EVALUASI DUA TAHAP EFISIENSI CABANG BANK MENGGUNAKAN DATA ENVELOPMENT ANALYSIS (DEA)

EVALUASI DUA TAHAP EFISIENSI CABANG BANK MENGGUNAKAN DATA ENVELOPMENT ANALYSIS (DEA) Oleh : Vivit Ninda Mayangsari (1207 100 030) Dosen Pembimbing: Drs. Sulistiyo,, MT 1

Latar Belakang Rumusan Masalah Latar Belakang Pertumbuhan industri perbankan yang tinggi dengan tingkat persaingan yang ketat Batasan Masalah Tujuan Penelitian Manfaat Penelitian Perbaikan kinerja cabang bank agar tetap kompetitif dengan memanfaatkan input terhadap output yang akan diperoleh Data Envelopment Analysis (DEA), model program matematis nonparametrik untuk mengevaluasi produktivitas relatif dari unit pembuat keputusan (Decision Making Unit/DMU) 2

Latar Belakang Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Penelitian sebelumnya Sumitro (2005 2005) : Penilaian Efisiensi Bank Umum Swasta Nasional Devisa dan Bank Asing dengan Menggunakan Data Envelopment Analysis (DEA). Laily, A.S (2010) : Pengukuran dan Analisis Efisiensi Bank Pembangunan Daerah Menggunakan Data Envelopment Analysis (DEA). 3

Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Rumusan Masalah 1. Bagaimana mengevaluasi efisiensi cabang bank dengan menggunakan Data Envelopment Analysis (DEA) dalam pendekatan utama kinerja bank yaitu intermediation approach dan production approach. 2. Bagaimana mengidentifikasi faktor-faktor yang mempengaruhi ketidakefisienan cabang bank. 3. Bagaimana cara meningkatkan efisiensi cabang bank yang tidak efisien berdasar metode Data Envelopment Analysis (DEA) yang berfokus pada output (output-oriented). 4

Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Batasan Masalah 1. Input dan output mempunyai kedudukan yang sama dengan unit lain dalam tipe yang sama. 2. Variabel-variabel input merupakan kelompokkelompok biaya independen satu sama lain. 3. Objek yang diteliti adalah kantor-kantor cabang pada Bank Umum Swasta Nasional Devisa. 4. Optimasi yang digunakan adalah optimasi output-oriented. 5

Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Tujuan Penelitian 1. Mengevaluasi efisiensi cabang bank dengan menggunakan Data Envelopment Analysis (DEA) dalam pendekatan utama kinerja bank yaitu intermediation approach dan production approach. 2. Mengidentifikasi faktor-faktor yang mempengaruhi ketidakefisienan dari cabang bank. 3. Mendapatkan alternatif cara untuk meningkatkan efisiensi atau perbaikan terhadap cabang bank yang tidak efisien berdasar metode Data Envelopment Analysis (DEA) yang berfokus pada output (output-oriented) 6

Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Manfaat Penelitian 1. Sebagai salah satu acuan untuk mengetahui efisiensi cabang bank. 2. Memberikan informasi tentang kinerja cabang bank dalam pendekatan utama kinerja bank yaitu intermediation approach dan production approach. 3. Memberikan alternatif bagi cabang bank yang tidak efisien untuk meningkatkan efisien kinerjanya. 7

Studi Pendahuluan Definisi Efisiensi Pendekatan Utama Kinerja Bank Data Envelopment Analysis (DEA) Penetapan Target Perbaikan Definisi Efisiensi 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 (Farrel, 1957). Penilaian efisiensi cabang bank yang dimaksud adalah technical efficiency. Efisiensi teknis menunjukkan kemampuan perusahaan untuk mencapai output semaksimal mungkin dari sejumlah input. 8

Studi Pendahuluan Definisi Efisiensi Pendekatan Utama Kinerja Bank Data Envelopment Analysis (DEA) Penetapan Target Perbaikan Pendekatan Utama Kinerja Bank Dua pendekatan yang merupakan aktivitas inti perbankan adalah[8]: 1. Intermediation approach Pendekatan ini memandang bank sebagai perantara antara penabung dan pengguna (investor). 2. Production approach Pendekatan ini memandang bank sebagai proses produksi dari pelayanan penabung dan pengguna. 9

