MENGEVALUASI EFISIENSI INDUSTRY MOTOR CARRIER

TRUCKING BRASIL

INSTITUT TRANSPORTASI & LOGISTIK TRISAKTI

MUHAMMAD SYAFII
21B505041168

TUGAS FINAL RPOJECT_UAS

MANAJEMEN TRANSPORT BARANG
2023

FAKULTAS MANAJEMEN DAN BISNIS

 ABSTRACK

Untuk menyelidiki masalah efisiensi dalam industri angkutan barang di Brasil dengan
menggunakan DEA (Data Envelopment Analysis) dan SFA (Stochastic Frontier Analysis) secara
bersamaan. Penelitian ini didasarkan pada data sekunder yang dikumpulkan dari Transporte
Moderno/Maiores e Melhores, sebuah majalah khusus yang setiap tahun melaporkan statistik
perusahaan angkutan truk terbesar di Brasil. Hasil penelitian ini tidak hanya menguatkan bahwa
peningkatan pengembalian skala usaha berlaku di industri ini, tetapi juga memberikan dukungan
untuk dampak moderat dari skala ekonomi pada tingkat efisiensi. Implikasi dalam hal merger dan
akuisisi serta dampak keragaman kargo dan cakupan geografis operasi pada tingkat efisiensi
virtual juga dibahas.

Kata kunci: Industri angkutan truk. Analisis pembungkus data. Pemodelan tiga tahap. Analisis
frontier stokastik. Merger

i
 KATA PENGANTAR

Puji syukur saya panjatkan ke hadirat Allah SWT yang telah memberikan rahmat dan
hidayah-Nya sehingga saya dapat menyelesaikan Paper Final Project UAS ini ini dengan baik.
Paper Final Project UAS ini disusun sebagai tugas akhir mata kuliah. Evaluasi Efisiensi Industri
dengan topik Motor Carrier Trucking Brasil. Paper Final Project UAS ini membahas tentang
evaluasi efisiensi industri truk di Brasil, khususnya pada sektor Motor Carrier. saya berharap Paper
Final Project UAS ini dapat memberikan gambaran yang jelas dan komprehensif tentang kondisi
industri truk di Brasil, serta memberikan rekomendasi yang dapat meningkatkan efisiensi dan
produktivitas sektor Motor Carrier.
Saya ingin mengucapkan terima kasih kepada semua pihak yang telah membantu dalam
penyelesaian Paper Final Project UAS ini, terutama kepada dosen pengampu mata kuliah
manajemen transport barang yang telah memberikan bimbingan dan masukan yang berharga.
Semoga Paper Final Project UAS ini dapat bermanfaat bagi pembaca dan menjadi sumbangan
yang positif dalam pengembangan industri truk di Brasil. Akhir kata, saya mengucapkan terima
kasih kepada semua pihak yang telah membantu dan mendukung dalam penyelesaian Paper Final
Project UAS ini. Semoga Paper Final Project UAS ini dapat bermanfaat bagi semua pihak.

ii
 DAFTAR ISI

ABSTRACK ........................................................................................................................................... i

KATA PENGANTAR ........................................................................................................................... ii

DAFTAR ISI......................................................................................................................................... iii

BAB I ..................................................................................................................................................... 1

PENDAHULUAN .................................................................................................................................. 1

A. Latar Belakang............................................................................................................................. 1

B. Identifikasi Masalah ..................................................................................................................... 2

C. Pembatasan Masalah .................................................................................................................... 2

D. Rumusan Masalah........................................................................................................................ 3

A. Tujuan Paper Final Project UAS .................................................................................................. 3

B. Mamfaat Paper Final Project UAS ............................................................................................... 3

BAB II .................................................................................................................................................... 4

LANDASAN TEORI ............................................................................................................................. 4

A. Teori Variabel .............................................................................................................................. 4

B. Hasil Terdahulu yang Relevan ..................................................................................................... 4

C. Kerangka Teori ............................................................................................................................ 8

D. Hipotesis .................................................................................................................................... 10

BAB III ................................................................................................................................................ 11

METODE PAPER FINAL PROJECT-UAS ...................................................................................... 11

A. Metode ...................................................................................................................................... 11

BAB IV ................................................................................................................................................ 13

HASIL PAPER FINAL PROJECT_UAS DAN PEMBAHASAN ..................................................... 13

A. Temuan Data dan Profil Perusahaan ........................................................................................... 13

B. Temuan data .............................................................................................................................. 13

C. Pembahasan ............................................................................................................................... 14

BAB V .................................................................................................................................................. 18

KESIMPULAN DAN SARAN ............................................................................................................ 18

A. Kesimpulan dan Saran ............................................................................................................... 18

DAFTAR PUSTAKA .......................................................................................................................... 19

LAMPIRAN......................................................................................................................................... 22

iii
 BAB I

PENDAHULUAN

A. Latar Belakang

Industri kapal motor menempati posisi penting dalam pergerakan barang dan jasa.
Mengingat keunggulannya dalam hal aksesibilitas ke titik-titikasal dan tujuan akhir, dan
persyaratan modal yang relatif rendah untuk memasuki industri ini, kapal motor telah membayangi
moda transportasi lain dalam hal pangsa pasar, lapangan kerja, dan jumlah perusahaan (ALLEN;
SHAIK; ESTRADA, 2005). Didukung oleh rencana ekonomi Plano Real dan stabilitas ekonomi
pasca tahun 1994 (FLEURY; RIBEIRO, 2003), industri angkutan truk mulai menarik perhatian di
Brasil, salah satu negara yang disebut sebagai "negara berkembang" atau "BRIC" (WILSON;
PURUSHOTHAMAN,2003), sebuah singkatan dari Brazil, Rusia, India, dan Cina. Meskipun
Brasil telah mengalami perubahan signifikan dalam hal daya saing pasar sejak tahun 1994, Brasil
masih merupakan negara yang sangat bergantung pada perusahaan angkutan barang. Sekitar dua
pertiga dari pengeluaran perusahaan- perusahaan Brasil yang terkait dengan transportasi
dihabiskan untuk layanan angkutan truk (CENTRO..., 2009).
Secara historis, integrasi negara ini didasarkan pada pembangunan jalan raya, sementara
pembangunan rel kereta api dan pengembangan Jalur air justru ditujukan untuk memenuhi proyek-
proyek khusus untuk kargo yang mengalir keluar, terutama ekspor dari pelabuhan. Saat ini,
jaringan jalan raya beraspal berukuran sekitar lima kali lebih besar daripada jaringan rel kereta api.
Ketika ukurannya lebih dari 50 kali lebih besar dari sistem kereta api. Di sisi lain, sistem jalur air
kurang dimanfaatkan karena kurangnya investasi yang dibutuhkan untuk meningkatkan
kemampuan navigasi (FIGUEIREDO; FLEURY; WANKE, 2003). Di sebuah negara di mana upah
minimum bulanan hanya sekitar US$ 300, transportasi jalan raya sering dikaitkan dengan praktik-
praktik bisnis yang agresif dan berpotensi tidak adil, termasuk jam mengemudi yang
berlebihan/terputus-putus, kecepatan yang berlebihan, dan berat kendaraan/ muatan yang tidak
terkendali (FLEURY, 2008).
Namun, sejak tahun 2008, lanskap pasokan yang tinggi dan harga yang rendah dalam
transportasi jalan raya telah berubah di Brasil. Pertumbuhan ekonomi telah meningkatkan
permintaan akan jasa transportasi, sehingga meningkatkan tekanan ke atas pada harga angkutan
jalan raya, dan, untukmengimbangi permintaan pelanggan, perusahaan angkutan truk mulai
mengalami kekurangan kapasitas (FLEURY; HIJJAR, 2008). Perusahaan angkutan truk di Brasil
harus mencari cara-cara alternatif untuk mengatasi masalah ini, dengan teknik evaluasi efisiensi
memainkan peran penting dalam upaya ini.
Paper Final Project UAS ini memfokuskan pada masalah efisiensi di industri angkutan
motor di Brasil dengan menggunakan DEA (Data Envelopment Analysis) dan SFA (Stochastic
Frontier Analysis), dua pendekatan yang dominan dalam melakukan benchmarking modern
(BOGETOFT; OTTO, 2010). Beranjak dari DEA ke SFA, ada beberapa fitur pembeda utama.

