ANALISIS EFISIENSI DISTRIBUSI PEMASARAN DENGAN PENDEKATAN DATA ENVELOPMENT ANALYSIS (DEA)

Transkripsi

1 Simposium Nasional RAPI VIII 2009 ISSN : ANALISIS EFISIENSI DISTRIBUSI PEMASARAN DENGAN PENDEKATAN DATA ENVELOPMENT ANALYSIS (DEA) Indah Pratiwi, Siti Nandiroh 2, Atirotul Miski 3,2,3 Jurusan Teknik Industri, Fakultas Teknik, Universitas Muhammadiah Surakarta Jl. A. Yani Tromol Pos Pabelan Kartasura 5702 Telp indah_pratiwi@ums.ac.id Abstrak Produsen hendakna dapat meningkatkan efisiensi dari setiap wilaah distribusi pemasaranna agar dapat mencapai target pasar ang telah ditentukan. Bila perusahaan memiliki saluran distribusi ang cukup potensial maka perusahaan itu akan dapat menguasai pasar, karena hasil produksi perusahaan tersebut dapat menebar secara luas. PT. Aksara SoloPos merupakan perusahaan ang bergerak dibidang penerbitan surat kabar. Perusahaan ini memiliki perolehan laba bervariasi dari setiap saluran distribusi ang dimiliki, ini menebabkan perolehan laba dari perusahaan kurang optimal dan perlu adana penentuan saluran distribusi ang paling efektif ang memiliki volume penualan paling tinggi dengan pencapaian laba ang optimal, sehingga nantina bisa diadikan sebagai acuan untuk memperbaiki saluran wilaah distribusi ang inefisien menadi efisien. Pada penelitian ini menggunakan metode Data Envelopment Analsis (DEA), karena DEA merupakan metode pembanding ang mampu menganalisa tingkat efisiensitas dari beberapa daerah distribusi pemasaran ang setaraf atau selevel, dengan menggunakan masing-masing input output ang dimiliki. Hal tersebut akan dapat diketahui daerah distribusi mana ang seharusna bisa lebih ditingkatkan efisiensi pemasaranna, dan langkah apa ang harus ditempuh. Dari 9 Decision Making Units (DMU) ang diolah didapatkan hasil bahwa terdapat 4 (empat) Daerah Distribusi Pemasaran ang mempunai tingkat efisiensi ang sempurna (TE=), aitu daerah Solo, Wonogiri, Sukoharo, Purwodadi. Dan terdapat 5 (lima) daerah distribusi pemasaran ang inefisiensi atau tidak efisien (Te<), aitu daerah Boolali, Klaten, Sragen, Karanganar dan daerah lain ang meliputi akarta, Ngawi & Madiun, Pacitan, Magelang, Yogakarta dan Semarang). Kata kunci: Data Envelopment Analsis (DEA), Decision Making Units, Efisiensi. Pendahuluan Perkembangan dunia usaha dewasa ini semakin pesat, baik dalam enis usaha perdagangan, industri, asa maupun media massa. Perusahaan dituntut untuk mampu bersaing dengan perusahaan lain ang seenis, dengan sumber daa ekonomi ang dimiliki, sehingga perlu adana manaemen ang baik agar dapat bekera secara efektif dan efisien untuk mendapatkan laba ang maksimal. Setiap produsen menghendaki adana peningkatan penualan dan pendapatan. Perusahaan memiliki suatu sistem saluran distribusi ang cukup potensial maka akan dapat menguasai pasar, karena hasil produksi dapat menebar secara luas. Harian Umum SoloPos ini terbit dalam edisi harian ang membidik segmen pasar dari semua kalangan, sehingga efektifitas dan efisiensi hasil pendistribusian produkna ang bekerasama dengan agen-agen merupakan hal ang sangat penting untuk diperhatikan. Pada proses pendistribusianna memiliki perolehan laba ang bervariasi, di setiap saluran distribusi ang memiliki volume penualan ang berbeda. Hal ini menebabkan perolehan laba dari perusahaan kurang optimal dan perlu adana penentuan saluran distribusi ang paling efektif aitu ang