DMU atau unit bisnis. Sedikitnya terdapat 4 analisis penting yang ada pada details window ini.

Grafik Distribusi Tingkat Efisiensi

Grafik distribusi tingkat efisiensi menampilkan informasi tentang susunan skor efisiensi dan jumlah detail unit dengan skor di setiap baris. Pada bagian analisis ini memungkinkan peneliti untuk melampirkan label terhadap individual bar yang menunjukkan sekilas berapa banyak unit yang ada di setiap barisan. Sebagaimana yang dapat kita lihat pada gambar di bawah ini, ada 11 unit dalam barisan 81-90, 45 unit dalam barisan 91-99.9 dan 38 unit dalam barisan efisien yaitu 100%.

 

Catatan: secara teknik, 99.9 tidak akurat, sebagaimana nilai tersebut bisa menjadi sedikit lebih besar dalam beberapa kasus. Tetapi itu menunjukkan gambaran umum bahwa skor tersebut bukan 100.   

Konsep-konsep Penting dalam DEA

Dalam metode DEA, terdapat beberapa kaidah penting yang perlu dicermati. Beberapa kondisi penting yang harus diperhatikan dalam penggunaan DEA adalah sebagai berikut:

a. Positivity; umumnya formulasi DEA mengharuskan semua variabel input dan output bernilai positif (>0).

b. Isotonicity; variabel input dan output harus punya hubungan isotonicity yang berarti untuk setiap kenaikan dalam input harus menghasilkan kenaikan setidaknya satu output dan tidak ada output yang mengalami penurunan.

c. Number of DMUs; aturan umum adalah dibutuhkan setidaknya 3 DMU untuk setiap variabel input dan output yang digunakan dalam model agar supaya memastikan adanya degrees of freedom untuk analisis yang bermanfaat.

d. Homogeneity od DMUs; DEA menuntut seluruh DMU yang dievaluasi memiliki variabel input dan output yang sama jenisnya dalam jumlah positif.

e. Windows analysis: perlu dilakukan jika terjadi pemecahan data DMU (tahunan menjadi triwulanan misalnya) yang biasanya dilakukan untuk memenuhi syarat jumlah DMU. Analisis ini dilakukan untuk menjamin stabilitas nilai produktifitas dari DMU yang bersifat time dependent.

f. Control of weights: untuk setiap unit relative terhadap unit yang lain dalam satu set data, terkadang dalam praktek manajemen dapat menentukan bobot sebelumnya.

SMART Training Matrix for Industries

Analisis Return to Scale (RTS)

Frontier analisis dalam DEA memungkinkan peneliti untuk menilai efisiensi relatif dari unit –unit (DMU) baik itu constant return to scale (CRS) atau variable return to scale (VRS). Hasil efisiensi yang diperoleh dari penggunaan asumsi skala yang berbeda, mungkin menjadi berbeda.

Penggunaan VRS memungkinkan ruang analisis yang lebih beragam untuk menemukan solusi yang optimal. Hasil dari ini yaitu tidak ada unit yang akan menerima nilai efisiensi yang lebih rendah menggunakan VRS dari pada hasil model CRS. Setiap unit yang mengoperasionalkan dengan minimalisasi input atau memaksimalkan tingkat output, juga akan ditemukan efisien, menggunakan VRS dan juga jumlah total dari unit yang efisien 100% akan mungkin menjadi lebih tinggi.

Pilihan model, CCR atau BCC tergantung pada proses yang akan dianalisis. Pertanyaan yang akan ditanyakan adalah, jika input dinaikkan oleh jumlah “x”, apakah output meningkat dengan sebanyak jumlah x, atau apakah ada proporsi peningkatan output yang lebih tinggi atau lebih rendah? Jika jawabannya adalah bahwa peningkatan dalam beberapa input yang digunakan, secara proporsional mengalami peningkatan dalam output juga, maka hal ini mengindikasikan bahwa adanya hubungan linear antara input dan output. Jadi model CRS harus digunakan. Tetapi jika, peningkatan dalam input tidak sama dengan peningkatan dalam output, maka model VRS yang harus digunakan, sebagai sebuah hubungan yang tidak linear antara output dan input yang telah diidentifikasi. 