1
Dalam hal metode, pendekatan DEA berakar pada pemrograman matematika, sedangkan
pendekatan SFA lebih terkait langsung dengan teori ekonometrik. Dengan demikian, sementara
analisis slack DEA memberikan wawasan untuk meningkatkan atau mengurangi sumber daya
input untuk meningkatkan nilai efisiensi, metode SFA berfokus pada pembenaran ekonomi dari
fungsi produksi yang diberikan dan melakukan pengujian hipotesis lebih lanjut (LIN; TSENG,
2005). Selain itu, SFA merupakan pendekatan parametrik, sehingga menyiratkan beberapa
kelebihan dan kekurangan dibandingkan DEA, terutama terkait dengan asumsi hubungan stokastik
antara input yang digunakan dan output yang dihasilkan.
Secara khusus, DEA, yang dikembangkan lebih dari 30 tahun yang lalu (COOK;
SEIFORD, 2009), dianggap sebagai alat yang ampuh untuk mengukur efisiensi, terutama karena
kemampuannya untuk secara simultan memproses berbagai input dan output, sehingga membantu
para manajer dalam pengambilan keputusan. Dalam hubungannya dengan teknik analisis data
multivariat, DEA memungkinkan dampak variabel kontekstual terhadap tingkat efisiensi untuk
diukur (COOPER; SEIFORD; TONE, 2007). Di sisi lain, meskipun SFA hanya menangani satu
output setiap kali, teknik-teknik yang dikembangkan untuk mengestimasi batas produksi stokastik
pada kasus output tunggal dapat diadaptasi untuk mengestimasi fungsi jarak output stokastik pada
kasus output ganda. Salah satu kemungkinannya adalah dengan mempertimbangkan variabel
dependen y sebagai kebalikan dari norma vektor output.
Namun demikian, perlu diperhatikan bahwa penggunaan SFA yang semakin meningkat
dalam hubungannya dengan DEA dapat memberikan wawasan tambahan mengenai keacakan dari
penyimpangan skor efisiensi. Meskipun beberapa penulis, seperti Schmidt (1985), menganggap
DEA dan SFA sebagai teknik yang saling terpisah, penulis lain, seperti Ferrier dan Lovell (1990),
Fried dkk. (2002), dan Cooper, Seiford, dan Tone (2007), menyatakan bahwa keduanya dapat
digunakan secara saling melengkapi. Ini adalah sangat berguna ketika seseorang ingin
menghindari apa yang disebut oleh Charnes, Cooper dan Sueyoshi (1988) sebagai bias
metodologis. Dengan kata lain, DEA dan SFA dapat digunakan untuk saling mengecek satu sama
lain di bawah prosedur analitis yang dapat mencakup dua atau tiga tahap (COOPER; SEIFORD;
ZHU, 2004; YANG, 2006).
B. Identifikasi Masalah

Berdasarkan uraian latar belakang masalah di atas, maka identifikasi masalah dari
penelitian ini adalah sebagai berikut :
1. Faktor-faktor yang mempengaruhi efisiensi industri motor carrier trucking di Brasil:
2. Keterkaitan antara efisiensi industri motor carrier trucking dengan faktor-faktor lain
C. Pembatasan Masalah

Untuk menghindari pembahasan yang terlalu luas, maka penelitian ini membatasi pada
pembahasan terhadap efisiensi industri (Motor Carrier) trucking. Tidak mempertimbangkan
perbedaan individu. Dengan mempertimbangkan pembatasan-pembatasan ini, analisis dapat

2
dilakukan dengan lebih terfokus dan relevan terhadap masalah efisiensi industri (Motor Carrier)
trucking.
D. Rumusan Masalah

Apa faktor-faktor yang mempengaruhi efisiensi operasional dalam industri motor carrier
trucking di Brasil?
1. Bagaimana evaluasi efisiensi operasional dapat dilakukan dalam industri motor carrier
trucking di Brasil?
2. Apa dampak dari efisiensi operasional terhadap kinerja dan produktivitas industri motor
carrier trucking di Brasil?
3. Apa saran yang dapat diberikan untuk meningkatkan efisiensi operasional dalam industri
motor carrier trucking di Brasil?
A. Tujuan Paper Final Project UAS

Tujuan paper Final ini adalah untuk Mengevaluasi efisiensi industri (Motor Carrier)
trucking Brasil. Dengan mengidentifikasi faktor-faktor yang mempengaruhi efisiensi operasional
dalam industri motor carrier trucking di Brasil. Menganalisis evaluasi efisiensi operasional yang
dapat dilakukan dalam industri motor carrier trucking di Brasil.. Menjelaskan dampak dari
efisiensi operasional terhadap kinerja dan produktivitas industri motor carrier trucking di Brasil.
Memberikan saran-saran yang dapat diberikan untuk meningkatkan efisiensi operasional dalam
industri motor carrier trucking di Brasil.

B. Mamfaat Paper Final Project UAS

Hasil dari penelitian yang akan dilakukan diharapkan akan memberikan dampak yang luas,
diantaranya lain;
1. Memberikan pemahaman yang lebih baik tentang faktor-faktor yang mempengaruhi
efisiensi operasional dalam industri motor carrier trucking di Brasil.
2. Menjelaskan evaluasi efisiensi operasional yang dapat dilakukan dalam industri motor
carrier trucking di Brasil.
3. Menjelaskan dampak dari efisiensi operasional terhadap kinerja dan produktivitas
industri motor carrier trucking di Brasil.
Dengan manfaat-manfaat tersebut, penelitian ini diharapkan dapat memberikan kontribusi
yang positif dalam memahami dan mengatasi masalah efisiensi industri (Motor Carrier) trucking
Brasil.

3
 BAB II

LANDASAN TEORI

A. Teori Variabel

Dalam penelitian mengenai valuasi efisiensi industri (Motor Carrier) trucking Brasil,
variabel dapat menjadi landasan teori yang relevan untuk memahami faktor-faktor yang
mempengaruhi efisiensi operasional dalam industri ini. Ada beberapa konsep variabel yang dapat
menjadi acuan. Seperti Variabel Bebas: Variabel bebas adalah variabel yang memiliki pengaruh
atas perubahan yang terjadi pada variabel lainnya. Dalam konteks penelitian ini, variabel bebas
dapat mencakup faktor-faktor seperti manajemen rantai pasokan, perencanaan usaha, dan strategi
sistem informasi.
Variabel Terikat. Variabel terikat adalah variabel yang dipengaruhi oleh variabel bebas.
Dalam konteks penelitian ini, variabel terikat dapat mencakup efisiensi operasional dan kinerja
industri motor carrier trucking di Brasil.. Variabel moderator adalah variabel yang mempengaruhi
hubungan antara variabel bebas dan variabel terikat. Dalam konteks penelitian ini, variabel
moderator dapat mencakup faktor-faktor seperti kebijakan pemerintah, kondisi ekonomi, dan
faktor-faktor sosial lainnya. Variabel Intervening yang mempengaruhi hubungan antara variabel
bebas dan variabel terikat. Dalam konteks penelitian ini, variabel intervening dapat mencakup
faktor-faktor seperti risiko kerusakan armada dan dampak lingkungan dari operasional.
Dengan memahami konsep variabel ini, penelitian mengenai valuasi efisiensi industri
(Motor Carrier) trucking Brasil dapat dilakukan dengan lebih terinformasi dan terarah. Konsep
variabel ini dapat membantu dalam menganalisis faktor-faktor yang mempengaruhi efisiensi
operasional dalam industri motor carrier trucking dan memberikan dasar untuk mengembangkan
rekomendasi dan strategi yang tepat guna meningkatkan efisiensi industri tersebut.
B. Hasil Terdahulu yang Relevan

Dalam Analisis pembungkusan data: konsep dan aplikasi dalam industri truk. DEA adalah
metode non-parametrik yang pertama kali diperkenalkan oleh Charnes, Cooper dan Rhodes
(1978). Metode ini didasarkan pada pemrograman linier dan digunakan untuk mengatasi masalah
penghitungan efisiensi relatif untuk sekelompok Unit Pengambilan Keputusan (DMU) dengan
menggunakan berbagai ukuran input dan output. Terdapat beberapa variasi dari teknik ini
(COOPER; SEIFORD; TONE, 2007).
Mereka berbeda tidak hanya dalam hal jenis pengembalian ke skala dan bagaimana jarak
ke batas dihitung untuk DMU yang tidak efisien - tetapi juga dalam hal perubahan efisiensi dari
waktu ke waktu, output yang tidak diinginkan, kemacetan sumber daya, disposabilitas output dan
input - untuk menyebutkan beberapa variasi yang mungkin terjadi. Dengan diberikan satu set input
dan output DMU di bawah model CCR, DEA menentukan untuk setiap DMU ukuran efisiensi
yang diperoleh sebagai rasio output tertimbang terhadap input tertimbang. Dibandingkan dengan
pendekatan frontier parametrik stokastik, DEA tidak memaksakan hubungan fungsional tertentu

