DISUSUN OLEH :
SANDI SUKAMTO
NIM 31601501169
i
ii
DISUSUN OLEH :
SANDI SUKAMTO
NIM 31601501169
Arranged By :
SANDI SUKAMTO
NIM 31601501169
iii
LEMBAR PENGESAHAN
Pembimbing I Pembimbing II
Mengetahui,
Ketua Program Studi Teknik Industri
i
LEMBAR PENGESAHAN
Tanggal :
TIM PENGUJI
Anggota I Anggota II
Ir. Hj. Eli Mas’idah, M.T Muhammad Faisal Yul Zamrudi, S.T., MIT., P.hd
NIDN. 06-1506-6601 NIDN. 99-0600-4770
Ketua Penguji
v
SURAT PERYATAAN KEASLIAN TUGAS
Dengan bahwa ini saya menyatakan bahwa judul da isi Tugas Akhir yang
saya buat dalam rangka menyelesaikan Pendidikan Strata Satu (S1) Teknik
Industri tersebut adalah asli dan belum pernah diangkat, ditulis ataupun
dipublikasikan oleh siapapun baik keseluruhan maupun sebagian, kecuali yang
secara tertulis diacu dalam naskah ini dan disebutkan dalam daftar pustaka, dan
apabila di kemudoan hari ternyata terbukti bahwa judul Tugas Akhir tersebut
pernah diangkat, ditulis ataupun dipublikasikan, maka saya bersedia dikenakan
sanksi akademis. Demikian surat pernyataan ini saya buat dengan sadar dan penuh
tanggung jawab.
Sandi Sukamto
v
PERNYATAAN PERSETUJUAN PUBLIKASI KARYA
NIM 31601501169
Dengan ini menyatakan Karya Ilmiah berupa Tugas Akhir dengan Judul :
ANALISIS TINGKAT EFISIENSI AKTIVITAS PROSES PRODUKSI
DENGAN MENGGUNAKAN METODE DATA ENVELOPMENT ANALYSIS
(DEA) (STUDI KASUS UD. SUKA MAJU)
Menyetujui menjadi hak milik Universitas Islam Sultan Agung serta memberikan
Hak bebas Royalti Non-Eksklusif untuk disimpan, dialihmediakan, dikelola dan
pangkalan data dan dipublikasikan diinternet dan media lain untuk kepentingan
akademis selama tetap menyantumkan nama penulis sebagai pemilik hak cipta.
Pernyataan ini saya buat dengan sungguh – sungguh. Apabila dikemudian hari
terbukti ada pelanggaran Hak Cipta/Plagiatisme dalam karya ilmiah ini, maka
segala bentuk tuntutan hukum yang timbul akan saya tanggung secara pribadi
tanpa melibatkan Universitas Islam Sultan Agung.
Yang menyatakan,
Sandi Sukamto
v
PERSEMBAHA
Allhamdulillahirabbil’alamin..
Sujud syukur kepada Allah SWT atas seluruh rahmat, karunia serta kemudahan
yang diberikanNya, sehingga Tugas Akhir ini dapat terselesaikan dengan baik
dan sesuai dengan waktu yang diharapkan. Sholawat serta salam selalu
terlimpahkan kepada Nabi Muhammad SAW.
Teruntuk Saudara kandungku, Mbak (Ike Elisa Dwi Liana), dan Adik – Adikku
(Dandi Febrian Sukamto dan Khayra Syafa Az-Zahra), serta Dyah Idha
Pramusinta terima kasih atas segala candaan, doa, dukungan, dan menghiburku.
Kupersembahkan karyaku ini untuk kalian semua.
Saudaraku Bagas Nice, Yusril, Obhi, Tata, Siska Ncik, yang selalu mendengar
keluh kesah dan sambatan yang telah aku berikan, tanpa kalian aku bukanlah apa
– apa di dunia yang fana ini.
vi
MOTT
---
---
i
KATA
x
5. Ibu Nuzulia Khoiriyah, S.T., M.T., selaku Ketua Jurusan Teknik Industri
Fakultas Teknologi Industri Universitas Islam Sultan Agung serta dosen
pembimbing II, terima kasih banyak atas bimbingan, serta seluruh saran –
saran yang diberikan kepada saya selama proses pengerjaan laporan Tugas
Akhir, sehingga saya dapat menyelesaikan laporan Tugas Akhir ini. Mohon
maaf atas segala kesalahan, keterbatasan, dan kekhilafan saya selama ini.
6. Ibu Dr. Novi Marlyana, S.T., M.T., selaku dosen pembimbing I, terima
kasih banyak atas bimbingan, serta seluruh saran – saran yang diberikan
kepada saya selama proses pengerjaan laporan Tugas Akhir, sehingga saya
dapat menyelesaikan laporan Tugas Akhir ini. Mohon maaf atas segala
kesalahan, keterbatasan, dan kekhilafan saya selama ini.
7. Bapak Brav Deva Bernadhi, S.T, M.T., Ibu Ir. Hj. Eli Mas‘idah, M.T., serta
Muhammad Faisal Yul Zamrudi, S.T., MIT., P.hd., selaku dosen penguji
yang telah bersedia memberikan masukkan berupa kritik dan saran untuk
memperbaiki penyusunan laporan Tugas Akhir ini.
8. Bapak dan Ibu dosen Program Studi Teknik Industri Universitas Islam
Sultan Agung yang telah membimbing dan mengajar selama perkuliahan.
9. Bapak Rasmani pemilik UD. Suka Maju, dan Mas Saptyan Atmaja manager
UD. Suka Maju yang telah mengijinkan saya melakukan penelitian di UD.
Suka Maju yang dikelola. Semoga penelitian yang telah saya lakukan ini
dapat memberikan beberapa masukkan kepada pabrik untuk kedepannya,
dan mohon maaf atas sikap dan perilaku saya yang kurang berkenan selama
penelitian.
10. ―Dyah Idha Pramusinta, S.Gz.‖ terima kasih atas semua perhatian,
doa, semangat, bantuan, serta kesabaran selama proses pengerjaan Tugas
Akhir ini.
11. Seluruh Kontrakan Klenix yaitu Naim, Mas Ano, Riko, Bembeng, Kak Din,
Kempong yang telah memberikan semangat dan dukungan serta yang telah
menyesatkanku dijalan yang penuh fana ini.
12. Seluruh member of Pendekar Crew yaitu Yusril, Ifan, Bagas, Ulil, Rojaba,
Sutris, Reza, Edo, Wawan, Anas, Blek, Duja, Farhan, Huda, Indra, Rizaldy,
xi
Aji, Borneo, dan Timur Anthony atas semangat dan masukkan yang
diberikan. Mohon maaf jika selama ini saya memiliki kesalahan dalam
berperilaku, berucap dan sikap yang telah menyakiti hati kalian semua.
13. Seluruh member Girls Squad C atas masukkan – masukkan serta semangat
yang diberikan, dan terima kasih banyak selama ini sudah menjadi teman
saya dalam segala hal. Mohon maaf jika selama ini saya memiliki kesalahan
dalam berperilaku, berucap dan sikap yang telah menyakiti hati kalian
semua.
14. Seluruh teman – teman Teknik Industri 2015 atas kebersamaan yang telah
dilalui, serta motivasi yang diberikan selama ini.
15. Obhi Thiessaputra selaku wakil presbem dan menjadi partnerku selama satu
periode, terima kasih atas segala hal yang telah diberikan.
16. Konco Ngelayap, Bagas Nice, Yusril Najmi, Obhi, Tata atas segala hal
liburan selama ini.
17. Keluarga BEM FTI Periode 2017/2018 serta Periode 2018/2019 atas
kerjasama, dan kepercayaan yang diberikkan selama ini sehingga saya
memperoleh banyak pelajaran dan pengalaman mengenai organisasi.
18. Serta semua pihak yang telah membantu dalam penyelesaian laporan Tugas
Akhir ini.
Penulis menyadari bahwa masih terdapat banyak kekurangan dalam laporan
Tugas Akhir ini, untuk itu kritik dan saran saya harapkan dari pembaca. Semoga
laporan Tugas Akhir ini dapat dikembangkan kembali dan bermanfaat bagi
banyak orang. Aamiin.
Wassalamualaikum. Wr. Wb.
