ANALISIS EFISIENSI TEKNIS DARI DISTRIBUSI LISTRIK MENGGUNAKAN DATA ENVELOPMENT ANALYSIS (DEA) DAN
ANALISIS OPERASIONAL
Moses L. Singgih dan Erlin Tri Anggraini e-mail: [email protected]
Jurusan Teknik Industri
Institut Teknologi Sepuluh Nopember, Surabaya Indonesia
ABSTRAK
Listrik yang merupakan kebutuhan energi semua masyarakat dan produksi listrik di Indonesia masih kurang dibandingkan kebutuhan. Kekurangan listrik ini mengakibatkan krisis listrik yang menyebabkan pertumbuhan industri tidak berkembang dengan baik serta kebutuhan masyarakat tidak dapat terpenuhi. Salah satu penyebab kekurangan listrik ini karena tidak maksimalnya produktivitas dari unit pelayanan jaringan yang ada dan proses distribusi listrik yang mengakibatkan terjadinya losses.
Untuk itu diperlukan suatu analisa efisiensi bagi unit pelayanan jaringan agar dapat dioptimalisasi operasionalnya dan mengurangi lossesnya.
Penelitian ini bertujuan untuk mengukur dan menganalisa efisiensi unit pelayanan jaringan yang memiliki beragam input dan output dengan metode data envelopment analysis (DEA) serta analisa terhadap proses distribusi listrik yang berpotensi menyebabkan terjadinya losses. Mengetahui pengaruh losses bagi operasional perusahaan, sehingga dapat melakukan pengendalian pada terjadinya risiko operasional serta mengetahui perbaikan apa yang bisa dilakukan untuk meningkatkan efisiensi tiap unit pelayanan jaringan yang diamati.
Dari hasil penelitian diperoleh bahwa dari enam unit pelayanan jaringan (UPJ) yang diteliti terdapat tiga unit inefisien dari segi efisiensi teknis. Perbaikan yang dapat dilakukan, misalnya untuk UPJ Bangil dari internal perusahaan dengan nilai efisiensi 0.98 adalah diperlukan penurunan panjang jaringan tegangan rendah sebesar 433,829,142.001 V yang menyebabkan peningkatan KWH/ bulan sebesar 40,640.412.
Sedangkan dari eksternal dilakukan dengan pemeriksaan instalasi PLN dan sosialisasi hemat listrik pada pelanggan. Dari penetapan target perbaikan tersebut, diharapkan UPJ Bangil dapat meningkatkan efisiensinya hingga mencapai nilai efisiensi satu.
Kata kunci : efisiensi, losses, risiko operasional, data envelopment analysis
PENDAHULUAN
Kebutuhan tenaga listrik terus meningkat sesuai dengan tingkat industrialisasi dan tingkat kemakmuran bangsa. Dalam hubungannya dengan Kebijaksanaan Energi Nasional (Zuhal, 1995), rencana pengembangan sektor ketenagalistrikan harus mempertimbangkan usaha-usaha yang telah ditetapkan untuk mencapai tujuan kebijaksanaan tersebut. Kebijaksanaan yang pertama adalah intensifikasi yaitu meningkatkan survei dan eksplorasi sumber daya energi yang terdapat di Indonesia.
Kedua adalah diversifikasi, yaitu secara strategis mengurangi ketergantungan pada satu sumber daya energi. Dan yang ketiga adalah konservasi, yaitu memproduksi dan menggunakan energi sehemat dan seefisien mungkin.
Berdasarkan kebijaksanaan yang terakhir, efisiensi dilakukan pada sistem distribusi listrik dari area pelayanan jaringan listrik pada tiap unit pelayanan jaringan listrik yang ada. Pemerintah yang dalam hal ini melalui PT PLN khususnya Area Pelayanan Jaringan (APJ) beserta unit pelayanan jaringannya sebagai badan usaha milik negara yang bertujuan memberikan pelayanan distribusi energi listrik sebaik mungkin kepada masyarakat, perlu menciptakan suatu pelayanan yang efektif dan efisien serta dapat mengurangi tingkat losses tiap periodenya. Oleh sebab itu penting bagi perusahaan untuk memanfaatkan seluruh sumber daya yang dimilikinya secara optimal dengan tujuan untuk pencapaian performansi yang tinggi.
