KUMPULAN ALAT ANALISIS EKONOMI

ATLAS.ti, AHP, MACTOR, LOGIT PROBIT, ARIMA, dan DEA

Disusun Oleh Kelompok 2:

Adinda Zahra Salsabila (F0120003)

Angeline Tjandra Susanto (F0120025)

Muhammad Amien Yusuf (F0120083)

Qurrota Aini (F0120103)

Shania Trigirlmart (F0120122)

Silvia Ayu Maharani (F0120124)

PROGRAM STUDI S-1 EKONOMI PEMBANGUNAN

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS SEBELAS MARET
SURAKARTA
2023
 KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat Allah SWT yang telah memberikan rahmat
serta hidayah-Nya sehingga penulis dapat menyelesaikan tugas akhir mata kuliah Alat
Analisis Ekonomi yang berjudul “Kumpulan Alat Analsisi Ekonomi: ATLAS.ti, AHP,
MACTOR, LOGIT PROBIT, ARIMA, dan DEA” dengan tepat waktu.
Adapun tujuan dari penulisan makalah ini adalah untuk memenuhi tugas dari Dr.
Suryanto, S.E., M.Si. selaku dosen mata kuliah Alat Analisis Ekonomi. Penulisan
kumpulan alat analisis ini bertujuan untuk menghasilkan output hasil analisis yang akan
menambah pengetahuan serta keahlian bagi peneliti serta mengetahui berbagai alat
analisis yang dapat digunakan dalam menganalisis model atau data-data ekonomi.
Terima kasih penulis ucapkan kepada Dr. Suryanto, S.E., M.Si. dan Mas Rayhan
Arya yang telah membantu penulis terkhususnya anak-anak kelas B dalam memberikan
arahan selama proses kepenulisan makalah ini serta ilmu baru yang dibagikan untuk
dapat dengan mudah mempelajari serta mempraktekkan penggunaan alat analisis
ekonomi yang ada. Terima kasih juga penulis ucapkan kepada rekan kelompok yang
saling membantu dari awal tugas ini diberikan dan membagi sebagian pengetahuannya
untuk menunjang praktik menggunakan aplikasi alat analisis yang kompatible dalam
kepenulisan makalah pada umumnya sehingga kami dapat menyelesaikan tugas ini
dengan tepat waktu. Semoga dengan selesainya tugas ini, kami mendapatkan hal – hal
positif yang dapat menambah wawasan dan pengetahuan sesuai dengan bidang studi
yang kami tekuni.
Penulis menyadari, bahwa penulisan makalah yang dibuat ini masih jauh dari kata
sempurna baik dari segi bahasa, data-data yang menunjang, maupun segi
penyusunannya. Oleh karena itu, penulis sangat mengharapkan kritik dan saran yang
membangun dari pembaca sebagai acuan agar bisa menjadi lebih baik lagi dalam
penyusunan makalah lainnya di masa mendatang.
Semoga makalah ini bisa menambah wawasan dan pengetahuan bagi para
pembaca tidak hanya terkhusus penulis yang menulisnya. Semoga kita jadi lebih paham
mengenai Alat Analisis Ekonomi yang dapat digunakan nantinya untuk menganalisis
tugas akhir atau skripsi sesuai dengan konsentrasi yang diambil.

Surakarta, 30 Mei 2023

Penulis

ii
 DAFTAR ISI

HALAMAN JUDUL ....................................................................................................... i

KATA PENGANTAR..................................................................................................... ii
DAFTAR ISI .................................................................................................................. iii
DAFTAR TABEL........................................................................................................... iv
DAFTAR GAMBAR ...................................................................................................... v
BAB I PENDAHULUAN ................................................................................................ 5
A. LATAR BELAKANG .......................................................................................... 5
B. RUMUSAN MASALAH ...................................................................................... 6
C. TUJUAN PENULISAN ....................................................................................... 7
BAB II METODOLOGI .................................................................................................. 8
BAB III ARCHIV FUR TECHNIK, LEBENSWELT, ALLTAGS SPRACHE
(ATLAS.ti)..................................................................................................................... 12
BAB IV ANALYTICAL HIERARCHY PROCESS (AHP)............................................... 28
BAB V MATRIX OF ALLIANCES AND CONFLICTS TACTICS, OBJECTIVES,
AND RECOMMENDATIONS (MACTOR) ..................................................................... 38
BAB VI LOGIT PROBIT................................................................................................ 49
BAB VII AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) ............. 76
BAB VIII DATA ENVELOPMENT ANALYSIS (DEA) ................................................... 84
BAB IX PENUTUP ........................................................................................................ 98
A. KESIMPULAN .................................................................................................... 98
B. SARAN .......................................................................................................... ...101
DAFTAR PUSTAKA ................................................................................................ ...103

iii
 DAFTAR TABEL
ATLAS.ti
Tabel 2. Data diri Informan
Tabel 4. Data penggunaan fasilitas KITE IKM di Jateng tahun 2017 – 2018
AHP
Tabel 3.1 Matriks Perbandingan Hierarki
Tabel 3.2 Prioritas Elemen
Tabel 3.3 Nilai Indeks Random (RI)
MACTOR
Tabel 3.1 Pengaruh Langsung Antar Aktor (MDI)
Tabel 3.2 Sikap Aktor terhadap Tujuan (2MAO)
LOGIT PROBIT
Gambar 4.1 Hasil Uji Hosmer dan Lemeshow
Gambar 4.2 Likelihood Ratio Test
ARIMA
Gambar 5.1 Plot Daftar Harga Saham
Gambar 5.2 Plot Autokorelasi
Gambar 5.3 Plot Autokorelasi Parsial
Gambar 5.4 Plot Stationer
Gambar 5.5 Plot PACF after Differencing
Gambar 5.6 Plot ACF after Differencing
Gambar 5.7 Plot ACF Residual Model ARIMA (1,1,1)
Gambar 5.8 Plot Peramalan

iv
 DAFTAR GAMBAR
ATLAS.ti
Gambar 4.1.1 Hasil Network Peran DJBC Jateng
Gambar 4.1.2 Hasil Network Antusiame
Gambar 4.1.3 Hasil Network Sosialisasi DJBC Jateng & DIY
Gambar 4.2 Prediksi Pemanfaatan KITE IKM
Gambar 4.3 Hambatan-hambatan Pemanfaatan KITE IKM
Gambar 4.4 Hasil analisis full ATLAS.ti versi 9.0
AHP
Gambar 3.1 Struktur Hirarki Masalah
Gambar Grafik 4 Struktur Hierarki Alternatif Pemilihan Supplier
MACTOR
Gambar 1.1 Peta Lokasi Desa Kadipiro
LOGIT PROBIT
Tabel 2.1 Definisi Operasional Variabel
Tabel 2.2 Data Penelitian
Tabel 4.3 Nagelkerke R Square
Tabel 4.4 Hasil Analisis Regresi Logistik Faktor yang Mempengaruhi Pendapatan
Pedagang Kaki Lima
Tabel 4.5 Hasil Analisis Odds Ratio
ARIMA
Tabel 5.1 Pendukung Parameter Model ARIMA (1,1,1)
DEA
Tabel 1 Indikator Perbankan Nasional 2018 dan 2019
Tabel 2 Nilai Efisiensi Lembaga Keuangan Bank Umum
Tabel 3 Tingkat Potensi Perbaikan Variabel Input dan Output Bank Negara Indonesia
Tahun 2018 dan
2019 (dalam %)
Tabel 4 Tingkat Potensi Perbaikan Variabel Input dan Output Bank CIMB Niaga Tahun
2018 dan 2019 (dalam %)

v
Tabel 5 Tingkat Potensi Perbaikan Variabel Input dan Output Bank Mandiri Tahun 2018
dan 2019
(dalam %)
Tabel 6 Tingkat Potensi Perbaikan Variabel Input dan Output Bank Internasional
Indonesia Tahun 2018
dan 2019 (dalam %)
Tabel 7 Tingkat Potensi Perbaikan Variabel Input dan Output Bank Permata Tahun
2018 dan 2019
(dalam %)

vi
 BAB I
PENDAHULUAN
A. Latar Belakang fenomena ekonomi yang kompleks.
Dalam era globalisasi dan Output dari alat analisis ini biasanya
perkembangan zaman banyak berupa grafik dan kurva yang
sekali data-data kompleks yang digunakan untuk menjelaskan nilai
tidak bisa dihitung menggunakan suatu variabel.
perhitungan manual. Untuk Dalam tulisan kali ini
memudahkan perhitungan serta dijelaskan beberapa alat analisis
analisis, dibuatlah beberapa alat ekonomi yang digunakan untuk
analisis yang digunakan untuk membantu dalam melakukan
memudahkan perhitungan. Secara perhitungan dan analisis, yaitu
khusus di bidang ekonomi, alat ATLAS.ti, AHP, MACTOR, Logit
analisis ini sangat diperlukan untuk Probit, ARIMA, dan DEA. Secara
menerangkan dan melakukan singkat ATLAS.ti dapat membantu
pengujian terhadap kebenaran kita mengorganisasi, memberikan
teori-teori ekonomi. Alat analisis kode, dan menganalisis data
keuangan mengacu pada berbagai penelitian kita secara efisien dan
metode, teknik, dan model yang terstruktur. Hal ini memungkinkan
digunakan para ekonom untuk kita dalam melakukan triangulasi
menganalisis data dan informasi dengan berbagai jenis
ekonomi untuk memahami dan pengumpulan data. Kemudian AHP
memprediksi perilaku pasar, menggunakan hierarki struktur
kebijakan ekonomi, dan kinerja multi-periode, multi-orang dan
sektor ekonomi secara multi-kriteria untuk masalah yang
keseluruhan. Tujuan alat analisis kompleks, karena langkah-langkah
adalah untuk menyediakan dari solusi termasuk
kerangka kerja yang sistematis dan mengkonfigurasi hierarki ini dan
objektif untuk menganalisis sintesis hasil penilaian. Lalu

5
MACTOR menyediakan beragam peneliti dapat menganalisis data
alat dan analisis yang berguna dengan lebih efektif, mengambil
untuk mendapatkan informasi dan keputusan berdasarkan bukti yang
agregat situasi dari beberapa kuat, dan mengembangkan strategi
masukan sederhana tentang untuk menyelesaikan suatu
permasalahan yang sedang masalah.
dianalisis. Logit digunakan untuk B. Rumusan Masalah
menggambarkan hubungan Berdasarkan latar belakang
variabel dependen (variabel di atas, maka dapat diambil rumusan
respon) dengan variabel masalahnya sebagai berikut.
independen (variabel prediktor) 1. Bagaimana cara pengolahan
yang bersifat kategori, continue data menggunakan alat analisis
atau kombinasi keduanya. Archiv Fur Technik, Lebenswelt,
Sedangkan regresi Probit adalah Alltags Sprache (ATLAS.ti)?
suatu analisis regresi yang 2. Bagaimana cara pengolahan
digunakan untuk menggambarkan data menggunakan alat analisis
hubungan antara variabel Analytical Hierarchy Process
dependen dan variabel (AHP)?
independen. Kemudian ARIMA 3. Bagaimana cara pengolahan
menggunakan nilai masa lalu dan data menggunakan alat analisis
sekarang dari variabel dependen Matrix Of Alliances and Conflicts
untuk menghasilkan peramalan Tactics, Objectives, and
jangka pendek yang akurat. Recommendations (MACTOR)?
Terakhir adalah penjelasan tentang 4. Bagaimana cara pengolahan
DEA, yang digunakan untuk secara data menggunakan alat analisis
empiris mengukur efisiensi produksi Logit Probit?
unit pembuat keputusan atau 5. Bagaimana cara pengolahan
Decision Making Unit (DMU). data menggunakan alat analisis
Dengan menggunakan alat Autogressive Integreted Moving
analisis ekonomi yang tepat, para Average (ARIMA)?
ahli ekonomi atau kita sebagai

6
 6. Bagaimana cara pengolahan 3. Mengerti cara menggunakan
data menggunakan alat analisis aplikasi Matrix Of Alliances and
Data Envelopment Analysis Conflicts Tactics, Objectives, and
(DEA)? Recommendations (MACTOR)
C. Tujuan Penulisan untuk melakukan pengolahan
Tujuan penelitian data.
berdasarkan rumusan masalah 4. Mengerti cara menggunakan
tersebut adalah sebagai berikut. aplikasi Logit Probit untuk
1. Mengerti cara menggunakan melakukan pengolahan data.
aplikasi Archiv Fur Technik, 5. Mengerti cara menggunakan
Lebenswelt, Alltags Sprache aplikasi Autogressive Integreted
(ATLAS TI) untuk melakukan Moving Average (ARIMA) untuk
pengolahan data. melakukan pengolahan data.
2. Mengerti cara menggunakan 6. Mengerti cara menggunakan
aplikasi Analytical Hierarchy aplikasi Data Envelopment
Process (AHP) untuk melakukan Analysis (DEA) untuk melakukan
pengolahan data. pengolahan data.

7
 BAB II
METODOLOGI

A. METODE wawancara, observasi, dan studi

1. ATLAS.ti pustaka. Di dalam AHP,
menggunakan model korelasional
Menggunakan metode
yang digunakan dalam evaluasi
pendekatan kualitatif. Metode
hasil penelitian yang terbaik dari
pendekatan kualitatif adalah
hasil penetapan prioritas yang
metode penelitian yang
didasarkan pada suatu proses
berlandaskan pada filsafat
yang terstruktur (hirarki) dan
postpositivisme, yang digunakan
masuk akal.
untuk meneliti pada kondisi ilmiah
3. MACTOR
di mana peneliti sendiri adalah
Menggunakan metode
instrumennya, teknik
pendekatan kuantitatif dengan
pengumpulan data dan di analisis
menggunakan pendekatan
yang bersifat kualitatif lebih
Prospective analysis, dengan
menekan pada makna yang
mengunakan mactor analyse.
sesuai untuk menjawab rumusan
Pengumpulan data dilakukan
masalah yang penulis ambil serta
dengan teknik studi literatur
mencapai tujuan penelitian yang
berdasarkan jurnal terdahulu yang
sudah ditetapkan dengan topik
relevan dengan topik yang penulis
terkait peningkatan ekspor di
akan bahas. Penelitian kuantitaif
Jawa Tengah.
dalam alat analisis ini
2. AHP
menggunakan pola berpikir
Menggunakan metode deduktif (rasional – empiris atau
pendekatan kuantitatif, top-down) dimana berusaha
dikarenakan masuk ke dalam alat memahami suatu fenomena
analisis untuk penelitian kuantitaif. dengan cara menggunakan
Pengumpulan data dilakukan konsep-konsep yang umum untuk
dengan beberapa metode yaitu menjelaskan fenomena-

8
 fenomena yang bersifat khusus. variabel waktu yang merupakan
Itulah mengapa, kelompok kami deret berkala.
memilih untuk fokus pada SDGs 6. DEA
Desa Kadipiro Kabupaten Menggunakan metode
Karanganyar dalam nonparametrik untuk
Impelementasi Desa Tumbuh memperkirakan batas produksi
Merata dengan alat analisis untuk mengukur efisiensi produksi
MACTOR. unit pembuat keputusan atau
4. LOGIT PROBIT DMU, sehingga efisien dalam
Menggunakan metode pemilihan berbagai pilihan unit
pendekatan kuantitatif, dimana yang digunakan untuk dianalisis.
dengan regresi logistik biner yang Metode yang dilakukan dengan
digunakan untuk mencari membandingkan efisiensi atau
hubungan antara variabel respon nilai relatif dengan nilai
(y) yang bersifat biner keseluruhan atau rata-ratanya
(dichotomus) dengan varaibel untuk mendapatkan nilai terbaik
prediktor (x) yang bersifat yang paling efisien.
kategorik atau kontinue.
5. ARIMA B. DATA PENELITIAN
Menggunakan metode 1. ATLAS.ti
pendekatan kuantitaif deskriptif, Data-data yang digunakan
yaitu dengan mendeskripsikan untuk analisis ATLAS.ti adalah
data secara sistematis, akurat, hasil wawancara dari beberapa
dan aktual berdasarkan hasil informan yang ditemui di lokasi
pengolahan data. Jenis penelitian (Informan A – Informan
penelitiannya adalah penelitian F) yang masing-masing
peramalan kuantitaif yang menjawab sesuai dengan
merupakan peramalan dengan pertanyaan yang diajukan
didasarkan pada penggunaan berdasarkan pengalaman kerja
analisis pola hubungan antara sesuai dengan perspektif
variabel yang diperkirakan dan informan yang mencoba

9
 mengurangi subjektivitas peneliti diambil untuk pengolahan data
untuk menghasilkan output yang menggunakan AHP ini mana yang
kedalaman infromasinya dapat memiliki peringkat pertama yang
dipertanggung jawabkan serta masuk kategori layak menjadi
jelas terhadap penyedia fasilitas supplier terbaik dengan melihat
KITE maupun pengguna KITE hasil perankingan akhirnya.
(Kemudahan Impor Tujuan 3. MACTOR
Ekspor) yaitu IKM (Industri, Kecil, Data bersifat hipotetik yang
dan Menengah) bersumber dari data sekunder
dari jurnal acuan yang dapat
2. AHP dilakukan perhitungan atau
pengolahan data dengan alat
Data-data yang digunakan
analisis MACTOR, yang berusaha
dalam analisis menggunakan
untuk menjawa 12 pertanyaan
AHP adalah data berkaitan
yang sudah dirumuskan oleh
dengan penentuan supplier,
peneliti terdahulu sebagai acuan
peneliti sebelumnya mengambil
kami dalam mengolah data
data dengan mewawancarai
menggunakan MACTOR. Dengan
langsung yang dilakukan selama
penetapan aktor yang nantinya
kurun waktu satu bulan terhitung
berperan adalah: Kepala Desa,
mulai tanggal 1 – 30 Januari 2011.
Kepala Dusun, warga desa usia
Namun, selain wawancara,
dewasa, warga desa usia remaja,
penulis terdahulu juga melakukan
warga desa usia > 50 tahun,
observasi dengan mengamati
warga desa bermata pencaharian
perilaku supplier di pasar ataupun
petani, warga desa
juga ditambah dengan studi
bermatapencaharian wiraswasta,
pustaka terdahulu untuk
warga pendatang, warga menetap
menunjang penyusunan laporan.
lebih dari 20 tahun, warga
Kelompok kami tertarik akan
menetap kurang dari 10 tahun
preferensi supplier di pasar,
yang tinggal di Desa Kadipiro
sehingga kelompok kami ingin
Kabupaten Karanganyar.
mengetahui dari 5 supplier yang

10
4. LOGIT PROBIT laman Yahoo Finance. Kelompok
Jenis data yang digunakan kami membagi data menjadi dua
untuk analisis logit adalah data bagian, yaitu data in sampel dan
sekunder yang terdiri atas sata out sampel untuk
pendapatan, modal, tingkat memudahkan ketika dilakukan
pendidikan, lama usaha, dan jam pengolahan data.
kerja. Dengan sumber data yang 6. DEA
digunakan adalah data dari Jenis data yang digunakan oleh
peneliti terdahulu yaitu dari Skripsi kelompok kami untuk analisis
Ulyfatul Amanah yang berkaitan DEA adalah data dengan subjek
dengan Analisis Faktor-faktor penelitian lembaga keuangan
yang Mempengaruhi Pendapatan Bank yang terdaftar di BEI pada
Pedagang Kaki Lima di tahun 2018 dan 2019. Kemudian
Kabupaten Magetan Jawa Timur. variabel yang digunakan oleh
Alasan kelompok kami mengambil kami adalah variabel input dan
data tersebut adalah data yang output. Kemudian data diperoleh
tersedia merupakan data terbaru dengan menggunakan metode
serta variabel datanya memiliki purposive sampling dimana
variabel yang dapat diaplikasikan peneliti terdahulu sudah
untuk alat analisis Logistik Biner. menentukan pengambilan sampel
5. ARIMA dengan menetapkan ciri-ciri
Jenis data yang digunakan khusus yang sesuai dengan
oleh kelompok kami adalah data tujuan penelitian kami sehingga
harga saham penutupan PT. Bank hasil dari output analisis nantinya
Central Asia dari bulan April – diharapkan dapat menjadi
November 2017. Data yang jawaban dari permasahan
digunakan merupakan data penelitian.
sekunder yang diperoleh dari

11
 BAB III
PEMBAHASAN

ARCHIV FUR TECHNIK, LEBENSWELT, ALLTAGS SPRACHE (ATLAS.ti)

Penggunaan Alat Analisis ATLAS.ti dalam Perumusan Strategi untuk Membantu
Mengembangkan Peningkatan Ekspor di Jawa Tengah

BAB I
PENDAHULUAN

A. LATAR BELAKANG dampak melemahnya kondisi sektor

migas secara global. Melihat kondisi
Badan Pusat Statistik (BPS)
tersebut, peningkatan ekspor non migas
melaporkan nilai ekspor Indonesia
perlu dilakukan untuk mencapai surplus
berjumlah US$24,8 miliar pada
neraca perdagangan Indonesia. Salah
September 2022, yang menunjukkan
satu upaya peningkatan ekspor sektor
bahwa capaian tersebut turun 10,99%
non migas yaitu memberikan dukungan
(mom) dibandingkan dengan bulan
UMKM untuk berorientasi pada ekspor.
sebelumnya. Namun, bila dibandingkan
Para era globalisasi yang dinamis ini,
dengan September 2021, nilai ekspor
UMKM memegang peranan penting bagi
Indonesia masih mencatatkan
negara berkembang. UMKM memiliki
pertumbuhan tahunan sebesar 20,28%
eksistensi yang tidak dapat diragukan
(year-on-year / yoy). Adapun turunnya
karena terbukti mampu bertahan dan
nilai ekspor secara bulanan dipengaruhi
dapat menjadi roda penggerak ekonomi,
melemahnya permintaan global serta
terutama pada krisis ekonomi. Kontribusi
terkoreksinya beberapa harga komoditas
UMKM terhadap perekonomian nasional
andalan Indonesia. Rinciannya, nilai
(PDB) sebesar 61,1% dan sisanya
ekspor nonmigas turun 10,31% (mom)
38,9% disumbangkan oleh pelaku usaha
menjadi US$23,47 miliar, sedangkan
besar yang jumlahnya hanya sebesar
nilai ekspor migas turun 21,41% (mom)
5.550 atau 0,01% dari jumlah pelaku
menjadi US$1,32 miliar (Databoks,
usaha di Indonesia. Memberikan
2022). Kondisi tersebut merupakan

