Data Envelopment Analysis (DEA) sebagai Alat Pengukuran Efisiensi

DEA merupakan suatu teknik programa linier yang digunakan untuk mengevaluasi bagaimana suatu proses pengambilan keputusan dalam suatu unit beroperasi secara relatif dengan unit lain dalam sampel. Selanjutnya proses tersebut akan membentuk suatu garis frontier yang terbentuk dari unit-unit yang efisien yang kemudian dibandingkan dengan unit yang tidak efisien untuk menghasilkan nilai efisiensinya masing-masing.

Nilai efisiensi tersebut akan terletak di antara nol dan satu, dimana unit yang efisien akan memiliki nilai satu. Namun, dalam pengertiannya unit yang paling efisien itu tidak berarti memberikan output yang paling maksimum di antara sampel unit yang ada, tetapi memberikan gambaran best practice dari output di antara unit-unit lainnya (Yumanita dan Ascarya, 2005).

Data envelopment analysis pertama kali diperkenalkan oleh Charnes, Cooper dan Rhodes pada tahun 1978 dan 1979. Semenjak itu pendekatan dengan menggunakan DEA ini banyak digunakan di dalam riset-riset operasional dan ilmu manajemen. Pendekatan DEA ini lebih menekankan kepada pendekatan yang berorientasi kepada tugas dan lebih difokuskan kepada tugas yang penting, yaitu mengevaluasi kinerja dari unit pembuat keputusan/UPK (decision making units).

 

Analisis yang dilakukan berdasarkan kepada evaluasi terhadap efisiensi relatif dari UPK yang sebanding, selanjutnya UPK-UPK yang efisien tersebut akan membentuk garis frontier. Jika UPK berada pada garis frontier, maka UPK tersebut dapat dikatakan efisien relatif dibandingkan dengan UPK yang lain dalam peer group-nya. Selain menghasilkan nilai efisiensi masing-masing UPK, DEA juga menunjukkan unit-unit yang menjadi referensi bagi unit-unit yang tidak efisien.

Semenjak tahun 1980an, pendekatan ini banyak digunakan untuk mengukur tingkat efisiensi dari industri perbankan secara nasional. Pendekatan DEA ini merupakan pendekatan nonparametrik, oleh sebab itu pendekatan ini tidak memerlukan asumsi awal dari fungsi produksi. Namun, kelemahannya adalah bahwa pendekatan ini sangat sensitif terhadap observasi-observasi ekstrim. Asumsi yang digunakan adalah tidak ada random error, deviasi dari frontier diindikasikan sebagai in-efisiensi.