4
antara output dan input produksi, atau asumsi apapun tentang distribusi statistik tertentu dari istilah
kesalahan (CULLINANE et al., 2006). Frontier yang efisien berada pada batas polytope cembung
yang dibuat dalam ruang input dan output, dan di mana setiap simpulnya merupakan DMU yang
efisien. (DULÁ; HELGASON, 1996). Fitur lain dari DEA adalah bahwa bobot relatif dari input
dan output tidak perlu diketahui secara apriori; artinya, bobot ini ditentukan sebagai bagian dari
solusi masalah linier (ZHU, 2003). Karena geometri frontier yang efisien, hasil DEA sangat
bergantung pada set input dan output yang digunakan. Semakin besar jumlah variabel (input dan
output) dalam DEA Bahwa proses pemilihan variabel sangat dibatasi.
Mengingat banyaknya jumlah variabel potensial awal yang harus dipertimbangkan untuk
DEA, sejumlah metode telah diusulkan yang menyarankan untuk membatasi jumlah variabel
relatif terhadap jumlah DMU (WAGNER; SHIMSHAK, 2007). Teknik-teknik yang diusulkan
meliputi.
i) Penyaringan penilaian oleh para ahli, untuk mengindikasikan variabel yang
paling relevan untuk model DEA (GOLANY; ROLL, 1989);
ii) Analisis regresi, untuk mengindikasikan variabel yang berkorelasi tinggi
sebagai variabel yang mubazir (LEWIN; MOREY; COOK, 1982);
iii) Penerapan DEA pada model yang telah direduksi, untuk menentukan peringkat
pengaruh variabel terhadap nilai efisiensi (WAGNER; SHIMSHAK, 2007);
iv) Penggunaan pendekatan multikriteria untuk pembobotan variabel (MIRANDA;
ALMEIDA, 2004);
v) Penambahan target virtual ke dalam sampel untuk mengidentifikasi perubahan
kepatuhan DMU tertentu terhadap frontier (BERECHMAN; ADLER, 1999).
Yang paling relevan dalam hal ini adalah teknik reduksi data. Secara khusus, Adler dan Golany
(2001) dan Adler dan Berechman (2001) menggunakan analisis komponen utama untuk
mengurangi jumlah input dan output sebelum mengimplementasikan DEA. Penggunaan analisis
faktor diusulkan oleh Vargas DEA-BCC Berorientasi pada keluaran dan Bricker (2000) dan
diimplementasikan dalam Jenkins dan Anderson (2003) serta Nadimi dan Jolai (2008).
Selain mengestimasi nilai efisiensi, DEA juga memberikan informasi lain yang relevan
dengan DMU yang tidak efisien. DEA mengidentifikasi aspek efisiensi yang digunakan sebagai
perbandingan, kombinasi input yang digunakan secara tidak efisien, dan deviasi output tertentu
dari tingkat efisiensi. Perlu dicatat bahwa DMU yang efisien cenderung tidak menunjukkan adanya
slack, informasi tersebut hanya tersedia untuk DMU yang tidak efisien (GREEN; DOYLE; COOK,
1996; LIN; TSENG, 2007).
Inefisiensi skala disebabkan oleh meningkatnya atau menurunnya pengembalian skala,
yang dapat dihitung dengan memeriksa jumlah bobot di bawah spesifikasi model CCR. Jika
jumlahnya sama dengan satu, maka berlaku hukum constant returns to scale; namun, jika
jumlahnya kurang dari satu atau lebih dari satu, maka berlaku hukum increasing returns to scale
dan decreasing returns to scale, denganmengasumsikan model yang berorientasi pada input. Selain

5
itu, menurut Cooper, Seiford dan Tone (2007), untuk mengidentifikasi sejauh mana
ketidakefisienan DMU disebabkan oleh operasi yang tidak efisien atau karena efisiensi skalanya,
efisiensi skala dihitung dengan menggunakan rasio.
Pendekatan-pendekatan terhadap perlakuan statistik terhadap variasi skor yang dihasilkan
dengan menggunakan DEA telah berevolusi selama bertahun-tahun - lihat, misalnya, Banker
(1993) dan Simar dan Wilson (2007). Sebagai gambaran evolusi ini, Cooper, Seiford dan Tone
(2007) menunjukkan semakin banyaknya penelitian yang menggabungkan hasil DEA, pada tahap
pertama, dengan analisis regresi pada tahap kedua. Menurut Fried dkk. (2002), pendekatan DEA
dua tahap tersebut merupakan hasil dari pengakuan para peneliti bahwa faktor lingkungan atau
variabel kontekstual dapat secara signifikan mempengaruhi nilai efisiensi. Sebagai contoh,
menurut para penulis tersebut, kompetensi manajerial (atau ketidakmampuan) tidak cukup untuk
menjelaskan variasi individu dalam efisiensi, mengingat faktor lingkungan, variabel kontekstual,
atau bahkan gangguan statistik dapat mempengaruhi kinerja yang diukur. Kontrol yang memadai
untuk dampak- dampak ini mungkin dapat menunjukkan jalan yang mungkin bagi DMU untuk
menjadi lebih efisien (lihat, misalnya, SOUZA et al., 2007).
Pemeriksaan akar inefisiensi berdasarkan skor DEA dapat dilakukan dengan
menggunakanregresi Tobit atau analisis klaster. Dalam kasus pertama, Gillen dan Lall (1997) dan
Turner, Windle dan Dressner (2004), misalnya, menggunakan regresi Tobit sebagai alat untuk
menguji produktivitas di bandara dan pelabuhan. Ketika mencoba menjelaskan perbedaan dalam
skor DEA melalui analisis regresi, variabel dependennya bersifat kontinu, tetapi terpotong pada
angka 1. Akibatnya, regresi OLS tidak sesuai, karena penggunaannya akan menghasilkan estimasi
yang tidak konsisten. Dalam situasi seperti ini, regresi Tobit disarankan sebagai pendekatan yang
tepat (MADDALA, 1983).
Baru-baru ini, sebagai catatan metodologis mengenai kesimpulan yang diambil dari skor
DEA, perlu disebutkan bahwa Souza dan Staub (2007) memperluas hasil Banker (1993), yang
menunjukkan bahwa masalah kesimpulan dengan pendekatan DEA dua tahap, seperti yang
dikemukakan oleh Simar dan Wilson (2007), tidaklah umum. Faktanya, prosedur berbasis DEA
yang menggunakan regresi Tobit pada tahap kedua memiliki kinerja yang sama baiknya dengan
metode parametrik dalam estimasi dampak variabel kontekstual terhadap produktivitas
(BANKER; NATARAJAN, 2008). Perlu juga dicatat bahwa penggunaan tes non-parametrik,
seperti yang disajikan dalam Banker dan Natarajan (2004) dan Gomes dkk. (2009), merupakan
alternatif yang sama lazimnya dengan regresi Tobit dalam situasi yang sama.
Meskipun DEA telah digunakan secara memuaskan di segmen lain yang berhubungan
dengan logistik - seperti logistik pihak ketiga (MIN; JOO, 2006; HAMDAN; ROGERS, 2007;
SENRA et al, 2007; ZHOU dkk., 2008; WANKE; AFFONSO, 2011), (PARK, 2005) - studi yang
membahas penerapan DEA dalam industri angkutan truk masih langka. Beberapa segmen yang
terkait dengan logistik akan dibahas selanjutnya. Khusus mengenai industri angkutan truk, Odeck
dan Hjalmarsson (1996) dan Hjalmarsson dan Odeck (1996) pada awalnya menunjukkan kegunaan