12
kontribusi untuk melakukan kegiatan bahkan menghilangkan hambatan-
ekspor pada jumlah tersebut bukanlah hambatan yang ada. Salah satau
hal yang mudah bagi UMKM, UMKM kebijakan yang diterapkan pemerintah
harus berani bersaing dengan Indonesia yang dianggap efektif untuk
perusahaan multinasional untuk dapat meningkatkan kegiatan ekspor yaitu duty
melakukan ekspansi bisnis di masa yang drawback policy. Duty drawback policy
akan datang. merupakan salah satu kebijakan subsidi
Menurut UKM Center FE UI, pemerintah untuk meningkatkan ekspor
potensi ekspor terbesar Indonesia ada yang diizinkan oleh WTO (IMF, 2002).
pada Industri Kecil dan Menegah (IKM), Indonesia telah mengadopsi sistem duty
dikarenakan pada sakal kecil dan drawnback policy pada tahun 2003 dan
menengah, unit bisnis dianggap lebih menerapkannya dengan istilah
siap dan matang untuk melakukan Kemudahan Impor Tujuan Ekspor
kegiatan ekspor. Untuk itu, peranan (KITE).
industri pengolahan skala kecil dan Semenjak tahun 2012 hingga 2014
menengah menjadi salah satu yang Provinsi Jawa Tengah memiliki potensi
berkontribusi besar pada volume ekspor besar pada sektor industri pengolahan
Indonesia. Namun demikian, di dunia setelah Jawa Barat dan Jawa Timur
nyata ternyata banyak kendala yang (Fafurida, Setiawan, dan Irmawati,
harus dihadapi oleh Industri Kecil dan 2015). Jumlah industri di Jawa Tengah
Menengah (IKM) untuk melakukan yang terus meningkat menjadikan
ekspor dan bersaing di pasar daerah tersebut sebagai salah satu
internasional. Para Ekonom daerah yang menyumbang nilai PDRB
beranggapan bahwa dengan tertinggi di Indonesia. Jawa Tengah
menghilangkan hambatan-hambatan menjadi salah satu daerah yang
perdagangan internasional merupakan memberikan kontribusi cukup signifikan
cara cepat dan terbaik untuk pada pertumbuhan manufaktur dan
meningkatkan volume ekspor suatu perekonomian nasional (Kemenperin,
negara (Lanchovichina, 2004). 2018). Kementrian Perindustrian (2012)
Liberalisasi perdagangan internasional menyatakan bahwa industri manufaktur
diharapkan dapat mengurangi atau di Jawa Tengah khususnya pada sektor

13
padat karya dipacu untuk berorientasi pada perekembangan teori
ekspor. Namun demikian, pelaku Industri ekonomi khususnya peningkatan
Kecil Menengah di Jawa Tengah yang ekspor non-migas negara melalui
memanfaatkan fasilitas KITE IKM peran kebijakan duty drawback
terhitung masih sedikit. Pengguna yang dilakukan oleh pelaku bisnis
fasilitas KITE IKM di Jawa Tengah Industri Kecil dan Menengah
berjumlah 30 IKM (DJBC Kanwil Jateng (IKM). Selain itu, juga mengasah
dan DIY, 2019). Oleh karena itu, curiosity terhadap alat analisis
penelitian ini ingin menganalisis lebih ekonomi ATLAS.ti.
dalam mengapa penggunaan fasilitas − Memberikan referensi bagi
KITE IKM belum optimal dimanfaatkan pemerintah mengenai hambatan
oleh Industri Kecil Dan Menengah di pemanfaatan fasilitas Kemudahan
wilayah Jawa Tengah. Impor Tujuan Ekspor (KITE)
Industri Kecil dan Menengah
B. RUMUSAN MASALAH (IKM) khususnya di wilayah Jawa
Mengapa negara Indonesia dalam Tengah.
menggunakan fasilitas Kemudahan − Bagi regulator, penelitian ini
Impor Tujuan Ekspor (KITE) masih menjadi salah satu pertimbangan
belum optimal untuk dimanfaatkan oleh dalam penentuan kebijakan di
Industri Kecil dan Menengah (IKM) masa depan.
khususnya di wilayah Jawa Tengah? − Adanya penelitian ini, diharapkan
seluruh pihak yang terlibat mampu
C. TUJUAN bersinergi mengembalikan

Tujuan penelitian ini yaitu untuk surplus neraca perdagangan

mengetahui tantangan dan hambatan dengan mengembangkan potensi

yang dihadapi oleh pelaku bisnis Industri Industri Kecil dan Menengah

Kecil dan Menengah (IKM) khususnya di (IKM) agar dapat bersinergi

wilayah Jawa Tengah. secara global.

D. MANFAAT
− Bagi Mahasiswa, penelitian ini
memberikan tambahan wawasan

14
 BAB II Subjek dalam penelitian ini adalah
METODOLOGI penyedia serta target pengguna fasilitas
A. METODE dari Kemudahan Impor Tujuan Ekspor
(KITE) pada Industri Kecil, dan
Penelitian ini menggunakan
Menengah (IKM) di daerah Jawa
pendekatan kualitatif. Metode penelitian
Tengah. Institusi negara yang
kualitatif menurut Sugiyono (2018, hlm.
mempunyai kewenangan atas fasilitas
213) adalah metode penelitian yang
tersebut adalah Direktorat Jenderal Bea
berlandaskan pada filsafat
dan Cukai. Dalam acuan jurnal yang
postpositivisme, yang digunakan untuk
kami gunakan, peneliti meminta
meneliti pada kondisi ilmiah di mana
kesediaan dari perwakilan pejabat DJBC
peneliti sendiri adalah instrumennya,
Kantor Wilayah Jawa Tengah dan DIY
teknik pengumpulan data dan di analisis
yang membawahi bidang KITE pada IKM
yang bersifat kualitatif lebih menekan
sebagai informan. Penentuan IKM
pada makna.
sebagai informan dalam penelitian ini
Metode penelitian kualitatif sesuai
ditentukan dengan beberapa kriteria
untuk menjawab rumusan masalah
seperti besarnya omset atau nilai
dengan tujuan penelitian ingin
investasi serta jumlah pekerja sesuai
mengetahui secara mendalam hambatan
dengan kriteria pengguna fasilitas KITE
pemanfaatan fasilitas Kemudahan Impor
IKM yang terrangkum dalam Peraturan
Tujuan Ekspor (KITE) Industri Kecil dan
Menteri Keangan No.177/PMK.04/2016.
Menengah (IKM) di wilayah Jawa
Selain itu, peneliti juga memastikan
Tengah. Penelitian ini juga berusaha
bahwa informan merupakan IKM yang
untuk menjelaskan mengapa fasilitas
membutuhkan input produksi (barang,
yang menawarkan berbagai kemudahan
bahan, atau mesin) didatangkan dari luar
dan memberikan banyak manfaat bagi
negeri serta memiliki potensi untuk
pelaku usaha (berorientasi ekspor)
melakukan ekspor.
belum dapat dimanfaatkan secara
optimal.
B. SUBJEK PENELITIAN

15
 C. DATA PENELITIAN Peneliti telah membuat prosedur teknis
dan poin-poin pertanyaan yang
Tabel 2. Data diri Informan
Jenis Lama kemudian dapat dikembangkan
Nama Usia Jabatan selama wawancara berlangsung
Kelamin bekerja
sesuai dengan jawaban informan.
Kepala
Sugiyono (2010) menyebutkan bahwa
Informan 46 seksi
L 8 bulan wawancara dengan metode tersebut
A Tahun perijinan
digunakan untuk menemukan
dan fasil I
permasalahan secara lebih terbuka
Kepala
sehingga memungkinkan meminta
Informan 50 seksi
L 3 tahun informan untuk dimintai pendapatnya.
B Tahun perijinan
Dalam penelitian ini, untuk
dan fasil II
menyeimbangkan perspektif dan
Informan 36 10
P Pelaksana mengurangi subjektivitas peneliti
C Tahun tahun
melakukan wawancara baik dengan
Informan 31 Asisten 14
P penyedia fasilitas KITE IKM (DJBC
D Tahun pemilik tahun
Kanwil Jateng dan DIY) maupun
Informan 50 29
L Pemilik target pengguna fasilitas tersebut
E Tahun tahun
(IKM di wilayah Jawa Tengah).
Informan 40 Asisten 23
P D. TEKNIK ANALISIS
F Tahun pemilik tahun
Sumber: Ahmad. F., Violinda. Q., & Teknik analisis dalam penelitian
Indriasari, I. (2020) ini menggunakan interactive model
Penelitian yang dilakukan analysis yang dikembangkan oleh Miles
menggunakan data primer yang dan Huberman (1994). Berdasarkan
diperoleh dari hasil wawancara. analisis model interaktif, alur analisis
Wawancara yang dilakukan dengan setelah melakukan pengumpulan data
metode semi terstruktur. Metode yaitu mereduksi data, menyajikan data,
tersebut memberikan kebebasan kepada dan menarik kesimpulan. Reduksi data
peneliti untuk tidak terpaku hanya pada merupakan porses penyederhanaan dan
pertanyaan yang telah ditentukan. pemusatan pada pembahasan yang

16
sesuai dengan tujuan penelitian. ATLAS.ti adalah sebuah tool
Selanjutnya, penyajian data merupakan penting yang memfasilitasi para
proses analisis data yang telah diubah peneliti untuk menganalisis data
menjadi bentuk teks untuk dikategorikan secara terorganisir dengan baik,
atau dikodekan sesuai dengan konteks sistematis, efektif dan efisien untuk
pembahasan. Pada penelitian ini, peneliti analisis data dalam banyak studi
menggunakan software ATLAS.ti versi kasus. Perangkat lunak ini membuat
9.0 untuk menampilkan hasil analisis data kualitatif lebih visual, portable
data. Penggunaan software dapat dan juga memudahkan proses
memfokuskan peneliti pada pertanyaan analisis. ATLAS.ti tidak hanya alat
penelitian secara koheren, memudahkan yang untuk mendukung analisis data
peneliti untuk menganalisis secara kualitatif dan juga sebagai
penuh, dan mengabaikan informasi yang pendamping sampai akhir project.
kurang relevan (Miles dan Huberman, ATLAS.ti adalah software yang
1994). Terakhir, peneliti melakukan menawarkan berbagai alat untuk
penarikan kesimpulan berdasarkan hasil menyelesaikan tugas yang terkait
analisis data. dengan pendekatan sistematis dari
data-data yang tidak terstruktur,
BAB III misalnya, data yang tidak dapat
ANALISIS DATA PENELITIAN dianalisis untuk mendapatkan makna
dengan hanya menggunakan
A. ALAT ANALISIS ATLAS.ti pendekatan statistik formal. ATLAS.ti
a. Pengertian adalah perangkat lunak yang juga
Tujuan awal para pencetus bertindak seperti "wadah" yang
ATLAS.ti adalah untuk menyimpan semua data, kode, memo,
mengembangkan perangkat lunak dan temuan dari proyek yang sedang
yang dapat interpretasi text (yang diteliti dalam satu lingkungan.
dimaksudkan dari “.ti” pada kata Pengumpulan ini akan membantu
ATLAS.ti), dan untuk menghubungkan peneliti untuk mengelola,
dengan data kualitatif secara mengekstraksi, membandingkan dan
komprehensif.

17
menjelajahi data dalam teks untuk beragam dan memiliki lingkup yang
kemudian dianalisis. luas.
b. Kelebihan ATLAS.ti c. Kekurangan ATLAS.ti
ALTAS.ti merupakan alat analisis Selain kelebihan yang dimiliki dari
atau sebuah software yang memiliki alat analisis ATLAS.ti, ternyata juga
beberapa keunggulan, diantaranya: memiliki kekurangan dari pengaruh
(1) Pengolahan pada berbagai jenis jenis penelitian kualitatif, diantaranya:
media, ALTAS.ti mencoba (1) Kurang mendetail atau kurang
menawarkan berbagai media yang signifikansi pada data penelitian; (2)
dapat diolah dengan mengkode Belum dapat menotasikan angka
ratusan dokumen, klik foto, bahkan dibanding penelitian dengan
klip audio yang dapat bekerja di kuantitatif; (3) Hasil penelitian lebih ke
semua format dokumen serta dapat penggambaran secara total dan tidak
mengimpor data dari Evernote atau bisa dipresentasikan dengan angka
Twitter sekaligus; (2) Sebuah atau bentuk presentase; dan (4)
perangkat yang powerfull, ATLAS.ti Kurang bercerita di hasil akhir dengan
menawarkan seperangkat alat dan metode kuantitatif, sehingga
fitur yang cukup kuat dan fleksibel diperlukan mix-method untuk
sampai ke bagian mendasar dari data mendapatkan hasil yang jelas dan
yang paling kompleks sekalipun; (3) mempresentasikan hasil dengan
Terdapat fitur yang unik dan menarik, maksimal.
ALTAS.ti memungkinkan cara intuitif B. LANGKAH-LANGKAH ANALISIS
yang unik dan menarik untuk ATLAS.ti
berinteraksi dengan data kemudian 1. Buka Aplikasi ATLAS.ti versi 9.0
mentransfer secara digital dari cara di Laptop
tradisional dalam pengolahan data
kulaitatif ke sistem digital; (4) Alat
analisis yang dinamis, tidak terpaku
pada satu lingkup penelitian saja; dan
(5) Memiliki fokus penelitian yang

18
 5. Pada menu Explore > Nama Project
(atlas.ti kelompok 2 – Document
2. New Project > atlas.ti kelompok 2
Import) > Klik Kanan > Open Network

3. Import file (jurnal acuan) > Add

Documents dari file

6. Pencet Dokumen (acuan jurnal) [

bagian segitiga di kiri ] > klik kanan >
Add Neighbors > Code

4. Block Kalimat inti > klik Apply Code >

Tulis kata inti untuk Code

19
7. Klik Network > Untuk melihat hasil 9. Select All Code Groups > Klik kanan >
Open Network

8. Pencet Code (19) > Code Merger /

10. Simpan Hasil Network di
Code Groups → 5 groups untuk
dokumen Laptop (dalam bentuk png)
mengelompokkan masing-masing Inti
> Klik Export > Pilih Export Bitmap
Bahasan

20
 Sumber: Hasil network penulis, 2023
11. Pilih Tempat Penyimpanan di
Berdasarkan data DJBC Jateng
Laptop > Pictures > Save (SELESAI)
dan DIY, menunjukkan pengguna
fasilitas KITE IKM hingga akhir tahun
2018 berjumlah 30 unit yang ditunjukkan
pada tabel 4. Berikut.
Tabel 4. Data penggunaan fasilitas
KITE IKM di Jateng tahun 2017 – 2018
Jumlah Wilayah
Industri
Pengguna KPPBC
BAB IV Furniture
5 Kudus
HASIL DAN PEMBAHASAN & Kayu

5 Semarang Furniture
A. Peran DJBC Jawa Tengah
Kerajinan
terhadap Perkembangan
Tembaga
Pemanfaatan KITE pada IKM 7 Surakarta
&
Kuningan
Gambar 4.1.1 Hasil Network Peran
5 Surakarta Furniture
DJBC Jateng
1 Surakarta Batik

1 Magelang Furniture

21
 1 Tegal Batik

Rambut &
5 Purwokerto Bulmat
Palsu

30 Jumlah

Sumber: Ahmad, F., Violinda, Q., &

Indriasari, I. (2020)
Dari tabel di atas, diketahui IKM di
Surakarta paling banyak menggunakan
fasilitas KITE sejumlah 13 usaha.
Namun, bila melihat data BPS tahun
2019, pengguna fasilitas KITE pada IKM
di Jawa Tengah masih sangat sedikit,
karena terdapat 95.560 unit, dan 30 unit
tersebut tidak sepadan dengan jumlah
bisnis skala kecil yang ada di Jawa
Tengah.

22
Antusiasme Penggunaan KITE IKM Sosialisasi
Gambar 4.1.2 Hasil Network Gambar 4.1.3 Hasil Network
Antusiame Sosialisasi DJBC Jateng & DIY

Sumber: Hasil network penulis, 2023

Sosialisasi dilakukan dengan tujuan
meningkatkan minat para IKM untuk
dapat memanfaatkan KITE lebih optimal,
yang sudah digiatkan dengan sosialisasi
paling sedikit satu kali sebulan yang
Sumber: Hasil network penulis, 2023
dibedakan menjadi dua kategori, yaitu
Hasil wawancara dengan
sosialisasi langsung dengan melayani
Informan A menyatakan, “Para IKM
konsultasi secara langsung dengan
antusias akan fasilitas KITE dilihat dari
inisiatif datang langsung ke kantor, dan
naiknya penggunaan setiap tahunnya.”
sosialisasi dengan menjadi narasumber
Hal tersebut terjadi khususnya di wilayah
ketika diundang menjadi pembicara di
Semarang. Namun, peningkatan
acara yang diselenggarakan oleh
penggunaan tersebut tidak terlalu
institusi terkait untuk menyampaikan
signifikan, terlihat pada tahun 2018 tidak
fasilitas KITE IKM dan mendorong untuk
ada IKM di Semarang yang mengajukan
penggunaan fasilitas lebih optimal.
penggunaan fasilitas KITE IKM tersebut.

23
B. Prediksi Pemanfaatan KITE pada IKM di dan IKM yang harapannya dapat
Masa Depan meningkatkan devisa negara melalui
Gambar 4.2 Prediksi Pemanfaatan ekspor dan dapat menarik minat untuk
KITE IKM bersaing di pasar Internasional.

C. Hambatan Pemanfaatan Fasilitas

KITE pada IKM
Gambar 4.3 Hambatan-hambatan
Pemanfaatan KITE IKM

Sumber: Hasil network penulis (2023)

Dari hasil wawancara, Informan A
menyatakan: “Optimis dalam
memanfaatkan fasilitas KITE IKM untuk
bersaing di pasar Internasional.”
Sumber: Hasil network penulis, 2023
Sedangkan Informan B menyatakan hal
Fasilitas KITE yang diluncurkan
yang sama, “Saya kira cukup optimis jika
tahun 2017 membidik IKM yang
melihat Tren, karena nilai ekspor selalu
berpotensi dan berorientasi ekspor,
meningkat seiring dengan devisa yang
meskipun demikian, Jawa Tengah
semakin bertambah, dan tetap optimis
menjadi salah satu wilayah dengan
akan memberikan manfaat di beberapa
jumlah terbanyak IKM namun sangat
tahun kedepan.”
disayangkan masih sedikit yang
Dengan pemanfaatan fasilitas
memanfaatkan fasilitas KITE IKM
KITE, Para Informan berharap akan
tersebut. Diduga, pemanfaatan KITE
mendatangkan dampak positif bagi
IKM belum dapat optimal karena
perekonomian serta neraca
hambatan-hambatan yang menyelimuti,
perdagangan Indonesia melalui
diantaranya: (1) Ketergantungan
sinergitas kerja sama antara Pemerintah
terhadap penggunaan lain atau

24
Distributor, jauh sebelum fasilitas KITE
diluncurkan, para pelaku usaha telah
menggantungkan bahan baku untuk
produksinya pada distributor selama
bertahun-tahun, dikarenakan pembelian
bahan baku melalui distributor
dianggapnya mudah dan terpercaya,
untuk itu mengapa fasilitas
dianggap belum cukup memuaskan dan
dapat digunakan dengan maksimal oleh
para pelaku usaha. (2) Belum dapat
memenuhi ketentuan periode ekspor
KITE IKM, ternyata dalam penggunaan
fasilitas KITE periode ekspor barag
ditentukan yatu 12 bulan setelah bahan
baru didistribusikan ke pelaku usaha
yang dirasa beberapa IKM sulit dan
belum mampu untuk memenuhinya.
Informan D mengatakan bahwa, “Pemilih
usaha kain tenun di Desa Troso merasa
belum bisa untuk menyediakan kuantitas
untuk di ekspor dalam waktu 12 bulan
karena untuk membuat kain tenun yang
berkualitas membutuhkan proses yang
relatif lama.” Sedangkan Informan F
menambahkan bahwa, “Hambatan lain
yang juga muncul adalah terbatasnya
tenaga kerja yang dimiliki oleh masing-
masing unit usaha, dikarenakan memilih
untuk mencari pekerjaan lain yang
memiliki gaji lebih besar
tunjangan tetap yang diberikan.” Hal ini
menunjukkan betapa sulitnya mencari
tenaga kerja tetap yang mengakibatkan
proses produksi dari IKM sering tidak
optimal. (3) Rasa tidak percaya diri IKM,
ternyata beberapa pemilik usaha merasa
tidak percaya diri untuk melakukan
KITE ekspansi pasar hingga Internasional.
Informan F mengatakan, “Saya masih
ragu apakah perusahaan luar akan
percaya dengan pengrajin kecil seperti
kami, selain itu saya juga khawatir
apakah dapat bersaing dengan produk
sejenis karena produk titanium dari
China yang masuk ke Indonesia sudah
banyak dengan harga yang relatif lebih
murah.” Hal tersebut juga menjadi
perhatian bagi IKM untuk memperbaiki
pengalaman menjadi percaya diri berani
mengembangkan usahanya hingga
pasar internasional. (4) Belum adanya
sinergitas antar instansi terkait,
berdasarkan hasil wawancara, Informan
F mengatakan, “Saya ingin sekali
memperluas pasar hingga luar negeri,
hanya saja saya tidak mengetahui
bagaimana cara melakukan impor dan
ekspor sendiri. Saya juga ingin maju
memperkenalkan kualitas produk saya
hingga ke luar negeri, berhubung saya
dengan tidak tahu caranya, maka hanya dapat
25
memaksimalkannya di dalam negeri BAB V
saja.” Mendengar hal tersebut tentu PENUTUP
sangat disayangkan, dari para pelaku
IKM memiliki potensi untuk tumbuh dan A. KESIMPULAN
berkembang melalui ekspansi bisnisnya, Hasil wawancara peneliti
namun lagi-lagi mereka belum memiliki menemukan bahwa terdapat beberapa
ilmu atau pengetahuan tentang hal hambatan dalam penggunaan fasilitas
tersebut karena kurangnya sinergitas KITE untuk IKM. Pertama,
antar pihak terkait. Bahwa sinergitas ketergantungan terhadap distributor
antar instansi terkait hanya sebatas pada dengan kepercayaan selama bertahun-
sosialisasi saja, belum ada kerjasama tahun dan dengan ketermudahan yang
dan kesempatan untuk mengetahui ditawarkan. Kedua, Belum dapat
bagaimana tata cara melakukan ekspor memenuhi ketentuan periode ekspor
impor untuk menggaet target pasar yang ditetapkan oleh KITE yang dirasa
dengan ekspor. terlalu cepat mengingat bahwa pelaku
usaha juga memiliki keterbatasan akan
D. Hasil analisis full model dengan tenaga kerja, sehingga masih belum
ATLAS.ti versi 9 optimal bila harus memenuhi kuantitas
Gambar 4.4 Hasil analisis full selama kurun waktu 12 bulan. Ketiga,
ATLAS.ti versi 9.0 Rasa tidak percaya diri IKM dalam
melakukan perluasan pasar hingga
Internasional dikarenakan masih minim
pengetahuan bagaimana melakukan
impor dan ekpor terhadap barang
produksinya. Keempat, Belum adanya
sinergitas antar instansi terkait dimana
hanya dilakukan sebatas melalui
sosialisasi yang dirasa masih kurang dan
belum memperlihatkan hasil yang
optimal bagi perluasan produk IKM.
Sumber: Hasil network penulis, 2023