Studi Pendahuluan Definisi Efisiensi Pendekatan Utama Kinerja Bank Data Envelopment Analysis (DEA) Penetapan Target Perbaikan Data Envelopment Analysis (DEA) Metode ini dikembangkan pertama kali oleh Charner, Cooper, dan Rhodes (CCR) pada tahun 1978 yang diaplikasikan untuk mengukur efisiensi institusi pendidikan. DEA merupakan metodologi nonparametrik pada linier programming yang menghitung rasio bobot dari output terhadap input dari masingmasing unit produksi (Decision Making Unit, DMU) yang hasilnya dinamakan relative efficiency score [1]. Nilai efisiensi yang didapatkan nanti berkisar antara 0 sampai 1. z s r = 1 = m i = 1 u Dimana u r adalah bobot dari output r, v i adalah bobot dari input i, dan y rj dan x ij adalah nilai dari output dan input dari masing-masing unit produksi ke-j. v r i y x rj ij 10

Studi Pendahuluan Definisi Efisiensi Pendekatan Utama Kinerja Bank Data Envelopment Analysis (DEA) DEA-CCR Model DEA-CCR merupakan bentuk original dari metode Data Envelopment Analysis yang dikembangkan pertama kali oleh Charner, Cooper, Rhodes (1978). Pada model DEA-CCR ini juga dikenal sebagai model CRS (Constant Return to Scale), yaitu suatu model yang berasumsi bahwa tiap DMU telah beroperasi secara optimal. Model DEA-CCR berorientasi output diformulasikan sebagai berikut. dengan kendala Penetapan Target Perbaikan : tingkat penambahan output total DMU ke-o : DMU yang sedang diteliti : tingkat penambahan output DMU ke-o : bobot DMU ke-j i : input ke-i r : output ke-r j : DMU ke-j : slack input ke-i : slack output ke-r : nilai input ke-i unit ke-j : nilai output ke-r unit ke-j 11

Studi Pendahuluan Definisi Efisiensi Pendekatan Utama Kinerja Bank Data Envelopment Analysis (DEA) DEA-BCC Model DEA-BCC merupakan pengembangan dari model DEA-CCR yang dikembangkan oleh Banker, Charnes dan Cooper (1984). Model ini berasumsi pada variable return to scale (VRS) dimana ukuran input atau output dapat menyebabkan naik turunnya nilai efisiensi. Hal ini dikarenakan bahwa pada kenyataannya tidak semua DMU dapat diasumsikan telah beroperasi secara optimal. dengan kendala Penetapan Target Perbaikan : tingkat penambahan output total DMU ke-o : DMU yang sedang diteliti : tingkat penambahan output DMU ke-o : bobot DMU ke-j i : input ke-i r : output ke-r : slack input ke-i : slack output ke-r : nilai input ke-i unit ke-j : nilai output ke-r unit ke-j j : DMU ke-j 12

Studi Pendahuluan Definisi Efisiensi Skala Efisiensi Skala efisiensi merupakan perbedaan dari nilai technical efficiency CRS terhadap technical efficiency VRS. Pendekatan Utama Kinerja Bank Data Envelopment Analysis (DEA) Penetapan Target Perbaikan Jika TE CRS = TE VRS maka SE = 1. Jika TE VRS >SE, maka perubahan nilai efisiensi naik atau turun dipengaruhi oleh TE VRS -nya. Jika TE VRS <SE, maka perubahan efisiensi naik atau turun dipengaruhi oleh perkembangan SE-nya. 13

Studi Pendahuluan Definisi Efisiensi Pendekatan Utama Kinerja Bank Data Envelopment Analysis (DEA) DEA-SBM Model SBM (Slacks-Based Measure) diintrepertasikan sebagai hasil dari input dan output inefisien untuk mengidentifikasi semua sumber ketidakefisienan dari DMU yang diteliti[1]. Model DEA-SBM output-oriented diformulasikan sebagai berikut. dengan kendala Penetapan Target Perbaikan : nilai efisiensi : bobot DMU ke-j r : output ke-r : slack output ke-r : nilai output ke-r unit ke-j j : DMU ke-j 14

