Terdapat dua studi kasus yang akan dibahas dalam tulisan ini yakni sebagai berikut:
1. Analisis Efisiensi Relatif Pihak Perantara Pada Distribusi Pemasaran Ayam Pedaging
Menggunakan Metode Data Envelopment Analysis
2. Penilaian kinerja departemen produksi dalam menerapkan Reverse logistics dengan
pendekatan AHP dan Data Envelopment Analysis (Studi Kasus Di PT Sinar Sosro Kantor
Pabrik Mojokerto)
A. Studi Kasus 1
[1] Penelitian ini di lakukan di Kabupaten Bantul dengan alasan bahwa populasi ayam terbesar
di Provinsi D.I.Y berada didaerah ini, sedangkan D.I.Y sendiri merupakan daerah produksi daging
ayam terbesar ke-5 se-Indonesia (Statistik Peternakan dan Kesehatan Hewan, 2015) dengan luas
wilayah D.I.Y yang terhitung kecil menyebabkan lokasi antar pelaku rantai pasok sangat
strategis.Memetakan jalur distribusi pemasaran ayam pedaging pada industri tradisional dengan
perhitungan nilai tambah. Penelitian ini bertujuan untuk Mengukur tingkat efisiensi kinerja pada
pihak perantara (pengepul) ayam pedaging dan mengidentifikasi pihak perantara yang termasuk
dalam kategori inefisien dengan menggunakan metode DEA (Data Envelopment
Analysis).Memberikan saran rekomendasi perbaikan efisiensi kinerja pada pihak perantara ayam
pedaging yang tingkat efisiensi rendah untuk meningkatkan efisiensinya.
1. Dalam pengukuran efisiensi relatif, teknik analisis yang digunakan dalam penelitian ini adalah
metode Data Envelopment Analysis (DEA) yang basisnya programasi linier (Linier
Programming). Secara teknis perhitungan dibantu dengan paket-paket
softwareSistemaIntegrado de Apoio a Decisão (SIAD). Model DEA yang digunakan adalah model
Constant Return to Scale (CRS) yang diformulasikan berdasarkan rumus 2.10 sampai 2.13,
dimana terdapat hubungan linier antara input dan output. Perhitungan metode DEA akan
menunjukkan efisien ketika bernilai 1 atau 100% sedangkan kategori tidak efisien apabila nilai
yang dihasilkan bernilai kurang dari 100%.
B. Studi Kasus 2
Penelitian ini di lakukan di PT Sinar Sosro Kantor Pabrik Mojokerto memproduksi minuman teh
dalam kemasan returnable glass bottling (RGB). Tujuan penelitian ini ialah menentukan bobot
kepentingan tiap variabel untuk penilaian kinerja Departemen Produksi dalam menerapkan reverse
logistics dengan (AHP), melakukan penilaian kinerja untuk proses produksi setiap jenis produk
dengan (DEA) dan melakukan proyeksi perbaikan nilai efisiensi untuk proses produksi inefisien
dengan proyeksi CCR berorientasi input.