memiliki volume penualan paling tinggi dengan pencapaian laba ang optimal, sehingga nantina bisa diadikan sebagai acuan untuk memperbaiki saluran wilaah distribusi ang inefisien menadi efisien. Untuk masalah diatas, maka dalam penelitian ini digunakan metode Data Envelopment Analsis (DEA). DEA adalah sebuah pendekatan non parametik ang pada dasarna merupakan teknik berbasis linear programming. DEA bekera dengan langkah identifikasi unit ang akan dievaluasi, input ang dibutuhkan serta output ang dihasilkan unit tersebut. Berdasarkan hal tersebut maka akan dapat diketahui daerah distribusi mana ang seharusna bisa lebih ditingkatkan efisiensi pemasaranna, dan cara apa saa ang dapat ditempuh, sehingga diharapkan perusahaan dapat mengetahui faktor input dan output ang mempengaruhi efisiensi daerah distribusi pemasaran, evaluasi tingkat efisiensi dari daerah distribusi pemasaran dan perencanaan strategi perbaikan guna menadikan daerah distribusi ang inefisien menadi efisien berdasa daerah distribusi ang sudah efisien. I-9

2 Simposium Nasional RAPI VIII 2009 ISSN : Perumusan Masalah. Bagaimana tingkat efisiensi dari daerah saluran distribusi pemasaran Harian Umum SoloPos? 2. Daerah saluran distribusi mana ang memiliki tingkat efisiensi paling tinggi dibandingkan daerah saluran distribusi lainna? Landasan Teori Pemasaran adalah proses sosial ang dengan proses itu individu dan kelompok mendapatkan apa ang mereka butuhkan dan inginkan dengan menciptakan, menawarkan, dan secara bebas mempertukarkan produk dan asa ang bernilai dengan pihak lain. (Kotler, 2005:0). Saluran pemasaran pada prinsipna adalah serangkaian dari organisasi ang saling tergantung ang memudahkan pemindahan kepemilikan sebagaimana produk-produk bergerak dari produsen ke pengguna bisnis atau pelanggan. Suatu saluran pemasaran dapat dilihat sebagai suatu kanal ang besar atau saluran pipa ang didalamna mengalir seumlah produk, kepemilikan, komunikasi, pembiaaan dan pembaaran, dan resiko menertai mengalir ke pelanggan. Secara formal, suatu saluran pemasaran (uga disebut sebuah channel of distribution) merupakan suatu struktur bisnis dari organisasi ang saling bergantung ang menangkau dari titik awal suatu produk sampai ke pelanggan dengan tuuan memindahkan produk ke tuuan konsumsi akhir (Lamb, 200:8). Model data envelopment analsis (DEA) dikembangkan pertama kali oleh Charnes, Chooper dan Rhodes (978), untuk mengevaluasi efisiensi relatif unit-unit pengambil keputusan dalam sebuah organisasi dengan memberi bobot pada input/output. Model DEA ini beserta turunanna disebut model standar, dimana dalam model ini setiap unit-unit pengambil keputusan memilih secara terpisah bobot-bobotna untuk memaksimalkan efisiensi secara individual (I Noman Sutapa, 200). Data Envelopment Analsis (DEA), sebuah pendekatan non parametric ang pada dasarna merupakan teknik berbasis linier programming. DEA bekera dengan langkah identifikasi unit ang akan dievaluasi, input ang dibutuhkan dan output ang dihasilkan unit tersebut. Kemudian membentuk efficienc frontier atas asset data ang tersedia dan menghitung nilai produktivitas unit-unit ang tidak termasuk dalam efficienc frontier serta mengidentifikasi unit mana ang tidak menggunakan input secara efisien relative terhadap unit ang berkinera terbaik dari set data ang dianalisis. Metode DEA diciptakan sebagai alat evaluasi kinera