6
DEA sebagai alat untuk mengevaluasi efisiensi truk yang terlibat dalam proses produksi konstruksi
dan pemeliharaan jalan di Norwegia.
Meja dan Corsi. Keselamatan pengangkutan kendaraan bermotor, yang menunjukkan
bagaimana teknik ini dapat bermanfaat bagi operator, regulator, dan pengirim barang. Poli dan
Scheraga (2001) menjalankan model DEA untuk mengidentifikasi penyebab inefisiensi dalam
strategi pemeliharaan. Dampaknya terhadap kinerja peringkat kualitas perusahaan juga dianalisis.
Baru-baru ini, Weber dan Weber (2004) menggunakan DEA untuk mengestimasi ukuran efisiensi
dan produktivitas dalam industri angkutan truk dan pergudangan di Amerika Serikat selama tahun
1994-2000, dengan memperhitungkan output yang diinginkan dan yang tidak diinginkan
(kematian). Para penulis menemukan bahwa teknik tradisional dalam memperkirakan efisiensi
yang mengabaikan kematian lalu lintas membuat estimasi efisiensi dan pertumbuhan produktivitas
faktor total menjadi bias.
A. Analisis frontier stokastik: konsep dan aplikasi dalam industri truk
SFA adalah sebuah pendekatan ekonometrik yang digunakan untuk mengestimasi efisiensi
produktif. SFA diperkenalkan dalam dua makalah yang diterbitkan hampir bersamaan oleh dua
kelompok penelitian yang berbeda: Aigner, Lovell dan Schmidt (1977) dan Meeusen dan Van den
Broeck (1977). Model ini mengasumsikan bahwa ada fungsi parametrik antara input dan output
produksi. Teknologi produksi yang mentransformasikan vektor input x menjadi output yang
dilambangkan dengan y dapat diwakili oleh fungsi stokastik log- linear Cobb-Douglas dan fungsi
stokastik Translog (logaritmik transendental), yang masing-masing diberikan oleh (ALLEN;
SHAIK; ESTRADA, 2005; LIN; TSENG, 2005).
Di sisi lain, pendekatan pemrograman matematis seperti DEA akan memiliki orientasi
pengambilan keputusan manajerial yang jauh lebih besar, karena analisis slack mengungkapkan
langkah-langkah selanjutnya yang harus diambil untuk meningkatkan efisiensi, seperti yang
disarankan oleh Green, Doyle dan Cook (1996) dan Lin dan Tseng (2007). Selain itu, SFA telah
digunakan untuk melakukan pengecekan silang dengan hasil DEA, yang sangat berguna ketika
seseorang ingin menghindari apa yang disebut oleh Charnes, Cooper dan Sueyoshi (1988) sebagai
bias metodologis. Ada kemungkinan untuk mengadaptasi teknik- teknik yang dikembangkan
untuk estimasi frontier produksi stokastik pada kasus output tunggal ke estimasi fungsi jarak output
stokastik pada kasus output ganda. Salah satu kemungkinannya adalah dengan mempertimbangkan
variabel dependen y sebagai kebalikan dari norma vektor output (KUMBHAKAR; LOVELL,
2003).
Asumsi yang sering muncul sehubungan dengan fungsi produksi dalam SFA adalah
kesesuaian kasus log-linear Cobb-Douglas, karena ini adalah fungsi frontier produksi paling
mendasar yang digunakan dalam beberapa model deterministik dan stokastik (lihat, misalnya,
Kumbhakar dan Lovell (2003): halaman 66, 72, dan 77). Fungsi Cobb-Douglas log-linear juga
dianggap sebagai asumsi dasar oleh penulis lain, seperti Cullinane dan Song (2003) dan Cullinane
dkk. (2006), ketika mempelajari efisiensi teknis pelabuhan peti kemas, dan Allen, Shaik, dan

7
Estrada (2005), ketika menilai efisiensi perusahaan angkutan truk agribisnis. Fungsi Cobb-
Douglas adalah apa yang disebut sebagai fungsi produksi CES (Constant Elasticity of Substitution)
(NICOLA, 2008). Meskipun ada satu fungsi produksi tambahan yang sangat umum dalam literatur,
yaitu fungsi Leontief (koefisien tetap), perlu ditunjukkan bahwa fungsi produksi ini hanya untuk
kepentingan historis, karena dalam ekonomi dunia nyata, Di sisi lain penyimpangan dalam
efisiensi tidak murni acak, namun tidak mengindikasikan apakah penyimpangan ini terjadi karena
komponen eksogen yang tidak dapat dikendalikan atau karena variabel kontekstual. Oleh karena
itu, diperlukan pengujian tambahan terhadap skor efisiensi.
Penulis lain telah mencoba untuk menggabungkan SFA dan DEA. Bhattacharyya, Lovell
dan Sahay (1997) menggunakan SFA untuk menjelaskan variasi efisiensi DEA yang dihitung
untuk menganalisa efisiensi relatif bank-bank komersial di India. Fried dkk. (2002) dan Avkiran
dan Rowlands (2008) menggunakan SFA untuk menguraikan setiap variabel dari model DEA
menurut efisiensi manajerial, efek lingkungan, dan gangguan statistik. Sebelum melanjutkan, perlu
dikomentari bahwa makalah internasional yang ditinjau oleh rekan sejawat yang membahas
tentang penerapan SFA dalam industri angkutan truk lebih langka lagi. Namun, kekurangan ini
menunjukkan adanya kekosongan yang harus diisi. Pencarian di Database Proquest dengan istilah
"industri angkutan truk" atau "pengangkut kendaraan bermotor" dan "stochastic frontier" hanya
menghasilkan satu makalah (McMullen; LEE, 1999).
Paper Final Project UAS ini membandingkan efisiensi biaya di industri pengangkutan
kendaraan bermotor di Amerika Serikat, baik sebelum dan sesudah deregulasi pada tahun 1980.
Serikat pekerja ditemukan sebagai faktor penentu inefisiensi yang paling penting pada kedua
periode tersebut, dengan dampak negatif yang lebih kuat pada industri yang telah dideregulasi.

C. Kerangka Teori

kerangka teori yang dapat digunakan dalam penelitian mengenai valuasi efisiensi industri
(Motor Carrier) trucking Brasil adalah sebagai berikut:
a. Teori produksi mencakup konsep input tetap dan variabel dalam proses produksi.
b. Faktor-faktor yang menghambat laju keberhasilan industri dapat menjadi acuan untuk
memahami faktor-faktor yang mempengaruhi efisiensi operasional dalam industri
motor carrier trucking di Brasil
c. Kepuasan kerja pengemudi dalam industri motor carrier trucking dapat mempengaruhi
efisiensi operasional. Teori-teori tentang kepuasan kerja dapat menjadi landasan teori
yang relevan untuk memahami faktor-faktor yang mempengaruhi kepuasan kerja
pengemudi
d. Variabel bebas dan terikat dapat digunakan untuk memahami hubungan antara faktor-
faktor yang mempengaruhi efisiensi operasional dalam industri motor carrier trucking
di Brasil.
e. Variabel moderator dan intervening dapat digunakan untuk memahami faktor-faktor

8
 yang mempengaruhi hubungan antara variabel bebas dan terikat dalam penelitian ini.
Dengan menggunakan kerangka teori ini, penelitian mengenai valuasi efisiensi industri
(Motor Carrier) trucking Brasil dapat dilakukan dengan lebih terarah dan terinformasi. Kerangka
teori ini dapat membantu dalam menganalisis faktor-faktor yang mempengaruhi efisiensi
operasional dalam industri motor carrier trucking dan memberikan dasar untuk mengembangkan
rekomendasi dan strategi yang tepat guna meningkatkan efisiensi industri tersebut.

.Kerangka Teori

Teori
Produksi

Efisiensi Faktor
Penghambat
industri

Evaluasi

Intervening
Variabel
Bebas

Kepuasan
Kerja

9
D. Hipotesis

Beberapa hipotesis yang dapat diajukan dalam penelitian mengenai hipotesis yang relevan
dengan penelitian valuasi efisiensi industri (Motor Carrier) trucking Brasil;
1. Hipotesis: Terdapat hubungan antara ketidakhadiran dengan kepuasan kerja. Sumber:
Dalam penelitian yang dilakukan, ditemukan adanya hubungan antara ketidakhadiran
dengan kepuasan kerja
2. Hipotesis: Terdapat pengaruh signifikan antara variabel kompensasi terhadap kepuasan
kerja karyawan. Sumber: Dalam penelitian yang dilakukan di hotel Grand Darussalam
Syariah Medan, terbukti ada pengaruh signifikan antara variabel kompensasi terhadap
kepuasan kerja karyawan
3. Hipotesis: Terdapat pengaruh antara penilaian kinerja terhadap kepuasan kerja. Sumber:
Dalam penelitian yang dilakukan terhadap pengemudi transportasi online di Indonesia,
ditemukan hasil bahwa penilaian kinerja berpengaruh terhadap kepuasan kerja
hipotesis-hipotesis tersebut tidak secara langsung terkait dengan evaluasi efisiensi industri (Motor
Carrier) trucking Brasil, namun dapat memberikan pemahaman tentang hubungan antara variabel-
variabel yang relevan dengan efisiensi operasional dan kepuasan kerja. Dalam penelitian mengenai
valuasi efisiensi industri (Motor Carrier) trucking Brasil, hipotesis yang dapat diajukan adalah
adanya hubungan antara faktor-faktor yang mempengaruhi efisiensi operasional dengan kepuasan
kerja pengemudi dan kinerja industri secara keseluruhan.