Studi Pendahuluan Definisi Efisiensi Pendekatan Utama Kinerja Bank Data Envelopment Analysis (DEA) Penetapan Target Perbaikan Penetapan Target Perbaikan Penentuan target ditentukan melalui nilai slack yang diperoleh dari perhitungan DEA yang digunakan. Penetapan target perbaikan berdasarkan outputoriented adalah Output : θ*y ro + s + Input : x io s dengan y ro adalah variabel output ke-r dari DMU yang diteliti, x io adalah variabel input ke-i dari DMU yang diteliti, s + adalah slack untuk output dan s adalah slack untuk input. 15

Data-data input dan output Mengolah data dengan model DEA- CCR fokus output Mengolah data dengan model DEA-BCC fokus output Tahap I TE CRS PTE VRS Skala Efisiensi DEA-SBM Nilai Efisiensi Tahap II Target Perbaikan Analisa Hasil 16

Pembentukan Model DEA Efisiensi Teknis dan Skala Slacks Based Measure (SBM) Penetapan Target Perbaikan Analisis Sensitivitas Pembentukan Model DEA Tabel 4.1 Gambaran Umum Variabel Input Output Tiap DMU NO DMU BB (x 1 ) BOT (x 2 ) BOPO (x 3 ) INPUT BO (x 4 ) BTK (x 5 ) DPK (x 6 ) Pinjaman (y 1 ) OUTPUT 1 BDG x 11 x 21 x 31 x 41 x 51 x 61 y 11 y 21 y 31 2 SMG x 12 x 22 x 32 x 42 x 52 x 62 y 12 y 22 y 32 3 SLO x 13 x 23 x 33 x 43 x 53 x 63 y 13 y 23 y 33 4 DRM x 14 x 24 x 34 x 44 x 54 x 64 y 14 y 24 y 34 5 VTR x 15 x 25 x 35 x 45 x 55 x 65 y 15 y 25 y 35 6 DPS x 16 x 26 x 36 x 46 x 56 x 66 y 16 y 26 y 36 7 MDN x 17 x 27 x 37 x 47 x 57 x 67 y 17 y 27 y 37 8 PLB x 18 x 28 x 38 x 48 x 58 x 68 y 18 y 28 y 38 9 MLG x 19 x 29 x 39 x 49 x 59 x 69 y 19 y 29 y 39 10 WIS x 110 x 210 x 310 x 410 x 510 x 610 y 110 y 210 y 310 11 KLP x 111 x 211 x 311 x 411 x 511 x 611 y 111 y 211 y 311 12 PSB x 112 x 212 x 312 x 412 x 512 x 612 y 112 y 212 y 312 13 PLT x 113 x 213 x 313 x 413 x 513 x 613 y 113 y 213 y 313 14 WSA x 114 x 214 x 314 x 414 x 514 x 614 y 114 y 214 y 314 15 WAH x 115 x 215 x 315 x 415 x 515 x 615 y 115 y 215 y 315 Laba (y 2 ) FBI (y 3 ) 17

Pembentukan Model DEA Efisiensi Teknis dan Skala Slacks Based Measure (SBM) Penetapan Target Perbaikan Analisis Sensitivitas Efisiensi Teknis dan Skala Tabel 4.2 Hasil Perhitungan Software LINGO 11.0 NO DMU CRS Score VRS Score Return-to-scale Scale Efficiency 1 BDG 0.753127 0.773228 decreasing 0.974004 2 SMG 1.000000 1.000000 constant 1.000000 3 SLO 0.888705 1.000000 increasing 0.888705 4 DRM 1.000000 1.000000 constant 1.000000 5 VTR 0.469519 0.526032 increasing 0.892567 6 DPS 1.000000 1.000000 constant 1.000000 7 MDN 0.927155 0.966088 decreasing 0.959700 8 PLB 1.000000 1.000000 constant 1.000000 9 MLG 0.606813 0.662234 increasing 0.916312 10 WIS 1.000000 1.000000 constant 1.000000 11 KLP 0.752484 0.771213 increasing 0.975715 12 PSB 0.749381 0.796815 decreasing 0.940470 13 PLT 0.802492 0.904608 decreasing 0.887116 14 WSA 0.741918 0.747493 increasing 0.992542 15 WAH 1.000000 1.000000 constant 1.000000 18