Sandi Sukamto
x
DAFTAR ISI
xi
xi
Tabel 1.1 Jumlah Produksi Garam Halus dan Permintaan Pada Tahun
2019............................................................................................... 3
Tabel 2.1 Penelitian Pendahulu ..................................................................... 9
Tabel 2.2 Perbedaan Pendekatan Parametrik Dan Non-Parametrik Dalam
Pengukuran Efisiensi Relative ...................................................... 16
Tabel 4.1 Penentuan Decision Making Unit (DMU)..................................... 42
Tabel 4.2 Identifikasi Variabel Input dan Output.......................................... 43
Tabel 4.3 Penentuan Variabel Input dan Output ........................................... 44
Tabel 4.4 Rekapitulasi Data Input dan Output .............................................. 45
Tabel 4.5 Efisiensi Tiap DMU dengan Perhitungan Metode DEA............... 49
Tabel 4.6 Jumlah Aktual Variabel Input dan Output .................................... 51
Tabel 4.7 Jumlah Target Variabel Input dan Output yang Dapat
Diterapkan ..................................................................................... 54
Tabel 4.8 Jumlah Persen Perbaikan Variabel Input dan Output.................... 55
x
DAFTAR
xv
DAFTAR
xvi
ABSTRA
Potensi Indonesia untuk menjadi penghasil garam sangat besar karena Indonesia
mempunyai garis pantai dengan wilayah areal pantai paling luas sehingga mendukung
untuk usaha pembuatan garam baik skala usaha kecil maupun skala industri. Namun
potensi ini tidak diimbangi dengan peningkatan jumlah dan mutu produksi garam di
Indonesia (Rositawati et al., 2013). UD. Suka Maju merupakan suatu perusahan yang
bergerak dibidang pembuatan garam halus. UD. Suka Maju didirikan oleh bapak Rasmani
sejak tahun 2001 yang terletak di Desa Purworejo Rt. 03 Rw. 02 Kecamatan Kaliori
Kabupaten Rembang. Selama ini jumlah produksi yang dihasilkan hanya 50 ton saat
panen yaitu pada musim panen padahal kapasitas yang harus dicapai yaitu kurang lebih
20.000 ton, sehingga belum diketahui apakah perusahaan sudah efisien atau tidak. Oleh
karena itu, perlu dilakukan pengukuran tingkat efisiensi untuk mengetahui efisiensi pada
proses produksi dan menentukan strategi perbaikan bagi proses produksi yang tidak
efisien dengan menggunakan metode Data Envelopment Analysis (DEA). Tindakan yang
dapat dilakukan untuk mengatasi permasalahan tersebut yaitu dengan melakukan analisa
tingkat efisiensi pada aktivitas proses produksi dengan mengetahui beberapa input yang
ada. Penelitian ini hanya fokus kepada analisa tingkat efisiensi aktivitas proses produksi.
Terdapat 7 DMU antara lain Januari, Februari, Maret, April, Mei, Juni, dan Juli. Hasil
perhitungan menggunakan metode DEA dengan alat bantu software Banxia Frontier
Analyst dapat diketahui bahwa DMU yang efisien ada 2 yaitu pada bulan Maret 100%
dan Juli 100%, sedangkan 5 DMU mengalami inefesiensi seperti bulan Januari 89,1%,
Februari 73,2%, April 73,7%, Mei 51,9%, dan Juni 81,6%. Hal tersebut membuat pada 5
DMU harus segera melakukan perbaikan dengan acuan DMU yang efisien.
Kata Kunci : UD. Suka Maju, Inefesiensi, Data Envelopment Analysis (DEA),
Banxia Frontier Analyst, Decision Making Unit (DMU)
xi
ABSTRACT
x
BAB I
PENDAHULUAN
1
2
tambahan manfaatnya atau penciptaan faedah baru. Faedah atau manfaat ini dapat
terdiri dari beberapa macam, misalnya faedah bentuk, faedah waktu, faedah
tempat, serta kombinasi dari beberapa faedah tersebut di atas. Dengan demikian
produksi tidak terbatas pada pembuatan, tetapi sampai pada distribusi.
UD. Suka Maju merupakan suatu perusahan yang bergerak dibidang
pembuatan garam halus. UD. Suka Maju didirikan oleh bapak Rasmani sejak
tahun 2001 yang terletak di Desa Purworejo Rt. 03 Rw. 02 Kecamatan Kaliori
Kabupaten Rembang. Latar belakang berdirinya UD. Suka Maju awalnya karena
disekitar tempat bapak Rasmani belum ada pabrik untuk produksi garam dan juga
untuk memudahkan para petani garam yang mengalami kesulitan untuk menyetor
dan memasarkan garamnya. Akhirnya, sampai saat ini UD. Suka Maju terus
berkembang dengan mengedepankan kualitas sebagai jaminan untuk kepuasan
pelanggnnya.
UD. Suka Maju dalam meningkatkan kualitas produk garam halus tidak
lepas dari berbagai permasalahan yang mempengaruhi kualitas produk garam
tersebut, adapun permasalahan yang dialami oleh UD. Suka Maju diantaranya
yaitu biaya bahan baku yang naik turun atau tidak stabil, jumlah karyawan yang
kurang memadai di UD. Suka Maju karyawan atau pekerja berjumlah kurang
lebih 20 orang dan menurut pemilik pabrik jumlah karyawan tersebut masihpas -
pasan, jam kerja karyawan yang tidak teratur, biaya lain - lain, dan permintaan
yang tidak stabil dan harus terpenuhi.
UD. Suka Maju juga sering mengalami kekurangan dalam memenuhi
permintaan pelanggan yang meningkat sehingga UD tersebut dituntut untuk
memenuhi permintaan konsumen. Selama ini jumlah produksi yang dihasilkan
hanya kurang lebih 50 ton saat panen yaitu pada musim panen padahal kapasitas
yang harus dicapai yaitu kurang lebih 20.000 ton, sehingga belum diketahui
apakah output produksi sudah efisien atau tidak. Oleh karena itu, perlu dilakukan
pengukuran tingkat efisiensi untuk mengetahui efisiensi pada proses produksi dan
menentukan strategi perbaikan bagi proses produksi yang tidak efisien. Berikut ini
adalah produksi garam pada UD.Suka Maju pada tahun 2019 dari bulan Januari
sampai dengan bulan Maret dan permintaan dari konsumen tersebut.
3
Tabel 1.1 Jumlah Produksi Garam Halus dan Permintaan Pada Tahun 2019
Produksi Permintaan
No. Bulan Keterangan
(kg) (kg)
1. Januari 34.900 30.000 Terpenuhi
2. Februari 29.800 34.000 Tidak terpenuhi
3. Maret 48.747 38.200 Terpenuhi
4. April 30.000 42.600 Tidak terpenuhi
5. Mei 19.200 22.000 Tidak terpenuhi
6. Juni 30.000 31.200 Tidak terpenuhi
7. Juli 36.700 42.800 Tidak terpenuhi
Rata –Rata 31614,286 34542,857
Sumber : UD. Suka Maju, data olahan tahun 2019
Efisiensi merupakan salah satu parameter kinerja yang secara teoritis
mendasari seluruh kinerja suatu organisasi. Efisiensi didefinisikan sebagai
kesuksesan dalam memproduksi output semaksimal mungkin dari sejumlah input
yang diberikan. Konsep dari pengukuran efisiensi itu sendiri dapat dilihat dari
fokus input atau output.
Tindakan yang dapat dilakukan untuk mengatasi permasalahan tersebut
yaitu dengan melakukan analisa tingkat efisiensi pada aktivitas proses produksi
dengan mengetahui beberapa input yang ada. Penelitian ini hanya fokus kepada
analisa tingkat efisiensi aktivitas proses produksi.
BAB V PENUTUP
Pada bab ini berisi hasil ringkasan dari pengolahan data dan pemecahan
masalah serta saran-saran yang diberikan penulis baik saran bagi
perusahaan maupun saran bagi penelitian yang akan datang.
BAB II
TINJAUAN PUSTAKA DAN LANDASAN TEORI
7
8
sendiri berbeda dengan metode – metode yang lain karena disini permaslahan
yang terdapat pada pbarik UD. Suka Maju lebih tepat diselesaikan dengan metode
DEA, karena metode DEA memiliki kelebihan ataupun keunggulan yang sama
halnya dengan permaslahan di pabrik UD.Suka Maju yaitu Dapat
menangani multipler inputs dan multiple ouputs, Tidak perlu mengetahui
hubungan antara input dan outputnya, Dapat digunakan dengan data input dan
output yang berbeda unit, Hal yang diperbandingkan dapat terlihat secara
langsung dari output olahan yang dihasilkan. Dengan kelebihan seperti yang
sudah terurai diatas peneliti yakin bahwasanya metode yang tepat untuk
digunakan dalam penelitian ini yaitu dengan menggunakan metode DEA.
9
No Penulis Judul & Sumber Permasalahan dan Metode Variabel Variabel Decision Making Hasil Penelitian
Penyelesaian Input Output Unit (DMU)
Aplikasi Data Perusahaan UD. Putih Jaya sering - Jumlah - Jumlah Bulan januari – Menghitung tingkat efisiensi dalam
Envelopment mengalami kekurangan produksi tenaga produk mei pada tahun pengukuran aktivitas produksi dengan
Analysis (Dea) paving dan adanya peningkatan kerja - Jumlah 2015 metode DEA sehingga menghasilkan
Untuk Pengukuran permintaan. Jumlah produksi - Jumlah pelanggan output yang relative efisien pada
Efisiensi Aktivitas yang dihasilkan hanya jam kerja produksi paving.