Penyediaan energi listrik secara optimal juga terhambat dengan adanya tingkat losses yang terjadi baik teknis maupun non teknis Oleh sebab itu perlu dilakukan analisa produktivitas pada proses pelayanan distribusi listrik, sehingga perusahaan dapat melakukan langkah-langkah perbaikan secara berkesinambungan ke arah peningkatan produktivitas (continual improvement).
Untuk mendapatkan nilai efisiensi guna pencapaian performansi total tinggi diperoleh dari metode DEA (Data Envelopment Analysis). DEA merupakan pendekatan non parametrik yang pada dasarnya merupakan teknik berbasis linear programming yang digunakan untuk mengevaluasi efisiensi relatif dari sebuah kumpulan unit-unit pembuat keputusan (decision making unit/ DMUs) dalam mengelola sumber daya (input) menjadi hasil (output), dimana hubungan bentuk fungsi dari input ke output tidak diketahui.
Pengukuran performansi untuk meningkatkan efisiensi suatu perusahaan dapat ditinjau pula dari proses operasional perusahaan. PT PLN dalam proses operasionalnya mendistribusikan listrik pada tiap unit pelayanan jaringan Pengaruh risiko operasional dalam proses distribusi listrik terjadi karena adanya losses, yaitu listrik yang diproduksi tetapi tidak menghasilkan revenue.
PENDEFINISIAN MASALAH
Permasalahan yang akan dikaji dalam penelitian ini adalah ”Pengukuran dan analisa efisiensi Unit Pelayanan Jaringan di PT PLN dengan menggunakan metode Data Envelopment Analysis (DEA).
METODOLOGI PENELITIAN
Penelitian ini terdiri dari empat tahapan utama yaitu : Tahap Identifikasi
Pada tahapan ini dilakukan pembentukan model Data Envelopment Analysis (DEA) yang berorientasi output. Pengukuran yang dilakukan adalah untuk mengukur efisiensi teknis menggunakan software DEAP. Konsep yang berkaitan dengan efisiensi, produktivitas dan risk analysis serta pemilihan Decision Making Unit (DMU).
Pemilihan variabel dan pengelompokan variabel output input.
Tahap Pengumpulan Data
Data-data yang akan digunakan pada penelitian adalah data-data kuantitatif yang terdapat pada tiap unit pelayanan jaringan pada area pelayanan jaringan untuk pengukuran dengan model Data Envelopment Analysis. Untuk data penghitungan risiko operasional akibat losses, diperlukan data kuantitatif yaitu: data pembelian listrik dari pembangkit, data penjualan listrik dari tiap UPJ, data harga per KWH listrik dan data kerugian akibat losses listrik. Data yang digunakan adalah data pada tahun 2007.
Tahap Pengolahan Data
Adapun pengolahan data tersebut meliputi:
1. Melakukan analisa uji korelasi
2. Pembentukan Model Output Oriented DEA meliputi: efisiensi teknik (TE), skala efisiensi (SE),
3. Penghitungan tingkat losses dan risk value tiap UPJ.
4. Pembentukan Peer Group
5. Penentuan penetapan target sebagai rekomendasi perbaikan.
Tahap Analisa dan Kesimpulan
Pada tahap ini akan dilakukan analisa terhadap semua hasil pengolahan data yang nantinya dapat ditarik kesimpulan untuk menjawab tujuan dari dilakukannya penelitian ini.