suatu aktivitas disebuah unit entitas. Secara sederhana output pengukuran dinatakan dengan rasio: ang merupakan satuan pengukuran produktivitas ang bisa input dinatakan secara parsial atau total ang melibatkan semua input dan output suatu entitas kedalam pengukuran ang dapat menunukan faktor input (output) apa ang paling berpengaruh terhadap suatu entitas kedalam pengukuran dan uga dapat membantu menunukan input (output) apa ang paling berpengaruh dalam menghasilkan suatu output (Purwantoro N,2003). Technical Efecienc (TE) berkaitan dengan penggunaan sumber daa manusia, kapital, mesin sebagai input untuk memproduksi output relative terhadap performansi terbaik DMUs dalam suatu sample (Bhat,997 dalam Purnomo, 2002). Model prima DEA ang pertama digunakan, dikenal dengan model Constant Return to Scale (CRS) ang berasumsi bahwa setiap DMUs telah beroperasi pada skala optimal. Model awal ang digunakan dikenal dengan rasio CCR, merupakan persamaan non linier sebagai berikut: = Max h n = I ui x s.t J = I v, u i ε v J i u x v n in n in Notasi umum ang digunakan dalam model DEA adalah: Indeks: n = DMU S, n =,., N = output, =,., J i = input, i =,., I () I-20

3 Simposium Nasional RAPI VIII 2009 ISSN : Data: n = nilai dari output ke- dari DMU ke n x in = nilai dari input ke-i dari DMU ke n ε = angka positif ang kecil Variabel: u, v i = bobot untuk output, input i ( ε) h n = efisiensi relatif DMU n Persamaan () merupakan persamaan non linear atau persamaan linear fraksional, ang kemudian ditranformasikan ke dalam bentuk linear sehingga dapat diaplikasikan dalam persamaan linear sebagai berikut: Max h n = J = I I s.t. = J = v I u x i n in u i x in = u x n - u i x in 0 v, u i ε Constant return to scale (CRS) berasumsi bahwa semua DMU beroperasi pada skala optimal. Banker, Charnes, & Cooper (984) menarankan mengembangkan model DEA-CRS dalam situasi Variable Return to Scale (VRS). Program linier DEA-CRS dapat dengan mudah dimodifikasi kedalam model DEA-VRS dengan menambah pembatas konveksitas (Convexit Constrains). N n= λ = (3) n Dengan spesifikasi CRS dimana DMUs sebenarna tidak beroperasi pada skala optimal, akan mengakibatkan ukuran Technical Efficienc (TE) dikalahkan oleh Scale Efficienc (SE). Dengan kata lain, nilai Technical Efficienc (TE) ang diperoleh dari formulasi Technical Effienc (TEVRS ) dan Scale Efficienc (SE). Constant return to scale (CRS) berasumsi bahwa semua DMUs beroperasi pada skala optimal. Kompetisi ang tidak sempurna, keterbatasan dana, dan sebagaina menebabkan DMUs tidak dapat berkompetisi pada skala optimal. Banker, Charnes, & Cooper (984) menarankan pengembangan model DEA-CRS dalam situasi variable return to scale (VRS). Program linier DEA-CRS dapat dengan mudah dimodifikasi kedalam model DEA-VRS dengan menambahkan pembatas konveksitas (convexit constraints) pada persamaan berikut: n = n λ (4) Penggunaan spesifikasi CRS dimana DMUs sebenarna tidak beroperasi pada skala optimal, akan mengakibatkan ukuran technical efficienc (TE) dikalahkan oleh scale efficienc (SE). Dengan kata lain, nilai technical efficienc (TE) ang diperoleh dari formulasi DEA-CRS (TE CRS ) dapat didekomposisikan ke dalam dua komponen, aitu: pure technical efficienc (TE VRS ) dan scale efficienc (SE). (2) CRS VRS A PC PV P 0 Gambar Scale Efficienc dalam DEA Gambar mengilustrasikan contoh input dan output dan penggambaran