Rambe, Produksi berdasarkan jumlah pekerja dan - Biaya
1 Syahputra Perhitungan menggunakan software
kapasitas jam kerja, sehingga bahan
(2017) LINGO
Sumber: MES belum diketahui apakah output baku
(Journal of produksi sudah efisien atau tidak. produksi
Mathematics
Education and Metode = Data Envelopment
Science) Analysis (DEA)
Vol. 2, No. 2. April
2017
Pengukuran Efisiensi Perusahaan sering mengalami - Jumlah - Jumlah Bulan januari – Penerapan pengukuran efisiensi proses
Proses Produksi kekurangan produksi dan adanya tenaga produk mei pada tahun produksi dengan metode DEA dengan
Dengan peningkatan permintaan. Jumlah kerja - Jumlah 2015 membandingnkan input dan output
Menggunakan produksi yang dihasilkan hanya - Jumlah pelanggan Decision Making Unit dengan
Metode Data berdasarkan jumlah pekerja dan jam kerja Perhitungan menggunakan software
2 Dewi
Envelopment kapasitas jam kerja, sehingga - Biaya LINGO
(2015)
Analysis (Dea) belum diketahui apakah output bahan
produksi sudah efisien atau tidak. baku
Sumber: Jurnal produksi
Performa 2015, Metode = Data Envelopment
Vol.14, No.1 Analysis (DEA)
1
Metode = DataEnvelopment
Analysis(DEA)
Analisis Efisiensi Berbagai kendala dan hambatan - UKE (Unit - TA Total Perusahaan tekstil Sebagai contoh untuk perusahaan yang
Perusahaan Tekstil pada industri tekstil yaitu Kegiatan aset (juta belum mencapai tingkat efisiensi 100%
Ester
Go Publik Dengan kenaikan harga minyak mentah Ekonomi) rupiah) adalah PT. Roda Vivatex Tbk yang
4 dan
Menggunakan dunia mendorong semakin A - INV hanya mencapai tingkat efisiensi
Merlin
Metode: mahalnya harga bahan baku dan - UKE (Unit Inventori/p sebesar 65,70% pada tahun 2006
(2010) ersediaan(ju
DataEnvelopment biaya energi, infrastruktur Kegiatan
Analysis/Dea Tahun pelabuhan yang belum kondusif, Ekonomi) ta rupiah)
1
porsi kue iklan didaerah sangat pada bulan Desember sebesar 0,14.
kecil sehingga berdampak Hasil penelitian ini sesuai dengan
kepada penurunan pendapatan penelitian yang telah dilakukan
yang diperoleh dari iklan spot. sebelumnya oleh Sutawijaya dan
Lestari (2009), Hartono et al. (2008)
Metode = Data Envelopment yang menggunakan DEA dengan
Analysis (DEA) metode CRS.
Perhitungan menggunakan software
SPSS
Efisiensi Jurusan Di Selama ini dalam Perguruan - Biaya - Jumlah - Jurusan Teknik Berdasarkan hasil analisis tingkat
Dalam Perguruan Tinggi menggunakan akreditasi Personalia Lulusan Elektri efisiensi Jurusan di Politeknik Negeri
Tinggi Dengan dari BAN-PT sebagai alat untuk dan Biaya - Jumlah - Jurusan Teknik Malang menggunakan metode Data
Menggunakan Operasional Penelitian Mesin Envelopment Analysis (DEA) periode
mengevaluasi kinerja mereka.
Data Envelopment - Dana - Jurusan Teknik tahun 2014 sampai dengan tahun 2016,
Namun instrumen yang Sipil berikut kesimpuan dari penelitian ini :
Analysis (Dea) Penelitian
didalamnya belum cukup untuk - Jurusan Teknik 1. Pada tahun 2014 terdapat 6 jurusan
menganalisis efisiensi Perguruan
- Jumlah
Sumber : Mahasiswa Kimia yang efisien ( mencapai skor 1) yakni
Ahmi, Tinggi bahwa Perguruan Tinggi - Jurusan jurusan Akuntansi, Jurusan Teknik
Jurnal Akuntansi, Aktif
7. Eltivia, memiliki banyak input dan output Akuntansi Elektronika, Jurusan Teknik
Ekonomi dan - Jumlah - Jurusan Informasi, Jurusan Teknik Mesin,
Indrawan Manajemen Bisnis Tenaga
(2018) Vol. 6 No. 2, Administrasi Jurusan Teknik Kimia dan Jurusan
Metode = Data Envelopment Pendidik dan
Niaga Teknik Sipil.
December 2018, 172- Analysis (DEA) Kependidika
- Jurusan 2. Pada tahun 2015, seluruh
178 n
Teknologi Jurusan dalam kondisi efisien.
Informasi 3. Pada tahun 2016 terdapat 4
Jurusan yang efisien ( mencapai skor
1) yakni Jurusan Teknik Informasi,
Teknik Kimia dan Teknik Sipil.
Perhitungan menggunakan software
Banxia Frontier Analyst
1
Penerapan Metode Banyak para pelaku usaha gula Aplikasi SPK Menentukan Kualitas
Ahp (Analythic tumbu sering mengalami Gula Tumbu ini, sudah dapat
Hierarchy kesulitan dalam menentukan melakukan perhitungan dengan metode
Process)Untuk kualitas gula tumbu. Hal ini AHP (Analytic Hierarchy Process)
Menentukan Kualitas disebabkan kualitas gula tumbu lebih cepat dibandingkan perhitungan
Gula Tumbu yang bermacam-macam dan secara manual sehingga bias lebih
permintaan konsumen yang efisien dan tingkat keakuratan data
Darmanto, Sumber : Jurnal berbeda-beda. Gula tumbu sudah mendekati sempurna.
8. Latifah, SIMETRIS, Vol 5 No mempunyai tingkat kualitas yang 2. Seluruh pendataan yang berhubungan
Susanti 1 April 2014 berbeda-beda. Sehingga para dalam Menentukan Kualitas Gula
(2014) ISSN: 2252-4983 pelaku usaha mengalami kesulitan Tumbu meliputi data warna, data
dalam menentukan kualitas gula rasa, data kekerasan dan data
tumbu sesuai dengan permintaan perhitungan metode dapat diolah
konsumen. seluruhnya di dalam Aplikasi SPK
Menentukan Kualitas Gula Tumbu ini
Metode = Ahp (Analythic dan dapat terorganisir dengan baik.
Hierarchy Process) Perhitungan menggunakan software
Sistem Pendukung Keputusan (SPK)
Implementasi Linear Untuk menentukan keuntungan Berdasarkan penelitian yang telah
Programming Untuk dalam produksi masih dilakukan dapat diambil kesimpulan
Memaksimalkan berdasarkan keuntungan masing – bahwa persamaan matematis untuk
Keuntungan masing jenis produk tersebut memaksimalkan fungsi tujuan
tanpa memperhatikan (keuntungan) di Preparation Line
Supriyadi, Sumber : Seminar keterbatasan sumber daya yang dengan memperhatikan keterbatasan
Muslimat, Nasional Riset tersedia, sehingga mengakibatkan sumber daya yang tersedia, antara lain :
9. Pratama, Terapan 2017 | pencapaian tonage produksi dan waktu produksi, permintaan produksi
SENASSET 2017 keuntungan yang diperoleh tidak dan ketersediaan bahan baku.
Ramayant
ISBN: 978-602- maksimal. Perbandingan tingkat produksi dan
i (2017) 73672-1-0 Serang, 25 pencapaian keuntungan PRP antara
November 2017 Metode = Linear programming kondisi saat ini dengan setelah
penerapan linear programming adalah
sebagai berikut : yaitu terjadi
peningkatan produksi sebesar 3.155,38
ton/bulan dan peningkatan profit
1
Dimana:
u1 = bobot untuk output 1
v1 = bobot untuk input 1
yij = nilai dari output 1 dari unit j
xij = nilai dari input 1 dari unit j
Asumsi utama dari efiseinsi Farrel adalah pengukuran efisiensi ini
membutuhkan pembobotan yang sama untuk tiap faktor yang menentukan
efisiensi dari semua unit. Permasalahan yang timbul adalah bagaimana
menentukan bobot tersebut. Sebuah unit organisasi mungkin saja memberikan
penekanan yang berbeda dengan unit yang lain dalam mengolah inputnya,
sehingga sulit untuk menentukan bobot yangh dapat mewakili. Demikian pula
pada faktor output. Hal ini berarti bobot untuk input dan output berbeda antara
unit yang satu dengan unit yang lain. (Farrel).
2.1.3. Data Envelopment Analysis (DEA)
Data Envelopment Analysis (DEA) pertama kali diperkenalkan oleh
Charnes, Cooper dan Rhodes pada tahun 1978. DEA merupakan suatu pendekatan
nonparametrik yang pada dasarnya merupakan pengembangan dari Linear
Programming (LP). Data Envelopmemt Analysis berfungsi untuk menilai efisiensi
dalam penggunaan sumber daya (input) untuk mencapai hasil (output) yang
tujuannya untuk maksimalisasi efisiensi.
Analisis envelopment data (DEA) adalah metode nonparametrik dalam
penelitian operasi dan ekonomi untuk memperkirakan batas produksi. Hal ini
digunakan untuk secara empiris mengukur efisiensi produksi unit pembuat
keputusan atau Decision Making Unit (DMU). Meskipun DEA memiliki kaitan
yang kuat dengan teori produksi di bidang ekonomi, alat ini juga digunakan untuk
pembandingan dalam manajemen operasi, di mana satu set tindakan dipilih untuk
membandingkan kinerja operasi manufaktur dan layanan. Dalam
1
keadaan benchmarking, DMU yang efisien, seperti yang didefinisikan oleh DEA,
mungkin tidak harus membentuk ―production frontier―, namun mengarah
pada
―best-practice corner―.