ANALISA
Berikut ini akan dijabarkan tahapan-tahapan dalam pengolahan data yang dilakukan secara sistematis:
Klasifikasi DMU
Untuk proses pengolahan data, diperlukan pemilihan dan pengklasifikasian masing-masing unit pelayanan jaringan yang diamati ke dalam DMU. Pengkonversian unit pelayanan jaringan tersebut adalah sebagai berikut:
Tabel 1. Klasifikasi DMU
Pemilihan DMU tersebut didasarkan pada pertimbangan untuk unit pelayanan jaringan (UPJ) dengan proses bisnis yang meliputi unit pelayanan (UP) dan unit jaringan (UJ).
Klasifikasi Faktor
Dalam melakukan proses identifikasi faktor-faktor tersebut, sangat diperlukan pemahaman mengenai definisi dari input dan output agar tidak terjadi kesalahan dalam pengklasifikasian faktor yang nantinya akan berimbas pada proses pengukuran tingkat efisiensi. Keenam DMU yang akan dianalisis semuanya hanya bergerak dibidang distribusi.
Identifikasi Variabel Output dan Input
Untuk menentukan variabel output dan input yang terdapat di perusahaan diperlukan pemahaman mengenai variabel yang mempengaruhi efisiensi teknis.
Variabel output-input yang digunakan adalah sebagai berikut:
DMU Unit Pelayanan Jaringan 1 UPJ Bangil
2 UPJ Pandaan 3 UPJ Prigen 4 UPJ Probolinggi 5 UPJ Kraksaan 6 UPJ Sukorejo
Tabel 2. Variabel output-input
No Faktor Kategori Keterangan
1 Panjang Jaringan Tegangan Menengah (JTM)
Input Panjang jaringan listrik yang bertegangan antara 6-30 KV 2 Panjang Jaringan Tegangan
Rendah (JTR)
Input Panjang jaringan listrik yang bertegangan antara
110-1000V 3 Kapasitas terpasang trafo Input Jumlah daya yang tersedia (MVA)
4 Jumlah gardu Input Jumlah seluruh gardu yang dimiliki
(buah)
5 KWH jual/ bulan Output Total KWH yang didistribusikan sesuai kapasitas daya listrik 6 VA/ pelanggan Output Rata-rata daya yang dipakai pelanggan
Korelasi Faktor
Korelasi faktor digunakan untuk mengetahui derajat keterdekatan variabel output-input yang diteliti. Pengolahan korelasi faktor dilakukan dengan menggunakan software Minitab 14. Berikut hasilnya:
Correlations: MWH, VA, JTM, JTR, TRAFO, GARDU
MWH VA JTM JTR TRAFO VA 0.685
0.000
JTM 0.900 0.791 0.000 0.000
JTR 0.972 0.690 0.916 0.000 0.000 0.000
TRAFO 0.958 0.712 0.838 0.944 0.000 0.000 0.000 0.000
GARDU 0.932 0.725 0.790 0.908 0.946 P.0 0.000 0.000 0.000 0.000
Cell Contents: Pearson correlation P-Value
Efisiensi Teknis Constant Return to Scale (TECRS) Metode CRS pada software DEAP
Pada metode CRS setiap DMU diasumsikan beroperasi secara optimal. Nilai efisiensi teknis TECRS dinyatakan dengan 1/Ө pada rentang nol dan satu. Berikut rekapitulasi nilai technical efficiency dengan metode CRS dan VRS serta scale efficiency hasil keluaran DEAP ver 2.1.
Tabel 3. Hasil Kalkulasi TECRS DEA Output Oriented
DMU CRS TE VRS TE SE
A 0.98 1 0.98
B 1 1 1
C 0.869 1 0.869
D 0.978 1 0.978
E 1 1 1
F 1 1 1
Tabel di atas berisikan ringkasan nilai efisiensi untuk masing-masing DMU.
DMU yang memiliki nilai SE < 1 adalah DMU A, DMU Prigen dan DMU Probolinggo dimana ketiga DMU tersebut merupakan DMU yang tidak efisien dari segi teknis.