pembatas CRS dan VRS. Nilai TE CRS ditunukkan oleh arak AP C, sedangkan TE VRS ditunukkan oleh arak AP V. Perbedaan PP C dan PP V dinatakan sebagai SE = AP C /AP V, sehingga dapat diekspresikan ke dalam persamaan matematis ini:. TECRS SE = (5) TEVRS Apabila nilai TE CRS sama dengan nilai TE VRS maka nilai SE akan sama dengan satu. Namun ika nilai SE lebih dari satu, hal itu merupakan indikasi bahwa DMU tersebut mempunai scale inefficienc. Apabila TE VRS > SE maka perubahan efisiensi (baik peningkatan maupun penurunan) dipengaruhi oleh efisiensi teknis murni. Namun, apabila TE VRS < SE maka perubahan efisiensi lebih disebabkan oleh perkembangan scale efficienc. x I-2

4 Simposium Nasional RAPI VIII 2009 ISSN : Pendekatan DEA Window Analsis merupakan salah satu bentuk modifikasi DEA untuk mengatasi permasalahan sample ang kecil. Dalam pendekatan ini, masing-masing unit pada beberapa periode ang berbeda diperlakukan sebagai comparable units ang berbeda. Dengan demikian, performansi suatu unit pada suatu periode dihadapkan dengan performansi unit ang sama pada periode ang berbeda dan dihadapka pula dengan performansi unit-unit ang lain. Kondisi ini menghasilkan peningkatan umlah titik data dalam sampel analisa, sehingga degree of freedom dan dapat menanggulangi permasalahn ukuran sampel ang kecil. Misalkan suatu sampel memiliki N DMUs (n =,...N) dengan kurun waktu observasi sepanang T periode (t =,...T) dimana digunakan i input untuk memproduksi output. Dengan begitu sampel memiliki n x T observasi. Masing-masing observasi n pada periode t, DMU n n n n n t memiliki i dimensi vektor input x = ( x x,... x ) T dan n n n n dimensi vektor output ( ) T t t, 2t t = t, 2 t,.... rt Window dimulai pada waktu k, k T dengan lebar window w, w T k dan ditunukkan dengan k w dan memiliki n x w observasi. Kumpulan input untuk model window analsis dinatakan sebagai matriks input 2 n 2 n 2 n = x, x,..., x, x, x,..., x,..., x, x,..., x sedangkan matriks output adalah ( k k k k + k + k + k + w k + w k w ) 2 n 2 n 2 n (,,...,,,,...,,...,, ) X k w + Yk w = k k k k + k + k + k + w k + w,..., k + w Metodologi Penelitian Penelitian ini dilakukan di PT. Aksara SoloPos ang beralamatkan di Jl. Adisucipto 90 Solo Prosedur Penelitian, langkah-langkahna :. Tahap Persiapan 2. Studi Lapangan 3. Penentuan Decision Making Unit (DMU), meliputi : Solo, Boolali, Wonogiri, Sukoharo, Klaten, Sragen, Karanganar, Purwodadi, Daerah lain ( Jakarta, Ngawi & Madiun, Pacitan dan Magelang) 4. Identifikasi Input/Output a. Variabel Input, meliputi : Jumlah, Jumlah Pengiriman, Biaa Pengiriman b. Variabel Output, meliputi : Penualan dari agen, Pendapatan, Laba atau keuntungan 5. Identifikasi Model Matematis DEA Dalam penelitian ini notasi input didefinisikan dalam bentuk x i, dimana menunukkan input ke-i pada DMU ke. Sedangkan notasi output didefinisikan dalam bentuk r, ang menunukkan output ke-r pada DMU ke-. 6. Perhitungan DEA, menggunakan bantuan Software LINDO version Teknik Analisa Data DEA dikembangkan sebagai perluasan dari metode rasio klasik untuk efisiensi. DEA menentukan untuk tiap DMU rasio maksimal dari umlah output ang diberi bobot terhadap umlah input ang diberi bobot, dengan bobot ditentukan oleh model. Model ang digunakan dengan CCR dikenal dengan model matematis DEA-CCR Primal ang memiliki formulasi matematis sebagai berikut: Max h n = u x n (6) s.t. u x n - i i v = i x in v x i in 0 u, v i ε Tuuan persamaan diatas adalah untuk menemukan umlah terbesar dari output ang dibobotkan dari DMU n, dengan menaga umlah dari input ang dibobotkan pada sutau nilai dan agar rasio antara output ang dibobotkan dengan input ang dibobotkan, dari semua DMU s, kurang dari atau sama dengan satu. Selain itu dapat dipakai untuk menghitung nilai efisiensi tiap unit daerah distribusi pemasaran.. rt I-22