Istilah DMU dalam DEA dapat berupa bermacam-macam unit seperti bank,
rumah sakit, unit dari pabrik, departemen, universitas, sekolah, pembangkit listik,
kantor polisi, kantor samsat, kantor pajak, penjara, dan apa saja yang memiliki
kesamaan karakteristik operasional. Terdapat dua faktor yang mempengaruhi
dalam pemilihan DMU, yaitu : DMU harus merupakan unit-unit yang homogen.
Unit-unit tersebut melakukan tugas (task) yang sama, dan memiliki obyektif yang
sama. Input dan output yang mencirikan kinerja dari DMU harus identik, kecuali
berbeda hanya intensitas dan jumlah/ukurannya (magnitude).
Data Envelopment Analysis dapat digunakan untuk mengukur efisiensi,
antara lain untuk penelitian kesehatan (health care), pendidikan (education),
pabrik (manufacturing), transportasi (transportation) maupun perbankan
(banking).
Ada tiga manfaat yang diperoleh dari pengukuran efisiensi dengan DEA,
diantaranya:
1. Pertama sebagai tolak ukur untuk memperoleh efisiensi relatif yang
berguna untuk mempermudah perbandingan antar unit ekonomi yang
sama.
2. Kedua, mengukur berbagai variasi efisiensi antar unit ekonomi untuk
mengidentifikasi faktor-faktor penyebabnya.
3. Ketiga, menentukan implikasi kebijakan sehingga dapat meningkatkan
tingkat efisiensinya.
Metodologi DEA adalah sebuah metode non parametric yang menggunakan
model program linier untuk menghitung perbandingan ratio output dan input
untuk semua unit yang dibandingkan. Diperkenalkan pertama kali oleh Charnes.
Cooper, dan Rhodes (CCR) pada tahun 1978. metode ini tidak memerlukan fungsi
produksi dan hasil perhitungannya disebut nilai efisiensi relative. Jadi dapat
dikatakan bahwa DEA adalah metode bukan model. Data Envelopment Analysis
merupakan metode analisa multifaktor untuk mengukur efisiensi dan efektifitas
1
unit dari pabrik, departemen, universitas, sekolah, pembangkit listik, kantor polisi,
kantor samsat, kantor pajak, penjara, dan apa saja yang memiliki kesamaan
karakteristik operasional (Siswadi dan Purwantoro, 2006). Ramanathan (2003)
menyebutkan ada dua faktor yang mempengaruhi dalam pemilihan DMU, yaitu :
DMU harus merupakan unit-unit yang homogen. Unit-unit tersebut
melakukan tugas (task) yang sama, dan memiliki obyektif yang sama. Input
dan output yang mencirikan kinerja dari DMU harus identik, kecuali
berbeda hanya intensitas dan jumlah/ukurannya (magnitude). Hal ini juga
sejalan dengan pendapat Sufian (2006).
Hubungan antara jumlah DMU terhadap jumlah input dan output
kadangkala ditentukan berdasarkan ―rule of thumb‖, yaitu jumlah
DMU diharapkan lebih banyak dibandingkan jumlah input dan output dan
ukuran sampel seharusnya dua atau tiga kali lebih banyak dibandingkan
dengan jumlah keseluruhan input dan output.
Hal yang sama dikemukakan oleh Barnum dan Gleason (2008), bahwa
pertimbangan dalam pemilihan sampel DMU adalah jumlah dari DMU itu sendiri.
Untuk dapat membedakan secara selektif DMU yang efisien dan inefisien maka
diperlukan jumlah DMU yang lebih besar dari perkalian jumlah input dan jumlah
output. Jumlah DMU sekurang-kurangnya tiga kali lebih besar dari total jumlah
variabel input dan output (Dyson, 2001). Namun pada beberapa penelitian lain
mengenai DEA terdapat pula penggunaan sampel DMU yang lebih kecil.
2.1.5. Konsep Dasar DEA
DEA adalah pengembangan programasi linier yang didasarkan pada teknik
pengukuran kinerja relatif dari sekelompok unit input dan output. DEA dapat
mengatasi keterbatasan yang dimiliki analisis rasio parsial maupun regresi
berganda. DEA merupakan prosedur yang dirancang secara khusus untuk
mengukur efisiensi relatif suatu decision making unit (DMU) yang menggunakan
banyak input maupun output. Dalam DEA efisiensi relatif DMU didefinisikan
sebagai rasio dari total output tertimbang dibagi total input tertimbangnya. Inti
dari DEA adalah menentukan bobot (weights) atau timbangan untuk setiap input
dan output DMU. Bobot tersebut memiliki sifat tidak bernilai negatif dan bersifat
2
Dalam kenyataannya, baik input maupun output dapat lebih dari satu. Dalam
membandingkan output dan input, digunakan bobot untuk masing-masing
inputdan output yang ada (Ramanathan, 2003).
Maximize :
𝑠
∑ 𝑣𝑟𝑦𝑟j............................................................................................ (2.1)
𝑟=1
Subject to :
𝑚
∑i=1 𝑢i𝑥ij = 1..........................................................................................(2.2)
𝑠
∑
𝑟=1 𝑣𝑟𝑦𝑟j - 𝑢i𝑥ij ≤ 0; j = 1,2,3, … , 𝑛....................................................(2.3)
∑𝑚
1
𝑉𝑟 ≥ 0; 𝑟 = 1,2,3, … , 𝑠………………………………………………………....(2.4)
𝑢i ≥ 0; i = 1,2,3, … , 𝑚.....................................................................................(2.5)
Keterangan :
y = variabel output
x = variabel input
v = bobot output
u = bobot input
r = 1 (indeks untuk output)
i = 1 sampai 5 (indeks untuk input)
j = 1 sampai 7 (indeks untuk DMU)
Model CCR dikenal dengan nama constant return to scale (CRS), yaitu
perbandingan nilai output dan input bersifat konstan, penambahan nilai input dan
output sebanding. Pada model CCR, tidak terdapat syarat convexity
constraint,berbeda dengan model Banker-Charnes-Cooper (BCC) yang terdapat
syarat convexity constraint.
2.1.7. Keunggulan dan Kelemahan DEA
Mengingat setiap organisasi mempunyai level input yang bervariasi dan
juga menghasilkan level output yang bervariasi, maka DEA telah membuka
kesempatan untuk menangani berbagai kasus yang tidak dapat didekati dengan
metode lain karena sifat hubungan yang kompleks antara banyak input danbanyak
output yang terlibat. Seperti halnya ukuran efisiensi pada umumnya, ukuran
efisiensi dalam DEA dinyatakan sebagai nisbah output dibagi input, sehingga nilai
efisiensi maksimalnya adalah satu atau seratus persen. Model DEA digunakan
sebagai perangkat untuk mengukur kinerja setidaknya memiliki tiga keunggulan
dibandingkan model lain, yaitu :
2
• Model DEA dapat mengukur banyak variabel input dan variabel output
(Purwantoro, 2004).
• Tidak diperlukan asumsi hubungan fungsional antara variabel-variabel
yangdiukur (Purwantoro, 2004).
• Variabel input dan output dapat memiliki satuan pengukuran yang berbeda
(Purwantoro, 2004).
Kelebihan lain juga dikemukakan oleh Trick (1996), yaitu :
• DEA tepat untuk model yang mempunyai banyak input dan output.
• Fungsi persamaan/pertidaksamaan dari DEA tidak memerlukan asumsi yang
berkaitan dengan input dan output-nya.
• Unit yang diukur akan dibandingkan secara langsung dengan unit-unit yang
dievaluasi input dan output dapat mempunyai satuan yang berbeda.
Makmun (2002) berpendapat, walaupun analisis DEA memiliki banyak
kelebihan dibandingkan analisis rasio parsial dan analisis regresi, DEA memiliki
beberapa keterbatasan, yaitu:
• DEA mensyaratkan semua input dan output harus spesifik dan dapat diukur
(demikian pula dengan analisis rasio dan regresi). Kesalahan dalam
memasukkan input dan output akan memberikan hasil yang bias.
• DEA berasumsi bahwa setiap unit input atau output identik dengan unit lain
dalam tipe yang sama. Tanpa mampu mengenali perbedaan-perbedaan
tersebut, DEA akan memberi hasil yang bias.
• Dalam bentuk dasarnya DEA berasumsi constant return to scale (CRS). CRS
menyatakan bahwa perubahan proporsional pada semua tingkat input akan
menghasilkan perubahan proporsional yang sama pada tingkat output.
• Bobot input dan output yang dihasilkan oleh DEA tidak dapat ditafsirkan
dalam nilai ekonomi.
Kelemahan/keterbatasan metode DEA menurut Purwantoro (2004) adalah :
• Bersifat simpel spesifik.
• Merupakan extreme point technique, kesalahan pengukuran dapat berakibat
fatal.
2
• DEA sangat bagus untuk estimasi efisiensi realtif DMU tetapi sangat lambat
untuk mengukur efisiensi absolut dengan kata lain bisa membandingkan
sesama DMU tetapi bukan membandingkan maksimisasi secara teori.
• Uji hipotesis secara statistik atas hasil DEA sulit dilakukan.
• Menggunakan perumusan linier programming terpisah untuk tiap DMU
(perhitungan secara manual sulit dilakukan apalagi untuk masalah berskala
besar).
• Bobot dan input yang dihasilkan oleh DEA tidak dapat ditafsirkan dalam nilai
ekonomi.
