Stochastic Frontier Approach SFA

dan sampel yang lebih sedikit dapat dipergunakan. Namun demikian, kesimpulan secara statistika tidak dapat diambil jika menggunakan metode non-parametrik. Pendekatan DEA tidak memasukkan random error, oleh karena itu hasil ketidakefisienan hanya dijadikan faktor inefisiensi secara umum oleh sebuah Decision Making Unit DMU. Pendekatan non- parametrik dapat digunakan untuk mengukur inefisiensi secara lebih umum. 32 Keuntungan menggunakan DEA adalah kemampuan DEA mengidentifikasi unit yang digunakan sebagai referensi yang dapat membantu menentukan penyebab dan jalan keluar dari ketidakefisienan, yang merupakan keuntungan utama dalam aplikasi manajerial. DEA dapat menggunakan banyak input dan output serta tidak membutuhkan asumsi bentuk fungsi antara variabel input dan output tersebut. DEA juga tidak memerlukan spesifikasi yang lengkap dari bentuk fungsi yang menunjukan hubungan produksi dan distribusi dari observasi. 33 Keuntungan utama dari DEA adalah tidak membutuhkan asumsi awal mengenai bentuk fungsi produksi. Sebaliknya, DEA membentuk fungsi produksi yang paling baik semata-mata berdasarkan data observasi. 34 32 Mualiaman D. Hadad, dkk., Analisis Efisiensi Industri Perbankan Indonesia: Penggunaan Metode NonParametrik Data Envelopment Analysis DEA, h.2 33 M. Fethi D dan F. Pasiouras, “Assesing Bank Efficiency and Performance with Operational Research and Artificial Intelligence Techniques”, European Journal of Operational Reseach, 2010, h. 189-198 34 I. Jemric dan Vujcic B., “Efficiency of Bank in Croatia: A DEA Approach”, Comparative Economic Studies, XLIV, h. 169-193 Kekurangan dari DEA adalah frontier sangat sensitif terhadap observasi-observasi ekstrim dan perhitungan-perhitungan error. Hal ini terjadi karena asumsi dasar DEA tidak memasukkan random error, sehingga deviasi-deviasi dari frontier diindikasikan sebagai inefisiensi. Karena DEA merupakan pengukuran dengan metode non-parametrik, maka uji hipotesis secara statistik atas hasil DEA sulit dilakukan sehingga tidak dapat diambil kesimpulan secara statistik. DEA hanya mengukur efisiensi relatif antar DMU dalam suatu penelitian bukan efisinsi absolut. 35 Dalam perkembangan pengukuran efisiensi melalui metode DEA oleh para ahli, ditemukan 2 dua model dalam mengaplikasikan metode DEA dalam mengukur efisiensi teknis suatu organisasi atau perusahaan yang dalam literature DEA disebut dengan Decision Making Unit DMU. Model pengukuran efisiensi tersebut dapat dijelaskan sebagai berikut.

1. Orientasi Pengukuran dalam DEA

Terdapat dua orientasi yang digunakan dalam metodologi pengukuran efisiensi, yaitu: a. Orientasi Input Perspektif yang melihat efisiensi sebagai pengurangan pengunaan input meski memproduksi output dalam jumlah yang 35 Fitria Maharani, “Pengukuran Efisiensi Perbankan dengan Menggunakan Pendekatan DEA dan Pengaruh Efisiensi Perbankan Terhadap Stock Return pada Bank Umum Konvensional yang Terdaftar di Bursa Efek Indonesia”, Skripsi S1 Fakultas Ekonomi Program Studi Manajemen, Universitas Indonesia, 2012, h. 14 tetap. Cocok untuk industri dimana manager memiliki kontrol yang besar terhadap biaya operasional. Grafik 2.3 Proyeksi frontier orientasi input model CCR 36

b. Orientasi Output

Perspektif yang melihat efisiensi sebagai peningkatan output secara proporsional dengan menggunakan tingkat input yang sama. Cocok untuk industri dimana unit pembuat keputusan diberikan kuantitas sumber daya dalam jumlah yang fix dan diminta untuk memproduksi output sebanyak mungkin dari sumber daya tersebut. Perbedaan antara orientasi input dan output model DEA hanya terletak pada ukuran yang digunakan dalam menentukan efisiensi yaitu dari sisi input dan output, namun kedua orientasi tersebut akan mengestimasi frontier yang sama. 36 Cooper et al., Handbook on Data Envelopment Analysis, Second Edition, New York: Springer Science and Business Media, 2011, hal. 15