26
B. SARAN
Melihat hambatan-hambatan DAFTAR PUSTAKA
yang dialami IKM dalam
mengembangkan KITE untuk dapat Ahmad. F., Violinda. Q., & Indriasari. I.
diterapkan dalam dunia bisnis, kami (2020). Strategi dengan
melihat itu sebagai sebuah potensi yang Kekurangan Tugas untuk
dapat diperbaiki dengan cara melakukan Membantu Mengembangkan
sinergitas lebih antara instansi terkait Peningkatan Ekspor di Jawa
diimbangi dengan giat melakukan Tengah. KINERJA, 17 (1), 33-
sosialisasi, sehingga fasilitas KITE yang 44
dapat memberikan dampak positif serta Susilowati. I. (2020). MODUL
mendorong pertumbuhan sektor bisnis PENELITIAN QUALITATIVE
hingga kancah internasional bisa lebih DENGAN ATLAS.ti. Magister
dioptimalkan serta dapat dipatenkan Ilmu Ekonomi dan Studi
untuk menjadi fasilitas yang wajib Pembangunan FEB
digunakan dan diterapkan bagi Industri Universitas Diponegoro.
Kecil, dan Menengah untuk dapat Semarang, Jawa Tengah.
tumbuh dan melakukan ekspansi
bisnisnya hingga ke negara lain.

27
 BAB IV
ANALYTICAL HIERARCHY PROCESS (AHP)
Penggunaan Alat Analisis AHP dalam Menentukan Supplier

BAB I
PENDAHULUAN

A. Latar Belakang supplier yang benar-benar mampu

Pada era globalisasi seperti memenuhi kebutuhan perusahaan
sekarang ini, kemajuan dunia industi secara konsisten dan berkualitas.
manufaktur sangatlah pesat, hal ini Adapun langkah yang digunakan
didukung dengan perkembangan dalam pemilihan supplier adalah
Ilmu Pengetahuan dan Teknologi menggunakan salah satu metode
(IPTEK) yang juga mengalami dalam Multi Criteria Decision Making
kemajuan sangat signifikan sehingga (MCDM) yaitu AHP (Analytic
persaingan antar perusahaan Hierarchy Process).
semakin ketat. Persaingan yang ketat B. Rumusan Masalah
membuat perusahaan dituntut untuk Berdasarkan latar belakang yang
dapat memberikan kepuasan kepada telah dijelaskan di atas, didapatlah
konsumen dalam segala aspek. beberapa rumusan masalah sebagai
Salah satunya adalah menjaga berikut.
kualitas produk yang dihasilkan. Oleh 1. Bagaimana langkah-langkah
itu, perusahaan diharuskan dapat menentukan supplier terbaik
memberikan kepuasan kepada menggunakan analisis AHP?
konsumen. 2. Bagaimana cara analisis
Upaya awal untuk menjaga mutu penentuan supplier terbaik
produk adalah menyeleksi supplier menggunakan analisis AHP?
yang kompeten dan mampu
C. Tujuan Penelitian
memberikan bahan baku yang
Berdasarkan latar belakang dan
berkualitas. Pemilihan supplier perlu
rumusan di atas, maka didapat
dilakukan untuk mendapatkan kriteria

28
 beberapa tujuan penelitiannya terstruktur ke dalam kelompok-
sebagai berikut. kelompoknya, dengan mengatur
1. Mampu mengetahui langkah- kelompok tersebut ke dalam suatu
langkah menentukan supplier hierarki, kemudian memasukkan nilai
terbaik menggunakan analisis numerik sebagai pengganti persepsi
AHP. responden dalam melakukan
2. Mampu mengetahui cara analisis perbandingan relatif. Dengan suatu
untuk menentukan supplier sintesis maka akan dapat ditentukan
terbaik menggunakan analisis elemen mana yang mempunyai
AHP prioritas tertinggi.
b. Metodologi Penelitian
Penelitian dilakukan selama 1
BAB II
bulan, yaitu pada tanggal 1 Januari
METODOLOGI
sampai dengan 31 Januari 2011.
a. AHP (Analytic Hierarchy Process)
Pengumpulan data dilakukan
Alat analisis yang digunakan
dengan beberapa metode, yaitu:
dalam penelitian kedua adalah AHP.
1. Wawancara, berupa tanya jawab
AHP merupakan suatu model
secara langsung yang diajukan
pendukung keputusan yang
kepada karyawan atau staf yang
dikembangkan oleh Thomas L.
ahli dan kompeten dengan
Saaty. Model pendukung keputusan
permasalahan penelitian.
ini akan menguraikan masalah multi
2. Observasi, mengamati secara
faktor atau multi kriteria yang
langsung objek penelitian guna
kompleks menjadi suatu hierarchy.
memperoleh dan mengetahui
AHP adalah sebuah metode yang
peristiwa yang terjadi di lapangan.
ideal untuk memberikan ranking atau
3. Studi Pustaka, mempelajari
urutan alternatif ketika beberapa
literatur-literatur yang terkait
kriteria dan subkriteria ada dalam
dengan penelitian sebagai
pengambilan keputusan. AHP pada
penunjang untuk kelancaran
dasarnya, merupakan metode yang
penelitian
digunakan untuk memecahkan
masalah yang kompleks dan tidak

29
 BAB III harus memiliki sifat minimum,
Pengolahan Data independent, lengkap, serta
operasional.
Langkah-Langkah dari analisis 2. Menetapkan Prioritas Elemen
data menggunakan metode AHP adalah a. Relative Measurement
sebagai berikut. Yang pertama dilakukan
1. Penyusunan struktur hirarki masalah dalam menetapkan prioritas
Gambar 3.1 Struktur Hirarki Masalah elemen-elemen dalam suatu
pengambilan keputusan adalah
membuat perbandingan
berpasangan, yaitu
membandingkan dalam bentuk
berpasangan seluruh kriteria
untuk setiap subsistem hirarki.
Source: Setyaningsih. I., & Ngatawi (2011) Dalam perbandingan
Hirarki masalah disusun untuk berpasangan ini, bentuk yang
membantu proses pengambilan lebih disukai adalah matriks
keputusan degan memperhatikan karena matriks merupakan alat
seluruh elemen keputusan yang yang sederhana yang biasa
terlibat dalam system. Pada tingkat dipakai, serta memberi kerangka
tertinggi dari hierarki, dinyatakan untuk menguji konsistensi.
tujuan, sasaran dari sistemn yang Rancangan matriks ini
dicari solusi masalahnya. Tingkat mencerminkan dua segi prioritas
berikutnya merupakan penjabaran yaitu mendominasi dan
dari tujuan tersebut. Suatu hirarki didominasi.
dalam metode AHP merupakan Misalkan terdapat suatu
penjabaran elemen yang tersusun subsistem hirarki dengan kriteria
dalam beberapa tingkat, dengan C dan sejumlah n alternatif di
setiap tingkat mencakup beberapa bawahnya, Ai sampai An.
elemen homogen. Kriteria-kriteria Perbandingan antar alternatif
dalam penentuan hirarki masalah ini untuk subsistem hirarki itu dapat

30
 dibuat dalam bentuk matriks n x n, Satu elemen mutlak
seperti pada tabel di bawah ini. 9 penting daripada
Tabel 3.1 Matriks Perbandingan elemen lainnya
Hierarki Nilai-nilai antara dua
2,4,6,8 pertimbangan nilai
yang berdekatan
Jika untuk aktivitas I
mendapatkan satu
angka dibanding
Kebalikan dengan aktivitas j,

Source: Analisis Penulis, 2023 maka j mempunyai

Bobot dari per kriteria dapat diisi denga nilai kebalikannya

skala dari 1-9 seperti berikut: dibanding dengan i

Tabel 3.2 Prioritas Elemen Source: Setyaningsih. I., & Ngatawi

(2011)
Intensitas
Keterangan 3. Mengukur Konsistensi
Kepentingan
Salah satu asumsi utama model
Kedua elemen sama
1 AHP yang membedakannya dengan
pentingnya
model-model pengambilan
Elemen yang satu
keputusan lain adalah tidak adanya
sedikit lebih penting
3 syarat konsistensi mutlak. Dengan
daripada elemen yang
model AHP yang memakai persepsi
lainnya
manusia sebagai inputnya maka
Elemen yang satu
ketidakkonsistenan mungkin terjadi
5 lebih penting daro
karena manusia memiliki
elemen yang lainnya
keterbatasan dalam menyatakan
Satu elemen jelas
persepsinya secara konsisten
lebih mutlak penting
7 terutama kalau harus
daripada elemen
membandingkan banyak kriteria.
lainnya
Berdasarkan kondisi ini maka
manusia dapat menyatakan

31
 persepsinya tersebut akan konsisten membaginya dengan suatu indeks
nantinya atau tidak. random. Indeks random menyatakan
Pengukuran konsistensi dari rata-rata konsistensi dari matriks
suatu matriks itu sendiri didasarkan perbandingan berukuran 1 sampai 10
atas eigen value maksimum. Dengan yang didapatkan dari suatu
eigen value maksimum, inkonsistensi eksperimen oleh Oak Ridge National
yang biasa dihasilkan matriks Laboratory dan kemudian dilanjutkan
perbandingan dapat diminimumkan. oleh Wharton School.

4. Menghitung Consistency Indeks (CI) 5. Menghitung Consistency Ratio (CR)

CI = (λ maks-n)/n-1 Perbandingan antara CI dan RI
Dimana n adalah banyak elemen untuk suatu matriks didefinisikan
Konsistensi pengguna metode AHP sebagai rasio konsistensi, dapat
harus tetap terjaga agar solusi yang dirumuskan sebagai berikut.
dihasilkan optimal. Untuk mengetahui CR = CI/IR
tingkat konsistensi tersebut, hasil Dimana:
penggunaan metode AHP akan CI : penyimpangan dari konsistensi
diukur besarnya indeks konsistensi. nilai
(Consisteny Index). Jika rasio dengan IR : indeks random (1,12 )-->
standar indeks random <= 0,10 maka dikarenakan banyaknya elemen
disimpulkan bahwa derajat kriteria adalah 5
konsistensinya memuaskan, artinya Matriks perbandingan dapat diterima
metode AHP menghasilkan solusi jika nilai rasio konsistensi (CR) ≤ 0,1.
optimal. Namun jika > 0,10 maka 6. Normalisasi
terdapat ketidakkonsistenan dalam Tabel 3.3 Nilai Indeks Random
menentukan perbandingan yang (RI)
memungkinkan metode AHP tidak
menghasilkan solusi yang berarti.
Indeks inkonsistensi di atas
Source: Setyaningsih. I., & Ngatawi
kemudian diubah ke dalam bentuk
(2011)
rasio inkonsistensi dengan cara

32
 BAB IV dapat dipilih salah satu sebagai
ANALISIS alternatif terbaik berdasarkan goals
1. Mendefinisikan Masalah (tujuan) yang hendak dicapai
Gambar Grafik 4 Struktur Hierarki menurut perhitungan AHP.
Alternatif Pemilihan Supplier 2. Menetapkan Prioritas Elemen
Matriks Perbandingan Kriteria

Matriks Perbandingan Alternatif

Pengiriman

Source: Setyaningsih. I., & Ngatawi

(2011)
Diketahui bahwa grafik di atas
Matrik Perbandingan Alternatif
menjelaskan mengenai definisi
Pelayanan
masalah yang akan digunakan untuk
pengambilan keputusan dalam
pemilihan supplier dengan bantuan
metode AHP. Bagan di sebelah kiri
Matrik Perbandingan Alternatif
menunjukkan alat supplier yang
Produk
merupakan tujuan (goals), bagan di
tengah yang terdiri dari Pengiriman,
Pelayanan, Produk, Kualitas, dan
Biaya merupakan kriteria yang
digunakan dalam pemilihan alat Matrik Perbandingan Alternatif
supplier, sedangkan bagan yang Kualitas
berada di kanan yang terdiri dari
supplier A, supplier B, supplier C,
supplier D, supplier E, dan supplier F
merupakan alternatif yang nantinya

33
 Matrik Perbandingan Alternatif Biaya 4. Mengukur Konsistensi

Dalam penelitian ini memiliki

indeks random 1,12 karena memiliki
nilai N atau jumlah dari kriteria
3. Sintesis
sebesar 5.
Matriks pairwise comperasion
5. Menghitung Consistency Indeks
(perbandingan berpasangan) ->
(CI)
eigen vector = Local priority
- Kriteria
Matrik yang Dinormalisasi
CI = (Lambda max-n)/(n-1)
CI = 5,434084716-5/4
CI=0,1085211789 (Tidak
konsisten)
Matrik Pairwise Comperasion
- Pengiriman
CI = (Lambda max-n)/(n-1)
CI = 6,786182943-6/5
CI = 0,1572365887 (Tidak
konsisten)
Kesimpulan:
- Pelayanan
Kriteria 1 : 45,99%
CI = (Lambda max-n)/(n-1)
Kriteria 2 : 16,89%
CI = 6,959143104-6/5
Kriteria 3 : 16,09%
CI = 0,1918286208 (Tidak
Kriteria 4 : 12,70%
konsisten)
Kriteria 5 : 8,33%
- Produk
Maka dapat disimpulkan bahwa
CI = (Lambda max-n)/(n-1)
kriteria 1 (Pengiriman) lebih disukai
CI = 6,5325712-6/5
daripada Kriteria Pelayanan, Kriteria
CI = 0,10651424 (Tidak konsisten)
Produk, Kriteria Kualitas, dan Kriteria
Biaya.

34
 CR = 0,08589858 (konsisten)

- Kualitas - Kualitas
CI = (Lambda max-n)/(n-1) CR = CI / IR
CI = 7,184936197-6/5 CR = 0,2369872393 / 1,12
CI = 0,2369872393 (Tidak CR = 0,19111874 (Tidak
konsisten) konsisten)
- Biaya - Biaya
CI = (Lambda max-n)/(n-1) CR = CI / IR
CI = 7,08525641-6/5 CR = 0,2170512821 / 1,12
CI = 0,2170512821 (Tidak CR = 0,17504136 (Tidak
konsisten) konsisten)
6. Menghitung Consistency Ratio 7. Normalisasi
(CR) Untuk menormalisasi maka
- Kriteria dilakukan pembagian setiap nilai
CR = CI / IR pada kolom ke-i dan baris ke-j
CR = 0,1085211789 / 1,12 dengan nilai terbesar pada kolom i:
CR = 0,0968939097 (konsisten)
- Pengiriman
CR = CI / IR
CR = 0,1572365887 / 1,12
CR = 0,1268037005 (Tidak
konsisten)
- Pelayanan
CR = CI / IR
CR = 0,1918286208 / 1,12 Setelah melakukan normalisasi
CR = 0,01547005007 (Tidak maka tahap selanjutnya adalah
konsisten) menentukan bobot prioritas pada
- Produk setiap kriteria ke-i dan diperoleh nilai
CR = CI / IR Eigen.
CR = 0,10651424 / 1,12

35
 Perangkingan Supplier : (rata-rata
kriteria pengiriman x rata-rata alternatif
pengiriman Supplier A) + (rata-rata
kriteria pelayanan x rata-rata alternatif
pelayanan Supplier A) + (rata-rata
kriteria produk x rata-rata alternatif
λ = (∑EV/VB) / n
produk Supplier A) + (rata-rata kriteria
kualitas x rata-rata alternatif kualitas
Supplier A) x (rata-rata kriteria biaya x
CI = Consistency Index = ( λ -n) / (n-
rata-rata alternatif biaya Supplier A)
1)
Perhitungan per supplier:
5.269 − 5
𝐶𝐼 = = 0.067 Supplier A : (0,460 x 0,230) + (0,169 x
4
CR = CI / RI , RI = Random 0,276) + (0,161 x 0,240) +

indeks (0,127 x 0,262) x (0,083 x

0.067 0,194) = 0,24018
𝐶𝑅 = = 𝟎. 𝟎𝟔𝟎
1.12 Supplier B : (0,460 x 0,230) + (0,169 x
Karena hasil dari CR ≤ 0,1 maka 0,196) + (0,161 x 0,340) +
penilaian konsisten dan pengolahan data (0,127 x 0,220) x (0,083 x
dapat dilanjutkan ke perhitungan 0,183) = 0,23661
selanjutnya. Supplier C : (0,460 x 0,144) + (0,169 x
0,143) + (0,161 x 0,200) +
8. Perangkingan (0,127 x 0,186) x (0,083 x
0,195) = 0,16258
Supplier D : (0,460 x 0,083) + (0,169 x
0,082) + (0,161 x 0,118) +
(0,127 x 0,126) x (0,083 x
0,182) = 0,10221
Untuk mendapatkan hasil diatas, Supplier E : (0,460 x 0,156) + (0,169 x
maka dilakukan perhitungan sebagai 0,152) + (0,161 x 0,052) +
berikut: (0,127 x 0,110) x (0,083 x
0,131) = 0,13084

36
Supplier F : (0,460 x 0,156) + (0,169 x Dari perhitungan perankingan
0,152) + (0,161 x 0,051) + didapat nilai yang paling tinggi adalah
(0,127 x 0,096) x (0,083 x supplier A dengan nilai 0,24018,
0,115) = 0,12757 kemudian supplier dengan nilai
terbesar kedua adalah supplier B
BAB V dengan nilai 0,23661, lalu supplier C
PENUTUP dengan nilai 0,16258, supplier E
dengan nilai 0,13084, supplier F
A. Kesimpulan dengan nilai 0,12757, dan yang
Berdasarkan perhitungan terakhir supplier D dengan nilai
menggunakan alat analisis AHP, 0,10221.
didapat nilai-nilai yang dapat B. Saran
diintepretasikan menggunakan Saran yang bisa penulis
perhitungan AHP. Dari perhitungan berikan untuk pemilihan supplier
menggunakan Matriks Pairwise menggunakan AHP adalah
Comperasion didapat hasil bahwa perusahaan bisa memilih Supplier A
kriteria 1 (Pengiriman) lebih disukai menjadi supplier untuk
daripada Kriteria Pelayanan, Kriteria perusahaannya karena memperoleh
Produk, Kriteria Kualitas, dan Kriteria nilai akhir paling besar dan dapat
Biaya. dipilih untuk memenuhi kebutuhan
Kemudian dari perhitungan perusahaan secara konsisten dan
Consistency Indeks (CI) didapat hasil berkualitas.
bahwa tidak ada kriteria yang
DAFTAR PUSTAKA
konsisten dalam menentukan
Afriansyah, E. A. (2016). Penggunaan
perbandingan yang memungkinkan
software ATLAS. ti sebagai
metode AHP tidak menghasilkan
alat bantu proses analisis
solusi yang berarti.
data kualitatif. Mosharafa:
Dari perhitungan Consistency
Jurnal Pendidikan
Ratio (CR) hanya kriteria produk yang
Matematika, 5(2), 53-63.
konsisten dapat diterima jika nilai
rasio konsistensi ≤ 0,1.