[AGUSTUS-SEPTEMBER 2015 TRAINING AGENDA] SMART METHODOLOGY TRAINING: DEA, ISM, AHP, ANP, SEM (24-28 AGUSTUS & 31 AGUSTUS-4 SEPTEMBER 2015)

Training DEA (Data Envelopment Analysis): 24 & 31 Agustus 2015

Training ISM (Interpretative Structural Modeling): 25 & 1 September 2015

Training AHP (Analytical Hierarchy Process): 26 & 2 September 2015

Training ANP (Analytical Network Process): 27 & 3 September 2015

Training SEM (Structural Equation Modeling):  28 & 4 September 2015

DEA Training Description

Data Envelopment Analysis (DEA) merupakan alat manajemen untuk mengevaluasi efisiensi suatu unit bisnis yang paling popular dewasa ini. Evaluasi efisiensi tidak hanya dapat dianalisa pada satu unit bisnis saja, namun bagi beberapa unit bisnis untuk dibandingkan satu sama lain lalu diketemukan mana yang paling efisien, sehingga unit bisnis yang tidak efisien dapat merujuk pada unit bisnis yang efisien. Unit bisnis-unit bisnis yang akan dijadikan sebagai pengambilan keputusan dalam DEA disebut DMU (Decision Making Unit)/Unit Pengambilan Keputusan. Unit bisnis apapun dapat dianalisis kinerjanya dengan DEA seperti misalnya manufacturing units, departments of big organizations such as universities, school, bank branches, hospitals, power plants, police stations, tax offices, prisons, defense bases, a set of firms or even practicing individuals such as medical practitioners.

Training ini cocok bagi siapa saja yang berkepentingan untuk mengukur efisiensi (kinerja) perusahaan, unit bisnis, organisasi agar mendapatkan gambaran bagaimana kondisi perusahaan saat ini, apakah sudah efisien atau belum. Jika belum efisien apa yang perlu dilakukan oleh perusahaan agar mencapai titik efisien. Oleh karenanya training ini sangat cocok bagi para direktif, pengambil keputusan, manajemen suatu organisasi/perusahaan, pelaku industri, pengusaha dan mereka yang berkepentingan.

Tahapan Olah DEA: Menstruktur Tipe Model

Langkah pertama dalam menstruktur proyek riset dengan DEA adalah membuat keputusan tentang tipe model yang ingin kita gunakan untuk menganalisis data. Dua keputusan harus dibuat yang mana kita akan melihatnya secara detail. Pertama, apakah kita ingin analisis untuk meminimalisasikan input atau memaksimalkan output. Kedua, apakah kita mengasumsikan CRS atau VRS.

Frontier analisis menggunakan model yang paling banyak dicoba dan diuji di dalam DEA, yang mana dalam literatur akademik telah terbukti menjadi yang paling kuat (dalam hasil analisis). Dua model yang digunakan adalah model BCC untuk variabel return to scale (VRS) dan model CCR untuk constant return to scale (CRS). (BCC dan CCR adalah inisial dari nama orang-orang yang telah mengembangkan formula yang digunakan (DEA).

Dalam frontier analisis, model efisiensi dapat menjelaskan satu atau dua pertanyaan berikut ini: 1). Mengingat tingkat output yang menghasilkan sebuah unit, dengan mempertimbangkan seberapa banyak input yang mungkin dikurangi ketika mempertahankan tingkat output? Ini adalah minimalisasi input; 2). Mengingat tingkat input yang digunakan oleh sebuah unit, berapa tingkat output yang memungkinkan harus dicapai? Ini adalah maksimalisasi output.

Catatan: penggunaan minimalisasi input atau maksimalisasi output tergantung pada situasi yang akan dianalisa. Dalam contoh kasus model maksimalisasi output, apresiasi dari apakah itu sebenarnya memungkinkan untuk mencapai target output yang dihasilkan oleh analisis yang dibutuhkan. Sebagai contoh, jika target output yang dianggap tidak terjangkau karena faktor eksternal, maka model ini menjadi tidak cocok. Atau, itu mungkin menjadi unit input yang menggunakan kasus (case) infleksibel relatif, yang mana pendekatan model maksimalisasi output menjadi yang terbaik. Dalam asumsi CRS, hasil efisiensi yang dihasilkan baik dari minimalisasi input dan maksimalisasi output adalah identik (serupa).