10
 BAB III

METODE PAPER FINAL PROJECT-UAS

A. Metode

Dalam penelitian mengenai valuasi efisiensi industri (Motor Carrier) trucking Brasil,
terdapat beberapa metode yang dapat digunakan. Berikut adalah beberapa metode yang relevan:.
Metode KPI (Key Performance Indicators): Metode KPI digunakan untuk mengukur parameter
dasar yang mencirikan fungsi organisasi. Dalam konteks penelitian ini, metode KPI dapat
digunakan untuk mengukur dan mengevaluasi efisiensi operasional dalam industri motor carrier
trucking. Pengukuran efisiensi produksi dapat dilakukan dengan menggunakan KPI yang relevan,
seperti penggunaan bahan bakar per kilometer, waktu pengiriman, dan tingkat penggunaan armada
truk. Metode Optimasi: Metode optimasi dapat digunakan untuk mencari solusi terbaik dalam
mencapai efisiensi operasional dalam industri motor carrier trucking.
Metode ini melibatkan pemodelan matematis dan penggunaan algoritma untuk
mengoptimalkan penggunaan sumber daya, seperti rute pengiriman yang optimal, alokasi armada
yang efisien, dan penjadwalan pengiriman yang tepat. Metode Analisis Data: Metode analisis data
dapat digunakan untuk menganalisis data operasional yang dikumpulkan dari industri motor carrier
trucking. Metode ini melibatkan penggunaan teknik statistik dan analisis data untuk
mengidentifikasi pola, tren, dan hubungan antara variabel-variabel yang relevan dengan efisiensi
operasional. Contohnya, analisis regresi dapat digunakan untuk mengidentifikasi hubungan antara
faktor-faktor seperti kompensasi, manajemen rantai pasokan, dan perencanaan usaha dengan
efisiensi operasional.
Metode Studi Literatur: Metode studi literatur dapat digunakan untuk mengumpulkan
informasi dan tinjauan teori yang relevan dengan valuasi efisiensi industri (Motor Carrier) trucking
Brasil. Dalam metode ini, peneliti akan mengumpulkan dan menganalisis literatur, artikel, dan
sumber-sumber lain yang terkait dengan efisiensi operasional dalam industri motor carrier
trucking. Hal ini akan membantu dalam memperoleh pemahaman yang komprehensif tentang
faktor-faktor yang mempengaruhi efisiensi operasional dan kerangka teori yang relevan.
Dalam penelitian ini, kombinasi dari metode-metode di atas dapat digunakan untuk
mengumpulkan data, menganalisis data, dan menghasilkan temuan yang relevan dengan valuasi
Dengan mempertimbangkan gambaran yang disajikan di Bagian 1 secara keseluruhan, status
industri truk Brasil saat ini memunculkan tiga pertanyaan penelitian utama. Pertanyaan-
pertanyaan tersebut adalah sebagai berikut:
 Apakah ada potensi untuk perbaikan dalam efisiensi industri truk Brasil?
 Apakah tingkat efisiensi dalam truk yang berbeda skala ekonomis (ukuran) dan cakupan
ekonomis (keragaman kargo dan cakupan geografis operasi)?
 Apa implikasi dari kedua pertanyaan penelitian tersebut dalam hal merger dan akuisisi
untuk industri truk Brasil, dan bagaimana dampak ekonomi dari ruang lingkup berdampak

11
 pada tingkat efisiensi dari merger yang mungkin terjadi?
Pertama, DEA dilakukan dengan mengasumsikan pengembalian konstan dan variabel
terhadap skala, di bawah orientasi input dan output, untuk memungkinkan perbandingan awal skor
efisiensi. Kemudian, analisis selanjutnya difokuskan pada skor BCC yang berorientasi pada input.
Orientasi input lebih disukai di sini karena potensi peningkatan output, tidak seperti potensi
penghematan input, harus ditafsirkan dengan lebih hati-hati, kecuali jika ada permintaan untuk itu
(ODECK; ALKADI, 2001). Selain itu, Cullinane, Song dan Wang (2005) menunjukkan bahwa
output produktif dari suatu sistem logistik cenderung dapat diprediksi dalam jangka pendek dan
menengah, sehingga mendukung adopsi langkah- langkah yang berorientasi pada input.
Mengingat sifat terukur dari input yang dipertimbangkan dalam penelitian ini - jumlah
cabang, karyawan, ukuran armada, dan konsumsi bahan bakar, yang akan dijelaskan lebih lanjut
pada bagian selanjutnya - diasumsikan bahwa input tersebut dapat divariasikan sesuai dengan
kebijaksanaan manajemen, yaitu, manajer dapat melakukan kontrol terhadap input tersebut
sepanjang waktu jadi model DEA tradisional yang sebelumnya disajikan dalam Persamaan
digunakan. Penggunaan skor berorientasi input BCC memungkinkan penentuan tiga kelompok
dari perusahaan angkutan truk yang asli: efisien/konstan terhadap skala; tidak efisien/penurunan
terhadap skala; dan tidak efisien/peningkatan terhadap skala. Secara berurutan, analisis slack
dilakukan untuk memetakan peluang untuk meningkatkan efisiensi di ketiga klaster ini, baik
dengan meningkatkan output atau mengurangi input.
Pengaruh skala ekonomi dan cakupan ekonomi terhadap tingkat efisiensi diuji dengan
menggunakan analisis data multivariat. Secara khusus, analisis faktor dilakukan untuk menentukan
indeks kapasitas (sebagai proksi untuk ukuran) untuk setiap perusahaan, berdasarkan input mereka.
Indeks kapasitas ini digunakan sebagai regressor untuk menentukan ada atau tidaknya skala
ekonomi sampai dengan tingkat produksi tertentu dalam industri angkutan truk di Brazil.
Kemudian, analisis faktor dilakukan lagi untuk menentukan indeks cakupan kargo dan indeks
cakupan geografis, untuk memperhitungkan jenis keragaman kargo dan cakupan geografis operasi
pengangkutan masing-masing perusahaan. Indeks-indeks ini juga digunakan sebagai regressor
untuk mengukur dampak ekonomi ruang lingkup terhadap skor efisiensi, yaitu untuk mengevaluasi
apakah diversifikasi lebih unggul daripada spesialisasi dalam industri angkutan truk di Brasil.

12
 BAB IV

HASIL PAPER FINAL PROJECT_UAS DAN PEMBAHASAN

A. Temuan Data dan Profil Perusahaan

Vale SA , sebelumnya Companhia Vale do Rio Doce (Sweet River Valley Company,
mengacu pada Sungai Doce ) pengucapan bahasa Portugis: [ˈvali] ) adalah perusahaan
multinasional Brasil yang bergerak di bidang logam dan pertambangan dan salah satu operator
logistik terbesar di Brasil. Vale adalah penghasil bijih besi dan nikel terbesar di dunia. Ini juga
menghasilkan mangan, ferroalloy , tembaga, bauksit , kalium , kaolin , dan kobalt , yang saat ini
beroperasi sembilanpembangkit listrik tenaga air , dan jaringan besar rel kereta api, kapal, dan
pelabuhan yang digunakan untuk mengangkut produknya.
Perusahaan telah mengalami dua bencana kegagalan bendungan tailing di Brasil: Mariana
pada tahun 2015, dan Brumadinho , pada tahun 2019; bencana bendungan Brumadinho
menyebabkan perusahaan kehilangan izin untuk mengoperasikan delapan bendungan tailing di
Minas Gerais , dan sahamnya kehilangan nilai hampir 25 persen. Vale dianggap sebagai
perusahaan paling bernilai di Amerika Latin , dengan perkiraan nilai pasar sebesar US$ 111 miliar
pada tahun 2021.
B. Temuan data