Lebih spesifik lagi, Hadad dan Santoso (2003) telah menunjukkan, bahwa
DEA tidak dapat memperkirakan adanya sampel error yang tak terhingga. Hal ini
terjadi jika banyaknya variabel input dan output relatif lebih banyak dibandingkan
dengan banyaknya observasi. Hal ini berlaku untuk sebagian besar model DEA.
2.1.8. Software Banxia Frontier Analyst
Frontier Analyst® adalah alat analisis efisiensi berbasis Windows®, yang
menggunakan teknik yang disebut data envelopment analysis (DEA) untuk
memeriksa kinerja relatif dari unit organisasi, yang membawa keluar fungsi
serupa. Oleh karena itu, cocok untuk digunakan dalam organisasi yang beroperasi
melalui sistem gerai (seperti gerai ritel, bank, waralaba dan sebagainya) dan untuk
digunakan dengan sektor publik atau "tidak untuk organisasi "laba, seperti rumah
sakit, sekolah, dan sektor publik" berbasis unit "lainnya organisasi. Teknik DEA
berkembang di sektor publik di mana langkah-langkah selain murni langkah-
langkah keuangan, diperlukan untuk menilai kinerja. Sebagai bagian dari analisis,
input (sumber daya) dan output (produk) yang terkait dengan bisnis proses
diidentifikasi. Variabel-variabel ini diklasifikasikan sebagai variabel yang
terkendali dan tidak terkendali. Sebuah rasio output dibandingkan input dihitung
di semua variabel, yang menghasilkan skor efisiensi untuk masing-masing unit
yang dianalisis. Perbandingannya berbasis teman dan begitu juga potensinya
perbaikan yang diidentifikasi untuk unit yang tidak efisien harus realistis dan
(sebagian besar) dapat dicapai (https://banxia.com/pdf/fa/FAWorkbook1.pdf).
2
Gambar 2.3 Masukan Data yang Sudah Direkapitulasi pada Software Microsoft Excel ke Banxia
Frontier Analyst
2
5. Kemudian, pilihlah menu analysis dan pilih DEA option. Setelah itu pilihlah
optimation mode, pilih sesuai yang sudah dijelaskan pada pembahasan
sebelumnya seperti gambar dibawah ini.
Tools:
Metode Data Envelopment Analysis (Dea)
Tahapan:
Pengukuran Tingkat Efisiensi Dengan Metode Data Envelopment Analysis (Dea)
Pengolahan Data
Software Banxia Frontier Analyst
Hasil akhir:
– faktor yang mempengaruhi tingkat efisiensi pada UD. Suka Maju.
at efisiensi pada UD. Suka Maju.
erikan usulan perbaikan untuk mengurangi tingkat efisiensi aktivitas proses produksi dengen pertimbangan kondisi yang sesuai untuk UD. Suka Maju
32
3
3.6. Pembahasan
Setelah semua identifikasi dan perhitungan dilakukan, selanjutnya akan
dilakukan pembahasan hasil pengolahan data mulai dari identifikasi permasalahan
dengan metode Data Envelopment Analysis (DEA).
Mulai
Studi Pendahuluan
Untuk mengetahui kondisi yang ada dilapangan beserta mengidentifikasi permasalahan yang ada
Pengumpulan Data :
Profil perusahaan
Penentuan DMU
Tahap identifikasi variabel input dan output
Tahap penentuan variabel input dan output
Pengolahan data
Analisis
Analisis variabel, technical efficiency (TE), dan target
Rekomendasi perbaikan untuk UD. Suka Maju yang tergolong inefisien
Selesai
38
3
Mulai
packing garam
Pencucian Air limbah
Penggorengan dengan
Keluar
b. Persiapan alat
Alat yang digunakan dalam pembuatan garam halus yaitu terdiri dari Mesin
Pengering (Pencucian), Mesin Oven, Mesin Penyaringan (Penayakkan),
Mesin Packing. Alat-alat tersebut dapat digunakan untuk produksi secara
langsung.
c. Proses pengambilan bahan baku dan pencucian garam krosok
Dalam tahap ini akan dilakukkan pengambilan bahan baku pada gudang dan
langsung dilakukan pencucian garam atau sering disebut pengeringan garam
krosok dengan menggunakan alat yang sudah ada.
garam halus. Penelitian ini yang menjadi DMU adalah bulan pada 2019, antara
lain :
Tabel 4.1 Penentuan Decision Making Unit (DMU)
No. Bulan Keterangan
1 Januari DMU 1
2 Februari DMU 2
3 Maret DMU 3
4 April DMU 4
5 Mei DMU 5
6 Juni DMU 6
7 Juli DMU 7
Pada tabel 4.1 penentuan DMU yaitu dalam penentuan DMU sendiri,
peneliti melakukan wawancara dengan pemilik pabrik dan memberikan informasi
tentang referensi DMU untuk dijadikan penelitian untuk DMUnya sendiri.
Pemilihan DMU ini karena saat melakukan observasi dan wawancara bahwa
sering terjadi naik turun harga bahan baku, sedangkan pabrik yang diinginkan
harga bahan baku harus stabil kisaran Rp. 3.000/kg, tetapi realitanya dilapangan
tidak seperti itu bahkan pada bulan Juli harga bahan baku turun sampai kisaran
Rp. 350/kg, sehingga mempengaruhi jumlah produksi garam halus yang tidak
memenuhi target dalam setiap bulannya, sehingga penentuan DMU tersebut yang
menjadi rujukannya.
4.1.4. Pemilihan Variabel
Setelah melakukan pemilihan DMU, langkah yang akan ditempuh yaitu
menentukan variabel-variabel yang akan digunakan. Pertama identifikasi terlebih
dahulu variabel-variabel yang mempengaruhi inefesiensi pada proses produksi
garam halus. Tinjauan literatur, wawancara dengan pemilik pabrik, serta observasi
langsung ke lapangan dilakukan untuk mengetahui dan mempertimbangkan
variabel-variabel yang digunakan sebagai input dan output dalam pengukuran
inefesiensi. Langkah awal yaitu menentukan dan memilih variabel – variabel
4
input dan output, mengumpulkan referensi terkait variabel – variabel yang akan
digunakan seperti ditunjukan pada tabel 4.2 sebagai berikut.
Tabel 4.2 Identifikasi Variabel Input dan Output
Sumber Referensi Variabel Input Sumber Referensi Variabel Output
Biaya Promosi
Biaya Operasional
Binuko, Siregar,
dan Hartoyo Biaya Administrasi
(2016)
Biaya Pemasaran
relevan untuk pabrik. Sehingga muncul variabel yang akan digunakan yaitu
seperti dibawah ini. Variabel yang terpilih akan menjadi variabel pengukuran
tingkat efisiensi pada setiap bulannya. Berikut adalah variabel terpilih yang akan
menjadi pengukuran tingkat aktivitas proses produksi meliputi :
A. Variabel Input
a. Jumlah Tenaga Kerja
b. Jumlah Jam Kerja
c. Upah Kerja
d. Biaya Bahan Baku
e. Biaya Operasional
B. Variabel Output
Jumlah Produksi yang Dihasilkan
Jadi, data yang dibutuhkan beserta sumbernya seperti pada table dibawah
ini:
Pada tabel 4.3 adalah penentuan variabel input dan output untuk digunakan
dalam penelitian. Penentuan variabel input dan output berlandasan saat
wawancara dengan pemilik pabrik dan identifikasi variabel yang sudah ada
direferensi untuk diberikan kepada pemilik pabrik dan memimilih variabel yang
cocok dalam masalah dipabrik.
4
Output Input
Jumlah Jumlah
DMU Jumlah Upah Biaya Biaya
Tenaga Jam
No Bulan Produksi Kerja Bahan Baku Operasional
Kerja Kerja
2019 (kg) (rp/bln) (rp/kg) (rp/bln)
(org) (jam/bln)
1 Januari 34.900 20 192 42.180.000 2.000 9.600.000
2 Februari 29.800 20 192 42.180.000 3.500 9.600.000
3 Maret 40.700 20 192 42.180.000 3.000 9.600.000
4 April 30.000 20 192 42.180.000 3.000 9.600.000
5 Mei 19.200 20 192 42.180.000 550 9.600.000
6 Juni 30.000 20 192 42.180.000 400 9.600.000
7 Juli 36.700 20 192 42.180.000 350 9.600.000
Keterangan :
- Jumlah Produksi : Dihitung berdasarkan data primer atau data pokok yang
diberikan dari pihak pabrik setiap bulannya dalam produksi garam halus
pada tahun 2019.
- Jumlah Tenaga Kerja : Didapatkan dari data yang diberikan dari pihak
pabrik pada setiap bulannya. Terdapat klasifikasi tenaga kerja sebagai
berikut :
1. (17) Pekerja : 2 pekerja mesin pencucian
2 pekerja mesin oven
2 pekerja mesin ayakan
11 pekerja packing
2. (1) staf karyawan
3. (1) mandor
4. (1) sopir dan timbang
- Jumlah Jam Kerja : Didapatkan dari perhitungan dalam pabrik yaitu pabrik
dibuka atau mulai beroperasi pukul 08.00 WIB – 16.00 WIB meliputi
4
mulai hari Senin – Sabtu. Nilai dalam tabel dihitung berdasarkan dalam
satu hari yaitu jam kerja 8 jam dikalikan dengan 24 hari (8 jam x 24 hari =
192 jam/bulan) sehingga mendapatkan nilai yang ditabel 4.4.
