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

Simposium Nasional RAPI VIII 2009 ISSN : 42-962 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 027 7747 Email: 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

Simposium Nasional RAPI VIII 2009 ISSN : 42-962 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

Simposium Nasional RAPI VIII 2009 ISSN : 42-962 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

Simposium Nasional RAPI VIII 2009 ISSN : 42-962 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 5745. 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 6.0. 7. 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

Simposium Nasional RAPI VIII 2009 ISSN : 42-962 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 I6.800 22.535 5.20 7.387.586 7.75.05 2. Boolali 2 2.880 334.575 2.592 2.980.904 2.646.329 3. Wonogiri 5 4.320 05.300 3.888 4.47.200 4.365.900 4. Sukoharo 8 6.720 05.300 6.048 6.955.200 6.849.900 5. Klaten 3 5.760 279.30 5.84 5.96.600 5.682.470 6. Sragen 9 3.840 67.950 3.456 3.973.883 3.805.933 7. Karanganar 6 4.800 99.70 4.320 4.968.000 4.868.290 8. Purwodadi 6 960 79.892 864 993.600 83.708 9. Daerah Lain 9.920 266.667.728.987.200.720.533 I-23

Simposium Nasional RAPI VIII 2009 ISSN : 42-962 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 6480 3.024.000 38.256.300 2.72.600 3.29.765.480 3.09.509.80 2. Boolali 260 58.400 60.223.500 466.560 536.562.720 476.339.220 3. Wonogiri 900 777.600 8.954.000 699.840 804.86.000 785.862.000 4. Sukoharo 3240.209.600 8.954.000.088.640.25.936.000.232.982.000 5. Klaten 2340.036.800 50.243.400 933.20.073.088.000.022.844.600 6. Sragen 620 69.200 30.23.000 622.080 75.298.940 685.067.940 7. Karanganar 2880 864.000 7.947.800 777.600 894.240.000 876.292.200 8. Purwodadi 080 72.800 32.380.560 55.520 78.848.000 46.467.440 9. Daerah Lain 3420 345.600 48.000.060 3.040 357.696.000 309.695.940 Sumber: Periode bulan Januari sampai Juni 2008. 4. 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 036.8 483840 62008 435456 500762476.8 49464468.8 2. Boolali 345.6 82944 9635760 74649.6 85850035.2 7624275.2 3. Wonogiri 44 2446 3032640 974.4 28770560 25737920 4. Sukoharo 58.4 93536 3032640 7482.4 200309760 9727720 5. Klaten 374.4 65888 8038944 49299.2 7694080 6365536 6. Sragen 259.2 0592 4836960 99532.8 4447830.4 0960870.4 7. Karanganar 460.8 38240 287648 2446 43078400 40206752 8. Purwodadi 72.8 27648 580889.6 24883.2 2865680 23434790.4 9. Daerah Lain 547.2 55296 7680009.6 49766.4 5723360 4955350.4 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 435456 O + 500762476.8 O2 + 49464468.8 O3 Subect to (input) 036.8 I + 483840 I2 + 62008 I3 =!Pembatas DMU 435456 O + 500762476.8 O2 + 49464468.8 O3 036.8 I + 483840 I2 + 62008 I3 <= 0!Pembatas DMU 2 74649.6 O + 85850035.2 O2 + 7624275.2 O3 345.6 I 82944 I2 9635760 I3 <= 0!Pembatas DMU 3 974.4 O + 28770560 O2 + 25737920 O3 44 I 2446 I2 3032640 I3 <= 0!Pembatas DMU 4 7482.4 O + 200309760 O2 + 9727720 O3 58.4 I 93536 I2 3032640 I3 <= 0!Pembatas DMU 5 49299.2 O + 7694080 O2 + 6365536 O3 374.4 I 65888 I2 8038944 I3 <= 0!Pembatas DMU 6 99532.8 O + 4447830.4 O2 + 0960870.4 O3 259.2 I 0592 I2 4836960 I3 <= 0!Pembatas DMU 7 2446 O + 43078400 O2 + 40206752 O3 460.8 I 38240 I2 287648 I3 <= 0!Pembatas DMU 8 24883.2 O + 2865680 O2 + 23434790.4 O3 72.8 I 27648 I2 580889.6 I3 <= 0!Pembatas DMU 9 49766.4 O + 5723360 O2 + 4955350.4 O3 547.2 I 55296 I2 7680009.6 I3 <= 0 Bentuk keluaran formulasi Linear Programming (LP) pada Software LINDO adalah sebagai berikut : LP OPTIMUM FOUND AT STEP 3 OBJECTIVE FUNCTION VALUE ) 0.733379 VARIABLE VALUE REDUCED COST O 0.000000 2962.989258 O2 0.000000 344457.500000 O3 0.000000 0.000000 I-24

Simposium Nasional RAPI VIII 2009 ISSN : 42-962 I 0.000836 0.000000 I2 0.000000 266605.593750 I3 0.000000 0.000000 ROW SLACK OR SURPLUS DUAL PRICES (INPUT) 0.000000 0.733372 3) 0.000000 0.42226 4) 0.385762 0.000000 5) 0.000000 2.32248 6) 0.206904 0.000000 7) 0.24546 0.000000 8) 0.59507 0.000000 9) 0.239862 0.000000 0) 0.22254 0.000000 ) 0.55220 0.000000 NO. ITERATIONS= 3 Gambar 4 Tampilan Output DEA-CRS Tabel 6 Nilai Efisiensi Teknis (TE) DEA CCR No. DMU TE. Solo 0.73 2. Boolali 0.9 3. Wonogiri.00 4. Sukoharo 0.59 5. Klaten 0.8 6. Sragen 0.88 7. Karanganar 0.46 8. Purwodadi.00 9. 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

Simposium Nasional RAPI VIII 2009 ISSN : 42-962 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 0.22. 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

Simposium Nasional RAPI VIII 2009 ISSN : 42-962 2. 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