Suatu Pengenalan Konsep Metode Kuantitatif
DATA ENVELOPMENT ANALYSIS (DEA)
DISAMPAIKAN PADA WEBINAR EKONOMI SYARIAH UNIVERSITAS GUNADARMA
2 DESEMBER 2020
2
AGENDA PAPARAN
Subyek Paparan:
a) Masalah UmumTugas Penelitian
b) Metode Penelitian Kuantitatif
c) Riset Operasi Sebagai Metode Induk DEA
d) DEA Sebagai Metode Pengukuran Kinerja
e) Karakteristik, Kelebihan, Kelemahan, dan Manfaat DEA
f) Kerangka DEA
g) Publikasi Riset DEA
Permasalahan umum tugas (kewajiban) penelitian
MASALAH UMUM
Anda tertarik di bidang apa?
Duuuh…
PI aja gak lulus
Pak Eko, saya baiknya meneliti masalah apa ya?
Bagusnya neliti pakai
metode apa, Pak Eko? SPSS
atau Eviews
atau AMOS?
4
MASALAH UMUM
Kesulitan mahasiswa dalam membuat tugas penelitian (Herdian, 2012):
Menemukan dan merumuskan masalah
Mencari judul yang efektif
Sistematika proposal
Sistematika skripsi
Kesulitan mencari literatur atau bahan bacaan
Kesulitan memakai metode penelitian dan analisis data
Kesulitan menuangkan ide ke dalam bahasa ilmiah.
Menurut survey Julianto (2013):
MASALAH UMUM
Tahap Awal:
1. Tidak terbiasa menulis karya ilmiah
2. Masih harus menyelesaikan mata kuliah semester akhir 3. Kurang memahami judul
skripsi
4. Kurang menguasai metodologi riset 5. Dana yang terbatas
Tahap Proses:
1. Kurangnya buku-buku referensi yang fokus
2. Kurang terbiasa dengan sistem kerja terjadwal.
3. Bingung dalam
mengembangkan teori 4. Kesulitan mengolah data 5. Kurang menguasai data yang
dituangkan dalam tabel
Tahap Akhir:
1. Minimnya waktu bimbingan
2. Kurang koordinasi dan persamaan persepsi antara pembimbing 1 dan pembimbing 2
3. Dosen kurang memahami metodologi riset
Perbandingan:
6
KUANTITATIF vs KUALITATIF
ASPEK KUALITATIF KUANTITATIF
DESAIN
Bersifat umum, fleksibel, dan dinamis.
Dapat berkembang selama proses penelitian berlangsung.
Bersifat khusus, terperinci, dan statis. Alur penelitian sudah
direncanakan sejak awal dan sulit untuk diubah.
ANALISIS DATA Dapat dianalisis selama proses penelitian berlangsung.
Dapat dianalisis pada tahap akhir
SUBJEK PENELITIAN Biasa disebut dengan narasumber. Biasa disebut dengan responden atau data input.
CARA MEMANDANG FAKTA
Memandang fakta/kebenaran tergantung pada cara peneliti
mennginterpretasikan data. Berangkat dari data kemudian dijelaskan oleh teori-teori yang dianggap relevan.
Memandang fakta/kebenaran berada pada objek penelitian.
Peneliti netral dan tidak
memihak. Berangkat dari teori menuju data.
KUANTITATIF vs KUALITATIF
Perbandingan (lanjutan…):
ASPEK KUALITATIF KUANTITATIF
PENGUMPULAN DATA
Lebih berfokus pada sesuatu yang tidak bisa diukur oleh hitam putih kebenaran.
Kualitas penelitian ditentukan oleh seberapa dalam peneliti menggali
informasi spesifik dari nara sumber yang dipilih.
Menggunakan instrumen
pengumpulan data berupa tes atau kuesioner. Data dikonversi
menggunakan kategori/ kriteria yang sudah ditetapkan sebelumnya.