Peer Group
Penentuan peer group digunakan sebagai patokan bagi DMU yang tidak efisien untuk memperbaiki produktivitasnya.
Tabel 4. Bobot Peer Group
DMU Peer Bobot Peer
Bangil 5 6 2 0.704 0.066 0.351
Pandaan 2 1
Prigen 5 0.326 Probolinggo 5 2 0.497 0.373 Kraksaan 5 1 Sukorejo 6 1
Efisiensi Teknis Variabel Return to Scale (TEVRS) dan Skala Efisiensi (SE) Metode VRS pada software DEAP
Perhitungan Variabel Return to Scale (VRS) berasumsi bahwa DMU tidak beroperasi pada kondisi optimal. Perbedaan nilai efisiensi teknis CRS dan VRS menunjukkan nilai Skala Efisiensi. Nilai SE = 1 menunjukkan bahwa bahwa DMU telah beroperasi secara pada skala optimal. SE < 1 berarti DMU tersebut belum beroperasi pada skala optimal. Untuk mendapatkan nilai TE VRS digunakan model perhitungan yang sama dengan model CRS dengan penambahan fungsi pembatas ∑ λn = 1. Berikut hasilnya:
Tabel 5. Hasil Perhitungan DEAVRS
DMU Ө Technicall Efficiency
Slack Variabel
Bangil 1 1 -
Pandaan 1 1 -
Prigen 1 1 -
Probolinggo 1 1 -
Kraksaan 1 1 -
Sukorejo 1 1 -
Tabel di atas berisikan ringkasan nilai efisiensi untuk masing-masing DMU dengan metode VRS. Pada metode VRS tidak menunjukkan nilai efisiensi teknis sehingga skala efisiensi pada metode ini tidak diketahui, hanya nilai bobot dari variabel input dan output yang ditampilkan.
Penghitungan Risiko Operasional
Risiko dapat diukur dari terminologi consequences (dampak) dan likelihood (probabilitas kejadian). Likelihood merupakan kemungkinan suatu risiko muncul, dalam hal ini digunakan data historis perusahaan yaitu prosentase terjadinya losses tiap bulan per DMU. Consequences adalah akibat dari suatu kejadian yaitu kerugian dari suatu risiko. Pada consequences menggunakan data kerugian akibat losses oleh perusahaan.
Berikut merupakan contoh risk value DMU Bangil pada periode tahun 2007
Tabel 6. Risk Value DMU A
Bulan
Likelihood (%)
Consequences
(Rp.) Risk Value (Rp.)
Januari 0.663 120,469,905 79,842,308
Februari 14.538 2,625,220,888 38,164,331,953
Maret 0.438 72,228,254 31,664,869
April 2.485 459,526,718 1,142,005,752
Mei 4.784 855,511,233 4,092,420,034
Juni 3.355 643,310,065 2,158,547,419
Juli 2.880 544,842,553 1,569,332,427
Agustus 6.202 1,204,297,616 7,468,541,488 September 2.326 437,066,053 1,016,731,342 Oktober 17.796 3,479,847,766 61,928,533,076 November -9.246 -1,544,194,508 14,277,769,441
Desember 4.033 794,664,989 3,205,134,512
Total 135,134,854,622
Penetapan Target
Penetapan target perbaikan efisiensi teknis untuk input maupun output dicapai melalui perhitungan slack variabel dari hasil pengolahan DEAP ver 2.1 untuk CRS.