37
 BAB V
MATRIX OF ALLIANCES AND CONFLICTS TACTICS, OBJECTIVES, AND
RECOMMENDATIONS (MACTOR)

Analisis Implementasi Desa Tumbuh Merata pada SDGs di Desa Kadipiro

Kabupaten Karanganyar Menggunakan Analisis MACTOR

BAB I yaitu Bapak Larsito. Selama masa

PENDAHULUAN jabatannya dampak yang sudah
A. Latar Belakang dirasakan adalah dibangunnya
Desa Kadipiro terletak di betonisasi jalan tembus deres-
Kecamatan Jumapolo, Kabupaten banyak kidul dengan panjang
Karanganyar. Desa ini memiliki 1350x2.5m Ketika pandemi
luas sebesar 4.300 hektar dan terjadi Desa Kadipiro kehilangan 2
merupakan desa yang masih kaya penduduk. Tidak hanya pandemi,
akan keindahan alam. Salah bencana longsor juga pernah
satunya dimanfaatkan untuk area dialami oleh Desa Kadipiro sejak
persawahan. Selain penduduk tahun 2013 diantaranya ada
yang masih bermatapencaharian sebanyak 15 jumlah rumah, jalan,
sebagai petani, di sini juga ada ataupun sawah yang pernah
beberapa ASN, polisi, dan mengalami peristiwa longsor.
wiraswata. Desa ini dihuni oleh 9 Selain longsor, bencana alam
dusun, yaitu terdapat Dusun yang sering dialami diantaranya
Tedunan, Jungsari, Tegan, tidak panen karena pembangunan
Ngadipiro, Ngelolor, Banyak, Tlebo Ledok yang tertunda. Area
Deres, Ngelokidul, Kalibayan. pemukiman yang dekat dengan
Desa Kadipiro dihuni oleh area persawahan juga
4.325 penduduk dengan jumlah menjadikan beberapa binatang
kepala keluarga sebanyak 871. buas masuk ke dalam area
Sejak tahun 2013-saat ini. Kepala rumah, khususnya ketika musim
Desa Kadipiro tetaplah sama, tanam.

38
 Usia harapan hidup warga masyarakat disejahterakan.
desa ini berada di usia 80-100 Dengan poin SDGs desa sebesar
tahun. Usia yang cukup besar 31,7 yang terhitung masih cukup
bagi angka harapan hidup kecil, besar harapannya poin
masyarakat Indonesia. Pola hidup SDGs ini meningkat seiring
yang dijaga baik, mulai dari pola berjalannya waktu yang
makan, pola tidur, gaya hidup, dan menandakan desa ini telah
pola gerak, yang tidak disengaja menjalankan misi sosial sebagai
membawa dampak signifikan bagi desa yang menghargai seluruh
kestabilan hormon, yang akhirnya aspek baik dari aspek lingkungan
memperpanjang usia harapan maupun impact nya bagi
hidup. Selain itu, pola yang terlihat kehidupan sosial.
berulang adalah masyarakat yang
ramah pada pendatang ataupun Gambar 1.1
keturunannya menjadikan desa ini Peta Lokasi Desa Kadipiro
nyaman dan tentram untuk
ditinggali berlama-lama karena
kenyamanan dinilai dari seberapa
panjang masyarakat pendatang
menetap. Oleh sebab itu, penulis
sebagai salah satu keturunan dari
masyarakat setempat berharap
desa ini terus terjaga
kelestariannya, bahkan lebih maju Sumber : Google Maps di update
dari sebelumnya. Mulai dari jalan- April 2023
jalan yang diperbaiki, akses yang
mudah didapat menjadikan desa
lebih sejahtera. Selain itu, penulis
berharap dari tulisan ini dapat
menambah lapangan pekerjaan di
Desa Kadipiro dan seluruh lapisan

39
B. Rumusan Masalah BAB II
Rumusan masalah pada penelitian ini METODE PENELITIAN
adalah:
1. Bagaimana pemerataan A. MACTOR
pertumbuhan ekonomi Desa Metode analisis data pada
Kadipiro? penelitian ini dengan
2. Bagaimana infrastruktur dan menggunakan pendekatan
inovasi Desa Kadipiro sesuai Prospective analysis, dengan
kebutuhan? mengunakan mactor analyse.
3. Bagaimana tingkat kesenjangan MACTOR di pergunakan untuk
di Desa Kadipiro? melakukan analisis kekuatan
4. Apakah konsumsi dan produksi antara tujuan dan faktor.
Desa Kadipiro sadar lingkungan? penelitian ini mengunakan
C. Tujuan Penelitian Prospective analysis mengacu
Penelitian ini bertujuan untuk: pada pemikiran. Cara kerja
1. Untuk mengetahui pertumbuhan MACTOR dilakukan melalui
ekonomi Desa Kadipiro. pengisian matrik posisi atau
2. Untuk menganalisis infrastruktur matrik 1MAO (Matrix Actor
dan inovasi Desa Kadipiro. Objective) dan matrik 2MAO.
3. Untuk mengetahui tingkat Matrik selanjutnya yaitu matrik
kesenjangan di Desa Kadipiro. MID (Matrix Influence Direct) yang
4. Untuk mencermati kondisi menggambarkan variabel
konsumsi dan produksi Desa pengaruh (influence). Setelah
Kadipiro. mengisi matrik MID dan 1MAO,
kemudian MACTOR akan
menghitung matrik 2MAO melalui
program komputer. Langkah
selanjutnya, MACTOR kemudian
menghitung matrik 3MAO yakni
matrik yang menjadi dasar dan
penting dalam pembahasan

40
MACTOR Melalui matrik 3MAO menetap kurang dari 10 tahun,
dapat dihasilkan berbagai data bersifat hipotetik. Dengan,
keistimewaan, antara lain menggunakan 12 pertanyaan
koefisien mobilisasi yang sebagai berikut:
menunjukkan aktor yang berbeda 1. Bagaimana pemerataan
terlibat dalam satu situasi pertumbuhan ekonomi Desa
Keistimewaan lain yang juga Kadipiro?
dapat diolah dari matrik 3MAO 2. Bagaimana pendapatan per
adalah matrik konvergensi kapita yang didapat apakah
(3CAA) yang menggambarkan sudah mencukupi kebutuhan?
seberapa besar para aktor setuju 3. Bagaimana lapangan
terhadap suatu isu dan divergensi pekerjaan di Desa Kadipiro?
(3DAA) yang menggambarkan 4. Bagaimana infrastruktur Desa
sebaiknya atau ketidaksetujuan. Kadipiro?
Selanjutnya hasil perhitungan 5. Bagaimana inovasi di Desa
konvergensi dan devergensi antar Kadipiro?
aktor tersebut menghasilkan 6. Apakah inovasi dan
indikator akhir dari MACTOR yaitu infrastruktur tersebut telah
koefisien ambivalen untuk setiap mencukupi kebutuhan?
aktor. 7. Apakah terdapat kesenjangan
Dari analisis mactor di Desa Kadipiro?
tersebut penelitian akan ditujukan 8. Berapa tingkat kesenjangan di
kepada pihak Kepala Desa, Desa Kadipiro?
Kepala Dusun, warga desa usia 9. Bagaimana upaya pihak desa
dewasa, warga desa usia remaja, mengatasi masalah
warga desa usia > 50 tahun, kesenjangan tersebut?
warga desa bermata pencaharian 10. Apakah konsumsi Desa
petani, warga desa Kadipiro sadar lingkungan?
bermatapencaharian wiraswasta, 11. Apakah produksi Desa
warga pendatang, warga menetap Kadipiro sadar lingkungan?
lebih dari 20 tahun, warga

41
 12. Bagaimana upaya pihak B. Tahap II (Memasukkan data ke
desa mengatasi masalah sadar dalam valued position matrix
lingkungan tersebut? (2MAO))
Tabel 2 (2MAO)
BAB III menjelaskan posisi aktor terhadap
PEMBAHASAN tujuan yang hendak dicapai pada
pengembangan ini. Posisi aktor
A. Tahap I (Memasukkan data ke terhadap tujuan ini direfleksikan
dalam matrix of direct oleh sikap dan penilaian aktor
influences) apakah mendukung atau menolak
Tabel 1 (MDI) menjelaskan tujuan. Matriks ini diisi dengan
gambaran tentang tingkat dengan nilai 0 (tujuan memiliki
pengaruh aktor terhadap aktor outcome yang suram), 1 (tujuan
lainnya. Pemangku kepentingan mengganggu prosedur
yang ada pada kolom pertama operasional aktor), 2 (tujuan
dinilai tingkat pengaruhnya mengganggu keberhasilan
terhadap aktor yang ada pada pekerjaan aktor), 3 (tujuan
baris pertama. Tingkat pengaruh mengganggu pencapaian misi
aktor satu sama lain diukur aktor, dan 4 (tujuan mengganggu
dengan nilai nol (tidak ada eksistensi aktor).
pengaruh), 1 (mempengaruhi Tabel 3.2
prosedur operasional), 2 Sikap Aktor terhadap Tujuan (2MAO)
(mempengaruhi pekerjaan), 3
(mempengaruhi misi aktor), dan 4
(mempengaruhi misi aktor).
Tabel 3.1
Pengaruh Langsung Antar Aktor
(MDI)

42
 BAB IV hasil MDII menunjukkan pengaruh
ANALISIS tertinggi dan ketergantungan
terendah.
A. Hasil MDII
B. Peta Pengaruh Aktor

Berdasarkan kekuatannya,
Tabel MDII, Li aktor diposisikan dalam peta
menunjukkan pengaruh bersih pengaruh dan ketergantungan
langsung dan tidak langsung (net aktor dan dibedakan menjadi
direct and indirect influence), aktor dominan (pengaruh tinggi),
sedangkan Di menunjukkan aktor yang didominasi
derajat pengaruh ketergantungan (ketergantungan tinggi), aktor
bersih langsung dan tidak yang terisolasi (rendah pengaruh
langsung (net direct and indirect dan ketergantungan), dan aktor
dependence). Penduduk yang relay (tinggi pengaruh dan
tinggal kurang dari 10 tahun ketergantungan).
adalah aktor utama dalam Penduduk yang tinggal
pengembangan potensi desa kurang dari 10 tahun dan
tumbuh merata yang memiliki pendatang sebagai aktor paling
pengaruh langsung dan tak dominan pengaruh yang tinggi
langsung terbesar karena pada dan rendah ketergantungan.

43
 Posisi dominan kedua aktor Peta daya saing antar aktor
tersebut juga menunjukkan menunjukkan intensitas kekuatan
kemampuannya sebagai pengaruh suatu aktor terhadap
pemimpin dalam menentukan aktor lainnya, baik ditentukan oleh
kebijakan pengembangan Desa pengaruh langsung,
Kadipiro tumbuh merata ke ketergantungan langsung,
depan. Penduduk usia dewasa, pengaruh tidak langsung serta
wiraswasta, penduduk tinggal ketergantungan tidak langsung.
lebih dari 20 tahun, Kepala Dusun, Warga menetap kurang dari 10
Kepala Desa, sebagai aktor relay tahun dan warga desa usia
karena kekuatan dewasa memikiki daya saing yang
mempengaruhinya tinggi dan paling tinggi. Warga menetap
tingkat ketergantungan yang kurang dari 10 tahun merupakan
tinggi pula. Aktor relay adalah warga yang paling berwenang
aktor-aktor yang diharapkan akan dan bertanggungjawab untuk
berperan pada saat proses melakukan perubahan. Warga
eksekusi berbagai keputusan di desa usia dewasa merupakan
lapangan. Petani dan manula aktor yang produktif dan
adalah aktor terdominasi yaitu berdampak dalam melakukan
aktor yang sangat dipengaruhi perubahan. Aktor paling lemah
dan tergantung pada aktor ditunjukkan oleh petani karena
lainnya, sedangkan remaja posisi petani tidak membawa
merupakan aktor yang terisolasi perubahan yang signifikan agar
yaitu rendah pengaruh dan minim desa tumbuh merata dan hanya
ketergantungan. diwariskan sampai generasi tua,
C. Daya Saing Aktor tidak adanya inovasi dengan
modal yang banyak dan jumlah
petani yang sedikit menjadikan
petani tidak terlalu bersaing pada
aktor lainnya. Aktor lainnya
berada pada posisi moderat.

44
D. Daya Saing Antar Tujuan E. Hasil Skala Pengaruh Daya
Daya saing antar tujuan Saing Dengan Persepsi Aktor
menunjukkan seberapa tepat Terhadap Tujuan
tujuan dari pengembangan desa
Gambar - gambar berikut
tumbuh merata bagi para
menyajikan hasil analisis Mactor
pemangku kepentingan. Cara
yang melakukan “timbangan”
untuk mengetahui seberapa
untuk setiap tujuan.
penting tujuan yang hendak
Aktor/stakeholder yang setuju
dicapai dapat dilakukan dengan
dengan tujuan konservasi berada
memetakan tingkat
pada “timbangan” tanda + (positif)
kepentingannya. Intensitas
dan aktor yang menolak tujuan
dukungan tertinggi berada pada
konservasi berada pada
tujuan untuk pengembangan
“timbangan”– (negatif). Terdapat
infrastruktur dan inovasi. Hal ini
12 tujuan sebagai input dalam
tepat sebab sejauh ini masih
analisis ini. Diperoleh hasil pada
minim akan fasilitas infrastruktur
dua objective, yaitu 1)
seperti jalan yang kurang bagus,
infrastruktur dan inovasi
listrik yang mudah mati, fasilitas
diharapkan mencukupi
wisata dan fasilitas pendukung
kebutuhan, 2) upaya untuk
lainnya yang masih terbatas.
mengatasi masalah kesenjangan
Tujuan selanjutnya yang sangat
semua pihak setuju / memiliki arah
didukung oleh aktor adalah
tujuan yang sama. Ditunjukkan
memperbaiki tingkat
oleh arah timbangan yang berada
kesenjangan. Para aktor cukup
pada tanda positif.
mendukung produktivitas di
pekerjaannya masing-masing
karena tujuan ini merupakan
esensi dari multiplier effect desa
tumbuh merata.

45
 potensial. Peta pendekatan dapat
digunakan untuk mengidentifikasi
pihak mana yang dapat bekerja
sama untuk menghindari potensi
konflik. Untuk menghindari konflik
perangkat desa bisa bekerjasama
dengan penduduk yang menetap
kurang dari 10 tahun, dan remaja
bisa bekerjasama dengan manula
untuk membantu pekerjaannya.
F. Hasil Pemetaan Konvergensi
G. Hasil Jarak Antar Tujuan
Aktor

Pemetaan konvergensi
Grafik jarak antar tujuan
aktor menggambarkan kesamaan
digunakan untuk mengidentifikasi
sikap aktor terhadap tujuan. Aktor
tujuan para aktor menentukan
dengan sikap yang sama akan
posisi yang sama (baik pro atau
konvergen, sedangkan aktor
kontra). Tingkat keeratan antar
dengan sikap berbeda akan
tujuan ditunjukkan oleh warna
divergen. Tujuan analisis
merah dan biru. Warna merah
konvergensi adalah untuk
menunjukkan jarak keterkaitan
mengetahui poin-poin
yang lebih kuat dibandingkan
kemungkinan aliansi aktor

46
 warna biru. keterkaitan jarak antar
tujuan dalam Program BAB V
pembangunan pengembangan PENUTUP
desa tumbuh merata dimana
infrastruktur dan inovasi yang A. Simpulan
telah mencukupi dan tingkat Sustainable Development
kesenjangan memiliki keterkaitan Goals (SDGs) merupakan agenda
paling kuat. untuk mencapai pembangunan
berkelanjutan secara global pada
H. Hasil Jarak Antar Aktor tiga dimensi, yakni ekonomi,
Kepala dusun dan sosial, dan lingkungan yang
pendatang memiliki shortest net diwujudkan dalam bentuk rencana
distances karena kedua aktor aksi untuk manusia, bumi,
tersebut perlu saling berinteraksi kemakmuran, dan perdamaian
untuk mengurangi konflik dan dunia. Desa adalah kesatuan
bersama membangun desa agar masyarakat hukum yang memiliki
pertumbuhan desa menjadi sama batas wilayah yang berwenang
rata, baik itu di kalangan untuk mengatur dan mengurus
pendatang, orang yang menetap urusan pemerintahan,
lebih lama ataupun bagi mata kepentingan masyarakat
pencaharian yang berbeda-beda. setempat berdasarkan prakarsa
masyarakat, hak asal usul, dan
atau hak tradisional yang diakui
dan dihormati dalam sistem
pemerintahan Negara Kesatuan
Republik Indonesia. SDGs Desa
dinilai memiliki kontribusi yang
besar dalam mencapai SDGs di
Indonesia. Sustainable
Development Goals Desa (SDGs
Desa) adalah upaya terpadu

47
 mewujudkan Desa tanpa desa tumbuh merata dan hanya
kemiskinan dan kelaparan, Desa diwariskan sampai generasi tua,
ekonomis tumbuh merata, Desa tidak adanya inovasi dengan
peduli kesehatan, Desa peduli modal yang banyak dan jumlah
lingkungan, Desa peduli petani yang sedikit menjadikan
pendidikan, Desa ramah petani tidak terlalu bersaing pada
perempuan, Desa berjejaring, dan aktor lainnya. Aktor lainnya
Desa tanggap budaya untuk berada pada posisi moderat.
percepatan pencapaian Tujuan Intensitas dukungan
Pembangunan Berkelanjutan tertinggi berada pada tujuan untuk
B. Saran pengembangan infrastruktur dan
Desa Kadipiro Warga inovasi. Hal ini tepat sebab sejauh
menetap kurang dari 10 tahun dan ini masih minim akan fasilitas
warga desa usia dewasa memiliki infrastruktur seperti jalan yang
daya saing yang paling tinggi. kurang bagus, listrik yang mudah
Warga menetap kurang dari 10 mati, fasilitas wisata dan fasilitas
tahun merupakan warga yang pendukung lainnya yang masih
paling berwenang dan terbatas. Tujuan selanjutnya yang
bertanggungjawab untuk sangat didukung oleh aktor
melakukan perubahan. Warga adalah memperbaiki tingkat
desa usia dewasa merupakan kesenjangan. Para aktor cukup
aktor yang produktif dan mendukung produktivitas di
berdampak dalam melakukan pekerjaannya masing-masing
perubahan. Aktor paling lemah karena tujuan ini merupakan
ditunjukkan oleh petani karena esensi dari multiplier effect desa
posisi petani tidak membawa tumbuh merata.
perubahan yang signifikan agar

48
 BAB VI
LOGIT PROBIT
Analisis Faktor-Faktor Yang Mempengaruhi Pendapatan Pedagang Kaki Lima di
Kabupaten Magetan Provinsi Jawa Timur Menggunakan Model Regresi Logistik
Biner

BAB I
PENDAHULUAN

A. Latar Belakang menjadikan sebuah berkah

Indonesia merupakan tersendiri bagi masyarakat atau
salah satu negara di dunia yang badan usaha yang mampu
memiliki perekonomian yang menyediakan dan memproduksi
bergantung pada konsumsi barang atau jasa yang banyak
masyarakatnya. Hal tersebut dibutuhkan dan digemari oleh
dapat terjadi karena jumlah konsumen. Dari tingginya
penduduk di Indonesia per kebutuhan akan konsumsi dari
Januari 2023 telah mencapai masyarakat membuat banyak
273,52 juta jiwa dan menjadi sektor usaha yang mampu
negara dengan populasi terbesar menyediakan kebutuhan
ke empat di dunia. Dengan jumlah konsumsi masyarakat mulai dari
penduduk yang besar dan perusahaan besar berbadan
memiliki angka demografi yang hukum seperti PT, CV, Firma
didominasi oleh usia produktif maupun usaha-usaha kecil dari
yang mencapai 69% dari populasi UMKM yang dibentuk oleh
tidak heran bahwa sektor individu maupun sekolompok
konsumsi menjadi penopang masyarakat yang berbentuk home
perekonomian Indonesia di angka industry, kedai, rumah makan,
59% dari PDB. toko, pedagang kaki lima, dan
Tingginya tingkat konsumsi masih banyak lagi yang lainnya.
masyarakat di Indonesia tentunya

49
 Pedagang kaki lima penggerak perekonomian di
menurut Damsar (2002:51) Indonesia.
adalah mereka yang melakukan Kabupaten Magetan yang
kegiatan usaha dagang berlokasi di Provinsi Jawa Timur
perorangan atau kelompok yang yang memiliki topografi wilayah
dalam menjalankan usahanya beragam mulai dari kawasan
menggunakan tempat-tempat pegunungan, dataran tinggi,
fasilitas umum, seperti trotoar, hingga dataran rendah juga
pinggir-pinggir jalan umum, dan memiliki jumlah PKL yang besar.
lain sebagainya. PKL merupakan Beragamnya kondisi wilayah
salah satu sektor yang paling topografi Magetan membuat
banyak ditemui di lingkungan wilayah ini menawarkan berbagai
sekitar dengan produk konsumsi macam kawasan wisata yang
yang ditawarkan beraneka ragam. tentunya menambah juga daftar
Beberapa produk konsumsi yang jumlah PKL di kabupaten ini.
ditawarkan misalnya produk Persebaran PKL di Magetan
makanan dan minuman, barang- utamanya berada di kawasan
barang yang memiliki nilai guna, wisata seperti Sarangan dan
barang-barang yang memiliki nilai wilayah disekitarnya, kawasan
estetika atau seni, sektor jasa Kota Magetan sebagai pusat
yang dibutuhkan masyarakat, dan ekonomi dan pemerintahan di
masih banyak lagi. Menurut Data Kabupaten Magetan, serta berada
BPS di tahun 2021 jumlah pekerja di wilayah yang memiliki
sektor informal yang mencakup konsentrasi jumlah penduduk
PKL di Indonesia mencapai 78,14 yang tinggi seperti wilayah yang
juta orang dengan jumlah PKL dekat dengan Kota Madiun seperti
mencapai 25 juta orang. Dengan Kecamatan Maospati, Kecamatan
banyaknya jumlah PKL di Barat, Kecamatan Takeran, dan
Indonesia dan distribusinya yang Kecamatan Kawedanan yang
lebih merata tak ayal bahwa PKL juga menjadi wilayah satelit dari
bisa dikatakan sebagai salah satu Kota Madiun.