Ditentukan oleh banyaknya responden yang terlibat.
REPRESENTASI DATA
Berupa interpretasi peneliti akan sebuah fenomena, sehingga lebih banyak
mengandung deskripsi.
Dalam bentuk hasil penghitungan matematis yang dianggap sebagai fakta yang sudah terkonfirmasi.
Keabsahannya sangat tergantung pada validitas dan reliabilitas instrumen.
8
KUANTITATIF vs KUALITATIF
Perbandingan (lanjutan…):
ASPEK KUALITATIF KUANTITATIF
IMPLIKASI HASIL RISET
Terbatas pada situasi-situasi tertentu, sehingga tidak bisa digeneralisasi pada kondisi yang berbeda.
Berupa fakta/teori yang berlaku secara umum (generalized).
METODE
Fenomenologi, etnografi, studi kasus, historis, grounded theory.
Eksperimen, survey, korelasi, regresi, analisis jalur, ex-post facto.
TUJUAN
Memperoleh pemahaman mendalam, mengembangkan teori, mendeskripsikan realitas dan kompleksitas sosial, dll.
Menjelaskan hubungan antar variabel, menguji teori, melakukan geberalisasi fenomena sosial yang diteliti.
JENIS DATA Kualitatif: deskriptif dan eksploratif Kuantitatif: numerik dan statistik
Data Kualitatif vs Data Kuantitatif:
KUANTITATIF vs KUALITATIF
Sumber: Saunders, et al. (2009)
Data Kejadian:
10
KUANTITATIF vs KUALITATIF
DATA KEJADIAN
DETERMINISTIK
QATH’I
PROBABILISTIK
FIQH
Ø Syariat Islam Ø Sumber
hukumnya Al- Qur’an da As- Sunah
Ø Bersifat fundamental
Ø Karya manusia Ø Bisa berubah Ø Dapat merujuk
Al-Qur’an da As- Sunah
Ø Berasal dari ijtihad
KUANTITATIF vs KUALITATIF
KARAKTERISTIK PENELITIAN KUANTITATIF
Menggunakan pola berpikir (penalaran) deduktif
Logika yang digunakan adalah logika positivistik dan menghindari hal-hal yang bersifat subyektif
Melibatkan perhitungan angka atau kuantifikasi data
Hasil penelitian berupa generalisasi dan prediksi, sesuai dengan penalaran deduktif
Tidak banyak memberi peluang bagi fleksibilitas
Pembahasan lebih pada permukaan dan tidak mendalam
12
METODE KUANTITATIF
Jenis-jenis penelitian kuantitatif (Steg, Buunk, dan Rothengatter, 2008)
1) Eksperimen Murni
2) Penelitian Korelasional 3) EksperimenTidak Murni 4) Survey
METODE KUANTITATIF
Ciri-ciri Penelitian Korelasional
ü Dilakukan bila variabel-variabel yang diteliti rumit dan/ atau tak dapat diteliti dengan metode
eksperimental serta tak dapat dimanipulasi
ü Memungkinkan pengukuran beberapa variabel yang hubungannya secara serentak dalam keadaan
realistiknya.
ü Keluaran dari penelitian adalah tingkat tinggi
rendahnya saling hubungan dan bukan ada atau tidak adanya saling hubungan
ü Meramalkan variabel tertentu berdasarkan variabel bebas.
14
METODE KUANTITATIF
PENTING UNTUK DIPERHATIKAN!!!
Alat bantu pengolah data (software atau perangkat lunak) JANGAN DISAMAKAN dengan metode
pengolahan/analisis data.
Perangkat lunak adalah alat (bantu) pengolah data
sedangkan Metode Analisis adalah alat analisis melalui pemodelan atau langkah-langkah kerja.