- Upah Kerja : Didapatkan dari data pokok pabrik dan dihitung yaitu
didalam UD. Suka Maju terdapat klasifikasi upah untuk karyawannya.
Untuk pekerja yaitu gaji Rp. 85.000/hari, staf karyawan Rp.
1.500.000/bulan, sopir dan timbang Rp. 150.000/hari, mandor Rp.
100.000/hari. Dengan klasifikasi dapat dihitung yaitu gaji per-hari
dikalikan 24 hari dan seluruh upah kerja ditambahkan satu persatu
sehingga didapat nilai seperti ditabel 4.4.
1. Pekerja = Rp. 85.000 x 24 hari = Rp. 2.040.000/bulan
Jumlah pekerja terdapat 17 pekerja jadi, 17 pekerja x Rp.
2.040.000/bulan = Rp. 34.680.000/bulan
2. Staf karywan = Rp. 1.500.000/bulan
3. Mandor = Rp. 100.000 x 24 hari = Rp. 2.400.000/bulan
4. Sopir dan timbang = Rp. 150.000 x 24 hari = Rp. 3.600.000/bulan
Total keseluruhan = Rp. 34.680.000 + Rp. 1.500.000 + Rp. 2.400.000 +
Rp. 3.600.000 = Rp. 42.180.000/bulan
- Biaya Bahan Baku : Didapatkan dari data pokok pabrik, yang setiap
bulannya harga dari bahan baku tidak stabil.
- Biaya Operasional : Didapatkan dari data pokok pabrik dengan klasifikasi
biaya bahan bakar, dan biaya listrik yang setiap harinya yaitu sebesar Rp.
200.000, sehingga dihitung yaitu nilai per-hari dikalikan dengan 1 bulan
didapat nilai seperti ditabel 4.4.
1. Biaya bahan bakar = Rp. 200.000 x 24 hari = Rp. 4.800.000/bulan
2. Biaya listrik = Rp. 200.000 x 24 hari = Rp. 4.800.000/bulan
- Total keseluruhan = Rp. 4.800.000 + Rp. 4.800.000 = Rp. 9.600.000/bulan
Subject to : 𝑢1. X1j + 𝑢2. X2j + 𝑢3. X3j + 𝑢4. X4j + 𝑢5. X5j = 1.......................(4.2)
DMU 1 = 𝑣1𝑌11 − 𝑢1. X11 + 𝑢2. X21 + 𝑢3. X31 + 𝑢4. X41 + 𝑢5. X51 ≤ 0
= 34.900𝑌11 − 20X11 + 192X21 + 42.180.000X31 + 2.000X41 + 9 600.000X51 ≤ 0
DMU 2 = 𝑣1𝑌12 − 𝑢1. X12 + 𝑢2. X22 + 𝑢3. X32 + 𝑢4. X42 + 𝑢5. X52 ≤ 0
= 29.800𝑌12 − 20X12 + 192X22 + 42.180.000X32 + 3.500X42 + 9 600.000X52 ≤ 0
DMU 3 = 𝑣1𝑌13 − 𝑢1. X13 + 𝑢2. X23 + 𝑢3. X33 + 𝑢4. X43 + 𝑢5. X53 ≤ 0
= 40.700𝑌13 − 20X13 + 192X23 + 42.180.000X33 + 3.500X43 + 9 600.000X53 ≤ 0
DMU 4 = 𝑣1𝑌14 − 𝑢1. X14 + 𝑢2. X24 + 𝑢3. X34 + 𝑢4. X44 + 𝑢5. X54 ≤ 0
= 30.000𝑌14 − 20X14 + 192X24 + 42.180.000X34 + 3.000X44 + 9 600.000X54 ≤ 0
DMU 5 = 𝑣1𝑌15 − 𝑢1. X15 + 𝑢2. X25 + 𝑢3. X35 + 𝑢4. X45 + 𝑢5. X55 ≤ 0
= 19.200𝑌15 − 20X15 + 192X25 + 42.180.000X35 + 550X45 + 9 600.000X55 ≤ 0
DMU 6 = 𝑣1𝑌16 − 𝑢1. X16 + 𝑢2. X26 + 𝑢3. X36 + 𝑢4. X46 + 𝑢5. X56 ≤ 0
= 30.000𝑌16 − 20X16 + 192X26 + 42.180.000X36 + 400X46 + 9 600.000X56 ≤ 0
DMU 7 = 𝑣1𝑌17 − 𝑢1. X17 + 𝑢2. X27 + 𝑢3. X37 + 𝑢4. X47 + 𝑢5. X57 ≤ 0
= 36.700𝑌17 − 20X17 + 192X27 + 42.180.000X37 + 350X47 + 9 600.000X57 ≤ 0
𝑢1, 𝑢2, 𝑢3, 𝑢4, 𝑢5 𝑣1 ≥ 0
Keterangan :
v = bobot untuk output jumlah garam halus yang diproduksi setiap bulan
Yij = variabel output jumlah garam halus yang diproduksi DMU ke-j
4
1. DMU 1 (Januari)
Tabel 4.6 Hasil Perbandingan Nilai Awal dengan Nilai Target DMU 1
DMU 1 Januari (89,05%)
Potential
Variable Actual Target
Improvement
Biaya Bahan Baku 2000.00 2000.00 0.00 %
Biaya Operasional 9600000.00 9600000.00 0.00 %
Input Jumlah Jam Kerja 192.00 192.00 0.00 %
Jumlah Tenaga Kerja 20.00 20.00 0.00 %
Upah Kerja 42180000.00 42180000.00 0.00 %
Output Jumlah Produksi 34900.00 39190.57 12.29 %
Sumber : Output Banxia Frontier Analyst 2019
Pada tabel 4.6 hasil dari perbandingan nilai awal dengan nilai target,
bahwa pada DMU 1 (Januari) dikatakan inefisiensi dengan skor 89,05% karena
pada DMU bulan Januari yaitu belum memaksimalkan pada jumlah produksi
garam halus yang dari jumlah produksi awal 34.900 kg harus ditingkatkan
menjadi 39.190,57 kg, sehingga dapat meningkat sebesar 4.290,57 kg.
2. DMU 2 (Februari)
Tabel 4.7 Hasil Perbandingan Nilai Awal dengan Nilai Target DMU 2
DMU 2 Februari (73,22%)
Potential
Variable Actual Target
Improvement
Biaya Bahan Baku 3500.00 3000.00 -14.29 %
Biaya Operasional 9600000.00 9600000.00 0.00 %
Input Jumlah Jam Kerja 192.00 192.00 0.00 %
Jumlah Tenaga Kerja 20.00 20.00 0.00 %
Upah Kerja 42180000.00 42180000.00 0.00 %
Output Jumlah Produksi 29800.00 40700.00 36.58 %
Sumber : Output Banxia Frontier Analyst 2019
Pada tabel 4.7 hasil dari perbandingan nilai awal dengan nilai target,
bahwa pada DMU 2 (Februari) dikatakan inefisiensi dengan skor 73,22% karena
pada DMU bulan Februari yaitu belum mengurangi biaya bahan baku yang dari
nilai awal seharga Rp. 3.500 menjadi Rp. 3.000, pemborosan sebesar Rp. 500 dan
5
belum memaksimalkan pada jumlah produksi garam halus yang dari jumlah
produksi awal 29.800 kg ditingkatkan menjadi 40.700 kg sehingga dapat
meningkat sebesar 10.900 kg.
3. DMU 4 (April)
Tabel 4.8 Hasil Perbandingan Nilai Awal dengan Nilai Target DMU 4
DMU 4 April (73,71%)
Potential
Variable Actual Target
Improvement
Biaya Bahan Baku 3000.00 3000.00 0.00 %
Biaya Operasional 9600000.00 9600000.00 0.00 %
Input Jumlah Jam Kerja 192.00 192.00 0.00 %
Jumlah Tenaga Kerja 20.00 20.00 0.00 %
Upah Kerja 42180000.00 42180000.00 0.00 %
Output Jumlah Produksi 30000.00 40700.00 35.67 %
Sumber : Output Banxia Frontier Analyst 2019
Pada tabel 4.8 hasil dari perbandingan nilai awal dengan nilai target,
bahwa pada DMU 4 (April) dikatakan inefisiensi dengan skor 73,71% karena
pada DMU bulan April yaitu belum memaksimalkan pada jumlah produksi garam
halus yang dari jumlah produksi awal 30.000 kg harus ditingkatkan menjadi
40.700 kg sehingga dapat meningkat sebesar 10.700 kg.