[2]Reverse logistics adalah proses pengendalian aliran bahan baku, produk jadi dan informasi
terkait dari kegiatan konsumsi untuk menangkap nilai dari pengembalian produk. PT Sinar Sosro
Kantor Pabrik Mojokerto menerapkan reverse logistics dengan memproduksi minuman teh dalam
kemasan returnable glass bottling (RGB). Penelitian ini bertujuan menentukan bobot kepentingan
tiap variabel untuk penilaian kinerjaDepartemen Produksi dalam menerapkan reverse logistics
dengan Analytical Hierarchy Process (AHP),melakukan penilaian kinerja untuk proses produksi
setiap jenis produk dengan Data Envelopment Analysis(DEA) dan melakukan proyeksi perbaikan
nilai efisiensi untuk proses produksi inefisien dengan proyeksi CCRberorientasi input. Metode yang
digunakan yaitu penggabungan AHP dan DEA pada proses produksi 6 jenisproduk RGB (Teh Botol
Sosro, Joy Tea, Tebs, S-tee, Fruit Tea Apple dan Fruit Tea Black Currant) selama 20bulan (Januari
2010-Agustus 2011). Variabel penilaian yaitu variabel input dan output. Hasil penelitian
menunjukkan bobot kepentingan variabel input dan output masing-masing 0,5. Subkriteria variabel
input dengan urutan bobot terbesar sampai terkecil yaitu hambatan produksi, paid hour, botol
nonstandar, botol pecah, botol isi nonstandar dan losses dengan bobot berturut-turut sebesar
0,185, 0,160, 0,055, 0,050, 0,030 dan 0,020. Subkriteria variabel output dengan urutan bobot
terbesar sampai terkecil yaitu hasil produksi, mechanical efficiency, line utility, line efficiency dan
volume dengan bobot kepentingan berturut-turut sebesar 0,265, 0,085, 0,070, 0,060, dan 0,020.
Penilaian kinerja menunjukkan bahwa terdapat sebanyak 18 proses produksi inefisien. Proses
produksi yang inefisien dapat diperbaiki nilai efisiensinya dengan proyeksi CCR berorientasi input,
yaitu dengan mengoptimalkan nilai subkriteria variabel input dan output.
C. Pembahasan
Perbedaan yang mendasar dari kedua studi kasus diatas adalah variabel yang digunakan dalam
pengukuran, yaitu yang menjadi variable input dan output serta metode pengukuran yang
digunakan.
Perbandingan pada kedua studi kasus diatas dapat dilihat pada table dibawah:
2 PT SINAR 1. Losses 1. Volume Teh botol sosro 1. Pengolahan data dengan 1. Menyusun
SOSRO 2. Hambatan 2. Hasil (DMU 1) menggunakan Analytical kuesioner
KANTOR produksi produksi Joy tea (DMU 2) Hierarchy pairwise
PABRIK 3. Paid hour 3. Line utility See tee (DMU 3) Process,Penyusunan comparison.
MOJOKERTO 4. Botol non 4. Mechanical Tebs (DMU 4) Hierarki Penilaian Kuesioner yang
memproduksi standart efficiency Fruite apple Kinerja Departemen digunakan
minuman teh 5. Botol pecah 5. Line (DMU 5) Produksi untuk Proses yaitu kuesioner
dalam kemasan efficiency Fruite tea black Produksi Minuman, perbandingan
returnable glass currant (DMU 6) 2. Penetapan Prioritas berpasangan
bottling (RGB). Perbandingan yang
berpasangan setiap level merupakan
hierarki dilakukan kuesioner
untuk menentukan pembobotan
prioritas. Hasil dari skala Analytical
perbandingan Hierarchy
berpasangan dibentuk Process (AHP)
dalam matriks dengan skala
perbandingan pembobotan 1
berpasangan. sampai 9.
3. Nilai bobot untuk tiap Responden
subkriteria variable dalam
yang diperoleh dari penelitian ini
metode AHP kemudian adalah manajer
dikalikan dengan nilai dan 3 orang
asli dari tiap subkriteria supervisor
variabel input dan Departemen
output (data kuantitatif) Produksi.
sehingga menjadi nilai
variable terbobot
(weighted value). Data
asli untuk setiap
subkriteria perlu
distandarisari terlebih
dahulu untuk
memperkecil range data.
Data yang telah
terstandarisasi
kemudian diskalakan
kembali (rescaling)
untuk mendapatkan
data positif yang
digunakan dalam proses
pengolahan data
selanjutnya.
4. Data asli untuk tiap
subkriteria variable
input dan output yang
telah distandarisasi,
rescaling serta dikalikan
bobot kepentingan
subkriterianya siap
diolah dengan
formulasiDEA-CCR
untuk mengetahui nilai
efisiensinya. Pengolahan
data ini dilakukan
dengan bantuan
software LINGO 13.