Contoh praktis:
METODE ANALISIS
Membangun saluran irigasi
- Excavator - Cangkul - Sekop - Linggis - Cethok, dll
ALAT BANTU KERJA
Hubungan yang BENAR:
METODE KUANTITATIF
Data diolah dengan - RLB
- PLS - SEM - ANP - RO
- Multivariat, dll
ALAT ANALISIS/
PEMODELAN
- SPSS - Eviews - AMOS - STATA - Lindo
- R-Language, dll
ALAT OLAH DATA
16
DEA DALAM OR
DEA sebagai bagian dariTeknik Riset Operasi:
TEKNIK- TEKNIK
OPTIMALIS ASI
RISET OPERASI
DETERMINISTIC RISET OPERASI
STOCHASTIC HEURISTIC META-HEURISTIC
-Programasi Linear
-Programasi Integer
-Analisis Jaringan -Programasi
Dinamis -Programasi
Sumber: Rehman (2016)
-Teori Antrian -Teori Keputusan -MCMC
-Simulasi -dll.
-Simulasi berbagai pendekatan -Jaringan neural -Algoritma
genetik -dll.
-Berbasis masalah
Riset operasi yang membahas masalah-masalah yang sudah pasti (fixed) à Qath’i
Riset operasi yang membahas masalah-masalah yang belum pasti (random) à Fiqh
Kriteria umum atau serangkaian kriteria yang ditujukan untuk meningkatkan peluang bagi penyelesaian suatu masalah
Metode lanjut berbasis heuristic untuk menyelesaikan persoalan
optimisasi dengan memperbaiki kandidat penyelesaian secara iterative sesuai dengan fungsi obyektifnya
RISET OPERASI
DETER MI- NISTIC
OR
META- HEURI STIC
HEURI STIC PROBA
BI- LISTIC
OR
18
RISET OPERASI
Pengertian:
Pengambilan keputusan terhadap masalah-masalah yang muncul di kehidupan nyata termasuk pemodelan
deterministik dan probabilistik.
Diperkenalkan pertama kali oleh G.A. Robert dan E.C.
William tahun 1939 untuk keperluan sistem komunikasi di AU Inggris.
Adalah metode-metode optimalisasi untuk keperluan pengambilan keputusan (decision making) dalam
kondisi adanya kendala (constraint) ketersediaan sumber daya yang terbatas
RISET OPERASI
Pengertian optimalisasi:
Model dalam Riset Operasi merupakan penyederhanaan dari realitas system yang kompleks (complicated).
Kompleksitas sistemnya ditunjukkan oleh hubungan- hubungan (langsung maupun tidak langsung) antara variabel-variabel yang dianalisis.
Saat ini riset operasi merupakan metode yang sangat populer dipakai untuk memformulasikan permasalahan sehari-hari di bidang bisnis, ekonomi, dan sosial lainnya.
Maksimisasi Minimisasi
20
DEA – PENGUKUR KINERJA
Kategori DEA sebagai salah satu anggota keluarga
metodologi programasi linear merupakan sebuah alat untuk mengukur kinerja dari beberapa DMU (Decision- Making Unit) yang mengolah beberapa input menjadi output dalam cara yang paling efisien.
Dalam konteks ini, maka optimalisasi berkembang
artinya. Selain minimisasi dan maksimisasi, obyektif dari analisis sistem adalah untuk efisiensi.
Kerangka Sistem:
DEA – PENGUKUR KINERJA
INPUTS
• Homogen uousresources
PROCESS
• DMUs
OUTPUTS
• Homogen uousproducts
22
DEA – PENGUKUR KINERJA
Ukuran Kinerja:
INPUTS
v- Labor v- Capital v- Material
PROCESSES
- Mill - Nation
- School OUTPUTS
- Profit - Product
Quality -Wealth - Expertise
MINIMISASI EFISIENSI MAKSIMISASI
SYSTEM
FRAMEWORK
PERFORMANCE MEASURE
DEA – PENGUKUR KINERJA
Tujuan penilaian atau analisis dengan DEA:
Pembandingan kinerja dari unit-unit pengambilan keputusan (DMU) yang homogen yang menggunakan beberapa input untuk produksi beberapa output yang kurang lebih juga homogen.