Pembentukan Model DEA Efisiensi Teknis dan Skala Slacks-Based Measure (SBM) Penetapan Target Perbaikan Analisis Sensitivitas Slacks-Based Measure (SBM) Tabel 4.3 Hasil Perhitungan DEA-SBM Software LINGO 11.0 DMUlack Slack Variabel Output BDG 0.5930762 46212.32 31961.17 22580.32 SMG 0.4852513 121900.6 41178.58 25257.46 SLO 0.3697380 149019.9 50876.71 29549.05 DRM 0.7412802 0.000000 15912.12 15870.69 VTR 0.3958901 207996.6 47235.63 27029.30 DPS 0.4311718 463415.6 47666.65 13975.06 MDN 0.5744788 0.000000 22943.10 24780.57 PLB 0.4657820 0.000000 29549.85 28237.62 MLG 0.3887674 210184.4 50465.93 25846.99 WIS 1.0000000 0.000000 0.000000 0.000000 KLP 0.5096068 415171.9 15974.63 11323.33 PSB 0.4896117 69943.95 25960.12 29189.35 PLT 0.6150060 20382.84 10956.24 25785.41 WSA 0.6953716 305806.4 14678.31 0.000000 WAH 1.0000000 0.000000 0.000000 0.000000 Keterangan: : slack variabel pinjaman : slack variabel laba : slack variabel fee based income (FBI) 19

1.2 1 0.8 0.6 0.4 0.2 0 Efisiensi Teknis CRS (TE) BDG SMG SLO DRM VTR DPS MDN PLB MLG WIS KLP PSB PLT WSA WAH DMU-DMU Gambar 4.1 Grafik Efisiensi Teknis CRS Tiap DMU 1.2 1 0.8 0.6 0.4 0.2 0 Efisiensi Teknis Murni (PTE) BDG SMG SLO DRM VTR DPS MDN PLB MLG WIS KLP PSB PLT WSA WAH DMU-DMU Gambar 4.2 Grafik Efisiensi Teknis VRS Tiap DMU 1.2 Skala Efisiensi (SE) 1.2 Efisiensi Teknis SBM 1 1 0.8 0.8 0.6 0.6 0.4 0.4 0.2 0.2 0 0 BDG SMG SLO DRM VTR DPS MDN PLB MLG WIS KLP PSB PLT WSA WAH DMU-DMU BDG SMG SLO DRM VTR DPS MDN PLB MLG WIS KLP PSB PLT WSA WAH DMU-DMU Gambar 4.3 Skala Efisiensi Tiap DMU Gambar 4.4 Grafik Efisiensi Teknis SBM Tiap DMU 20

Penetapan Target Perbaikan Tabel 4.8 Rekapitulasi Target Perbaikan Model DEA-CCR (dalam juta rupiah) Tabel 4.9 Rekapitulasi Target Perbaikan Model DEA-BCC (dalam juta rupiah) DMU Variabel Nilai Awal BDG BB BOT BOPO BO BTK Pinjaman DPK Laba FBI 165546.42 577.95 1734.73 9128.09 32693.31 361335.13 2723618.69 43934.27 18769.98 Target Perbaikan 110569.87 411.0924 612.302 9128.09 20411.27 361335.13 1946561.79 62427.20484 18769.98 Improve 33.21% 28.87% 64.70% 0% 37.57% 0% 28.53 42.09% 0% DMU Variabel Nilai Awal BDG BB BOT BOPO BO BTK Pinjaman DPK Laba FBI 165546.42 577.95 1734.73 9128.09 32693.31 361335.13 2723618.69 43934.27 18769.98 Target Perbaikan 106772.97 577.95 836.8034 9128.09 18776.79 361335.13 1892592.29 59028.43377 18769.98 Improve 35.50% 0% 51.76% 0% 42.57% 0% 30.51% 34.36% 0% FBI 18769.98 18769.98 0% FBI 18769.98 18769.98 0% Tabel 4.10 Rekapitulasi Target Perbaikan Model DEA-SBM (dalam juta rupiah) DMU Variabel Nilai Awal BDG BB BOT BOPO BO BTK Pinjaman DPK Laba FBI 165546.42 577.95 1734.73 9128.09 32693.31 361335.13 2723618.69 43934.27 18769.98 Target Perbaikan 165546.42 577.95 1734.73 9128.09 32693.31 407547.45 2723618.69 75895.44 41350.20 Improve 0% 0% 0% 0% 0% 12.79% 0% 72.75% 120.30% 21