1. Penetapan target perbaikan DMU A
Tabel 7. Penetapan Target DMU A
Faktor Aktual Target Improve
(%) Jaringan
Tegangan Rendah (V)
1,785,688,201 1,351,859,059 24.29%
KWH/ bulan 1,831,699.130 1,835,705.559 0.22%
2. Penetapan target perbaikan DMU C
Tabel 8 Penetapan Target DMU C
Faktor Aktual Target Improve
(%)
Trafo (MVA) 7 4.561 34.84%
Gardu (buah) 811 555.762 31.47%
KWH/ bulan 273,486.950 307,173.7806 10.97%
3. Penetapan target perbaikan DMU D
Tabel 9. Penetapan Target DMU D
Faktor Aktual Target Improve
(%) Jaringan
Tegangan Rendah (V)
1,433,678,643 1,244,728,089 13.18%
Trafo (MVA) 16 15.907 0.58%
KWH/ bulan 1,327,335.620 1,653,055.217 19.70%
Analisa Sensitivitas
Analisa ini untuk mengetahui seberapa besar kontribusi peningkatan atau penurunan target perbaikan yang telah dilakukan terhadap peningkatan efisiensi relatif. Analisa ini menggunakan nilai prosentase kontribusi terhadap efisiensi relatif sebagai acuan. Berikut contoh dari DMU Bangil untuk efisiensi teknis:
Tabel 10. Hasil Peningkatan Efisiensi Relatif DMU A
Faktor Peningkatan/
penurunan (slack)
Kontribusi terhadap efisiensi relatif
KWH 40,640.412 0.0022
VA/pelanggan 0 0
JTM (KV) 0 0
JTR (V) 43,382,829,142 0.2429
Trafo (MVA) 0 0
Gardu (buah) 0 0
Total 0.2451
Peningkatan efisiensi relatif DMU A
= efisiensi relatif DMU Bangil + total kontribusi terhadap efisiensi relatif = 0.980 + 0.2451= 1.2251 ≈ 1
ANALISA DAN PERBAIKAN
Berikut merupakan analisa dari pengolahan data yang telah dilakukan untuk mengetahui rekomendasi perbaikannya.
Efisiensi Teknik
Efisiensi Teknik
0.98 1
0.869 0.978
1 1
0.8 0.85 0.9 0.95 1 1.05
Bangil Pandaan
Prigen Probolinggo
Kraksaan Sukorejo
Efisiensi Teknik
Gambar 1. Grafik Efisiensi Teknik
Pada grafik di atas ditunjukkan efisiensi teknik untuk masing-masing DMU dari software DEAP. Efisiensi paling baik untuk keseluruhan DMU adalah untuk DMU Pandaan, DMU Kraksaan dan DMU Sukorejo dengan nilai efisiensi satu.
Peer Group
Peer group ditunjukkan oleh nilai λ positif, yaitu bobot DMU terhadap DMU yang tidak efisien. Semakin positif nilai λ semakin besar bobot DMU tersebut sebagai peer group.
Untuk mengetahui DMU mana yang dapat dijadikan sebagai peer group pada sepanjang periode penelitian, maka nilai λ dapat diakumulasikan untuk mengetahui DMU mana yang memiliki bobot DMU terbesar. Prosentase bobot DMU pada keseluruhan periode observasi akan ditunjukkan pada Gambar 2
% bobot DMU sebagai Peer Group
0%
36%
0%
42%
0%
22%
Bangil Pandaan Prigen Kraksaan Probolinggo Sukorejo
Berdasarkan diagram di atas, DMU Kraksaan merupakan DMU yang dapat dijadikan peer group sepanjang periode penelitian karena memiliki nilai total bobot (λtotal) terbesar diantara DMU-DMU yang lain. Nilai λ pada DMU Kraksaan didapatkan dari akumulasi total bobot λ dengan bobot λ dari DMU yang menjadi peer nya.
Skala Efisiensi
Skala efisiensi digunakan untuk mengetahui suatu DMU telah beroperasi secara optimal atau tidak.