Pengukuran efisiensi membandingkan ratio output/
input dari DMU yang diperkirakan dengan rasio serupa teramati dari DMU lain yang dianalisis.
Dengan demikian, penilaian atau asesmen DEA sifatnya adalah relatif.
Beberapa karakteristik DEA yang dirangkum dari tulisan Khrisna (2016) dan dapat dipakai sebagai pedoman adalah:
Variabel input dan output adalah bilangan non-negatif lebih besar dari 0
Isotonicity, peningkatan input selalu menyebabkan peningkatan output
Jumlah DMU > 2
DMU harus relatif homogen
Bobot Uj dan Vi ditentukan saat pemodelan DEA. Bobot dihitung sedemikian rupa sehingga unit yang dievaluasi dapat ditempatkan pada posisinya dalam rangkaian data
24
KARAKTERISTIK DEA
Kelebihan dari tehnik evaluasi ini di antaranya (Khrisna, 2016)
Dapat melibatkan banyak input dan output
Tidak perlu adanya asumsi hubungan antara input dan output.
Dapat digunakan untuk data input dan output yang berbeda unit pengukuran
Perbandingan dapat dilihat secara langsung dari hasil olahan
KELEBIHAN DEA
Beberapa kelemahanTeknik analisis DEA di antaranya adalah (Khrisna, 2016):
Pengukuran tingkat kesalahan dipengaruhi oleh signifikansinya
Tidak mengukur efisiensi mutlak
Uji statistik dilakukan secara manual
26
KELEMAHAN DEA
3 manfaat penggunaanTehnik Analisis DEA menurut Khrisna (2016) adalah:
1. Sebagai indikator dalam menilai efisiensi relatif dari unit ekonomi terhadap unit ekonomi lainnya yang setara
(apple to apple)
2. Mengukur berbagai informasi efisien antar UKE untuk dapat dianalisis penyebabnya
3. Memiliki implikasi kebijakan terutama dalam rangka untuk meningkatkan efisiensi.
MANFAAT DEA
a) Dalam DEA PRODUSEN selalu diposisikan sebagai DMU (Decision-Making Unit).
Semua DMU harus berada di lingkungan dasar yang
sama dan mengubah rangkaian input yang sama menjadi rangkaian output yang sama
b) DEA dikategorikan sebagai sebuah metode deterministik dan non-parametrik (tidak memerlukan asumsi).
c) Teknik ini dinamai demikian karena diaplikasikan dengan mencoba membangun batas (frontier) dengan menyelubungi semua vektor input-output yang diamati
Efisiensi setiap perusahaan diukur melalui jarak vektor- vektor input-outputnya ke perbatasan (frontier).
28
KERANGKA DEA
c) Tehnik ini mencocokkan garis batas linier piece-wise memakai teknik pemrograman linier.
d) Teknik ini sederhananya adalah metode titik ekstrim dan membandingkan setiap produsen hanya dengan produsen terbaik.
KERANGKA DEA
Contoh kasus: Toko sepatu input dan output tunggal
Dimisalkan ada 8 toko cabang yang diberi label A sampai H di kepala setiap kolom pada tabel berikut.
Setiap toko mempekerjakan karyawannya untuk mendapatkan penjualan.
Penjualan diukur dalam Rp. 100.000,-.
Proses produksinya serupa, sehingga bisa (wajar) untuk dibandingkan.