Pembentukan Model DEA Efisiensi Teknis dan Skala Slacks-Based Measure (SBM) Penetapan Target Perbaikan Analisis Sensitivitas Tabel 4.11 Hasil Analisis Sensitivitas Model DEA-CCR DMU Nilai Awal BDG 1.327798 DMU Nilai Awal Variabel Nilai Asli (Juta Rp) Improvisasi Nilai Dual Price Kontribusi Peningkatan/ Penurunan Nilai Baru Perubahan Efisiensi Teknis BB 165546.42 0.332091446 0.1000000E-06 0.005497655 1.333295655 0.750021195 BOT 577.95 0.288705943 0.1000000E-06 1.66858E-05 1.327814686 0.753117141 BOPO 1734.73 0.647033255 0.1000000E-06 0.000112243 1.327910243 0.753062946 BO 9128.09 0 0.1227366E-03 0 1.327798 0.753126605 BTK 32693.31 0.375672211 0.1000000E-06 0.001228197 1.329026197 0.752430616 Pinjaman 361335.13 0-0.9213566E-06 0 1.327798 0.753126605 DPK 2723618.69 0.285303116 0.1000000E-06 0.07770569 1.40550369 0.711488705 Laba 43934.27 0.420922774-0.1000000E-06-0.001849293 1.325948707 0.754176987 FBI 18769.98 0-0.3530574E-04 0 1.327798 0.753126605 Tabel 4.12 Hasil Analisis Sensitivitas Model DEA-BCC BDG 1.293279 DMU Nilai Awal BDG 0.5930762 Variabel Nilai Asli (Juta Rp) Improvisasi Nilai Dual Price Kontribusi Peningkatan/ Penurunan Nilai Baru Perubahan Efisiensi Teknis BB 165546.42 0.355027006 0.1000000E-06 5.87734E-03 1.299156345 0.769730298 BOT 577.95 0 0.2659738E-03 0 1.293279 0.77322836 BOPO 1734.73 0.517617496 0.1000000E-06 8.97927E-05 1.293368793 0.773174678 BO 9128.09 0 0.2048868E-04 0 1.293279 0.77322836 BTK 32693.31 0.425668737 0.1000000E-06 1.39165E-03 1.294670652 0.77239721 Pinjaman 361335.13 0-0.1873029E-05 0 1.293279 0.77322836 DPK 2723618.69 0.305118559 0.1000000E-06 0.083102661 1.376381661 0.726542665 Laba 43934.27 0.343562412-0.1000000E-06-1.50942E-03 1.291769584 0.774131867 FBI 18769.98 0-0.1698538E-04 0 1.293279 0.77322836 Tabel 4.13 Hasil Analisis Sensitivitas Model DEA-SBM Variabel Nilai Asli (Juta Rp) Improvisasi Nilai Dual Price Kontribusi Peningkatan/ Penurunan Nilai Baru Perubahan Efisiensi Teknis Pinjaman 361335.13 0.12789304-0.3244812E-06-0.014995006 0.578081194 0.578081194 Laba 43934.27 0.727476978-0.2668679E-05-0.085294103 0.507782097 0.507782097 FBI 18769.98 1.202996487-0.6246488E-05-0.141047073 0.452029127 0.452029127 22