Skala Efisiensi
0.98 1
0.869 0.978
1 1
0.8 0.85 0.9 0.95 1 1.05
DMU
Nilai Efisiensi Bangil
Pandaan Prigen Probolinggo Kraksaan Sukorejo
Gambar 3. Skala Efisiensi
Pada grafik di atas terlihat bahwa DMU A, DMU Prigen dan DMU Probolinggo belum beroperasi secara optimal sehingga masih dapat ditingkatkan efisiensinya, oleh sebab itu perlu ditinjau dari segi variabel pembentuk efisiensinya.
Analisa Risiko Operasional
Losses adalah listrik yang diproduksi tapi tidak menghasilkan revenue bagi perusahaan akan tetapi juga merupakan salah satu faktor penilaian yang penting untuk mengukur tingkat efisiensi teknis. Nilai risiko dari tingkat losses menunjukkan sejauh mana bagian operasional tiap DMU dalam mengantisipasi hilangnya jumlah KWH listrik yang disalurkan ke pelanggan dari segi teknis dan non teknis yang berakibat terhadap kerugian operasional perusahaan. Berikut merupakan rekapan risk value akibat losses pada proses operasional (distribusi) listrik.
Risk Value Periode 2007
0 100,000,000,000 200,000,000,000 300,000,000,000 400,000,000,000 500,000,000,000 600,000,000,000 700,000,000,000 800,000,000,000 900,000,000,000
DMU
(Rp.)
Bangil Pandaaan Prigen Probolinggo Kraksaan Sukorejo
Gambar 4. Risk Value Periode 2007
Penyebab risk value adalah tingkat losses yang terjadi pada tiap DMU, seperti yang ditunjukkan pada gambar diagram cause-effect (fishbone) disamping:
L o sse s K W H
E n v ir o n m e n t M e a su r e m e n t
M e th o d s M a te r ia l
M a c h in e s P e r so n n e l
p e m b o ro s a n p e m a k a ia n k e s a la h a n b a ca m e te r p e n c u ria n lis trik
p e r e m a j a a n D I L te rla m b a t
b e b a n tr a f o tid a k s e im b a n g f u s e P T p u tu s p e n g h a n ta r tid a k s e s u a i p e m b o n g k a ra n m e t e r
p e n g a w a ta n m e te r
lo s s k o n t a k k e s a la h a n
p e n g h itu n g a n p e m a k a ia n g a rd u
c u a c a
P e n y e b a b L o s s e s
Gambar 5. Diagram Cause-effect penyebab losses Penetapan Target
Penetapan target dilakukan berdasarkan hasil observasi periode tahun 2007 untuk efisiensi teknis.
Tabel 11. Hasil Perhitungan DEACRS DMU Technicall Efficincy Slack Variable
A 0.980
Si2 = 433,829,142 So1 = 40,640.412
C 0.869
Si3 = 2.439 Si4 = 255.238 So1 = 69,513.621
D 0.978
Si2 = 188,950,553.874 Si3 = 0.093
So1 = 325,719.597
Penyebab inefisiensi dari tiga DMU yang diamati dari segi efisiensi teknis ditunjukkan pada gambar diagram cause-effect di bawah:
1. DMU A
In efisien D M U Bang il
E n v iro n m en t M easu rem en ts
M eth o d s M aterial
M ac h in es P er so n n el
Los e ss K W H ja ringa n rusa k
DMU B angil
Gambar 6. Diagram Cause-effect DMU A 2. DMU B
I n efisien D M U P r ig en
E n v ir o n m e n t M ea su r e m e n ts
M ate r ia l M ate r ia l
M ac h in e s P er so n n el
Lo s s e s K W H T ra fo t u a
T ra fo ru s a k
G a rd u t u a
G a rd u ru s a k
D M U P r i g e n
3. DMU C
I n efisien D M U P r o b o lin g g o
E n v ir o n m en t M easu r em en ts
M aterial M aterial
M ac h in es P er so n n el
Los e ss K W H j a rin g a n rus a k
T ra fo tua
T ra fo rus a k
D M U P r o bol i ng go
Gambar 8. Diagram Cause-effect DMU D
Analisa sensitivitas
Analisa sensitivitas digunakan untuk mengetahui sensitivitas tiap faktor bila terjadi perubahan terhadap nilai faktor yang mampu menyebabkan perubahan terhadap nilai efisiensi relatif. Analisa sensitivitas dilakukan dengan mengganti parameter- parameter pada variabel-variabelnya. Analisa ini digunakan untuk mengetahui pada tingkat efisiensi variabel yang bagaimana suatu DMU akan meningkat efisiensinya atau bahkan berubah dari tidak efisien menjadi efisien atau sebaliknya.