Temuan Data industri (Motor Carrier) trucking Brasil

1. Data tentang penggunaan bahan bakar dalam industri motor carrier trucking: Data ini dapat
digunakan untuk mengukur efisiensi operasional dalam industri motor carrier trucking. Data
ini dapat diperoleh dari laporan operasional perusahaan atau data statistik yang diterbitkan oleh
badan pemerintah atau industry.
2. Data tentang waktu pengiriman dalam industri motor carrier trucking: Data ini dapat digunakan
untuk mengukur efisiensi operasional dalam industri motor carrier trucking. Data ini dapat
diperoleh dari laporan operasional perusahaan atau data statistik yang diterbitkan oleh badan
pemerintah atau industry.
3. Data tentang jumlah armada truk dalam industri motor carrier trucking: Data ini dapat
digunakan untuk mengukur efisiensi operasional dalam industri motor carrier trucking. Data
ini dapat diperoleh dari laporan operasional perusahaan atau data statistik yang diterbitkan oleh
badan pemerintah atau industry.
4. Data tentang kondisi jalan dan infrastruktur di Brasil: Data ini dapat mempengaruhi efisiensi
operasional dalam industri motor carrier trucking di Brasil. Data ini dapat diperoleh dari badan
pemerintah atau lembaga yang terkait dengan infrastruktur jalan di Brasil.
5. Data tentang kebijakan pemerintah terkait dengan industri motor carrier trucking di Brasil:
Kebijakan pemerintah dapat mempengaruhi efisiensi operasional dalam industri motor carrier
trucking di Brasil. Data ini dapat diperoleh dari badan pemerintah atau lembaga yang terkait
dengan regulasi industri di Brasil.

13
Dengan memperoleh temuan data ini, penelitian mengenai valuasi efisiensi industri (Motor
Carrier) trucking Brasil dapat dilakukan dengan lebih terarah dan terinformasi. Temuan data ini
dapat membantu dalam menganalisis faktor-faktor yang mempengaruhi efisiensi operasional
dalam industri motor carrier trucking dan memberikan dasar untuk mengembangkan rekomendasi
dan strategi yang tepat guna meningkatkan efisiensi industri tersebut.
C. Pembahasan

Data yang digunakan dalam penelitian ini diperoleh dari peringkat 121 perusahaan
angkutan truk terbesar di Brasil yang terdaftar di Transporte Moderno/Maiores e Melhores (Juli,
2009), sebuah majalah khusus Brasil yang berfokus pada industri angkutan barang. Semua data
berhubungan dengan tahun 2008 dan memberikan informasi tentang berbagai input (ukuran
armada, jumlah karyawan, konsumsi bahan bakar, dan jumlah cabang untuk mengumpulkan
kargo) dan output (total kargo yang diangkut [dalam ton per tahun] dan jarak tempuh [dalam
kilometer per tahun]).
Melakukan analisis sekunder terhadap data yang sudah ada dapat menghemat waktu dan
sumber daya yang dibutuhkan untuk mengumpulkan data primer. Namun demikian, manfaat
penghematan waktu dan upaya harus ditimbang dengan keterbatasan karena tingkat data dan
kurangnya kekhususan data untuk proyek sekunder (SHEPARD et al., 1999). Semua data yang
dikumpulkan dari Transporte Moderno/Maiores e Melhores merupakan ukuran obyektif
berdasarkan kriteria eksplisit, yang diwakili oleh metrik (input dan output) dan skala nominal
(variabel kontekstual, yang Meskipun kumpulan data yang disediakan oleh Transporte
Moderno/Maiores e Melhores mungkin tidak dikumpulkan dalam konteks model teoritis, model
teoritis masih dapat diidentifikasi dan diterapkan pada proses penelitian dan data yang secara
teoritis konsisten dapat diidentifikasi (ZILL; DALY, 1993; MORIARTY dkk., 1999).
Pentingnya langkah ini dalam analisis sekunder tidak dapat diremehkan (SHEPARD et al.,
1999). Seperti halnya metode penelitian kuantitatif lainnya, pemilihan variabel yang akan diteliti
harus terlebih dahulu melibatkan penggabungan melalui model untuk mengidentifikasi konsep-
konsep penting. Konsep-konsep teoritis kemudian dicocokkan dengan variabel-variabel yang
sesuai dari kumpulan data.
Oleh karena itu, analisis korelasi dilakukan dan menunjukkan hubungan positif yang
signifikan antara empat input dan dua variabel output, yang oleh karena itu isotonik dan dapat
dibenarkan untuk dimasukkan ke dalam model (WANG; LU; TSAI, 2011). Demikian pula, untuk
memeriksa kemungkinan mengurangi jumlah output yang akan dipertimbangkan ke dalam
analisis, analisis korelasi dilakukan lagi, dengan menguji pasangan output. Karena korelasi
serialnya relatif rendah (0,37), kedua output tersebut tetap dimasukkan ke dalam analisis. Dimulai
dengan 121 perusahaan dalam database Transporte Moderno/Maiores e Melhores, saya
mendapatkan 106 perusahaan angkutan truk yang sebanding - semuanya memiliki lebih dari 20
karyawan - setelah mengecualikan perusahaan yang informasinya tidak lengkap atau tidak akurat.

14
Menurut Wanke dan Fleury (2006), karena terdapat 2.926 perusahaan angkutan barang yang
terdaftar dengan lebih dari 20 karyawan yang beroperasi di Brasil, maka dapat dikatakan bahwa
sampel akhir ini mewakili3,6% dari strata khusus ini. Jika kriteria alternatif digunakan untuk
mengevaluasi ukuran sampel 106 perusahaan ini, maka akan diperoleh hasil yang sama besarnya.
Berdasarkan data dari CNT (Konfederasi Transportasi Nasional - www.cnt.org.br), jumlah
total kargo yang diangkut oleh truk di Brasil selama tahun 2008 adalah 1.174 milyar ton, yang
mengimplikasikan pangsa 5,5% dari 106 perusahaan besar ini. CNT juga menyediakan datan
mengenai jumlah total truk yang beroperasi di Brasil (339.865 pada tahun 2008). Dibandingkan
dengan jumlah armada dari 106 perusahaan tersebut pada tanggal tersebut (23.027), maka dapat
disimpulkan bahwa mereka memiliki 6,8% armada truk nasional. Terakhir, data yang diberikan
oleh ANTT sehubungan dengan total konsumsi bahan bakar oleh angkutan kendaraan bermotor
(sekitar 8,7 milyar liter pada tahun 2008) menunjukkan bahwa 106 perusahaan ini mewakili 6,6%
dari jumlah total ini.
Daftar variabel yang digunakan dalam penelitian ini dan statistik deskriptif yang relevan
diberikan pada Tabel 1. Pemeringkatan ini juga memberikan informasi mengenai variabel
kontekstual untuk setiap perusahaan, seperti keragaman kargo (cairan, kimia dan petrokimia,
kontainer, berpendingin, rapuh, besar, hewan hidup, dipercepat, dan lain-lain) dan cakupan
geografis operasi transportasi (wilayah geografis Brasil [Selatan, Tenggara, Utara, Timur Laut,
dan Tengah- Barat] dan negara-negara Amerika Selatan yang berbeda [Argentina, Paraguay,
Uruguay, Chili, Bolivia, Peru, Venezuela, dan Kolombia]). Semua variabel ini dikodekan sebagai
boneka. Perlu dicatat bahwa kargo yang dipercepat secara semantik terkait dengan pengiriman
yang dipercepat, yang menurut definisi adalah proses pengiriman dengan kecepatan yang lebih
cepat dari biasanya.
Terkait dengan analisis yang dilakukan, empat input dan dua output yang dikumpulkan
secara simultan dianalisis dan dibandingkan melalui model CCR (CHARNES; COOPER;
RHODES, 1978) dan BCC (BANKER; CHARNES; COOPER, 1984). Hasil Perhitungan efisiensi
skala untuk setiap perusahaan memungkinkan identifikasi tiga klaster utama: skala pengembalian
yang efisien/konstan, skala pengembalian yang tidak efisien/penurunan, dan skala pengembalian
yang tidak efisien/peningkatan. Namun, sehubungan dengan penentuan kondisi pengembalian
skala untuk setiap DMU, pembaca harus menyadari fakta bahwa ketidakefisienan skala pada DMU
tertentu dapat dinilai berdasarkan model pengembalian skala yang konstan dan bervariasi. Menurut
Cooper, Seiford dan Tone (2007), model constant returns-to-scale secara simultan mengevaluasi
returns to scale dan inefisiensi teknis, model pengembalian-ke-skala yang bervariasi secara
terpisah mengevaluasi efisiensi teknis dan pengembalian-ke-skala. Fakta bahwa asumsi frontier
yang berbeda dapat menghasilkan kesimpulan pengembalian ke skala yang berbeda juga telah
dibahas dengan baik dalam literatur. Hal ini terjadi karena proyeksi yang berbeda dari DMU yang
diberikan pada wilayah return-to-scale yang berbeda pada setiap asumsi batas efisien.