50
 Pedagang Kaki Lima di
Kabupaten Magetan sendiri C. Tujuan
dalam memulai usahanya Tujuan penelitian ini adalah
pastinya memiliki latar belakang untuk mengetahui pengaruh
yang berbeda-beda dalam modal, lama usaha, jam kerja, dan
mengembangkan usahanya tingkat pendidikan dalam
dilihat dari faktor internal dan mempengaruhi tingkat
eksternal individu atau kelompok pendapatan pedagang kaki lima di
masyarakat yang memulai usaha Kabupaten Magetan, Provinsi
PKL. Perbedaan latar belakang Jawa Timur.
dari segi pendidikan, modal, lama
usaha, jam kerja dalam usaha, D. Manfaat
lokasi, dan lain sebagainya - Bagi mahasiswa, penelitian ini
mungkin dapat berpengaruh diharapkan mampu
terhadap pendapatan yang memberikan tambahan
mampu dihasilkan oleh masing- wawasan mengenai faktor-
masing pedagang kaki lima. Oleh faktor yang mempengaruhi
karena itu, melalui laporan pendapatan pedagang kaki
makalah ini penulis ingin lima di Kabupaten Magetan
mengetahui faktor-faktor apa saja dan juga diharapkan mampu
yang dapat mempengaruhi untuk dijadikan sumber
pendapatan pedagang kaki lima di referensi untuk
Kabupaten Magetan. pengembangan penelitian
selanjutnya.
B. Rumusan Masalah - Bagi pemerintah diharapkan
Bagaimana pengaruh melalui penelitian ini mampu
modal, lama usaha, jam kerja, dan menjadi salah satu bahan
tingkat pendidikan terhadap pertimbangan pembuatan
pendapatan pedagang kaki lima di kebijakan untuk
Kabupaten Magetan, Provinsi pengembangan perekonomian
Jawa Timur?

51
 UMKM utamanya pedagang memiliki kesesuaian dengan data
kaki lima. yang peneliti cari.
- Bagi pedagang kaki lima B. Sumber Data
diharapkan dengan adanya Sumber data yang
penelitian ini mampu dalam digunakan dalam penyusunan
membantu PKL dalam laporan makalah ini bersumber
pemecahan masalah yang dari skripsi Ulyfatul Amanah
berkaitan dengan peningkatan dengan judul “Analisis Faktor-
pendapatan. Faktor yang Mempengaruhi
- Bagi pihak lain diharapkan Pendapatan Pedagang Kaki Lima
melalui penelitian ini dapat Kabupaten Magetan Provisi Jawa
menjadi sumber pengetahuan Timur”. Alasan peneliti mengambil
baru serta dapat digunakan data dalam laporan skripsi ini
untuk mengkaji permasalahan adalah data yang tersedia
yang terkait dengan penelitian merupakan data terbaru dan
ini. memiliki variabel yang dapat
diaplikasikan untuk analisis data
menggunakan alat analisis model
BAB II regresi logistik biner.
METODOLOGI PENELITIAN C. Definisi Operasional Variabel
Variabel yang digunakan
A. Jenis Data dalam laporan makalah ini terdiri
Jenis data yang digunakan atas dua jenis variabel yakni
dalam penyusunan laporan variabel terikat (dependen), dan
makalah ini merupakan data variabel bebas (independen) yang
sekunder yang terdiri atas dapat didefinisikan secara
pendapatan, modal, lama usaha, operasional sebagai berikut:
jam kerja, dan tingkat pendidikan. Tabel 2.1
Data Sekunder menurut Kuncoro Definisi Operasional Variabel
(2009) adalah data yang N Variabel Definisi
dikumpulkan oleh pihak lain yang o Operasional

52
1 Pendapat Y=1 jika X3=0 jika
an (Y) pendapatan jam kerja
perbulan berdagang
pedagang ≥ per hari < 10
Rp2,1 juta jam
Y=0 jika 5 Tingkat X4=1 jika
pendapatan Pendidika tingkat
perbulan n (X4) pendidikan
pedagang < pedagang ≥
Rp2,1 juta SMA/sederaj
2 Modal (X1) X1=1 jika at
modal usaha X4=1 jika
berdagang ≥ tingkat
Rp5 juta pendidikan
X1=0 jika pedagang <
modal usaha SMA/sederaj
berdagang < at
Rp5juta
3 Lama X2=1 jika D. Data Penelitian
Usaha lama usaha Data Penelitian dalam
(X2) berdagang ≥ laporan makalah ini bersumber
10 tahun dari data sekunder yang diperoleh
X2=0 jika dari skripsi Ulyfatul Amanah
lama usaha dengan judul “Analisis Faktor-
berdagang < Faktor yang Mempengaruhi
10 tahun Pendapatan Pedagang Kaki Lima
4 Jam Kerja X3=1 jika Kabupaten Magetan Provinsi
(X3) jam kerja Jawa Timur”. Adapun, data
berdagang penelitian yang akan disajikan
per hari ≥ 10 telah berbentuk tabulasi data
jam menjadi variabel dummy agar

53
nantinya dapat diolah dan 1 0 0 0 0 0
dianalisis menggunakan model 1
regresi logistik biner. 1 0 0 0 0 0
Tabel 2.2 2
Data Penelitian 1 1 0 0 1 1
N Mo La Ja Pe Pen 3
o dal ma m nd dap 1 1 0 0 1 1
<5j Usa Ke idi atan 4
t= ha rja ka <2,1 1 1 0 0 1 1
0 <10 <1 n jt = 5
≥5j tah 0 <S 0 1 0 0 0 0 0
t= un ja M ≥2,1 6
1 =0 m A jt = 1 0 0 0 0 0
≥10 =0 =0 1 7
tah ≥1 ≥S 1 0 0 0 0 0
un 0 M 8
=1 ja A 1 1 1 1 1 1
m =1 9
=1 2 1 1 1 1 1
1 1 0 0 1 1 0
2 0 0 0 0 0 2 1 1 0 1 1
3 1 1 0 1 1 1
4 1 1 0 1 1 2 1 1 1 1 1
5 0 0 0 0 0 2
6 0 0 0 0 0 2 1 1 1 1 1
7 1 1 0 1 1 3
8 1 1 0 1 1 2 1 1 0 1 1
9 1 1 0 1 1 4
1 1 1 0 1 1 2 1 1 0 1 1
0 5

54
2 0 0 0 1 0 4 1 0 1 1 1
6 1
2 0 0 0 0 0 4 1 0 1 1 1
7 2
2 0 0 0 0 0 4 0 0 0 1 0
8 3
2 1 0 0 1 1 4 0 0 0 1 0
9 4
3 1 0 0 1 1 4 0 0 0 1 0
0 5
3 1 0 0 1 1 4 1 0 1 1 1
1 6
3 1 0 0 1 1 4 1 0 1 1 1
2 7
3 1 1 0 1 1 4 1 0 1 1 1
3 8
3 1 1 0 1 1 4 1 0 0 1 1
4 9
3 0 0 0 1 1 5 0 0 0 1 0
5 0
3 1 0 1 0 1 5 0 1 0 1 0
6 1
3 1 0 1 1 1 5 1 1 1 1 0
7 2
3 0 0 0 1 1 5 1 0 1 1 0
8 3
3 1 0 1 1 1 5 1 0 1 1 1
9 4
4 1 0 1 0 1 5 1 0 1 1 1
0 5

55
5 1 0 1 1 1 7 1 1 0 1 1
6 1
5 1 0 1 1 1 7 0 1 0 1 0
7 2
5 1 0 1 1 1 7 0 1 0 0 0
8 3
5 1 0 1 1 0 7 0 1 0 0 0
9 4
6 1 0 0 0 0 7 1 1 0 1 1
0 5
6 1 0 1 1 1 7 1 1 0 1 1
1 6
6 1 0 1 1 1 7 1 1 1 1 1
2 7
6 1 1 1 1 1 7 1 1 0 1 1
3 8
6 1 0 0 1 0 7 0 1 0 1 1
4 9
6 1 0 0 1 0 8 1 1 0 1 1
5 0
6 1 0 0 1 0 8 1 1 0 1 1
6 1
6 1 0 0 1 0 8 1 1 0 1 1
7 2
6 1 0 0 1 0 8 1 1 0 1 1
8 3
6 1 1 0 1 0 8 1 1 0 0 1
9 4
7 1 1 0 1 1 8 1 1 1 1 1
0 5

56
 8 1 1 1 1 1 analisis yang digunakan untuk
6 menganalisis data yang
8 0 1 1 1 1 berbentuk kategori atau data yang
7 mempunyai dua atau lebih
8 1 1 1 1 1 variabel terikat (dependen) yang
8 berskala biner (1 dan 0) terhadap
8 1 1 1 1 1 satu atau beberapa variable
9 bebas (independen) yang dapat
9 1 1 1 0 1 berbentuk kuantitatif atau kualitatif
0 dengan menggunakan variabel
9 1 1 1 0 1 dummy. Analisis regresi logistik
1 tidak memerlukan distribusi

9 1 1 1 1 1 normal dalam variabel

2 independen sehingga tidak

9 1 1 1 1 1 memerlukan uji normalitas, uji

3 heterokedastisitas, dan uji asumsi

9 0 1 0 0 0 klasik pada variabel

4 independennya (Ghozali, 2018).

9 1 1 1 1 1 Regresi logistik yang

5 digunakan dalam penyusunan

9 0 1 1 0 1 laporan makalah ini adalah

6 regresi logistik biner. Metode

analisis regresi logistik biner
9 1 1 1 1 1
digunakan untuk menganalisis
7
hubungan antara satu variable
respon dan beberapa variabel
E. Teknik Analisis
prediktor (Komalig, 2017).
Teknik analisis data yang
Dimana variabel respon
digunakan dalam pembuatan
berbentuk data kualitatif dikotomi
makalah ini adalah menggunakan
yaitu memiliki nilai 1 jika
model regresi logistik biner. Model
menyatakan keberadaan suatu
regresi logistik merupakan alat

57
karakteristik, dan bernilai 0 - Jika nilai prob. (P-Value) <
apabila menyatakan 0,05 maka H0 ditolak yang
ketidakberadaan suatu mengindikasikan bahwa ada
karakteristik. Menurut distribusi perbedaan signifikan antara
Bernoulli, dirumuskan sebagai model dengan nilai
berikut : observasinya, sehingga
F(yi) = πiyi (1 - πi )1-yi Goodness of Fit Test tidak bisa
Keterangan : memprediksi nilai
yi = peubah acak ke-i (bernilai 1 observasinya.
dan 0) - Jika nilai prob. (P-Value) >
πi = peluang kejadian ke-i 0,05 maka H0 diterima, artinya
Bentuk Regresi Logit : model sesuai dengan nilai
g(x) = In [π(x) / 1 – π(x)] = β0 + observasinya, sehingga
β1 X1 + β2 X2 + β3 X3 + …. + Goodness of Fit Test bisa
βn Xn memprediksi nilai
Uji kelayakan model observasinya.
digunakan untuk mengetahui Pengujian model secara
model tersebut menggunakan bersama-sama (overall model fit)
regresi logistik atau tidak. Uji dapat digunakan untuk
kelayakan model reresi dinilai mengetahui keterpengaruhan
menggunakan Hosmer and semua variabel independen
Lemeshow’s yang dalam mempengaruhi variabel
pengukurannya menggunakan dependen. Pengujian ini
nilai chi square. Model ini menggunakan Likelihood Ratio
digunakan untuk menguji Test atau statistik G.
hipotesis nol apakah data empiris Pengujian koefisien
dan sesuai dengan model determinasi pada regresi logistik
(Ghozali, 2018). Hipotesis dapat menggunakan Nagelkerke
tersebut dapat dijelaskan sebagai R Square. Tujuan pengujiannya
berikut: untuk mengetahui seberapa besar
variabel independen mampu

58
menjelaskan dan mempengaruhi 2017). Odds Ratio bernilai = 1
variabel dependen. Nilai yang berarti antara kedua variabel
Nagelkerke R Square mendekati tidak memiliki hubungan. Odds
0 berarti kemampuan variabel Ratio < 1 memiliki arti bahwa
independen dalam menjelaskan antara kedua variabel terdapat
variabel dependen sangat hubungan negatif terhadap
terbatas, sedangkan nilai perubahan kategori nilai x. Odds
mendekati 1 berarti variabel Ratio > 1 antara kedua variabel
independen mampu memberikan terdapat hubungan positif
semua informasi yang dibutuhkan terhadap perubahan kategori nilai
untuk memprediksi variabel x. Odds Ratio dapat
dependen (Ghozali, 2018). dididefinisikan sebagai berikut:
Pengujian model secara
parsial dapat digunakan dengan
menggunakan uji wald dengan
hipotesis :
- H0: 𝛽 = 0 (tidak ada pengaruh
BAB III
antara variabel independen
ANALISIS DATA PENELITIAN
terhadap variabel dependen)
- H1: 𝛽 ≠ 0 (ada pengaruh antara
A. Regresi Logistik
variabel independen terhadap
Regresi logistik adalah
variabel dependen)
model analisis regresi yang
Kriteria pengambilo9an
dilakukan ketika variabel
keputusan:
dependen bersifat dikotomis
- Jika prob < 0,05 maka H0
(binary). Seperti semua analisis
ditolak
regresi, regresi logistik adalah
- Jika prob > 0,05 maka H0
analisis prediktif. Regresi ini
diterima
digunakan untuk menggambarkan
Odds ratio adalah
data dan untuk menjelaskan
sekumpulan peluang yang dibagi
hubungan antara satu variabel
oleh peluang lainnya (Komalig,
binary dependen dan variabel

59
independen nominal, ordinal, untuk memaksimalkan
interval, atau rasio. keuntungan.
Regresi logistik digunakan Asumsi dalam
untuk menghitung kemungkinan menggunakan regresi logistik
terjadinya peristiwa binary, dan sebagai alat bantu alat analisis
untuk menangani masalah adalah sebagai berikut:
klasifikasi. Misalnya, memprediksi 1. Regresi logistik tidak
apakah email yang masuk adalah membutuhkan hubungan linier
spam atau bukan. Dalam konteks antara variabel independen
medis, regresi ini dapat digunakan dengan variabel dependen.
untuk memprediksi apakah tumor 2. Variabel independen tidak
itu jinak atau ganas. Dalam memerlukan
pemasaran, dapat digunakan asumsi multivariate normality.
untuk memprediksi apakah 3. Asumsi homokedastisitas tidak
pengguna tertentu akan membeli diperlukan
produk tertentu atau tidak. Selain 4. Variabel bebas tidak perlu
itu, bisa juga pada company e- diubah ke dalam bentuk metrik
learning menggunakannya untuk (interval atau skala ratio).
memprediksi apakah seorang 5. Variabel dependen harus
siswa akan menyelesaikan kursus bersifat dikotomi (2 kategori,
mereka tepat waktu atau tidak. misal: tinggi dan rendah atau
Intinya, regresi ini digunakan baik dan buruk)
untuk memprediksi kemungkinan 6. Variabel independen tidak
semua jenis hasil “ya” atau “tidak”. harus memiliki keragaman
Dengan memprediksi hasil seperti yang sama antar kelompok
itu, ini membantu analis data variabel
untuk membuat keputusan yang 7. Kategori dalam variabel
tepat. Dalam skema besar suatu independen harus terpisah
bisnis, ini membantu satu sama lain atau bersifat
meminimalkan risiko kerugian dan eksklusif
mengoptimalkan pengeluaran

60
8. Sampel yang diperlukan dalam bermanfaat dalam kasus di mana
jumlah relatif besar, minimum hanya ada dua kemungkinan hasil
dibutuhkan hingga 50 sampel untuk variabel target (binary).
data untuk sebuah variabel Untuk memprediksi kelas variabel
prediktor (independen). target, klasifikasi jenis ini
9. Dapat menyeleksi hubungan menggunakan satu atau lebih
karena menggunakan variabel prediktor yang dapat
pendekatan non linier log berupa kontinu atau kategorikal.
transformasi untuk Akan tetapi, tidak seperti regresi
memprediksi odds ratio. Odd linier biasa, jenis ini tidak
dalam regresi logistik sering mengasumsikan hubungan antara
dinyatakan sebagai variabel independen dan
probabilitas. dependen secara linier. Sehingga,
Selanjutnya, regresi regresi jenis ini merupakan
logistik dapat dibagi dalam 3 jenis regresi non-linier.
yang membedakan antara satu 2. Regresi logistik multinomial
sama lainnya yaitu: Regresi logistik multinomial
1. Regresi logistik biner digunakan ketika memiliki satu
Regresi logistik biner variabel dependen kategoris
adalah teknik statistik yang dengan dua atau lebih level yang
digunakan untuk memprediksi tidak berurutan). Jenis ini berguna
hubungan antara variabel terikat ketika kamu perlu
dan variabel bebas. Di mana, mengkategorikan subjek
variabel terikatnya bersifat binary. berdasarkan nilai kumpulan
Misalnya, outputnya bisa variabel prediktor. Mirip dengan
sukses/gagal, 0/1, benar/salah, regresi logistik binary, tetapi lebih
atau ya/tidak. Hubungan antara luas karena variabel
variabel target kategori dan satu dependennya tidak terbatas pada
atau lebih faktor independen dua kategori. Bedanya adalah di
diukur dengan menggunakan sini kamu dapat memiliki lebih dari
regresi ini. Di mana, ini dua kemungkinan hasil. Misalnya,

61
ketika kamu ingin memprediksi logistik binomial. Seperti bentuk
jenis transportasi apa yang paling regresi lainnya, regresi ordinal
banyak digunakan pada tahun dapat memprediksi variabel
2050. Jenis transportasi akan dependen melalui interaksi antara
menjadi variabel dependen, variabel independen. Di mana, ini
dengan kemungkinan keluaran mensyaratkan skala data variabel
kereta api, bus, dan sepeda. terikat adalah ordinal dan skala
Model logistik multinomial data variabel bebas boleh
mengasumsikan bahwa data kategorik ataupun kuantitatif.
bersifat spesifik kasus. Setiap Ordinal memiliki perbedaan
variabel independen memiliki nilai derajat di tiap kategorik, di mana
tunggal untuk setiap kasus. Ini ada yang lebih baik atau buruk
juga mengasumsikan bahwa dan tinggi atau rendah. Misalnya
variabel dependen tidak dapat pada tingkat pengetahuan
diprediksi secara sempurna dari seseorang, ada kategorik tingkat
variabel independen untuk kasus pengetahuan rendah, sedang,
apapun. dan tinggi. Contoh lain adalah
3. Regresi logistik ordinal pecandu alkohol berat, sedang,
Regresi logistik ordinal dan ringan.
adalah jenis regresi yang
menggunakan satu atau lebih B. Alat Analisis SPSS
variabel independen untuk Statistical Package for the
memprediksi variabel dependen Social Sciences (SPSS) adalah
ordinal. Ini adalah salah satu dari sebuah program aplikasi yang
berbagai jenis analisis yang memiliki kemampuan untuk
khusus digunakan jika variabel analisis statistik cukup tinggi serta
dependen adalah data berskala sistem manajemen data pada
kategorik bertingkat. Selain itu, lingkungan grafis dengan
regresi jenis ini dapat dianggap menggunakan menu-menu
sebagai generalisasi baik regresi deskriptif dan kotak-kotak dialog
linier berganda atau regresi yang sederhana sehingga mudah

62
dipahami untuk cara 7. Data Mining
pengoperasiannya. Beberapa 8. Melakukan Riset
aktivitas dapat dilakukan dengan Pemasaran.
mudah yaitu dengan Beberapa kemudahan
menggunakan pointing dan yang lain yang dimiliki SPSS
clicking mouse SPSS banyak dalam pengoperasiannya adalah
digunakan dalam berbagai riset karena SPSS menyediakan
pemasaran, pengendalian dan beberapa fasilitas. Berikut
perbaikan mutu (quality fasilitas SPSS adalah:
improvement), serta riset-riset 1. Data Editor
sains. SPSS pertama kali muncul Merupakan jendela untuk
dengan versi PC (bisa dipakai pengolahan data. Data editor
untuk komputer desktop) dengan dirancang sedemikian rupa
nama SPSS/PC+ (versi DOS). seperti pada aplikasi-aplikasi
Tetapi, dengan mulai populernya spreadsheet untuk
sistem operasi windows. SPSS mendefinisikan, memasukkan,
mulai mengeluarkan versi mengedit, dan menampilkan
windows (mulai dari versi 6.0 data.
sampai versi terbaru sekarang). 2. Viewer
Fungsi utama aplikasi SPSS Viewer mempermudah
adalah untuk analisis data, selain pemakai untuk melihat hasil
itu SPSS juga dapat digunakan pemrosesan, menunjukkan atau
sebagai berikut ini : menghilangkan bagian-bagian
1. Pengolahan dan tertentu dari output, serta
Mendokumentasikan Data memudahkan distribusi hasil
2. Representasi Data pengolahan dari SPSS ke
Statistik aplikasi-aplikasi yang lain.
3. Analisis Statistik 3. Multidimensional Pivot
4. Survei Tables
5. Pembuatan Data Turunan Hasil pengolahan data
6. Analisis Data akan ditunjukkan dengan multi

63
dimensional pivot tables. data yang siap untuk dianalisis.
Pemakai dapat melakukan Pemakai dapat dengan mudah
eksplorasi terhadap tabel melakukan subset data,
dengan pengaturan baris, kolom, mengkombinasikan kategori,
serta layer. Pemakai juga dapat add, aggregat, merge, split, dan
dengan mudah melakukan beberapa perintah transpose
pengaturan kelompok data files, serta yang lainnya.
dengan melakukan splitting tabel 7. Electronic Distribution
sehingga hanya satu group Pengguna dapat
tertentu saja yang ditampilkan mengirimkan laporan secara
pada satu waktu. elektronik menggunakan sebuah
4. High-Resolution Graphics tombol pengiriman data (e-mail)
Dengan kemampuan atau melakukan export tabel dan
grafikal beresolusi tinggi, baik grafik ke mode HTML sehingga
untuk menampilkan pie charts, mendukung distribusi melalui
bar charts, histogram, internet dan intranet.
scatterplots, 3-D graphics, dan 8. Online Help
yang lainnya, akan membuat SPSS menyediakan
SPSS tidak hanya mudah fasilitas online help yang akan
dioperasikan tetapi juga selalu siap membantu pemakai
membuat pemakai merasa dalam melakukan pekerjaannya.
nyaman dalam pekerjaannya. Bantuan yang diberikan dapat
5. Database Access berupa petunjuk pengoperasian
Pemakai program ini secara detail, kemudahan
dapat memperoleh kembali pencarian prosedur yang
informasi dari sebuah database diinginkan sampai pada contoh-
dengan menggunakan Database contoh kasus dalam
Wizard yang disediakannya. pengoperasian program ini.
6. Data Transformations 9. Akses Data Tanpa Tempat
Transformasi data akan Penyimpanan Sementara
membantu pemakai memperoleh

64
 Analisis file-file data yang untuk melakukan analisis lebih
sangat besar disimpan tanpa dari satu file data pada waktu
membutuhkan tempat yang bersamaan.
penyimpanan sementara. Hal ini 13. Mapping
berbeda dengan SPSS sebelum Visualisasi data dapat
versi 11.5 dimana file data yang dibuat dengan berbagai macam
sangat besar dibuat temporary tipe baik secara konvensional
filenya. atau interaktif, misalnya dengan
10. Interface dengan Database menggunakan tipe bar, pie atau
Relasional jangkauan nilai, simbol gradual,
Fasilitas ini akan dan chart.
menambah efisiensi dan
memudahkan pekerjaan untuk C. Langkah-Langkah Analisis
mengekstrak data dan Regresi Logistik Biner
menganalisnya dari database Menggunakan SPSS
relasional. 1. Buka aplikasi SPSS versi 26.0
11. Analisis Distribusi di Laptop
Fasilitas ini diperoleh
pada pemakaian SPSS for
Server atau untuk aplikasi multi
user. Kegunaan dari analisis ini
adalah apabila peneliti akan
menganalisis file-file data yang
sangat besar dapat langsung
me-remote dari server dan
memprosesnya sekaligus tanpa 2. Isi Variable view > Isi variabel-
harus memindahkan ke variabel yang akan digunakan
komputer user. dalam menganalisis data.
12. Multiple Sesi
Multiple sesi SPSS
adalah memberikan kemampuan

65
 Masukkan variabel Modal,
Lama Usaha, Jam Kerja, dan
Pendidikan pada menu
“Covariates” > Pilih Method
“Enter” > Terakhir klik tombol
3. Isi Data View > Input data dapat “Save”.
dilakukan dengan cara import
data melalui excel dengan pilih
menu file > klik “import data” >
lalu klik “excel” atau langsung
dengan cara copy data melalui
6. Setelah klik tombol Save
excel dan selanjutnya di paste
selanjutnya tekan menu
pada halaman data view sesuai
“Probabilities, Group
kolom dan baris yang
membership, dan
menunjukkan masing-masing
Unstandarized” > Lalu klik
variabel data.
“Continue”.