1. DMU A
Berdasarkan nilai slack variabel, untuk menjadi efisien DMU Bangil harus menurunkan jumlah jaringan tegangan rendah. Dari penurunan tersebut maka akan didapatkan peningkatan KWH sebesar 2.17%. Diharapkan dari peningkatan tersebut, DMU yang tidak efisien menjadi efisien seperti pada perhitungan analisa sensitivitas untuk DMU A. Nilai sensitivitas tersebut dari efisiensi teknis sebesar 1.2251 ≈ 1.
2. DMU C
Berdasarkan nilai slack variabel, untuk menjadi efisien DMU Prigen harus menurunkan jumlah trafo dan jumlah gardu. Dari penurunan beberapa prosentase tersebut maka akan didapatkan peningkatan KWH sebesar 10.97%. Diharapkan dari peningkatan tersebut, DMU yang tidak efisien menjadi efisien seperti pada perhitungan analisa sensitivitas DMU C. Nilai sensitivitas tersebut dari efisiensi teknis 1.342 ≈ 1.
3. DMU D
Berdasarkan nilai slack variabel, untuk menjadi efisien DMU Probolinggo harus menurunkan jumlah jaringan tegangan rendah dan trafo. Dari penurunan beberapa prosentase tersebut maka akan didapatkan peningkatan KWH sebesar 19.7% dari efisiensi teknis. Diharapkan dari peningkatan tersebut, DMU yang tidak efisien menjadi efisien seperti pada perhitungan DMU D. Nilai efisiensi teknis menjadi sebesar 1.298 ≈ 1.
KESIMPULAN DAN SARAN
Berdasarkan pengolahan dan analisa serta interpretasi data yang telah dilakukan dapat disimpulkan bahwa:
1. Pada akhir periode observasi tahun 2007, dari keenam unit yang diteliti terdapat tiga unit yang efisien yaitu UPJ B, UPJ Kraksaan dan UPJ Sukorejo dari segi efisiensi teknis.
2. Variabel-variabel yang menentukan efisiensi dari unit pelayanan jaringan berdasarkan penelitian ini adalah variabel output yang terdiri atas: KWH jual/ bulan dan VA/
pelanggan serta variabel input yang terdiri atas: jumlah jaringan tegangan menengah, jumlah jaringan tegangan rendah, kapasitas trafo dan jumlah gardu.
3. Berdasarkan perhitungan DEA-VRS memiliki kesamaan dengan perhitungan DEA- CRS tentang DMU yang tidak efisien, terdapat tiga DMU yang tidak efisien dari segi teknis dengan urutan dari yang terburuk adalah UPJ C, UPJ Probolinggo dan UPJ A.
Dengan nilai efisiensi masing-masing sebesar 0.869, 0.978 dan 0.980.
4. DMU yang memiliki risk value tertinggi yang diakibatkan oleh rata-rata tingkat losses yang tinggi dalam satu periode adalah DMU Kraksaan yang efisien dari segi efisiensi teknis. Sedangkan DMU dengan risk value terendah adalah DMU Prigen yang tidak efisien dari segi teknis. Dari hasil di atas menunjukkan bahwa meskipun DMU Kraksaan memiliki risk value tertinggi akan tetapi manajemen operasionalnya bisa menekan angka kerugian yang ditimbulkan akibat losses sehingga DMU ini dinyatakan sebagai DMU dengan skor tertinggi dalam puncak nilai kinerja "PLN- K1" dan menjadi peer group bagi DMU lain untuk berusaha meningkatkan efisiensinya.