5. Setelah efisiensi relatif
dari masing - masing
DMU diketahui,
selanjutnya dilakukan
proyeksi perbaikan
dengan menggunakan
proyeksi CCR yang
berorientasi input Nilai
subkriteria variabel
hasil perbaikan dengan
menggunakan proyeksi
CCR yang berorientasi
input diformulasi
kembali untuk
mendapatkan nilai
efisiensi relatif setelah
proyeksi. Kemudian
seluruh nilai
dikembalikan ke nilai
data aslinya sehingga
dapat diketahui
perubahan data asli dan
proyeksinya
berdasarkan nilai
efisiensinya.
Kesimpulan
Model Data Envelopment Analysis (DEA) merupakan metode pendekatan yang banyak
digunakan untuk melakukan pengukuran terhadap kinerja rantai pasok . Data Envelopment Analysis
(DEA) dikembangkan oleh Charnes, Cooper, and Rhodes (1978). Model DEA dapat digunakan pada
semua jenis industri, dimana telah dibuktikan oleh Claudia Gita pratiwi [1] dan Riska Septifani dkk
[2] yang menggunakan model DEA untuk mengukur kinerja atau performa Pihak perantara
(pengepul) ayam pedaging di kabupaten bantul provinsi D.I.Y dan PT Sinar Sosro Kantor Pabrik
Mojokerto memproduksi minuman teh dalam kemasan returnable glass bottling (RGB).
1. Tidak memerlukan asumsi dasar mengenai 1. Mengasumsikan data harus bebas dari
bentuk fungsional yang menghubungkan kesalahan pengukuran karena kesalahan
variabel input dan output dari suatu fungsi dalam pengukuran dapat berakibat fatal
produksi. mengingat DEA tergolong extremepoint
2. Bebas dalam menentukan input maupun technique.
output yang digunakan termasuk dari segi 2. Bersifat sample specific, dimana hasil
jumlah variabel yang dipergunakan. DEA perhitungan nantinya sangat dipengaruhi
membolehkan analis dalam memilih input oleh sampel mana yang digunakan.
dan output berdasarkan fokus manajerial. Disamping itu DEA juga sensitif terhadap
3. Fleksibel dalam pemilihan data yang akan ketidaktersediaan data dalam sampel.
digunakan. 3. DEA hanya mengukur efisiensi relatif dari
4. Input dan output dapat memiliki satuan DMU bukan efisiensi absolute mengingat
pengukuran yang berbeda, dapat berupa efisiensi dari suatu DMU hanya diukur dalam
kontinu, ordinal maupun variabel kategori. himpunannya saja.
5. DEA dapat menggunakan sampel yang 4. Tidak ada indikator statistik untuk mengukur
berukuran kecil. kesalahan mengingat DEA bersifat
6. DEA dapat digunakan untuk menilai efisiensi, deterministik. Selain itu hipotesis secara
efektivitas, kualitas dan kombinasinya. statistik dari DEA juga sulit untuk dilakukan.
5. Perhitungan secara manual sulit dilakukan
apalagi bila melibatkan jumlah DMU yang
banyak karena menggunakan perumusan
programa linier yang terpisah untuk tiap
DMU.
DAFTAR PUSTAKA
[1] Claudia Gita pratiwi., “Analisis Efisiensi Relatif Pihak Perantara Pada Distribusi Pemasaran
Ayam Pedaging Menggunakan Metode Data Envelopment Analysis”
[2] Riska Septifani, et al., “Penilaian kinerja departemen produksi dalam menerapkan Reverse
logistics dengan pendekatan AHP dan Data Envelopment Analysis (Studi Kasus Di PT Sinar Sosro
Kantor Pabrik Mojokerto)”, jurnal Industri Vol 1 No 2 Hal 94 – 104.