4. Selanjutnya klik menu 7. Selanjutnya klik menu

“Analyze” > pilih “Regression” > “Options”.
lalu pilih “Binary Logistic”.

8. Klik menu “Classification plots,

5. Masukkan variabel pendapatan
Hosmer-Lemeshow goodness-
pada menu “Dependent” >
of-fit, Casewise listing of

66
 residuals, Correlations of Selanjutnya klik “Save”
estimates, Iteration history, CI (SELESAI).
for exp (B) tulis 95%” >
Selanjutnya klik “Continue”.

BAB IV
9. Selanjutnya klik “OK” untuk
HASIL DAN PEMBAHASAN
melihat hasil.

A. Hasil Analisis Regresi Logistik

Untuk mengetahui pengaruh
modal, lama usaha, jam kerja, dan
tingkat pendidikan dalam
mempengaruhi tingkat
10. Setelah hasil dapat diketahui pendapatan pedagang kaki lima di
apabila ingin menyimpan bisa Kabupaten Magetan, Provinsi
klik “File” > Lalu klik “Save As” Jawa Timur dibuatlah model
regresi logistik yang akan
menganalisis bagaimana
hubungan antara variabel
independen yang meliputi modal,
lama usaha, jam kerja, dan tingkat
11. Pilih Folder Penyimpanan di pendidikan berpengaruh terhadap
Laptop yang diinginkan > Dapat variabel dependen yaitu
melakukan rename pada menu pendapatan pedagang kaki lima.
“file name” dan ubah format
melalui menu “Save as Type” >

67
 Nilai signifikansi lebih dari 0,05
1. Uji Kelayakan Model daat disimpulkan bahwa tidak
Gambar 4.1 ada perbedaan yang nyata
Hasil Uji Hosmer dan antara klasifikasi yang
Lemeshow diprediksi dengan klasifikasi
yang diamati atau model layak
dianalisis lebih lanjut dengan
regresi logistik biner.
2. Hasil Analisis Regresi
Uji kelayakan model
Logistik Biner
digunakan untuk mengetahui
Hasil analisis
apakah suatu model dapat
menggunakan model regresi
menggunakan regresi logistik,
logistik biner dilakukan untuk
dengan hipotesis:
mengetahui pengaruh modal,
- H0: Tidak ada perbedaan
lama usaha, jam kerja dan
antara klasifikasi yang
tingkat pendidikan terhadap
diprediksi dengan yang
tingkat pendapatan pedagang
diamati
kaki lima di Kabupaten
- H1: Ada perbedaan antara
Magetan, Provinsi Jawa Timur.
klasifikasi yang diprediksi
Beberapa uji analisis yang
dengan yang diamati
dilakukan dalam model regresi
Dengan pengambilan
logistik biner diantaranya:
keputusan apabila nilai
a. Uji Parameter secara
probabilitas > 0,05 maka H0
Bersama (Likelihood
diterima dan jika nilai
Ratio Test)
probabilitas < 0,05 H0 ditolak.
Gambar 4.2
Berdasarkan hasil uji
Likelihood Ratio Test
output menggunakan uji
Omnibus Tests of Model Coefficients
Hosmer and Lemeshow pada
Chi-
gambar di atas diperoleh hasil
square Df Sig.
nilai signifikan sebesar 0,961 >
0,05 yang berarti H0 diterima. Step 1 Step 59.287 4 .000

68
Block 59.287 4 .000 mempengaruhi perolehan
Model 59.287 4 .000 pendapatan dari pedagang
Pengujian model secara kaki lima di Kabupaten
bersama-sama (overall Magetan, Provinsi Jawa
model fit) dapat dilakukan Timur.
dengan menggunakan b. Uji Koefisien Determinasi
Likelihood Ratio Test atau (Nagelkerke R Square)
statistik G. Model hipotesis Tabel 4.3
yang digunakan adalah H0 Nagelkerke R
jika tidak ada pengaruh Square
antara variabel independen
terhadap variabel dependen
dan H1 jika ada pengaruh
antara variabel independen
terhadap variabel dependen. Pengujian koefisien
Dengan kriteria pengambilan determinasi pada regresi
keputusan adalah apabila logistik biner dapat dilakukan
probabilitas > 0,05 maka H0 dengan menggunakan
diterima dan jika probabilitas Nagelkerke R Square yang
< 0,05 maka H0 ditolak. bertujuan untuk mengetahui
Dari hasil pengujian seberapa besar variabel
diperoleh bahwa nilai independen mampu
probabilitas sebesar 0,000 menjelaskan dan
sehingga H0 ditolak karena mempengaruhi variabel
nilai probabilitasnya kurang dependen. Dari tabel diatas
dari 0,05. Dengan demikian, dapat diketahui bahwa nilai
dapat disimpulkan bahwa Nagelkerke R Square adalah
variabel modal, lama usaha, 0,644. Nilai tersebut dapat
jam kerja dan tingkat diartikan bahwa variabel
pendidikan secara bersama- modal, lama usaha, jam
sama mampu kerja dan tingkat pendidikan

69
 mampu menjelaskan Dengan kriteria pengambilan
perubahan pendapatan keputusan jika nilai
pedagang kaki lima di probabilitas < 0,05 maka H0
Kabupaten Magetan, ditolak dan > 0,05 H0
Provinsi Jawa Timur sebesar diterima.
64,4 persen. Sedangkan, Pada tabel diatas dapat
35,6 persen tingkat diketahui bahwa nilai
pendapatan pedagang kaki probabilitas pada masing-
lima dipengaruhi oleh masing variabel independen
variabel yang lain. yang mempengaruhi
c. Uji Parameter secara variabel dependen. Modal
Parsial (Uji Wald) memiliki nilai probabilitas
Tabel 4.4 0,001 < 0,05 maka H0 ditolak
Hasil Analisis Regresi yang artinya modal
Logistik Faktor yang berpengaruh secara
Mempengaruhi Pendapatan signifikan terhadap tingkat
Pedagang Kaki Lima pendapatan pedagang kaki
lima. Lama Usaha memiliki
nilai probabilitas sebesar
0,006 < 0,05 maka H0 ditolak
dan memiliki arti bahwa lama
Pengujian model secara
usaha berpengaruh secara
parsial dapat dilakukan
signifikan terhadap tingkat
menggunakan Uji Wald
pendapatan pedagang kaki
dengan hipotesis H0 jika
lima. Jam kerja memiliki nilai
tidak ada pengaruh antara
probabilitas 0,003 maka H0
variabel independen
ditolak yang berarti bahwa
terhadap variabel dependen
variabel jam kerja memiliki
dan H1 jika ada pengaruh
pengaruh yang signifikan
antara variabel independen
terhadap besaran tingkat
terhadap variabel dependen.
pendapatan pedagang kaki

70
 lima. Tingkat pendidikan
memiliki nilai probabilitas
0,112 > 0,05 maka H0
diterima yang memiliki arti
Berdasarkan
bahwa variabel tingkat
perhitungan Odds Ratio
pendidikan tidak memiliki
pada tabel diatas maka
pengaruh yang signifikan
dapat dijelaskan pengaruh
terhadap tingkat pendapatan
masing-masing variabel
pedagang kaki lima di
independen terhadap
Kabupaten Magetan,
variabel dependen sebagai
Provinsi Jawa Timur.
berikut:
d. Nilai Kecenderungan
- Pengaruh Modal
(Odds Ratio)
terhadap Pendapatan
Odds Ratio adalah
Pedagang Kaki Lima
perbandingan masing-
Variabel modal
masing kategori dari variable
secara parsial memiliki
inependen yaitu modal, lama
pengaruh secara
usaha, jam kerja dan tingkat
signifikan terhadap
pendidikan untuk
pendapatan pedagang
menjelaskan variable
kaki lima dibuktikan
dependen yaitu pendapatan
dengan nilai probabilitas
pedagang kaki lima. Hasil
modal sebesar 0,001 <
pengolahan nilai odds ratio
nilai signifikansi 0,05.
ditunjukkan dengan
Modal memiliki nilai Odds
besarnya Exp (B) pada
Ratio sebesar 12,220
output. Berikut ini
yang dapat diartikan
merupakan tabel yang
bahwa kecenderungan
menjelaskan mengenai
pedagang yang memiliki
analisis Odds Ratio:
modal lebih tinggi (≥ Rp5
Tabel 4.5
juta) memiliki peluang
Hasil Analisis Odds Ratio

71
 atau kesempatan untuk memiliki arti bahwasanya
memperoleh pendapatan kecenderungan
yang lebih tinggi (≥ Rp2,1 pedagang kaki lima yang
juta per bulan) sebesar memiliki usaha lebih lama
12,220 kali dibandingkan (≥10 tahun) mempunyai
pedagang yang memiliki peluang untuk
modal lebih rendah (< memperoleh pendapatan
Rp5 Juta), jika variabel lebih tinggi (≥ Rp2,1 juta
lain tetap. Dapat diartikan per bulan) sebesar 6,825
juga bahwa pedagang kali dibandingkan dengan
kaki lima dengan modal pedagang kaki lima yang
yang lebih tinggi maka memiliki lama usaha lebih
berpeluang memperoleh rendah (< 10 tahun), jika
pendapatan yang lebih variabel lain tetap. Dapat
tinggi pula. diartikan juga bahwa
- Pengaruh Lama Usaha pedagang kaki lima
terhadap Pendapatan dengan lama usaha yang
Pedagang Kaki Lima lebih tinggi maka memiliki
Nilai probabilitas peluang yang lebih besar
lama usaha sebesar untuk memperoleh
0,006 < nilai signifikansi pendapatan yang tinggi.
0,05. Hal ini menunjukkan - Pengaruh Jam Kerja
bahwa variabel lama terhadap Pendapatan
usaha secara parsial Pedagang
memiliki pengaruh secara Variabel jam kerja
signifikan dalam secara parsial
mempengaruhi tingkat berpengaruh secara
pendapatan pedagang signifikan terhadap
kaki lima. Lama usaha pendapatan pedagang
memiliki nilai odds ratio kaki lima yang dibuktikan
sebesar 6,825 yang dengan nilai probabilitas

72
 jam kerja sebesar 0,003 > yang berarti tidak memiliki
tingkat signifikansi 0,05. pengaruh secara
Jam kerja memiliki nilai signifikan terhadap
odds ratio sebesar 13,860 pendapatan pedagang
yang berarti bahwa kaki lima. Dapat diartikan
kecenderungan juga bahwa tidak ada
pedagang kaki lima yang kecenderungan
memiliki jam kerja lebih memperoleh pendapatan
panjang (≥ 10 jam per yang tinggi atau rendah
hari) memiliki peluang berdasarkan kepada
untuk memperoleh tingkat pendidikan yang
pendapatan lebih tinggi (≥ dimiliki oleh seorang
Rp2,1 juta per bulan) pedagang kaki lima.
sebesar 13,860 kali
dibandingkan pedagang
yang memiliki jam kerja BAB V
lebih singkat (< 10 jam per PENUTUP
hari), jika variabel lain
tetap. Dapat diartikan juga A. Kesimpulan
bahwa pedagang kaki Berdasarkan hasil analisis
lima dengan jam kerja mengenai pengaruh modal, lama
lebih lama maka usaha, jam kerja dan tingkat
berpeluang memperoleh pendidkan terhadap tingkat
pendapatan yang lebih pendapatan pedagang kaki lima di
tinggi. Kabupaten Magetan, Provinsi
- Pengaruh Tingkat Jawa Timur menggunakan model
Pendidikan terhadap regresi logistik biner dengan
Pendapatan Pedagang bantuan software SPSS maka
Nilai probabilitas dapat diperoleh kesimpulan dari
tingkat pendidikan hasil analisis yang telah dilakukan
sebesar 0,112 > 0,05 sebagai berikut:

73
1. Variabel modal, lama usaha, terhadap pendapatan
jam kerja dan tingkat pedagang kaki lima di
pendidikan secara bersama- kabupaten Magetan, Provinsi
sama berpengaruh secara Jawa Timur.
signifikan terhadap pendapatan
pedagang kaki lima di B. Saran
Kabupaten Magetan, Provinsi Saran yang dapat
Jawa Timur ditunjukkan diberikan oleh penulis
dengan nilai probabilitas 0,000 berdasarkan hasil penelitian
< 0,05 melalui uji Likelihood adalah agar pedagang kaki lima di
Ratio Test. Kabupaten Magetan, Provinsi
2. Variabel modal, lama usaha, Jawa Timur mampu
jam kerja dan tingkat meningkatkan modal usaha untuk
pendidikan mampu pengembangan usahanya
mempengaruhi tingkat dengan cara penambahan modal
pendapatan pedagang kaki secara mandiri atau melalui
lima di Kabupaten Magetan, pinjaman dari pihak lain.
Provinsi Jawa Timur sebesar Pedagang juga hendaknya dapat
64,4% yang ditunjukkan memaksimalkan jam kerja
dengan nilai Nagelkerke R utamanya pada jam-jam yang
Square sebesar 0,644. berpotensi banyak pembeli agar
3. Pengaruh masing-masing mampu meningkatkan
variabel independen secara pendapatan dan kesejahteraan
parsial berpengaruh secara para pedagang kaki lima. Dalam
positif dan signifikan terhadap merespon perkembangan zaman,
pendapatan pedagang kaki pedagang kaki lima hendaknya
lima pada variabel modal, lama mampu beradaptasi dengan
usaha, dan jam kerja. demand dari konsumen dan mulai
Sedangkan, untuk variabel terbiasa dengan perubahan dan
tingkat pendidikan tidak inovasi produk agar usahanya
berpengaruh secara signifikan mampu berjalan lama dengan

74
 konsumen yang loyal. Selain itu, SPSS 25 ((the d). Badan Penerbit
peran pemerintah baik pusat Universitas Diponegoro.
ataupun daerah dibutuhkan Semarang, Jawa Tengah.
kaitannya untuk pemberian Hidayat, A. (2015). Regresi Logistik.
pelatihan usaha kepada PKL, Diakses pada 3 Juni 2023, dari
dukungan penambahan modal https://www.statistikian.com/2015
melalui bantuan atau pinjaman, /02/regresi-logistik.html
serta dukungan lokasi atau Komalig, H., Langi, Y., & Tampil, Y.A.
kegiatan kemasyarakatan yang 2017. Analisis Regresi Logistik
mampu menjadi sarana bagi para untuk Menentukan Faktor-Faktor
pedagang kaki lima untuk yang Mempengaruhi IPK
berjualan dan menambah Mahasiswa FMIPA Unsrat. Jdc
pendapatan. 6(2), 56-62.
Kuncoro, Mudrajad. 2009. Metode Riset
untuk Bisnis dan Ekonomi. Edisi 3.
DAFTAR PUSTAKA Penerbit Erlangga.
Rokhman, N. (2021). Belajar Fungsi Dan
Amanah, U. (2023). Analisis Faktor- Cara Menggunakan SPSS
Faktor Yang Mempengaruhi (Program Analisis Statistika).
Pendapatan Pedagang Kaki Lima Diakses pada 3 Juni 2023, dari
Kabupaten Magetan Provinsi https://komputerisasi-akuntansi-
Jawa Timur. Fakultas Ekonomi d4.stekom.ac.id/informasi/baca/B
dan Bisnis Universitas Sebelas elajar-Fungsi-dan-Cara-
Maret. Surakarta, Jawa Tengah. Menggunakan-SPSS-Program-
Damsar, (2002). Sosiologi Ekonomi, Analisis-
Jakarta, PT. Raja Grafindo Statistika/7507d41ecbd162a0d6d
Persada. fdaaa9988a91184351735
Ghozali, I. (2018). Aplikasi Analisis
Multivariate dengan Program IBM

75
 BAB VII
AUTOGRESSIVE INTEGRETED MOVING AVERAGE (ARIMA)
PERAMALAN EKSPOR DENGAN HIBRIDA MENGGUNAKAN METODE
AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)

A. Latar Belakang ilmiah pada masa depan akan

Analisis time series jauh lebih bermakna daripada
merupakan salah satu metode prediksi yang hanya didasarkan
peramalan yang paling pada intuisi. Sama halnya dengan
dikembangkan saat ini. Teknik harga saham yang harus
peramalan time series terbagi dilakukan prediksi. Dengan
menjadi dua model yaitu model adanya prediksi pada harga
peramalan berdasarkan model saham ini nantinya akan sangat
matematika statistik (ARIMA, bermanfaat bagi investor dalam
exponential smoothing, moving mengambil keputusannya.
average, dan regresi) dan model Indeks saham PT. Bank
peramalan berdasarkan Central Asia merupakan salah
kecerdasan buatan (neural satu indeks saham yang
network, klasifikasi, dan algoritma terdaftar di Bursa Efek Indonesia
genetika). Peramalan (BEI). Indeks saham tersebut
(forecasting) digunakan untuk ditujukan sebagai tolak ukur untuk
memprediksi apa yang mungkin mengukur kinerja investasi pada
terjadi di masa mendatang. saham PT Bank Central Asia Tbk
Kemampuan untuk memprediksi dan diharapkan dapat
atau forecast merupakan teknik meningkatkan kepercayaan
analisis yang digunakan untuk investor. Saham PT Bank Central
membantu pelaku pasar modal Asia Tbk (BCA) memiliki kode
dalam menentukan dasar emiten BBCA telah tercatat di
pengambilan sebuah keputusan Bursa Efek Indonesia (BEI) sejak
strategis yang bisa memberikan 31 Mei 2000. Saham BBCA
keuntungan. Sebuah prediksi merupakan salah satu saham

76
yang termasuk dalam Indeks yang diperoleh bernilai relatif
LQ45 yaitu indeks dari 45 saham konstan.
di Bursa Efek Indonesia yang
memiliki likuiditas tinggi dan B. Rumusan Masalah
kapasitas pasar yang besar. Pada Bagaimanakah keakuratan
aktivitas perdagangan saham, metode ARIMA untuk
harga saham selalu mengalami memprediksi harga saham PT
fluktuasi, hal itu disebabkan oleh Bank Central Asia Tbk (BCA)
adanya permintaan dan periode bulanan mulai Januari
penawaran atas saham tersebut. 2022 sampai dengan Januari
Kondisi saham yang terus 2024 dan apakah nilai IHSG
mengalami fluktuasi membuat terdahulu berpengaruh dalam
para investor yang ingin meramalkan IHSG sekarang
melakukan investasi saham perlu dengan menggunakan metode
memperhatikan dan mempelajari ARIMA?
terlebih dahulu data masa lalu dari
perusahaan yang akan dipilih C. Tujuan Penelitian
untuk mengetahui bagaimana Tujuan dari penelitian ini
fluktuasi harga pada periode adalah untuk membuktikan
berikutnya. Oleh karena itu, keakuratan metode ARIMA dalam
diperlukan model untuk prediksi harga saham PT Bank
memprediksi fluktuasi harga Central Asia Tbk (BCA), dengan
saham PT Bank Central Asia Tbk demikian dapat diketahui apakah
(BCA) pada periode selanjutnya. nilai harga saham PT Bank
Menurut (Sari, 2017), disarankan Central Asia Tbk (BCA) terdahulu
untuk para investor baru berpengaruh terhadap peramalan
menjadikan saham perusahaan harga saham di masa mendatang.
Bank BCA sebagai pilihan
pertama untuk berinvestasi D. Metode Penelitian
karena harga peramalan saham Penelitian menggunakan data
harga saham penutupan PT. Bank