5. Berdasarkan hasil penetapan target peningkatan dan penurunan variabel output input UPJ yang tidak efisien, untuk mencapai target yang diharapkan perlu ditingkatkannya perbaikan baik internal dan eksternal perusahaan. Dari internal perusahaan dapat dilakukan training teknis jaringan dan pemeliharaan khususnya jaringan tegangan rendah dan menengah, kapasitas trafo dan jumlah gardu untuk meningkatkan produktivitas dan kerja yang optimal. Sedangkan dari eksternal perusahaan, untuk UPJ yang tidak efisien juga bisa disebabkan tingkat losses dari segi teknis dan non teknis yang tinggi sehinga diperlukan adanya sosialisasi pada pelanggan untuk berhemat listrik sehingga mengurangi biaya operasi perusahaan dan meningkatkan pendapatan.
Saran
1. Dalam menentukan variabel pembentuk efisiensi diperlukan pemahaman yang lebih mendalam mengenai sistem sehingga mampu diperoleh variabel-variabel yang benar-benar mewakili efisiensi pada kondisi riil.
2. Semakin banyak variabel output dan variabel input yang digunakan maka metode DEA ini akan semakin representatif.
DAFTAR PUSTAKA
Avkiran, N. K., 2000, Decomposing the Technical Efficiency of Trading Banks in The Deregulated Period. The University of Queensland. Australia.
Banker, J. & R. P. Maindiratta, 1988. A comparative application of data envelopment analysis and translog method: An illustrative study of hospital production.
Management Science.
Bhat, R., 1997, Methodology note: Data Envelopment Analysis (DEA). IIM Ahmedabad India. Washington DC.
Bustami, S. F..Analisa Risiko dengan metode Decision Tree. Cost Engineering Workshop III PERTAMINA DITHILIR.
Coelli, T. J., D.S. P. Rao, C. J. O'Donnel and G.E. Battese, 2005, An Introduction to Efficiency and Productivity Analysis, 2nd edition: Springer Science-Business Media, Inc
Djohanputro, B., 2006, Manajemen Risiko Korporat Terintegrasi. PPM Jakarta.
Hanoum, S., dan U. S. Ciptomulyono., 2002, Pendekatan Data Envelopment Analysis (DEA) Untuk Pengukuran dan Analisis Produktifitas Pendidikan Program Studi Penerima Proyek DUE Like di ITS Surabaya. INDUSTRI Jurnal Sains dan Teknologi, Vol.1 No. 1, Oktober 2002, pp.41-53, Institut Teknologi Sepuluh Nopember, Surabaya.
PLN. (2005).<URL : http : // www.pln.co.id>
Prasthanika, M. D., 2007, Analisa Efisiensi Unit Pembangkit Listrik dengan Menggunakan Metode Data Envelopment Analysis (DEA) (Studi Kasus: PT PJB GRESIK), Tugas Akhir, Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember, Surabaya
Purwantoro, R.N., 2005, DEA Sebagai Metode Alternatif untuk Menilai Produktifitas Lembaga Pembiayaan Mikro. Usahawa no. 9 th XXXIV
Standards Australia, 1999, Risk Management AS/NZS 4360:1999. Standards Association of Australia, Strathfield NSW
Suharto, I., 2002, Manajemen Proyek Industri, Erlangga, Surabaya.
Sumanth, D. J.,, 1985, Productivity Engineering and Management. McGraw-Hill, New York.
Supriyanto, H., 2006, Peningkatan Efisiensi Proses Belajar Mengajar dengan Pendekatan Data Envelopment Analysis. Optimum, Volume 7, 1-13.
Zuhal., 1995, Ketenagalistrikan Indonesia. Ganeca Prima, Jakarta.