4. DMU 5 (Mei)
Tabel 4.9 Hasil Perbandingan Nilai Awal dengan Nilai Target DMU 5
DMU 5 Mei (51,89%)
Potential
Variable Actual Target
Improvement
Biaya Bahan Baku 550.00 550.00 0.00 %
Biaya Operasional 9600000.00 9600000.00 0.00 %
Input Jumlah Jam Kerja 192.00 192.00 0.00 %
Jumlah Tenaga Kerja 20.00 20.00 0.00 %
Upah Kerja 42180000.00 42180000.00 0.00 %
Output Jumlah Produksi 19200.00 37001.89 92.72 %
Sumber : Output Banxia Frontier Analyst 2019
Pada tabel 4.9 hasil dari perbandingan nilai awal dengan nilai target,
bahwa pada DMU 5 (Mei) dikatakan inefisiensi dengan skor 51,89% karena pada
5
DMU bulan Mei yaitu belum memaksimalkan pada jumlah produksi garam halus
yang dari jumlah produksi awal 19.200 kg harus ditingkatkan menjadi 37.001,89
kg sehingga dapat meningkat sebesar 17.801,89 kg.
5. DMU 6 (Juni)
Tabel 4.10 Hasil Perbandingan Nilai Awal dengan Nilai Target DMU 6
DMU 6 Juni (81,58%)
Potential
Variable Actual Target
Improvement
Biaya Bahan Baku 400.00 400.00 0.00 %
Biaya Operasional 9600000.00 9600000.00 0.00 %
Input Jumlah Jam Kerja 192.00 192.00 0.00 %
Jumlah Tenaga Kerja 20.00 20.00 0.00 %
Upah Kerja 42180000.00 42180000.00 0.00 %
Output Jumlah Produksi 30000.00 36775.47 22.58 %
Sumber : Output Banxia Frontier Analyst 2019
Pada tabel 4.10 hasil dari perbandingan nilai awal dengan nilai target,
bahwa pada DMU 6 (Juni) dikatakan inefisiensi dengan skor 81,58% karena pada
DMU bulan Juni yaitu belum memaksimalkan pada jumlah produksi garam halus
yang dari jumlah produksi awal 30.000 kg harus ditingkatkan menjadi 36.775,47
kg sehingga dapat meningkat sebesar 6.775,47 kg.
5
Unit Score Actual Biaya Actual Biaya Actual Upah Actual Jumlah Actual Jumlah Actual Jumlah
Name (%) Bahan Baku Operasional Kerja Tenaga Kerja Jam Kerja Produksi (kg)
(DMU) (rp/kg) (rp/bln) (rp/bln) (org) (jam/bln)
Unit Target Biaya Target Biaya Target Upah Target Jumlah Target Jumlah
Score Target Jumlah
Name Bahan Baku Operasional Kerja Tenaga Kerja Jam Kerja
(%) Produksi (kg)
(DMU) (rp/kg) (rp/bln) (rp/bln) (org) (jam/bln)
Potential Potential
Potential Potential Potential Potential
Unit Improvment Improvement
Score Improvment Improvment Improvement Improvement
Name Biaya Jumlah
(%) Biaya Bahan Upah Kerja Jumlah Jam Jumlah
(DMU) Operasional Tenaga Kerja
Baku (%) (%) Kerja (%) Produksi (%)
(%) (%)
Maret 100,0 0 0 0 0 0 0
Juli 100,0 0 0 0 0 0 0
pula. Hal ini juga dapat dilihat dalam konsep dasar metode Data Envelopment
Analysis (DEA), bahwasanya apabila dikatakan efisien input produksi tertentu
akan dapat dihasilkan output semaksimal mungkin atau untuk dapat memproduksi
output tertentu dengan input dan biaya seminal mungkin. Dalam penjelasan ini
dapat disimpulkan jika prinsip efisiensi produksi tersebut diterapkan dalam
mencerminkan DMU untuk memperoleh ouput yang semaksimal mungkin dari
sejumlah input tertentu dikatakan lebih efisien secara teknis dari DMU lain jika
DMU dapat menghasilkan output yang maksimal dengan nilai input yang seminal
mungkin. Jadi, pada bulan Februari terdapat input yang dalam proses olah data
dengan software dinyatakn terlalu over pada input – input tertentu, antara lain
biaya bahan baku dengan nilai -14,29% berarti pemborosan pabrik pada biaya
bahan baku senilai Rp. 500 sehingga pabrik yang awal membeli biaya bahan baku
sebesar Rp. 3.500 dapat dibeli seharga Rp. 3.000.
Dapat disimpulkan dengan penjelasan diatas bahwasanya, mengapa tidak
semua DMU yang inefisien juga tidak ada strategi perbaikan pada input – input
yang inefisien ? karena dalam proses penggunaan software ini tidak dapat dilihat
disini hanya menganalisa bahwa untuk DMU yang lain input – input sudah efisien
dan relevan untuk dapat menghasilkan ouput yang maksimal. Pada saat
dilapangan untuk penelitian ini terbukti bahwa dengan pekerja yang kurang
disiplin, harga bahan baku yang naik turun dan harus adanya peremajaan mesin –
mesin produksi, maka jumlah produksi garam halus menglami kurang maksimal
dalam proses produksinya. (merujuk lampiran 2).
hasil dari analisis tersebut menyatakan bahwa hanya 2 DMU pada bulan Juli dan
Maret yang dinyatakan efisien dengan score 100% pada kondisi warna hijau yang
menjelaskan masih keadaan aman. Sedangkan 5 DMU lainnya tidak efisien.
Bulan – bulan yang tidak efisien yaitu Januari (DMU1) dengan score 89,1%,
Februari (DMU2) dengan score 73,2%, April (DMU4) dengan score 73,7%, Mei
(DMU5) dengan score 51,9%, dan Juni (DMU6) dengan score 81,6% dengan
kondisi warna merah berarti perlu adanya tindakan perbaikan. Pada DMU – DMU
yang inefisien terdapat faktor - faktor atau variabel yang mempengaruhi efisiensi
produksi. Faktor atau variabel tersebut adalah dari variabel inputnya sendiri pada
bulan Februari (DMU2) mengalami pemborosan sebesar Rp. 500, sedangkan
faktor atau variabel output, pada bulan Januari (DMU1), Februari (DMU2), April
(DMU4), Mei (DMU5), dan Juni (DMU6) belum mengoptimalkan jumlah
produksi garam halus.
4.3.2. Analisa Usulan Perbaikan Yang Perlu Dilakukan
Berikut ini adalah analisa dari hasil pengolahan dengan menggunakan
metode DEA:
a. DMU 1 (Januari)
Tabel 4.14 Perbandingan Nilai Aktual dengan Target Bulan Januari
DMU 1 Januari (89,05%)
Potential
Variable Actual Target
Improvement
Biaya Bahan Baku 2000.00 2000.00 0.00 %
Biaya Operasional 9600000.00 9600000.00 0.00 %
Input Jumlah Jam Kerja 192.00 192.00 0.00 %
Jumlah Tenaga Kerja 20.00 20.00 0.00 %
Upah Kerja 42180000.00 42180000.00 0.00 %
Output Jumlah Produksi 34900.00 39190.57 12.29 %
Sumber : Output Banxia Frontier Analyst 2019
Hasil dari analisis perbaikan ini dapat menjelaskan bahwa dengan
melakukan penyesuaian pada biaya bahan baku, biaya operasional, jumlah
tenaga kerja, jumlah jam kerja, upah kerja maka akan menaikkan jumlah
produksi pada bulan Januari yang selama ini mengalami inefesiensi. Hasil
5
dari perbandingan nilai awal dengan nilai target, bahwa pada DMU 1
(Januari) dikatakan inefisiensi dengan skor 89,05% karena pada DMU 1
(Januari) yaitu belum memaksimalkan pada jumlah produksi garam halus
yang dari jumlah produksi awal 34.900 kg harus ditingkatkan menjadi
39.190,57 kg, sehingga dapat meningkat sebesar 4.290,57 kg. Pada analisa
ini pihak pabrik harus mengupayakan untuk lebih meningkatkan jumlah
produksinya dan peremajaan mesin – mesin yang sudah mulai berumur.
b. DMU 2 (Februari)
Tabel 4.15 Perbandingan Nilai Aktual dengan Target Bulan Februari
DMU 2 Februari (73,22%)
Potential
Variable Actual Target
Improvement
Biaya Bahan Baku 3500.00 3000.00 -14.29 %
Biaya Operasional 9600000.00 9600000.00 0.00 %
Input Jumlah Jam Kerja 192.00 192.00 0.00 %
Jumlah Tenaga Kerja 20.00 20.00 0.00 %
Upah Kerja 42180000.00 42180000.00 0.00 %
Output Jumlah Produksi 29800.00 40700.00 36.58 %
Sumber : Output Banxia Frontier Analyst 2019
Dari hasil analisis perbaikan bahwa diketahui DMU 2 (Februari) inefesien
terhadap biaya bahan baku. Seperti yang dikatakan pemilik pabrik bahwa
harga bahan baku selalu naik turun setiap bulannya, dan ini berdampak juga
pada bulan Februari yang dalam hasil olah data menyatakan senilai -
14,29%. Dapat disimpulkan bahwa biaya bahan baku pada saat bulan
Februari mengalami pemborosan sebesar 14,29% dan dalam hasil perbaikan
menyatakan didalam bulan Februari biaya bahan baku bisa turun sebesar
14,29% yang dari nilai awal sebesar Rp. 3.500 bisa turun menjadi Rp.