Kesimpulan Saran Kesimpulan Berdasarkan analisis dan pembahasan yang telah dilakukan terhadap 15 cabang Bank Umum Swasta Nasional Devisa, kesimpulan yang dapat diambil antara lain: 1. Kantor-kantor cabang Bank Umum Swasta Nasional Devisa yang memiliki kinerja efisien pada model DEA-CCR adalah Kantor Cabang SMG, Kantor Cabang DRM, Kantor Cabang DPS, Kantor Cabang PLB, Kantor Cabang WIS, dan Kantor Cabang WAH. Untuk model DEA-BCC kantor cabang yang kinerjanya efisien adalah Kantor Cabang SMG, Kantor Cabang SLO, Kantor Cabang DRM, Kantor Cabang DPS, Kantor Cabang PLB, Kantor Cabang WIS, dan Kantor Cabang WAH. Sedangkan, pada model DEA-SBM kantor cabang yang kinerjanya efisien adalah Kantor Cabang WIS dan WAH. Dari 15 kantor cabang bank yang diteliti, hanya Kantor Cabang WIS dan Kantor Cabang WAH memiliki kinerja terbaik dari ketiga model DEA dengan nilai efisiensi sama dengan 1 atau 100%, artinya kantor cabang tersebut dapat secara optimal menggunakan input dan menghasilkan output yang sesuai. 23

Kesimpulan Saran 2. Variabel-variabel yang mempengaruhi ketidakefisienan kinerja pada model DEA-CCR untuk DMU BDG, SLO, MLG VTR dan WSA adalah variabel laba. DMU KLP, PSB, dan PLT variabel yang mempengaruhi ketidakefisienan pada model DEA-CCR adalah variabel pinjaman dan fee based income (FBI). Sementara DMU MDN variabel yang mempengaruhi ketidakefisienan adalah variabel FBI. Lain halnya pada model DEA-BCC untuk DMU MLG dan DMU WSA variabel pinjaman dan laba mempengaruhi ketidakefisiean. Untuk DMU BDG variabel yang mempengaruhi ketidakefisienan pada model DEA-BCC adalah variabel laba. Sama halnya dengan DMU VTR, dan WSA. Lain halnya dengan DMU KLP dan dan DMU PSB variabel yang mempengaruhi ketidakefisienan kinerja DMU tersebut adalah variabel pinjaman dan fee based income (FBI). Untuk DMU MDN dan DMU PLT variabel yang mempengaruhi ketidakefisienan adaah variabel fee based income (FBI). Pada model DEA-SBM untuk DMU BDG, VTR, SMG, SLO, DPS, MLG, KLP, PSB, dan PLT variabel yang mempengaruhi ketidakefisienan kinerja DMU tersebut adalah variabel laba, pinjaman dan fee based income (FBI). Sementara untuk DMU DRM, MDN dan PLB variabel yang mempengaruhi ketidakefisienan adalah variabel laba. Lain halnya dengan variabel yang mempengaruhi ketidakefisienan DMU WSA adalah variabel pinjaman dan laba. 24