15
 A. Hasil efisiensi yang diperoleh dari model SFA
Dengan menggunakan regresi frontier stokastik untuk melakukan pengecekan silang
dengan hasil DEA-BCC. Terinspirasi oleh pendekatan dua tahap yang dijelaskan dalam Arnold,
Bardhan dan Cooper (1996), pertama-tama saya menggunakan DEA untuk mengidentifikasi DMU
yang efisien secara teknis dan tidak efisien, serta kondisi efisiensi skalanya, dengan memetakan
semua kemungkinan kombinasi. Kemudian, saya memasukkan hasil ini dalambentuk variabel
dummy ke dalam regresi OLS dan MLE yang sesuai. Hal ini dilakukan sebagai berikut:
 Efisiensi Teknis = 1, jika DMU diidentifikasi sebagai 100% efisien secara teknis pada
tahap pertama, 0, jika tidak.
 Efisiensi Skala = 1, jika DMU diidentifikasi sebagai 100% skala efisien pada tahap
pertama, 0, jika tidak.
Dengan demikian, jika variabel-variabel ini sama dengan nol, maka tidak ada pengaruhnya
terhadap skor efisiensi yang dihitung. Namun sebaliknya, variabel-variabel ini akan bertambah.
Untuk penerapan regresi frontier stokastik, diasumsikan kesesuaian kasus log-linear Cobb-
Douglas dan Translog. Akan tetapi, yang terakhir ini tidak memberikan hasil yang signifikan, dan
dihilangkan. Estimasi regresi OLS dilakukan dengan menggunakan paket statistik SPSS 15.0.
Mempertimbangkan y - kebalikan dari norma output vektor - sebagai variabel dependen, hasil yang
disajikan pada Tabel 2 menunjukkan tidak hanya kekuatan penjelas yang baik, tetapi juga
kemencengan yang tepat dari residual untuk implementasi prosedur MLE.
Estimasi koefisien OLS memberikan titik awal untuk proses MLE. Pemeriksaan singkat
terhadap Tabel 2 menunjukkan bahwa: (a) peningkatan hasil yang meningkat terhadap skala
berlaku dalam fungsi produksi ini, karena jumlah koefisien variabel independen lebih besar dari
1; (b) efisiensi skala memberikan kontribusi yang lebih penting terhadap skor efisiensi daripada
efisiensi teknis, setelah data diserahkan ke perlakuan awal oleh DEA. Tanpa adanya kemungkinan
pembenaran apriori atas asumsi tertentu terhadap komponen inefisiensi, keempat asumsi yang
diperbolehkan oleh LIMDEP 9.0 (GREENE, 2007) diperiksa: setengah normal, normal terpotong,
eksponensial, dan distribusi gamma. Hasil- hasilnya disajikan pada Tabel 3.
Dalam banyak kasus, MLE di bawah empat distribusi inefisiensi alternatif menghasilkan
parameter yang mendekati satu sama lain. Jika korelasi rank yang kuat antara pasangan estimasi
efisiensi di bawah asumsi-asumsi ini benar adanya, Ritter dan Simar (1997) berargumen untuk
menggunakan distribusi yang relatif sederhana, seperti setengah normal, daripada distribusi yang
lebih fleksibel, seperti normal terpotong atau gamma. Namun, karena hal ini tidak terjadi, saya
mendukung premis gamma karena koefisien korelasi peringkat antara skornya dan skor DEA-BCC
asli adalah maksimal (0,60) jika dibandingkan dengan tiga asumsi lainnya.
Di bawah asumsi gamma, jumlah koefisien variabel independen sedikit lebih besar dari
satu, sehingga menunjukkan adanya peningkatan skala pengembalian. Secara keseluruhan model
fit adalah baik (Pseudo R-Squared Mc Fadden = 0,77), dan efisiensi skala secara konsisten
menghasilkan dampak yang lebih signifikan daripada efisiensi teknis pada skor SFA. Oleh karena

16
itu, regresi stokastik di bawah asumsi gamma telah berhasil memeriksa ulang hasil yang diperoleh
dari analisis DEA.
Data yang digunakan dalam penelitian ini diperoleh dari peringkat 121 perusahaan
angkutan truk terbesar di Brasil yang terdaftar di Transporte Moderno/Maiores e Melhores (Juli,
2009), sebuah majalah khusus Brasil yang berfokus pada industri angkutan barang. Semua data
berhubungan dengan tahun 2008 dan memberikan informasi tentang berbagai input (ukuran
armada, jumlah karyawan, konsumsi bahan bakar, dan jumlah cabang untuk mengumpulkan
kargo) dan output (total kargo yang diangkut [dalam ton per tahun] dan jarak tempuh [dalam
kilometer per tahun]).
Melakukan analisis sekunder terhadap data yang sudah ada dapat menghemat waktu dan
sumber daya yang dibutuhkan untuk mengumpulkan data primer. Namun demikian, manfaat
penghematan waktu dan upaya harus ditimbang dengan keterbatasan karena tingkat data dan
kurangnya kekhususan data untuk proyek sekunder (SHEPARD et al., 1999). Semua data yang
dikumpulkan dari Transporte Moderno/Maiores e Melhores merupakan ukuran obyektif
berdasarkan kriteria eksplisit, yang diwakili oleh metrik (input dan output) dan skala nominal.
Sebagai indikator satu item dari ukuran obyektif, data dapat menjadi indikator yang valid dan dapat
diandalkan untuk variabel-variabel yang dipertimbangkan (YOUNGBLUT; CASPER, 1993).

17
 BAB V

KESIMPULAN DAN SARAN

A. Kesimpulan dan Saran

Penelitian ini menggunakan model DEA tiga tahap dan SFA untuk menganalisis efisiensi
perusahaan angkutan truk terbesar di Brasil. Hasil yangdiperolehmemiliki sejumlah implikasi
kebijakan untuk industri yang masih sangat terfragmentasi di antara beberapa perusahaan,
meskipun pertumbuhan ekonomi yang terjadi dalam beberapa tahun terakhir dan tekanan untuk
mendapatkan layanan yang lebih berkualitas. Karena mayoritas perusahaan angkutan truk
mengalami peningkatan skala pengembalian, yang mengindikasikan bahwa mereka akan lebih
efisien jika kapasitasnya lebih besar, konsolidasi operasi tampaknya merupakan jalur alami untuk
mencapai peningkatan produktivitas. Oleh karena itu, merger dan akuisisi di industri truk Brasil
akan meningkat dalam waktu dekat, mempercepat tren yang telah dimulai lebih dari satu dekade
yang lalu. Periode konsolidasi ini mungkin akan diikuti oleh tingkat profesionalisasi yang lebih
tinggi untuk mengakomodasi permintaan klien yang semakin canggih.
Fakta bahwa dampak positif dari skala ekonomis pada tingkat efisiensi hadir hingga ukuran
tertentu di industri truk Brasil tentu saja menunjukkan perlunya mencari cara tambahan untuk
meningkatkan produktivitas. Eksploitasi skala ekonomi, berdasarkan keragaman kargo, telah
menunjukkan pengaruh yang signifikan - meskipun moderat - terhadap skor efisiensi. Fakta ini
dapat memandu perusahaan angkutan truk selama proses merger dan akuisisi, membantu mereka
untuk fokus pada ceruk transportasi tambahan.
Namun demikian, kehati-hatian tetap diperlukan, karena operasi pada ukuran skala yang
paling produktif sangat bergantung pada variabel-variabel yang terkait dengan jenis keragaman
kargo dan cakupan geografis operasi. Kesesuaian antara sumber daya dan permintaan harus
ditafsirkan dengan hati-hati, karena operasi transportasi yang berbeda dapat menyebabkanpola
alokasi sumber daya yang berbeda di antara kegiatan, yang berpotensi membuat penyesuaian skala
operasi menjadi lebih layak. Seperti yang diharapkan, kargo peti kemas memberikan dampak
positif pada efisiensi skala. Jenis kargo ini dapat menjadi variabel kunci dalam memandu
perusahaan selama proses konsolidasi.