3.000, turun sebesar Rp. 500, sehingga dapat menjadikan peningkatan
dalam proses jumlah produksi. Hasil dari analisis perbaikan ini dapat
menjelaskan bahwa dengan melakukan penyesuaian pada biaya bahan baku,
biaya operasional, jumlah tenaga kerja, jumlah jam kerja, upah kerja maka
akan menaikkan jumlah produksi pada bulan Februari yang selama ini
5
d. DMU 5 (Mei)
Tabel 4.17 Perbandingan Nilai Aktual dengan Target Bulan Mei
DMU 5 Mei (51,89%)
Potential
Variable Actual Target
Improvement
Biaya Bahan Baku 550.00 550.00 0.00 %
Biaya Operasional 9600000.00 9600000.00 0.00 %
Input Jumlah Jam Kerja 192.00 192.00 0.00 %
Jumlah Tenaga Kerja 20.00 20.00 0.00 %
Upah Kerja 42180000.00 42180000.00 0.00 %
Output Jumlah Produksi 19200.00 37001.89 92.72 %
Sumber : Output Banxia Frontier Analyst 2019
Hasil dari analisis perbaikan ini dapat menjelaskan bahwa dengan
melakukan penyesuaian pada biaya bahan baku, biaya operasional, jumlah
tenaga kerja, jumlah jam kerja, upah kerja maka akan menaikkan jumlah
produksi pada bulan Mei yang selama ini mengalami inefesiensi. Hasil dari
perbandingan nilai awal dengan nilai target, bahwa pada DMU 5 (Mei)
dikatakan inefisiensi dengan skor 51,89% karena pada DMU 5 (Mei) yaitu
belum memaksimalkan pada jumlah produksi garam halus yang dari jumlah
produksi awal 19.200 kg harus ditingkatkan menjadi 37.001,89 kg, sehingga
dapat meningkat sebesar 17.801,89 kg. Pada analisa ini pihak pabrik harus
mengupayakan untuk lebih meningkatkan jumlah produksinya dan
peremajaan mesin – mesin yang sudah mulai berumur.
6
e. DMU 6 (Juni)
Tabel 4.18 Perbandingan Nilai Aktual dengan Target Bulan Juni
DMU 6 Juni (81,58%)
Potential
Variable Actual Target
Improvement
Biaya Bahan Baku 400.00 400.00 0.00 %
Biaya Operasional 9600000.00 9600000.00 0.00 %
Input Jumlah Jam Kerja 192.00 192.00 0.00 %
Jumlah Tenaga Kerja 20.00 20.00 0.00 %
Upah Kerja 42180000.00 42180000.00 0.00 %
Output Jumlah Produksi 30000.00 36775.47 22.58 %
Sumber : Output Banxia Frontier Analyst 2019
Hasil dari analisis perbaikan ini dapat menjelaskan bahwa dengan
melakukan penyesuaian pada biaya bahan baku, biaya operasional, jumlah
tenaga kerja, jumlah jam kerja, upah kerja maka akan menaikkan jumlah
produksi pada bulan Juni yang selama ini mengalami inefesiensi. Hasil dari
perbandingan nilai awal dengan nilai target, bahwa pada DMU 6 (Juni)
dikatakan inefisiensi dengan skor 81,58% karena pada DMU 6 (Juni) yaitu
belum memaksimalkan pada jumlah produksi garam halus yang dari jumlah
produksi awal 30.000 kg harus ditingkatkan menjadi 36.775,47 kg, sehingga
dapat meningkat sebesar 6.775,47 kg. Pada analisa ini pihak pabrik harus
mengupayakan untuk lebih meningkatkan jumlah produksinya dan
peremajaan mesin – mesin yang sudah mulai berumur.
4.3.3. Interpretasi
Setelah dilakukan analisa data, langkah selanjutnya yaitu melakukan
interpretasi data. Tujuan dari interpretasi data adalah untuk membandingkan
konsep analisa dengan konsep penelitian yang sudah ditentukan sebelumnya.
Berdasarkan dari hasil analisa metode DEA tingkat efisiensi yang selama ini
terjadi perlu dilakukan penanganan dan perbaikan. Dikatakan efisien apabila nilai
dari suatu DMU yaitu 100% sehingga pada bulan Maret dan Juli mengalami
efesien sedangkan bulan lain mengalami inefesien. Faktor/variabel utama dalam
meningkatkan efisiensi yang selama ini terjadi yaitu berasal dari inefesiensi dari
6
setiap variabel dimana didalamnya berupa biaya bahan baku, biaya operasional,
jumlah jam kerja, jumlah tenaga kerja, dan upah kerja. Dalam seluruh variabel –
variabel yang terjadi dapat ditangani dan bulan yang efesien menjadi acuan untuk
perbaikan.
5.1. Kesimpulan
Setelah dilakukan penelitian dan pembahasannya sebelumnya, maka dapat
ditarik kesimpulan sebagai berikut:
1. Tingkat efisien pada UD. Suka Maju rata – rata masih belum efisien dengan
nilai sebesar 81,35%. Dari perhitungan yang sudah dilakukan, dari 7 DMU,
terdapat 5 DMU yang inefisien dan 2 DMU yang efisien. DMU yang
inefesien tersebut adalah bulan Januari (DMU1) 89,1%, Februari (DMU2)
73,2%, April (DMU4) 73,7%, Mei (DMU5) 51,9%, dan Juni (DMU6)
81,6%. DMU yang efisien adalah bulan Maret (DMU3) dan bulan Juli
(DMU7) dengan nilai 100%.
2. Faktor – faktor yang mempengaruhi tingkat inefesiensi pada UD. Suka
Maju yaitu, pada bulan Februari (DMU2) karena terjadi pemborosan pada
input biaya bahan baku sehingga mengalami inefisien pemborosan sebesar –
14,28%. Sedangkan pada bulan Januari (DMU1), Februari (DMU2), April
(DMU4), Mei (DMU5), dan Juni (DMU6) masih inefisiensi, karena DMU –
DMU tersebut belum meningkatkan jumlah produksi garam halus dengan
nilai Januari (DMU1) sebesar 12,29%, Februari (DMU2) sebesar 36,58%,
April (DMU4) sebesar 35,67%, Mei (DMU5) sebesar 92,72%, dan Juni
(DMU6) sebesar 22,58%.
3. Startegi usulan perbaikan untuk mengurangi inefesiensi diterapkan pada
UD. Suka Maju, maka nilai efesiensi untuk DMU yang inefesien akan
meningkat sebagai berikut :
- Pada DMU bulan Januari yaitu memaksimalkan pada jumlah
produksi garam halus yang dari jumlah produksi awal 34.900 kg
harus ditingkatkan menjadi 39.190,57 kg.
- Pada DMU bulan Februari yaitu mengurangi biaya bahan baku yang
dari nilai awal seharga Rp. 3.500 menjadi Rp. 3.000, dan
60
6
5.2. Saran
Setelah dilakukan penelitian, adapun saran yang diberikan untuk UD. Suka
Maju yaitu sebagai berikut:
1. Untuk pemilik UD. Suka Maju pada bulan – bulan yang sudah efisien
disarankan untuk selalu mempertahankan tingkat efisiensinya dengan cara
mengoptimalkan input yang sudah dimiliki. Sedangkan pada bulan – bulan
yang belum efisien disarankan agar menggunakan input secara efisien
dengan cara mengurangi input yang terlihat tidak efisien untuk mengurangi
faktor proses produksi supaya jumlah produksinya meningkat.
2. Berdasarkan analisa dengan metode DEA untuk bulan yang belum efisien
yaitu dengan mengurangi input ataupun meningkatkan output yang
digunakan dalam proses produksi garam halus. Hal ini dapat dilakukan
dengan menyesuaikan nilai aktual dari variabel input dan output pada proses
produksi garam halus yang belum efisien sesuai dengan nilai target yang
direkomendasikan DEA. Hal ini dapat dilakukan untuk pembelian bahan
baku untuk memperhatikan harga bahan baku dan dapat mengganti merek
bahan baku yang dibeli dengan merek bahan baku lain dan dapat pula untuk
meningkatkan jumlah produksinya dapat meremajakan mesin – mesin yang
6
DAFTAR PUSTAKA
LAMPIRAN
6
Demikian berita acara ini saya sampaikan, kurang lebihnya saya mohon
maaf yang sebesar – besarnya.
Wassalamu‘alaikum Wr. Wb.
Semarang, Agustus 2019
Menyetujui,
Pemilik UD. Suka Maju Mahasiswa FTI Unissula
References: 0
Potential Improvements
Variable Actual Target Potential Improvement
Biaya Bahan Baku 3000.00 3000.00 0.00 %
Biaya Operasional 9600000.00 9600000.00 0.00 %
Jumlah Jam Kerja 192.00 192.00 0.00 %
Jumlah Produksi 30000.00 40700.00 35.67 %
Jumlah Tenaga Kerja 20.00 20.00 0.00 %
Upah Kerja 42180000.00 42180000.00 0.00 %
6
References: 4
Potential Improvements
Variable Actual Target Potential Improvement
Biaya Bahan Baku 350.00 350.00 0.00 %
Biaya Operasional 9600000.00 9600000.00 0.00 %
Jumlah Jam Kerja 192.00 192.00 0.00 %
Jumlah Produksi 36700.00 36700.00 0.00 %
Jumlah Tenaga Kerja 20.00 20.00 0.00 %
Upah Kerja 42180000.00 42180000.00 0.00 %