Kesimpulan Saran 3. Perbaikan target untuk DMU BDG, SMG, SLO, VTR, DPS, MLG, KLP, PSB, dan PLT dilakukan terhadap variabel pinjaman, laba dan fee based income (FBI). Untuk mencapai efisiensi variabel pinjaman, laba dan fee based income (FBI) dari DMU BDG ditingkatkan sebesar 46212.32%, 31961.17%, dan 22580.32% dari nilai awal. Untuk DMU SMG sebesar 121900.6%, 41178.58%, dan 25257.46% dari nilai awal.untuk DMU SLO sebesar 149019.9%, 50876.71%, dan 29549.05% dari nilai awal.untuk DMU VTR sebesar 207996.6%, 47235.63%, dan 27029.30% dari nilai awal.untuk DMU DPS sebesar 46341.6%, 47666.65%, dan 13975.06% dari nilai awal.untuk DMU MLG sebesar 210184.4%, 50465.93%, dan 25846.99% dari nilai awal.untuk DMU KLP sebesar 415171.9%, 15974.63%, dan 11323.33% dari nilai awal. Untuk DMU PSB sebesar 69943.95%, 25960.12%, dan 29189.35% dari nilai awal dan DMU PLT sebesar 20382.84%, 10956.24%, dan 25785.41%. Target perbaikan untuk DMU DRM, MDN, dan PLB dilakukan terhadap variabel laba dan fee based income (FBI). Untuk mencapai efisiensi variabel-variabel laba dan fee based income (FBI) dari DMU DRM ditingkatkan sebesar 15912.12% dan 15870.69% dari nilai awal. Untuk DMU MDN sebesar 22943.10% dan 24780.57%. Untuk DMU PLB sebesar 29549.85% dan 28237.62%. Sedangkan target perbaikan untuk DMU WSA dilakukan terhadap variabel pinjaman dan laba. Untuk mencapai efisien variabel-variabel pinjaman dan laba ditingkatkan sebesar 305806.4% dan 14678.31%. 25

Kesimpulan Saran Saran yang dapat dikembangkan untuk penelitian selanjutnya adalah : 1. DEA memiliki model yang dapat dikembangkan untuk meneliti suatu DMU, oleh karena itu untuk penelitian selanjutnya dapat digunakan model berorientasi pada input-output. 2. Penilaian efisiensi DEA dapat diperluas terhadap instansi bukan bank seperti rumah sakit, perguruan tinggi, saham dan lain sebagainya. Saran 26

DAFTAR PUSTAKA [1] Cooper, WW., Lawrence M. Seiford, and Kaoru Tone. 2007., Data Envelopment Analysis: A Comprehensive Text with Models, Applications, Reference and DEA-Solver Software, 2 nd ed. Springer Science+Business Media, LLC. [2] Farrel, M.J. 1957. The Measurement of Productine Efficiency. Journal of the Royal Statistical Society, Series A, CXX, Part 3, 253-290. [3] Hidayati, Juliza. 2005. Analisis Kinerja Bank dengan DEA. Jurnal Sistem Teknik Industri, Vol.6, No.2, April 2005:17-23. [4] JK, Sugiarto. 2007. Pengukuran dan Analisis Efisiensi Relatif Kantor-Kantor Cabang Bank XYZ dengan Menggunakan Metode Data Envelopment Analysis. Thesis, Jurusan Manajeman Teknik Industri ITS, Surabaya. [5] Laily, A.S. 2010. Pengukuran dan Analisis Efisiensi Bank Pembangunan Daerah Menggunakan Metode Data Envelopment Analysis (DEA). Tugas Akhir, Jurusan Matematika ITS. Surabaya. [6] Paradi, J.C, Stephen Rouatt, and Haiyan Zhu. 2010. Two-Stage Evaluation of Bank Branch Efficiency Using Data Envelopment Analysis. Journal of Omega 39, 99-109. [7] Ray, Subhash C. 2004. Data Envelopment Analysis : Theory and Techniques for Economics and Operation Research. Cambridge University Press. [8] Sumitro. 2005. Penilaian Efisiensi Bank Umum Swasta Nasional Devisa dan Bank Asing dengan Menggunakan Data Envelopment Analysis (DEA). Tugas Akhir, Jurusan Matematika ITS. Surabaya. [9] Thomas, Suyatno. 2007.Kelembagaan Perbankan. URL: http://books.google.co.id (diakses tanggal 28 Desember 2010). [10] www.wikipedia.org (diakses tanggal 1 Januari 2011) [11] Wu, Tai-Hsi., Chen, Ming-Shiun., Yeh, Jin-Yii. 2009. Measuring the Performance of Police Forces in Taiwan using Data Envelopment Analysis. Evaluation and Program Planning 33, 246-254. [12] Zhu, Joe. 2009. Quantitative Models for Performance Evaluation and Benchmarking : Data Envelopment Analysis with Spreadsheets. ed. Springer Science+Business Media, LLC. 27

Sekian dan Terima Kasih 28