5 Simposium Nasional RAPI VIII 2009 ISSN : Kerangka Pemecahan Masalah Gambar 2 Kerangka Pemecahan masalah Pengumpulan Dan Pengolahan Data. Penentuan Decision Making Unit (DMU) Tabel Klasifikasi DMU Daerah Distribusi Pemasaran DMU Solo DMU Boolali DMU 2 Wonogiri DMU 3 Sukoharo DMU 4 Klaten DMU 5 Sragen DMU 6 Karanganar DMU 7 Purwodadi DMU 8 Daerah Lain DMU 9 2. Identifikasi Input dan Output Tabel 2 Identifikasi Input dan Output Simbol Input (I) Input Simbol Output (O) Output I = Jumlah O = Penualan dari I = 2 Jumlah Pengiriman O = 2 Pendapatan I = 3 Biaa Pengiriman O = 3 Laba 3. Pengumpulan Data Input dan Output Table 3 Perhitungan Penualan Dan Biaa Distribusi Per Hari No Daerah Distribusi Pemasaran (Unit) Data Input Pengiriman (Eksemplar) Biaa Pengiriman Penualan dr (Eksemplar) Data Output Pendapatan Laba. Solo 36 I Boolali Wonogiri Sukoharo Klaten Sragen Karanganar Purwodadi Daerah Lain I-23

6 Simposium Nasional RAPI VIII 2009 ISSN : No Daerah Distribusi Pemasaran (Unit) Tabel 4 Data Input dan Output Daerah Distribusi Pemasaran Data Input Data Output Biaa Penualan dr Pendapatan Pengiriman Pengiriman (Eksemplar) (Eksemplar) Laba. Solo Boolali Wonogiri Sukoharo Klaten Sragen Karanganar Purwodadi Daerah Lain Sumber: Periode bulan Januari sampai Juni Pembobotan Tabel 5 Rekapitulasi Data Setelah Dikalikan dengan Bobot No Daerah Distribusi Pemasaran (Unit) Data Input Pengiriman (Eksemplar) Biaa Pengiriman Penualan dr (Eksemplar) Data Output Pendapatan Laba. Solo Boolali Wonogiri Sukoharo Klaten Sragen Karanganar Purwodadi Daerah Lain Keterangan : Pembobotan 0,6 5. Model Efisiensi Teknis DEA CRS Primal Contoh formulasi DMU Solo adalah sebagai berikut :!formulasi model matematis DEA CRS Primal DMU (Solo)!fungsi tuuan Max O O O3 Subect to (input) I I I3 =!Pembatas DMU O O O I I I3 <= 0!Pembatas DMU O O O I I I3 <= 0!Pembatas DMU O O O3 44 I 2446 I I3 <= 0!Pembatas DMU O O O I I I3 <= 0!Pembatas DMU O O O I I I3 <= 0!Pembatas DMU O O O I 0592 I I3 <= 0!Pembatas DMU O O O I I I3 <= 0!Pembatas DMU O O O I I I3 <= 0!Pembatas DMU O O O I I I3 <= 0 Bentuk keluaran formulasi Linear Programming (LP) pada Software LINDO adalah sebagai berikut : LP OPTIMUM FOUND AT STEP 3 OBJECTIVE FUNCTION VALUE ) VARIABLE VALUE REDUCED COST O O O I-24

7 Simposium Nasional RAPI VIII 2009 ISSN : I I I ROW SLACK OR SURPLUS DUAL PRICES (INPUT) ) ) ) ) ) ) ) ) ) NO. ITERATIONS= 3 Gambar 4 Tampilan Output DEA-CRS Tabel 6 Nilai Efisiensi Teknis (TE) DEA CCR No. DMU TE. Solo Boolali Wonogiri Sukoharo Klaten Sragen Karanganar Purwodadi Daerah Lain 0.22 Tabel 7Penentuan DMU Efisien / Inefisien No. DMU TE Efisien / Inefisien. Solo 0.73 Inefisien 2. Boolali 0.9 Inefisien 3. Wonogiri.00 Efisien 4. Sukoharo 0.59 Inefisien 5. Klaten 0.8 Inefisien 6. Sragen 0.88 Inefisien 7. Karanganar 0.46 Inefisien 8. Purwodadi.00 Efisien 9. Daerah Lain 0.22 Inefisien I-25