18
 DAFTAR PUSTAKA

ADLER, N.; BERECHMAN, J. Mengukur kualitas bandara dari sudut pandang maskapai
penerbangan: sebuah aplikasi dari data envelopment analysis. Transport Policy, v. 8, hal.
171-181, 2001. http:// dx.doi.org/10.1016/S0967-070X(01)00011-7

ADLER, N.; GOLANY, B. Evaluasi jaringan maskapai penerbangan yang dideregulasi dengan
menggunakan data envelopment analysis yang dikombinasikan dengan principal component
analysis dengan aplikasi di Eropa Barat. European Journal of Operations Research, v. 132,
hal. 260-273, 2001. http://dx.doi. org/10.1016/S0377-2217(00)00150-8

DEA dan regresi statistik untuk evaluasi dan estimasi efisiensi dengan aplikasi ilustrasi pada
sekolah menengah umum di Texas. Annals of Operations Research, v. 66, hal. 255-278,
1996.

ASLAM, M. Analisis ekonomi dari sektor teknologi tinggi dalam perekonomian Pakistan:
pendekatan model biaya translog. 2000. Tesis (Doktor) - Departemen Administrasi Bisnis,
Universitas Bahauddin Zakariya, Multan, Pakistan, 2000.

AVKIRAN, N. K.; ROWLANDS, T. Bagaimana cara yang lebih baik untuk mengidentifikasi
kinerja manajerial yang sebenarnya: state of the art dengan menggunakan DEA. Omega, v.
36, n. 2, p. 317-324, 2008. http://dx.doi. org/10.1016/j.omega.2006.01.002

BANKER, R. D. Kemungkinan maksimum, konsistensi dan DEA: sebuah landasan statistik.

Management Science, v. 39, p. 1265-1273, 1993.

BANKER, R. D.; CHARNES, A.; COOPER, W. W. Beberapa

model untuk memperkirakan ketidakefisienan skala teknis dalam Data Envelopment Analysis.
Management Science, v. 30, hal. 1078-1092, 1984. http://dx.doi.org/10.1287/
mnsc.30.9.1078

BANKER, R. D.; NATARAJAN, R. Uji statistik berdasarkan skor efisiensi DEA. In: COOPER,
W. W.; SEIFORD, L. M.;

ZHU, J. (Eds.). Buku Pegangan tentang Analisis Data Envelopment. Boston: Kluwer
International Series, 2004. hal. 299-321.

BANKER, R. D.; NATARAJAN, R. Mengevaluasi variabel- variabel kontekstual yang

mempengaruhi produktivitas dengan menggunakan data envelopment analysis. Operations
Research, v. 56, p. 48-58, 2008. http://dx.doi.org/10.1287/opre.1070.0460

BARROS, T. D. dkk. Avaliação dos atrasos em transporte aéreo com um modelo DEA.
Produção, v. 20, n. 4, p. 601-611, 2010. http://dx.doi.org/10.1590/S0103-
19
65132010005000047

BERECHMAN, J.; ADLER, N. Metodologi dan Pengukuran Kualitas Bandar Udara dari Sudut
Pandang Maskapai Penerbangan dan Pengaruhnya terhadap Pilihan Maskapai Penerbangan
atas Bandar Udara Hub Eropa Barat. Kementerian Perhubungan Belanda, Direktorat
Jenderal Perhubungan Udara, 1999. Laporan Akhir.

BHATTACHARYYA, A.; LOVELL, C.; SAHAY, P. Dampak

liberalisasi pada efisiensi produktif bank-bank komersial India. European Journal of Operational
Research, v. 98, hal. 332-345, 1997. http://dx.doi. org/10.1016/S0377-2217(96)00351-7

BOGETOFT, P.; OTTO, L. Pembandingan dengan DEA, SFA, dan R. New York: Springer,
2010. CENTRO DE ESTUDOS EM LOGÍSTICA - CEL. Panorama

Logístico CEL/COPPEAD - Terceirização Logística no Brasil. Rio de Janeiro:

COPPEAD/UFRJ, 2009.

CHARNES, A.; COOPER, W. W. ; RHODES, E. Mengukur efisiensi unit-unit pengambilan

keputusan. European Journal of Operational Research, v. 2, hal. 429-444, 1978.

CULLINANE, K.; SONG, D.; WANG, T. Penerapan pendekatan pemrograman matematis untuk
mengestimasi efisiensi produksi pelabuhan peti kemas. Journal of Productivity Analysis, v.
24, hal. 73-92, 2005. http:// dx.doi.org/10.1007/s11123- 005-3041-9

CULLINANE, K. dkk. Efisiensi teknis pelabuhan peti kemas: membandingkan analisis data
envelopment dan analisis frontier stokastik. Transportation Research Part A, v. 40, hal. 354
374, 2006. http://dx.doi.org/10.1016/j. tra.2005.07.003

DULÁ, J. H.; HELGASON, R. V. Sebuah prosedur baru untuk mengidentifikasi kerangka

lambung cembung dari kumpulan titik-titik yang terbatas dalam ruang multidimensi.
European Journal of Operational Research, v. 92, hal. 352-367, 1996.

FERRIER, G. D.; LOVELL, C. A. K. Mengukur efisiensi biaya dalam perbankan - bukti

ekonometrik dan pemrograman linier. Journal of Econometrics, v. 6, hal. 229-245, 1990.

FIGUEIREDO, K. F.; FLEURY, P. F.; WANKE, P. Logística. Penanganan Cadeia de

Suprimentos: Pemindahan Fluks dan Rekursi. São Paulo: Atlas, 2003.

FLEURY, P. F.; HIJJAR, M. F. Tinjauan logistik di Brasil 2008. Instituto ILOS, 2008. Tersedia
dari: <http://www.ilos. com.br/index2.php?option=com_docman task=doc_ view gid=31
Itemid=44>.

FLEURY, P. F.; RIBEIRO, A. F. M. Sebuah industri penyedia jasa logistik di Brasil. Dalam:
FIGUEIREDO, K. F.; FLEURY, P. F.; WANKE, P. Logística e Gerenciamento da Cadeia
de Suprimentos: Planejamento do Fluxo e dos Recursos. São Paulo: Atlas, 2003. p. 302-

20
 312.

FONSECA, A. B. M. dkk. Penyeragaman batas dalam model ZSG-DEA non-radial: sebuah

aplikasi untuk pendapatan bandara. Pesquisa Operacional, v. 30, n. 1, hal. 175- 193, 2010.

FRIED, H. O. dkk. Memperhitungkan efek lingkungan dan gangguan statistik dalam analisis
pembungkus data. Jurnal Analisis Produktivitas, v. 17, hal. 157-174, 2002.

GILLEN, D.; LALL, A. Mengembangkan ukuran produktivitas dan kinerja bandar udara: sebuah
aplikasi Data Envelopment Analysis. Penelitian Transportasi Bagian E: Tinjauan Logistik
dan Transportasi, v. 33 no. 4, hal. 261-273. 1997.

MIN, H.; JOO, S. J. Membandingkan efisiensi operasional penyedia logistik pihak ketiga dengan
menggunakan data envelopment analysis. Manajemen Rantai Pasokan: An International
Journal, v. 11, hal. 259-265, 2006. http://dx.doi. org/10.1108/13598540610662167

MIN, H.; PARK, B.-I. Mengevaluasi tren efisiensi antar waktu terminal peti kemas internasional
dengan menggunakan data envelopment analysis. International Journal of Integrated Supply
Management, v. 1, n. 3, p. 258-277, 2005.

MORIARTY, HJ dkk. Isu-isu yang perlu dipertimbangkan ketika memilih dan menggunakan
database nasional yang besar untuk penelitian keluarga. Western Journal of Nursing
Research, v. 21, no. 2, hal. 143-153, 1999.

NADIMI, R.; JOLAI, F. Penggunaan gabungan Analisis Faktor (FA) dan Analisis Data
Envelopment (DEA) untuk pemeringkatan Data Envelopment Analysis. Jurnal Internasional
Ilmu Matematika, Fisika dan Teknik, v. 2, n. 4, hal. 218-222, 2008.

NICOLA, P. C. Bereksperimen dengan Makromodel Dinamis Pertumbuhan dan Siklus. Berlin:

Springer, 2008.

21
LAMPIRAN

Nama: Muhammad Syafii

Nim: 21B505041168

Email: mhmmdsyafii1101@gmail.com

Link artikel : https://www.tandfonline.com/doi/abs/10.1080/13675567.2013.833597

Hasil Turnitin:

22