77
Central Asia dari bulan April 2017 variansi yang konstan.
sampai bulan November 2017. Data Ketidakstasioneran dalam rata
yang digunakan dalam penelitian ini rata ditunjukkan dengan masih
merupakan data sekunder dalam bentuk adanya tren pada plot data deret
data harian yang diperoleh dari laman waktu dan dapat dideteksi dengan
Yahoo Finance. Dalam penelitian ini data plot Autocorrelation Function
dibagi atas dua bagian, yaitu datain (ACF) atau dapat diuji dengan
sample dan data out sample . Data in Unit Root Test menggunakan Uji
sample digunakan untuk membangun Augmented Dickey-Fuller. Data
model indeks harga saham sampai pada yang tidak stasioner dalam rata-
tahap simulasi, sedangkan data out rata dapat dilakukan proses
sample digunakan untuk validasi model. differencing.
Data harga saham PT. Bank Central Asia 2. Mengidentifikasi model ARIMA
diperoleh selama 9 bulan terdiri dengan melihat plot ACF dan
sebanyak 190 data. Data in sample PACF.
terdiri dari 169 data yang dimulai pada Autokorelasi adalah
tanggal 3/4/2017 sampai dengan hubungan korelasi antara suatu
30/11/2017. Sedangkan data out sample observasi data dengan observasi
terdiri dari 21 data yang dimulai pada data lainnya. Autokorelasi dapat
tanggal 1/12/2017 sampai dengan divisualisasikan menggunakan
tanggal 29/12/2017. Berikut merupakan correlogram atau plot
langkah-langkah dalam memprediksi Autocorrelation Function (Hanke
harga saham menggunakan metode and Wichern, 2005). Partial
ARIMA yang akan dilakukan pada Autocorrelation Function adalah
penelitian ini dengan bantuan program hubungan korelasi antara 𝑍𝑡 dan
Minitab 18 dan R. 𝑍𝑡+𝑘 setelah dependensi linear
1. Membuat plot deret waktu dan antara 𝑍𝑡 dan 𝑍𝑡+𝑘 pada variabel
mengidentifikasi adanya intervensi 𝑍𝑡+1 , 𝑍𝑡+2,…, 𝑍𝑡+𝑘−1
kestasioneran dalam rata-rata dihapus (Wei, 2006).
Stasioner ditunjukkan Model Autoregressive
dengan rata-rata (mean) dan Integrated Moving Average

78
 (ARIMA) diperkenalkan oleh Box normalitas residual Jarque Bera
dan Jenkins. Pada model ini dan uji white noise.
terdapat proses Autoregressive Dalam mengetahui apakah
(AR) yang berordo-p atau proses residu yang dihasilkan
Moving Average (MA) yang berdistribusi normal atau tidak
berordo-q atau merupakan maka dilakukan uji normalitas
gabungan dari kedua proses Jarque Bera. Uji normalitas ini
(Cryer,1986). Differencing dapat diketahui dengan melihat
berordo-d digunakan apabila data hasil uji statistik Jarque Bera atau
deret waktu tidak stationer dengan melihat p-value.
terhadap rata-rata, padahal 5. Melakukan peramalan pada data
aspek-aspek AR dan MA dari out sample dan menghitung nilai
model ARIMA menghendaki data kesalahan prediksi menggunakan
yang stasioner terhadap varians MAPE.
maupun rata-rata. Pada tahap akhir adalah
3. Melakukan estimasi model validasi model atau menghitung
ARIMA menggunakan metode besar akurasi peramalan tersebut.
maximum likelihood. Dalam Makridakis (1999)
Metode estimasi parameter dijelaskan bahwa ukuran
model ARIMA yang banyak ketepatan atau akurasi peramalan
digunakan pada program olah digunakan sebagai kriteria
data statistik menggunakan penentuan dalam memilih suatu
estimasi conditional maximum metode peramalan sehingga
likelihood atau dikenal juga dapat digunakan untuk
dengan conditional least square menentukan metode peramalan
(CLS) digunakan untuk yang lebih baik. Metode yang
mengestimasi parameter dengan digunakan adalah Mean Absolute
meminimumkan jumlah kuadrat Percentage Error (MAPE).
fungsi residu (Wei, 2006).
4. Melakukan uji diagnostik pada E. Hasil dan Pembahasan
model menggunakan uji

79
 Data yang dipakai dalam
membentuk model adalah data in
sample harga saham. Plot data
runtun in sampel harga saham
menunjukkan bahwa harga saham
PT. Bank Central Asia mengalami
peningkatan atau kenaikan dari
waktu ke waktu maka dapat
disimpulkan bahwa data harga
saham PT. Bank Central Asia
memiliki trend naik.

Pada gambar ditunjukkan

bahwa data tidak stasioner karena itu
dilakukan transformasi pada data dan
dilakukan differencing satu kali (𝑑 = 1)
untuk mencari output yang stasioner.
Kestasioneran data dilakukan
Setelah dilakukan transformasi data
untuk melihat apakah data sudah
dan differencing satu kali dapat dilihat
memenuhi asumsi stasioner atau
bahwa plot data menunjukkan
belum. Pada plot runtun waktu terlihat
kecenderungan berada di sekitar nilai
data tidak stasioner dalam dalam rata-
tengah nol. Selain itu dari uji
rata terlihat dari plot Autocorrelation
Augmented Dicky Fuller juga
Function (ACF) menunjukkan pola dies
diperoleh p value = 0,01 < 0,05 yang
down serta plot Partial Autocorrelation
menunjukkan data telah stasioner.
Function (PACF) pada menunjukkan
pola terputus setelah lag-1.

80
 signifikan di lag-1. Dari
kedua plot tersebut ada
tiga model yang
teridentifikasi yaitu ARIMA
(1,1,0), ARIMA (0,1,1) dan
ARIMA (1,1,1). Tahap
selanjutnya adalah

a. Identifikasi Model ARIMA dan pendugaan parameter

Estimasi Parameter Model model dengan proses trial

and error sehingga
memperoleh kandidat-
kandidat model. Dari
pendugaan parameter
model didapat model yang
memiliki parameter yang
nyata yaitu ARIMA (1,1,1)

b. Uji Diagnostik Model

Setelah didapatkan
Tahap selanjutnya
model terbaik, selanjutnya
adalah mengidentifikasi
adalah uji diagnostik
model tentatif berdasarkan
terhadap residual model.
plot ACF dan PACF. Plot
Pengujian Ljung Box
ACF menunjukkan ordo-𝑞
Pierce menunjukkan nilai
dan plot PACF
ACF residual tidak berbeda
menunjukkan ordo-𝑝.
nyata dengan nol pada
Gambar menunjukkan
semua lag. Selain menguji
bahwa terdapat lag
residu apakah memenuhi

81
 proses white noise, dilakukan peramalan pada
residual juga harus model. Validasi model
berdistribusi normal maka diperlukan untuk melihat
dilakukan uji normalitas keakuratan model, yaitu
pada residual dengan membandingkan data
melakukan uji Jarque Bera. aktual atau data out
sample dengan data hasil
peramalan model yang
dalam hal ini
menggunakan Mean
Absolute Percentage Error
(MAPE). Nilai MAPE yang
dihasilkan pada validasi
Hasil dari uji Jarque
model ini adalah sebesar
Bera diperoleh p-value =
1,95% yang berarti model
0,06857 > 0,05 yang berarti
ARIMA (1,1,1) adalah
residu dari model
model yang cukup baik dan
berdistribusi normal.
akurat dalam meramalkan
Dengan demikian asumsi
data harga saham untuk
white noise dan normalitas
periode jangka pendek.
residu telah terpenuhi
sehingga dapat dikatakan
bahwa model ARIMA
(1,1,1) layak digunakan
sebagai peramalan.
c. Peramalan dan Validasi
Model
Setelah melakukan F. Kesimpulan
uji diagnostik pada model
Berdasarkan hasil dan
dan mengetahui bahwa
pembahasan diperoleh model
model layak untuk
ARIMA yang baik digunakan
digunakan, selanjutnya

82
 untuk meramal harga saham PT. Peramalan. Jakarta: Binarupa
Bank Central Asia (BCA) adalah Aksara.
model ARIMA (1,1,1). Nilai MAPE
yang diperoleh dari validasi model
adalah sebesar 1,95% dan hal
tersebut menunjukkan bahwa
model ARIMA (1,1,1) dapat
meramalkan data harga saham
PT. Bank Central Asia dengan
sangat akurat.

G. Daftar Pustaka
Anityaloka, R. N., &
Ambarwati, A. N. (2013).
Peramalan Saham Jakarta
Islamic Index Menggunakan
Metode ARIMA Bulan Mei-Juli
2010. Jurnal Statistika Universitas
Muhammadiyah Semarang, 1(1).
Cryer, J.D. (1986). Time
Series Analysis. Boston : Duxbury
Press
Makridakis, S.,
Wheelwright, S.C. & McGee, V.E.
(1983). Forecasting: Methods and
Applications (2nd Edition). New
York: John Wiley and Sons.
Makridakis, S.,
Wheelwright, S.C. & McGee, V.E.
(1999). Metode dan Aplikasi

83
 BAB VIII
DATA ENVELOPMENT ANALYSIS (DEA)
Penggunaan Alat Analisis Data Envelopment Analysis (DEA) dalam Analisis
Efisiensi Lembaga Keuangan Bank Umum tahun 2018 dan 2019

BAB I
PENDAHULUAN

A. LATAR BELAKANG dari masyarakat dengan prinsip

kehati-hatian. Kegiatan
Bank merupakan lembaga
perbankan merupakan kegiatan
keuangan yang memiliki peranan
yang mengedepankan prinsip
penting dalam perekonomian.
keperyacaan dan kehati-hatian.
Secara umum, bank didefinisikan
Lembaga perbankan
sebagai lembaga keuangan yang
semakin mendapat kepercayaan
usaha pokoknya adalah
masyarakat Indonesia hal ini
menghimpun dana dan
terbukti dengan semakin tumbuh
menyalurkannya kepada
dan berkembangannya bank
masyarakat dalam bentuk kredit
mulai dari jenis hingga
serta memberikan jasa dalam lalu
bermacam-macam kegiatan
lintas pembayaran dan predaran
operasional perbankan yang
uang. Bank menjadi bagian dari
ditawarkan kepada masyarakat.
sistem keuangan dan sistem
Secara umum, perbankan di
pembayaran suatu negara, pada
Indonesia didominasi oleh
zaman saat ini, bank juga telah
kepemilikan pemerintah. Upaya
menjadi bagian dari sistem
pemerintah untuk meningkatkan
keuangan dan sistem
efisiensi disektor keuangan
pembayaran dunia. Dengan
dilaksanakan melalui
demikian, kegiatan Perbankan
penggalakan persaingan antar
membutuhkan suatu sistem yang
bank. Untuk itu pada tahun 1988
terpadu demi menjalankan dan

84
pemerintah mengeluarkan Efisiensi didefinisikan
deregulasi berupa Paket sebagai kemampuan perusahaan
Kebijakan 27 Oktober 1988 dalam menghasilkan output yang
(PAKTO’88). Dampak dari maksimal dengan menggunakan
dikeluarkannya PAKTO’88 ini input yang minimal. Beberapa isu
adalah munculnya bank-bank yang berkembang saat ini di
baru yang disertai dengan industri perbankan lebih
bertambahnya kantor-kantor memfokuskan pada efisiensi
cabang baru. Jika sebelum perbankan. Semakin
deregulasi terdapat 66 bank berkembangnya teknologi di era
swasta nasional, maka setelah digital ini diharapkan bisa menjadi
deregulasi pada tahun 1996 jawaban atas penanganan
terdapa 164 bank. Kondisi ini operasional yang lebih efisien.
menjadi penyebab terjadinya Seperti penyediaan fasilitas
persaingan antar bank semakin Internet Banking yang terbukti
bertambah, terutama dalam hal banyak membantu perbankan
menarik nasabah, baik berupa dalam menekan biaya
pengumpulan dana maupun operasional sehingga bank bisa
penyaluran kredit. Namun dengan tumbuh dengan lebih efisien lagi.
adanya kebijakan ini, usaha Melihat kondisi yang telah
perbankan tidak akan lepas dari diuraikan diatas, perbankan perlu
berbagai risiko dalam meningkatkan efisiensi
menjalankan operasinya. operasionalnya agar mampu
Beberapa risiko yang sering dalam menghadapi perubahan
dihadapi oleh perbankan adalah yang mungkin terjadi.
ketidakpastian mengenai suatu Efisiensi dapat difokuskan
hasil yang diperkirakanatau untuk meningkatkan kinerja
diharapkan akan diterima, dalam perbankan untuk menghasilkan
hal ini perbankan dikatakan tidak laba yang optimal melalui
memperhatikan masalah efisiensi peningkatan pendapatan serta
dalam operasional nya. penekanan biaya operasional.

85
 Faktor penentu yang D. MANFAAT
mempengaruhi tingkat efisiensi - Bagi Mahasiswa, penelitian ini
perbankan diantaranya adalah memberikan wawasan baru
ukuran bank, capital adequacy pada efisiensi suatu lembaga
ratio, loan to deposit ratio, non keuangan bank dan
performing loan dan kapitalisasi. menambah pengetahuan baru
Bukti empiris hubungan antara terkait penerapan alat analisis
ukuran bank dan efisiensi masih Data Envelopment Analysis.
problematik. Saat ini, masalah - Bagi regulator, penelitian ini
efisiensi yang dihadapi, antara menjadi sasara untuk
lain disebabkan: 1. Permasalahan pembentukan kebijakan yang
yang timbul sebagai kurangnya akan dilakukan bagi efisiensi
sumber daya yang ada, 2. lembaga keuangan bank.
Persaingan yang semakin kuat - Bagi masyarakat, penelitian ini
dan ketat, dan 3. Meningkatnya dapat dijadikan penilaian bagi
standar kepuasan konsumen. masyarakat untuk memilih
B. RUMUSAN MASALAH lembaga keuangan bank yang
Bagaimana efisiensi sudah efisien.
lembaga keuangan bank yang -
terdaftar di Bursa Efek Jakarta
BAB II
(BEJ) pada tahun 2018-209
METODOLOGI
dalam pengelolaan sumberdaya
A. METODE
(input) menjadi hasil kerja
Penelitian ini
(output)?
menggunakan jenis penelitian
C. TUJUAN
studi empiris. Empiris merupakan
Tujuan penelitian ini yaitu teori epistemologi yang
untuk mengetahui efisiensi menganggap bahwa pengalaman
lembaga keuangan bank pada adalah sesuatu yang diperoleh
tahun 2018-2019 dalam atau bisa diamati. Penelitian
pengelolaan sumberdaya menjadi empiris merupakan metode
hasil kerja. penelitian yang dilakukan dengan

86
 menggunakan bukti-bukti empiris. adalah penentuan subjek
Fokus utama dari penelitian studi penelitian karena dengan peneliti
empiris ini berupa informasi yang mengetahui subjeknyam naka
diperoleh dari pengalaman peneliti dapat mengetahui apa
langsung, yang mana berupa atau yang akan menjadi sumber
data. Data dalam penelitian informasi. Menurut Suharsimi
empiris juga terbagi menjadi dua Arikunto (2010), subjek
jenis, yakni data kuantitatif dan penelitian adalah batasan
data kualitatif. penelitian di mana peneliti bisa
Menurut Arikunto (2019, menentukannya dengan benda,
hlm. 27) penelitian kuantitatif hal atau orang untuk melekatnya
adalah metode penelitian yang variabel penelitian.
sesuai dengan namanya, banyak Subjek dalam penelitian
dituntut menggunakan angka, ini adalah lembaga keuangan
mulai dari pengumpulan data, Bank yang terdaftar di BEI pada
penafsiran terhadap data tahun 2018 dan 2019. Dalam
tersebut, serta penampilan penilaian tingkat efisiensi
hasilnya. Dengan menggunakan lembaga keuangan bank
pendekatan kuantitatif ini, menggunakan metode DEA,
penelitian ini dapat memberikan dimana penilaian dengan DEA
hasil yang sesuai dengan hanya berlaku pada UKE sebagai
rumusan masalah. Penelitian ini sampel yang dianalisis. Variabel
menerapkan pendekatan yang digunakan pada penelitian
kuantitatif agar dapat mengukur ini dibagi menjadi dua, yaitu
tingkat efisiensi suatu lembaga variabel input dan variabel
keuangan bank pada tahun 2018 output. Pada variabel input,
dan 2019. variabel yang digunakan antara
lain aktiva tetap, Jumlah
B. SUBJEK PENELITIAN Simpanan, dan Beban Tenaga
Pada kegiatan penelitian, Kerja. Sedangkan pada variabel
hal yang menjadi hal penting output, variabel yang digunakan

87
 antara lain Jumlah Kredit, Kredit 1.851.14 1.756.34
Pendapatan Operasional (miliar 1 2
Lainnya, serta Kas. Rp)
Laba 38.329 34.748
C. DATA PENELITIAN setelah
Pada penelitian ini, sampel pajak
dipilih dengan menggunakan (miliar
metode Purposive Sampling. Rp)
Purposive Sampling adalah salah CAR 22,97 23,40
satu teknik non random sampling (%)
dimana peneliti menentukan ROA 2,55 2,47
pengambilan sampel dengan cara (%)
menetapkan ciri-ciri khusus yang BOPO 77,86 79,39
sesuai dengan tujuan penelitian (%)
sehingga diharapkan dapat LDR 94,78 94,43
menjadi jawaban dari (%)
permasalahan penelitian. NIM (%) 5,14 4,91

Tabel 1: Inndikator Perbankan NPL 4,07 3,20

Nasional 2018 dan 2019 (%)
Indikato 2018 2019 Sumber : Statistik Perbankan
r Indonesia, diolah.
Total 7.751.62 8.212.58 Penelitian ini
aset 1 6 menggunakan data yang
(miliar bersumber dari Statistik
Rp) Perbankan Indonesia. Teknik
Dana 1.769.02 1.672.21 pengumpulan data yang
pihak 6 7 digunakan dalam penelitian adalh
ketiga dokumentasi, yaitu cara
(miliar mengumpulkan dan membaca
Rp) data-data untuk memperoleh

88
 informasi yang berkaitan dengan produk atau keputusan
masalah yang diteliti. sebagai output.
D. TEKNIK ANALISIS DEA merupakan
Teknik nalisis dalam suatu metodologi yang
penelitian ini menggunakan Data digunakan untuk
Envelopment Analysis (DEA) mengevaluasi produktivitas
yang berfungsi unntuk menilai dari suatu unit
efisiensi dalam penggunaan pengambilan keputusan
sumber daya (input) untuk (unit kerja) yang
mencapai hasil (output) yang bertanggungjawab
tujuan nya untuk maksimalisasi menggunakan sejumlah
efisiensi. Teknik ini pertama input untuk memperoleh
diperkanalkan oleh Charnes, suatu output yang
Cooper, dan Rhodes pada tahun ditargetkan. Unit-unit yang
1978. Pada penelitian ini, peneliti dianalisis oleh DEA disebut
menggunakan software DEA versi unit pembuat keputusan
2.1 dalam menganalisis efisiensi (UPK).
lembaga keuangan bank umum. DEA membandingkan tiap-
tiap UPK dengan UPK
yang dianggap paling baik
atau efisien atau dengan
BAB III
kata lain DEA
ANALISIS DATA PENELITIAN
mengidentifikasi batas
A. ALAT ANALISIS DEA
efisien (frontier) pada
a. Pengertian
beberapa perbandingan
Data Envelopment
atas UPK.
Analysis (DEA) merupakan
metode nonparametrik Efisiensi dari tiap UPK =
yang bertujuan untuk 𝑇𝑜𝑡𝑎𝑙 𝑎𝑡𝑎𝑢 𝑏𝑜𝑏𝑜𝑡 𝑖𝑛𝑝𝑢𝑡
𝑇𝑜𝑡𝑎𝑙 𝑛𝑖𝑙𝑎𝑖 𝑎𝑡𝑎𝑢 𝑏𝑜𝑏𝑜𝑡 𝑜𝑢𝑡𝑝𝑢𝑡
melakukan penilaian
b. Kelebihan DEA
efisensi antara sumber
daya sebagai input dan

89
 DEA merupakan untuk menghasilkan
analisis yang menekankan prosedur terstruktur
pada pendekatan yang dengan mengutamakan
berorientasi kepada tugas efisiensi; (4) Input dan
dan lebih memfokuskan output dapat memiliki
kepada tugas yang satuan pengukuran yang
penting, yaitu berbeda.
mengevaluasi kinerja dari c. Kekurangan DEA
unit pembuat Tidak hanya
keputusan/DMU. Alat kelebihan, alat analisis
analisis DEA memiliki DEA memiliki beberapa
beberapa keunggulan, kekurangan yang tentu
diantaranya: (1) menjadi pertimbangan
Kemampuan untuk setiap peneliti dalam
mengakomodikasika pengaplikasian alat
multipel input dn output analisis ini. Kekurangan
dengan urutan permodelan alat analisis DEA,
matematika yang sesuai diantaranya; (1) DEA
dengan prioritas yang unggul dalam
dipiliih; (2) Dapat melakakukan estimasi
menangani banyak input efisiensi relatif UKE (unit
dan output dan tidak Kegiatan Ekonomi) namun
membutuhkan asumsi alat analisis ini sangat
hubungan fungsional lambat dalam pengukuran
antara variabel input dan efisiensi absolut; (2) Alat
variabel output; (3) DEA analisis DEA
dapat digunakan dalam menggunakan perumusan
pengukuran performa linear programing terpisah
efisiensi dalam proyek Six untuk tiap DMU; (3) Alat
Sigma. Six Sigma analisis DEA merupakan
merupakan metodologi metode nonparametik yang

90
 tidak mengetahui memproses data untuk
hubungan fungsional antar mendapatkan hasil yang
input dan output yang diinginkan; dan (4) Setelah
dihitungnya, maka test memproses data tersebut, DEA
hipotesis statistik sulit akan memberikan hasil analisis
dilakukan; (4) Alat analisis yang menjadi pertimbangan untuk
DEA merupakan extreme peneliti dan peneliti dapat
pint technique sehingga menginterpretasi hasil analisis
jika adanya kesalahan tersebut.
pengukuran dapat
berakibat fatal.
BAB IV
B. PENGGUNAAN APLIKASI DEA
HASIL DAN PEMBAHASAN
Dalam penggunaan
A. Nilai Efisiensi Lembaga
aplikasi DEA, ada beberapa
Keuangan Bank Umum Tahun
proses yang harus dicermati oleh
2018 dan 2019
peneliti agar data yang digunakan
Efisiensi perbankan
untuk menganalisis efisiensi
merupakan ukuran kinerja atas
lembaga keuangan bank umum
kegiatan operasional yang
dapat menghasilkan hasil analisis
dijalankan lembaga perbankan.
yang sempurna. Beberapa
Efisiensi bank dihitung
langkah yang harus menjadi fokus
denganmenggunakan metode
utama yaitu; (1) Peneliti harus
DEA dengan asumsiConstant
menyiapkan data yang akan
Return to Scale (CRS) yang
dianalisis dengan menggunakan
berorientasi input. Bank dikatakan
data yang akurat dan berasal dari
efisien apabila nilai efisiensi sama
sumber nya; (2) Peneliti wajib
dengan satu atau lebih dari satu
menyiapkan Software DEA yang
(nilai efisiensi = 100%), namun
akan menjadi alat analisis
apabila efisiensi kurang dari satu
penelitian ini; (3) Proses data
(nilai efisiensi < 100%) maka bank
dnegan aplikasi yang suda
dikatakan tidak efisien.
disiapkan. Peneliti mengulik dan

91
Tabel 2: Nilai Efisiensi Lembaga Bank 100 90,9 95,4
Keuangan Bank Umum CIMB 0 5
Nama Tahun Rata Niaga
Bank 201 201 -rata Sumber: hasil olahan
8 9 (µ) Pada tahun 2018, terdapat
Bank 89,9 95,2 92,5 Bank Danamon, Bank Rakyat
Negara 2 6 9 Indonesia, Bank Tabungan
Indonesia Negara, Bank Central Asia, Bank
Bank 100 100 100 Mega, dan Bank CIMB Niaga
Danamon yang mampu mencapai pada titik
Bank 100 100 100 efisien. Pencapaian pada titik
Rakyat efisien diketahui dari nilai efisiensi
Indonesia yang diperoleh dimana bank-bank
Bank 100 100 100 tersebut memperoleh nilai
Tabungan efisiensi 100%. Sedangkan, Bank
Negara Negara Indonesia, Bank Permata,
Bank 100 100 100 Bank Mandiri dan Bank
Central Internasional Indonesia belum
Asia mencapai pada titik efisien.
Bank 94,8 100 97,4 Diketahui bahwa efisiensi pada
Permata 5 2 Bank Negara Indonesia sebesar

Bank 95,6 88,3 92 89,92%, Bank Permata sebesar

Mandiri 6 4 94,85%, Bank Mandiri sebesar

Bank 83,8 100 91,9 95,66%, dan Bank internasional

Internasio 1 0 Indonesia memperoleh hasil

nal efisiensi sebesar 83,81%.