8 Simposium Nasional RAPI VIII 2009 ISSN : Analisa Data Gambar 5 Nilai Efisiensi DMU Dari gambar 5 dapat dilihat bahwa DMU nilai efisiensi relatifna adalah 0.73, DMU 2 nilai efisiensi relatifna 0.9, DMU 3 nilai efisiensi relatifna, DMU 4 nilai efisiensi relatifna 0.59, DMU 5 nilai efisiensi relatifna 0.8, DMU 6 nilai efisiensi relatifna 0.88, DMU 7 nilai efisiensi relatifna 0.46, DMU 8 nilai efisiensi relatifna.00 dan DMU 9 nilai efisiensi relatifna Dari penabaran diatas dapat diketahui bahwa DMU 3 dan DMU 8 adalah DMU ang efisien karena nilai efisiensi relatifna sama dengan (TE = ). Sedangkan DMU, DMU 2, DMU 4, DMU 5, DMU 6, DMU 7 dan DMU 9 adalah DMU ang inefisien atau tidak efisien karena nilai efisiensi relatifna lebih kecil dari (TE < ).. Analisa Indikator Input Dan Output Gambar 6 Indikator Input dan Output Jumlah Gambar 7 Indikator Input dan Output Jumlah Pengiriman Gambar 8. Indikator Input dan Output Jumlah Penualan dari Gambar 9 Indikator Input dan Output Biaa Pengiriman Gambar 0. Indikator Input dan Output Pendapatan Gambar. Indikator Input dan Output Laba I-26

9 Simposium Nasional RAPI VIII 2009 ISSN : Strategi Pemasaran Setelah dilakukan pengolahan data maka didapatkan bahwa daerah distribusi pemasaran ang mempunai tingkat efisiensi sempurna adalah daerah Wonogiri dan Purwodadi, aitu ang mempunai tingkat efisiensi sama dengan, dan ada 7 daerah distribusi pemasaran ang mempunai tingkat efisiensi kurang sempurna, aitu daerah Solo, Sukoharo, Boolali, Klaten, Sragen, Karanganar dan daerah lain (meliputi: Jakarta, Ngawi & Madiun, Pacitan, Magelang, Yogakarta dan Semarang), karena 7 daerah tersebut mempunai nilai efisiensi kurang dari. Langkah-langkah ang perlu dilakukan perusahaan untuk dapat meningkatkan nilai efisiensi, aitu melakukan strategi-strategi pemasaran di setiap daerah disribusi pemasaran, aitu dapat dilakukan dengan cara :. Melakukan penurunan terhadap faktor-faktor input ang menebabkan teradina ketidakefisienan suatu daerah distribusi pemasaran, sehingga diharapkan dapat meningkatkan nilai efisiensi. 2. Mengadakan promosi-promosi di setiap daerah distribusi pemasaran. 3. Meminimumkan faktor waktu keterlambatab dalam hal pendistribusian produk. Kesimpulan. Faktor faktor ang mempengaruhi daerah distribusi pemasaran adalah umlah agen, umlah pengiriman, biaa pengiriman, umlah penualan koran, pendapatan dan laba. 2. Dengan menggunakan metode Data Envelopment Analsis (DEA), dapat diketahui tingkat efisiensi masing masing daerah distribusi pemasaran. Disini dapat diketahui bahwa tidak semua daerah distribusi pemasaran mempunai tingkat efisiensi ang sempurna. Daerah daerah distribusi pemasaran ang mempunai tingkat efisiensi ang sempurna (TE = ) adalah Wonogiri dan Purwodadi. Dan daerah daerah distribusi pemasaran ang inefisiensi (TE < ) adalah Solo, Sukoharo, Boolali, Klaten, Sragen, Karanganar dan daerah lain (meliputi: Jakarta, Ngawi & Madiun, Pacitan, Magelang, Yogakarta dan Semarang). Daftar Pustaka Purwantoro, N., (2003), Penerapan Data Envelopment Analsis Dalam Kasus Pemilihan Produk Inket Personal Printer Sinungan, M., (997), Produktivitas, Apa dan Bagaimana, Bumi Akasara, Jakarta Sutapa, I, N., (200), Pengalokasian Anggaran dengan Mempertimbangkan MultiInput-Output Menggunakan Data Envelopment Analsis Proseding Seminar Nasional: Teknik Industri dan Manaemen Produksi 200, Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember, Surabaa I-27