30
PENGUKURAN KINERJA (EFISIENSI)
Tabel data hipotetik
Untuk mengingatkan kembali à
Dibandingkan dengan toko terbaik B, maka toko lainnya dapat dikatakan inefisien sebesar:
PENGUKURAN KINERJA (EFISIENSI)
TOKO A B C D E F G H
Karyawan 2 3 3 4 5 5 6 8
Penjualan 1 3 2 3 4 2 3 5
Penjualan/Karywan 0,5 1 0,667 0,75 0,8 0,4 0,5 0,625
Input Output Efficiency =
/ 1
0 £ / £
B Toko karyawan
Penjualan
lain Toko
karyawan Penjualan
32
PENGUKURAN KINERJA (EFISIENSI)
Dari pengertian tersebut, maka:
Toko F memiliki efisiensi terendah dengan 0,4/1 = 0,4 yang menyiratkan 40% dari efisiensiToko B
Jika diurutkan diperoleh:
1 = B > E > D > C > H > A = G > F =0,4
DEA vs REGRESI
Perbandingan DEA dengan Regresi:
Regresi dapat mengakomodasi banyak input atau output namun tidak dapat keduanya
Regresi memerlukan hubungan fungsional antara input dan output.
Regresi hanya memberi keluaran berupa rata-rata dari hubungan tersebut, dan bukan best practice.
34
DEA vs REGRESI
Input regresi:
Grafik output: DEA vs Regresi
TOKO A B C D E F G H
Efisiensi 0,5 1 0,667 0,75 0,8 0,4 0,5 0,625
DEA vs REGRESI
Otput DEA:
36
CONTOH RISET
Mengukur kemampuan manajerial: riset yang menemukan bahwa ukuran yang digunakan lebih sesuai daripada sejumlah alternatif ukuran lainnya (return saham. ROA, CEO salary, dll).
Employ DEA in order to measure managerial ability, based on manager’s efficiency in generating revenues (MacVay et
al., 2012).
1
DMU?
CONTOH RISET
Mengukur Kinerja Tim Olimpiade: mengatasi masalah
perancangan peringkat olimpiade dengan hanya mendasarkan pada jumlah medali yang diperoleh tiap tim negara.
2
Employ DEA to establish fair models for measuring and benchmarking the performance of nations at Olympic Games
(Guerrero et al., 2002; Liang et al., 2008; Lei et al., 2014).
DMU?
38
CONTOH RISET
Masalah Alokasi Sumber Daya: keputusan alokasi sumber daya merupakan masalah krusial bagi keberhasilan suatu organisasi, termasuk pendanaan, tenaga kerja, dll.
3
DMU?
Employ DEA to propose best practice approach to solve such problems (Athanassopoulos, 1998; Korhonen & Sirjänen,
2004; Chen & Zhu, 2011).
CONTOH RISET
Masalah Alokasi Biaya Tetap: saat suatu bank pusat berinvestasi pada system perdagangan elektronik umum untuk tiap cabangnya, biaya investasi tersebut harus ditanggung oleh masing-masing cabang.
Bagaimana biaya semcam ini seharusnya ditetapkan dengan cara yang adil ke sub-sub unit yang bervariasi?
4
DMU?
Employ DEA to propose alternative approaches for solving such problems (Cook and Kress, 1999; Beasley, 2003; Liang
et al., 2009).
40
PUBLIKASI DEA
Berdasarkan tahun publikasi
Sumber: Cooper Framework (2017)
PUBLIKASI DEA
Berdasarkan kata kunci yang
digunakan
No KATA KUNCI JML
PUBLIKASI 1. Data Envelopment Analysis,
DEA Models
9989
2. Efficiency 2382
3. Decision Making 1048
4. Technical efficiency 876
5. Linear Programming 722
6. Productivity 722
7. Mathematical models 574
8. Data reduction 535
9. Benchmarking 502
10. Decision-making-units 479
11. Humans 477
12. Efficiency measurement 440
13. Optimization 368
Sumber: Cooper
42
PUBLIKASI DEA
Berdasarkan jumlah halaman paper
Sumber: Cooper Framework (2017)
Berdasarkan jumlah periset
PUBLIKASI DEA
Sumber: Cooper Framework
44