Indonesia Pada tahun 2019,

Bank 100 100 100 keadaanya berbalik pada Bank

Mega Danamon, Bank Rakyat

Indonesia, Bank Tabungan
Negara, Bank Central Asia, Bank

92
Permata, Bank Internasional tidak menjadi bank yang memiliki
Indonesia, dan Bank Mega. Tujuh rata-rata nilai efisiensi terendah
bank tersebut mampu mencapai karena tiap tahunnya capaian nilai
pada titik efisien dimana hasil efisiensinya masih cukup tinggi.
olahan data yang diperoleh B. TINGKAT PERBAIKAN
sebesar 100%.Sedangkan pada VARIABEL INPUT DAN OUTPUT
bank lainnya, yaitu Bank Negara Analisis DEA juga
Indonesia, Bank Mandiri, dan menghasilkan informasi
Bank CIMB Niaga tidak mampu mengenai kondisi setiap variabel
mencapai pada titik efisien. Dalam input dan output yang memiliki
olahan data, Bank Negara potensi perbaikan (potential
Indonesia memperoleh hasil improvement) untuk mencapai
sebesar 95,26%, Bank Mandiri target nilai efisiensi yang dicapai
sebesar 88,34%, dan Bank CIMB UPK lain yangdinyatakan dalam
Niaga memperoleh hasil sebesar persentase yang mengacu pada
90,90% yang menandakan UPK lain sebagai benchmark.
ketidakefisienan bank-bank Dengan capaian yang ditampilkan
tersebut. pada Tabel 2 maka Bank
Dalam capaian rata-rata Danamon, Bank Rakyat
apnilai efisiensi terendah selama Indonesia, Bank Tabungan
periode penelitian diperoleh pada Negara, dan Bank Central Asia
Bank Internasional Indonesia tidak lagi memerlukan perbaikan
dengan rata-rata nilai efisiensi lagi di tiap variabelnya, tetapi bank
sebesar 91,20% yang disebabkan ini malah nantinya memungkinkan
oleh capaian nilai efisiensinya menjadi reference set atau
yang anjlok pada tahun 2018. benchmark bagi bank lain yang
Bank Negara Indonesia dan Bank belum efisien. Reference set di
Mandiri merupakan bank yang sini memiliki acuan pada bank
setiap tahun selama periode yang dinilai telah efisien setiap
penelitian sama sekali tidak masing-masing tahun, sehingga
pernah mencapai efisien, namun reference set ini akan selalu

93
berubah setiap tahunnya dalam 3,1% serta meningkatkan aktiva
setiap bank menyesuaikan produktif sebesar 1,8%,
dengan nominal aktual variabel
bank tersebut. Dari masing-
masing nilai multiplier tersebut
akan diketahui besaran nominal
aktual yang dibutuhkan untuk
mengoptimalkan perbaikan pendapatan bunga sebesar 1,8%,
efisiensi pada tiap variabel yang dan pendapatan non bunga
belum efisien. sebesar 1,8%. Pada tahun 2010
Tabel 3: Tingkat Potensi memiliki reference set pada Bank
Perbaikan Variabel Input dan Rakyat Indonesia dengan
Output Bank Negara Indonesia multiplier sebesar 0,183, Bank
Tahun 2018 dan 2019 (dalam %) Tabungan Negara dengan

Sumber: hasil olahan multiplier sebesar 0,248, dan

Bank Negara Indonesia Bank Central Asia dengan
pada tahun 2018 memiliki multiplier sebesar 0,473.
reference set pada Bank
Danamon dengan multiplier
sebesar 0,129, Bank Rakyat
Indonesia dengan multiplier
sebesar 0,010, dan Bank Central
Asia dengan multiplier sebesar
0,452 untuk untuk mengurangi
variabel input beban gaji sebesar

94
Tabel 4: Tingkat Potensi Danaom dan Bank Central Asia.
Perbaikan Variabel Input dan Di tahun 2019 Bank Mandiri
Output Bank CIMB Niaga Tahun memiliki reference set pada Bank
2018 dan 2019 (dalam %) Danamon, Bank Rakyat
Indonesia, dan Bank Cenral Asia.
Terdapat nilai potensi perbaikan
terlihat sangat besar bahkan
melebihi 50%, yaitu pada variabel
input beban non bunga di tahun
Sumber: hasil olahan 2019 hingga sebesar 84,7%.
Bank CIMB Niaga dalam Tabel 6: Tingkat Potensi
meningkatkan efisiensi Perbaikan Variabel Input dan
variabelnya, pada tahun 2018 Output Bank Internasional
memiliki acuan pada Bank Indonesia Tahun 2018 dan 2019
Danamon, Bank Rakyat
Indonesia, dan Bank Permata.
Pada tahun 2010 dan 2011 Bank
CIMB Niaga tidak memiliki acuan
pada siapapun karena sudah (dalam %)
efisien.
Sumber: hasil olahan
Tabel 5: Tingkat Potensi
Berdasarkan tabel di atas,
Perbaikan Variabel Input dan
Bank Internasional Indonesia di
Output Bank Mandiri Tahun 2018
tahun 2018 memiliki acuan pada
dan 2019 (dalam %)
Bank Danamon, Bank Central
Sumber: hasil olahan Asia, dan Bank Mega untuk
Dalam upaya menaikkan variabel output Aktiva
meningkatkan efisiensinya agar Produktif sebesar 35,3%,
efisien, potensi perbaikan variabel Pendapatan bunga sebesar
input dan output Bank Mandiri 16,2%, dan Pendapatan non
pada tahun 2018 Bank Mandiri bunga sebesar 38,2% agar
memiliki reference set pada Bank menjadi efisien. Bank

95
Internasional Indonesia di tahun multiplier sebesar 0,142 untuk
2019 tidak memiliki acuan pada mengurangi variabel input beban
siapapun karena sudah efisien gaji sebesar 5,6% serta
dan tidak perlu menurunkan meningkatkan variabel output
variabel input maupun menaikkan aktiva produktif sebesar 9,4%,
variabel outputnya. pendapatan bunga sebesar 9,4%,
Tabel 7: Tingkat Potensi dan pendapatan non bunga
Perbaikan Variabel Input dan sebesar 36,1 % agar menjadi
Output Bank Permata Tahun 2018 efisien.
dan 2019 (dalam %) BAB V
KESIMPULAN & SARAN
A. KESIMPULAN
Hasil penelitian dari perolahan
data menggunakan alat analisis
Data Envlopment Analysis
menghasilkan tingkat efisiensi

Sumber: hasil olahan Lembaga Keuangan Bank Umum.

Berdasarkan tabel yang Pertama, Berdasarkan hasil

telah disajikan, Bank Permata di perhitungan dengan DEA, secara

tahun 2018 tidak memiliki acuan rata-rata bank umum di Indonesia

pada siapapun karena sudah dari tahun 2018 sampai 2019

efisien dan tidak perlu memiliki rentang nilai efisiensi

menurunkan variabel input antara 91,90% sampai dengan

maupun menaikkan variabel 100%. Bank yang memiliki rata-

outputnya. Pada tahun 2019, rata nilai efisiensi terendah adalah

memiliki reference set pada Bank Bank Internasional Indonesia.

Rakyat Indonesia dengan Perkembangan nilai efisiensi

multiplier sebesar 0,050, Bank cenderung fluktuaktif, hanya Bank

Tabungan Negara dengan Danamon, Bank Rakyat

multiplier sebesar 0,174, dan Indonesia, Bank Tabungan

Bank Central Asia dengan Negara, dan Bank Central Asia

96
 saja yang konsisten sepanjang kembali dengan menganalisis
periode penelitian dengan potensi perbaikan dalam variabel
capaian selalu efisien atau input dan output sehingga Bank
mendapatkan nilai efisiensi 100%. Umum dapat mencapai pada
Kedua, variabel input tingkat efisiensi nya masing-
menunjukkan potensi perbaikan masing.
(potential improvement) yang
DAFTAR PUSTAKA
bervariasi antara 0% sampai
Prasetyia, Ferry. 2004. Analisis Efisiensi
dengan 84,7%. Sedangkan
Kinerja Perbankan dengan
variabel output berkisar antara 0%
Pendekatan Data Envelopmet
sampai 40,1%. Nilai tersebut
Analysis (DEA): Studi Kasus Pada
menunjukkan bahwa pencapaian
Perbankan Indonesia (2000-2003).
variabel beberapa bank belum
Skripsi. Malang: Program Studi
maksimal karena itu perlu
Ekonomi Pembangunan Fakultas
ditingkatkan sebesar angka
Ekonomi Universitas Brawijaya
tersebut.
Sakhowi, Ahmad. 2005. Analisis Kinerja
Lembaga Keuangan Bank Yang
B. SARAN
Terdaftar Di Bursa Efek Jakarta.
Berdasarkan hasil
Jurnal Ekonomi dan Bisnis vol. 3 No.
penelitian ini, hal yang perlu
1
mendapat perhatian bagi
Sari, Nuryana. 2010. Analisis Tingkat
manajemen bank yaitu untuk
Efisiensi Perbankan Syariah dan
mengenal sumberdaya yang
Faktor Internal Eksternal yang
belum dimanfaatkan secara
Mempengaruhinya Skripsi. Jurusan
optimal dan melakukan
Manajemen. Fakultas Ekonomi dan
peningkatan pada pemanfaatan
Ilmu Sosial Universitas Islam Syarif
sumberdaya tersebut agar dapat
Hidayatullah. Jakarta
memperoleh hasil yang maksimal.
Lembaga Keuangan Bank
Umum perlu memperhatikan

97
 BAB VIII
PENUTUP

A. KESIMPULAN menghasilkan penelitian yang

Dari penjelasan di atas, variatif dan menarik.
maka dapat ditarik kesimpulan 2. Alat analisis AHP dipakai
sebagai berikut. untuk kriteria yang ideal untuk
1. Alat analisis ATLAS.ti memberikan ranking atau
merupakan alat yang berguna urutan alternatif pengambilan
menghubungkan data keputusan terbaik. Langkah
kualitatif secara awal yang perlu dicermati
komprehensif. Meskipun adalah mendefinisikan
ATLAS.ti memiliki keunggulan masalah yang akan
berbeda dengan alat analisis digunakan untuk pengambilan
yang lain, hasil network yang keputusan terbaik yang
diinterpertasikan ternyata disertai dengan bagan yang
belum cukup kuat untuk dihubungkan dengan panah
menjelaskan kesimpulan ke beberapa kriteria yang
akhir. Sehingga, dalam masuk, peneliti juga
penggunaan alat analisis diharuskan menentukan
ATLAS.ti sebaiknya cakupan prioritas elemen
menggunakan mix-method berdasarkan tingkat intensitas
yang menggabungkan kepentingannya. Selain itu,
metode kualitatif dengan juga menggunakan data
kuantitatif untuk hasil yang matriks Indeks Konsistensi
kuat karena disertai dengan sesuai dengan data penelitian
presentase hasil perhitungan yang diambil. Hasil analisis
dengan kuantitatif. Untuk AHP digunakan oleh
menghasilkan variasi pengambil keputusan yang
penelitian, alat analisis ini sangat berguna untuk
prefer digunakan untuk lebih mengetahui perankingan

98
 tertinggi dan terbaik dari dianalisis. Aktor-aktor yang
beberapa kriteria yang ada. sudah didapatkan kemudian
Bahwa AHP sering digunakan dianalisis untuk masuk di IV
sebagai metode pemecahan kuadran yang masing-masing
masalah dibanding dengan memiliki posisi tingkat
metode yang lain dikarenakan kepentingan dan pengaruh
struktur yang berhierarki yang berbeda serta
sebagai konsekuensi dari ketergantungan aktor sumber.
kriteria yang dipilih sampai Hasil analisis menunjukkan
pada subkriteria yang paling tiga order yang masing-
dalam dan memperhitungkan masing gambarnya memiliki
validitas sampai batas perbedaan yang signifikan.
toleransi inkonsistensi Orde 1 memiliki gambar yang
berbagai kriteria serta lebih lengkap dan mendetail
alternatif yang dipilih oleh sehingga gambarnya pun
pengambil keputusan. terlihat begitu rumit. Order 2
3. Alat analisis MACTOR merupakan order yang
merupakan perangkat lunak kebanyakan peneliti hanya
yang dikembangkan oleh menampilkan pada
Michael Godet untuk pembahasan dikarenakan
menganalisis secara katanya merupakan hasil
mendalam hubungan yang paling baik. Sedangkan
kekuasaan aktor, daya saing Order 3 itu hanya opsi atau
aktor, dan sikap aktor opsional. Namun, bagi peneliti
terhadap tujuan. Terdapat tiga yang menggunakan alat
cara dalam mencari skema analisis MACTOR diwajibkan
aktor: Kluster, Sampling, dan untuk menyertakan semua
Mapping yang dari peneliti order dalam pembahasannya.
harus menentukan lebih dulu 4. Alat analisis Logit Probit
aktor mana saja yang masuk merupakan dua analisis yang
ke dalam aktor yang akan berebeda, dimana moel logit

99
 menggunakan fungsi logistik dalam model regresi
kumulatif (F), sedangkan sederhana ARIMA nilai masa
pada model probit lalu dipengaruhi oleh dirinya
menggunakan fungsi normal sendiri (bukan orang lain).
kumulatif (ϕ). Namun, Kelebihan ARIMA dapat
perbandingan model logit dan mnerima semua jenis model
probit nantinya akan data walaupun dalam
menghasilkan model terbaik. prosesnya harus
Analisis menggunakan distationerkan dulu. Serta
variabel dependen dalam metode ini lebih akurat jika
kategori, jadi ciri-ciri yang digunakan untuk peramalan
dimiliki variabel independen jangka pendek.
mengarah kepada variabel 6. Alat analisis DEA merupakan
dependen. Logit Probit evakuasi suatu unit
mencoba menjawab pengambilan keputusan dari
pertanyaan terkait apakah sejumlah unit yang digunakan
beberapa variabel dependen untuk satu output yang
yang digunakan dalam ditargetkan (paling terbaik). Di
penelitian dapat dijadikan dalam DEA, terdapat Decision
prediktor terhadap variabel Making Units (DMU) yang
independe? memiliki sifat Non-Stochastic
5. Alat analisis ARIMA adalah yaitu memiliki peluang untuk
generalisasi Autoregressive mendapatkan nilai terbaik.
Moving Average (ARMA) DEA digunakan untuk
digunakan untuk peramalan mengukur tingkat efisiensi
nilai yang akan datang dalam input dan output yang lebih
runtut waktu (times series) dari satu.
antara nilai sekarang dan nilai
sebelumnya yang membantu
menghasilkan penelitian yang
komprehensif. Bahwa di

100
B. SARAN
Saran yang dapat penulis berikan pada penelitian ini adalah sebagai berikut:
1. Pengembangkan KITE untuk dapat diterapkan dalam dunia bisnis, kami melihat
itu sebagai sebuah potensi yang dapat diperbaiki dengan cara melakukan
sinergitas lebih antara instansi terkait diimbangi dengan giat melakukan
sosialisasi, sehingga fasilitas KITE yang dapat memberikan dampak positif
serta mendorong pertumbuhan sektor bisnis hingga kancah internasional bisa
lebih dioptimalkan serta dapat dipatenkan untuk menjadi fasilitas yang wajib
digunakan dan diterapkan bagi Industri Kecil, dan Menengah untuk dapat
tumbuh dan melakukan ekspansi bisnisnya hingga ke negara lain.
2. Saran yang bisa penulis berikan untuk pemilihan supplier menggunakan AHP
adalah perusahaan bisa memilih Supplier A menjadi supplier untuk
perusahaannya karena memperoleh nilai akhir paling besar dan dapat dipilih
untuk memenuhi kebutuhan perusahaan secara konsisten dan berkualitas.
3. Masih minim akan fasilitas infrastruktur seperti jalan yang kurang bagus, listrik
yang mudah mati, fasilitas wisata dan fasilitas pendukung lainnya yang masih
terbatas. Tujuan selanjutnya yang sangat didukung oleh aktor adalah memperbaiki
tingkat kesenjangan. Para aktor cukup mendukung produktivitas di pekerjaannya
masing-masing karena tujuan ini merupakan esensi dari multiplier effect desa
tumbuh merata.
4. Saran yang dapat diberikan oleh penulis berdasarkan hasil penelitian adalah
agar pedagang kaki lima di Kabupaten Magetan, Provinsi Jawa Timur mampu
meningkatkan modal usaha untuk pengembangan usahanya dengan cara
penambahan modal secara mandiri atau melalui pinjaman dari pihak lain.
Pedagang juga hendaknya dapat memaksimalkan jam kerja utamanya pada
jam-jam yang berpotensi banyak pembeli agar mampu meningkatkan
pendapatan dan kesejahteraan para pedagang kaki lima. Dalam merespon
perkembangan zaman, pedagang kaki lima hendaknya mampu beradaptasi
dengan demand dari konsumen dan mulai terbiasa dengan perubahan dan
inovasi produk agar usahanya mampu berjalan lama dengan konsumen yang
loyal. Selain itu, peran pemerintah baik pusat ataupun daerah dibutuhkan

101
 kaitannya untuk pemberian pelatihan usaha kepada PKL, dukungan
penambahan modal melalui bantuan atau pinjaman, serta dukungan lokasi atau
kegiatan kemasyarakatan yang mampu menjadi sarana bagi para pedagang
kaki lima untuk berjualan dan menambah pendapatan.
5. Berdasarkan hasil penelitian ini, hal yang perlu mendapat perhatian bagi
manajemen bank yaitu untuk mengenal sumberdaya yang belum dimanfaatkan
secara optimal dan melakukan peningkatan pada pemanfaatan sumberdaya
tersebut agar dapat memperoleh hasil yang maksimal.
6. Lembaga Keuangan Bank Umum perlu memperhatikan kembali dengan
menganalisis potensi perbaikan dalam variabel input dan output sehingga Bank
Umum dapat mencapai pada tingkat efisiensi nya masing-masing.

102

DAFTAR PUSTAKA
Afriansyah, E. A. (2016). Penggunaan
software ATLAS. ti sebagai
alat bantu proses analisis
data kualitatif. Mosharafa:
Jurnal Pendidikan
Matematika, 5(2), 53-63.
Anis, Y. (2016). Analytic Hierarchy
Process (Ahp) Sebagai Alat
Untuk Pengambilan
103
Keputusan (Spk) Seleksi
Pemasok Obat-Obatan.
Tinungki, G. M. (2010). Aplikasi Model
Regresi Logit dan Probit
pada Data Kategorik. Jurnal
Matematika, Statistika dan
Komputasi, 6(2), 107-114.
Hendrawan, B. (2012). Penerapan
Model ARIMA dalam
memprediksi IHSG. Jurnal
Integrasi, 4(2), 205-211.