ANP Decomposition on Islamic Capital Market Development

Dalam riset dengan pendekatan metode Analytic Network Process (ANP), tahap krusial pertama adalah proses dekomposisi. Dekomposisi adalah analisis untuk menstruktur masalah yang kompleks menjadi lebih sederhana berupa model/kerangka. Tahap ini dapat dilakukan melalui beberapa langkah seperti: studi literatur, wawancara mendalam dengan pakar terkait, hingga berupa Focus Group Discussion (FGD).

SMART Consulting sebagai lembaga riset ekonomi keuangan syariah saat ini sedang melakukan penelitian terkait strategi pengembangan Pasar Modal Syariah di Indonesia. Hasil kerangka ANP dibangun berdasarkan Roadmap Pengembangan Pasar Modal Syariah yang dikeluarkan oleh Otoritas Jasa Keuangan (OJK). Berikut adalah hasil dekomposisinya.

Pengembangan Pasar Modal Syariah di Indonesia terbagi ke dalam 5 aspek pengembangan. Pertama, regulasi. Aspek ini terdiri atas: Memperkuat kerangka hukum penerbitan dan transaksi efek syariah, peran lembaga dan profesi penunjang pasar modal serta pelaku pasar lainnya, relaksasi aturan, dan pemberian insentif.

Aspek kedua dalam pengembangan Pasar Modal Syariah di Indonesia adalah Supply dan Demand. Aspek kedua ini terdiri atas: Peningkatan jumlah dan variasi dari sisi supply produk pasar modal syariah, baik yang berasal dari Emiten maupun Perusahaan Sekuritas. Selain itu, peningkatan dari sisi demand melalui peningkatan jumlah investor, baik investor institusi maupun ritel.

Aspek ketiga adalah problem SDM dan teknologi informasi, terdiri dari: Peningkatan jumlah dan kualitas sumber daya manusia di bidang pasar modal syariah. Juga pengembangan informasi teknologi dan penyusunan sistem pengawasan pasar modal syariah berbasis risiko.

Aspek pengembangan Pasar Modal Syariah yang keempat adalah promosi dan edukasi. Aspek ini terdiri atas: promosi, sosialisasi dan edukasi terhadap masyarakat, kerjasama dengan perguruan tinggi terkait penyusunan kurikulum pasar modal syariah serta kerjasama promosi dengan lembaga internasional.

Yang terakhir dan tidak kalah penting adalah masalah Koordinasi. Aspek koordinasi ini dapat dilakukan dengan pemerintah (kementerian) terkait seperti Bappenas, Kementerian Perekonomian, Kementerian Keuangan dan Kementerian BUMN. Selain dengan pemerintah, koordinasi juga perlu dilakukan dengan Bank Indonesia dan Otoritas Jasa Keuangan khususnya regulator perbankan syariah dan industri keuangan non bank (IKNB) syariah lain.

Dari seluruh aspek (kriteria) maupun elemen masing-masing tersebut kemudian dilakukan komparasi sehingga diketahui mana yang menjadi prioritas utama dan mana strategi yang dapat dilakukan selanjutnya.

Text Analytics atas Literatur Zakat

Potensi zakat Indonesia dalam setahun mencapai Rp 217 triliun (versi lain mencapai Rp 286 triliun). Tapi realisasinya saat ini menurut riset SMART Consulting baru terhimpun sekitar 1,3 persen saja. Faktanya, dalam 20 tahun terakhir perkembangan lembaga amil zakat di Indonesia berkembang cukup pesat. Namun di sisi lain, jumlah penduduk miskin dan kaum dhuafa di Indonesia justru terus bertambah.

Zakat memang unik. Ia sekaligus memiliki 3 dimensi ibadah. Personal, sosial dan ekonomi. Pertama, dimensi spiritual personal. Zakat merupakan perwujudan keimanan kepada Allah SWT sekaligus sebagai instrumen untuk purifikasi dan penyucian jiwa dari segala penyakit ruhani, seperti bakhil dan tidak peduli sesama.

Kedua adalah dimensi sosial, dimana zakat berorientasi pada upaya untuk menciptakan harmonisasi kondisi sosial masyarakat. Hubungan antara muzakki dan mustahik lebih terjaga. Miskin dan kaya diharapkan tidak terlalu timpang perbedaannya. Melalui zakat, hal itu sangat mungkin dicapai dan direalisasikan.

Yang ketiga adalah dimensi ekonomi, yang tercermin pada dua konsep utama, yaitu pertumbuhan ekonomi berkeadilan (QS 30:39) dan mekanisme sharing dalam perekonomian (QS 51:19). Tujuan utamanya adalah untuk meningkatkan kesejahteraan kaum dhuafa. Pada jangka pendek, kebutuhan primer mustahik dapat terpenuhi, sementara pada jangka panjang, daya tahan ekonomi mereka akan meningkat, sekaligus menstimulasi pertumbuhan ekonomi.

Berdasarkan hasil riset terkait terma zakat atas 30 dokumen spesifik dengan pendekatan text mining, didapatkan beberapa hasil. Pertama, term zakat berkaitan dengan beberapa kategori dan subkategori. Business (0,368), Health (0,184) dan Labor (0,158) menjadi 3 kategori utama. Sementara kategori berikutnya adalah: International Relation (0,079), IT (0,079), Research (0,079) dan Society (0,053).

Kedua perihal sentiment analysis. Analisis sentimen terhadap kondisi zakat di Indonesia memperlihatkan kondisi berikut. Sebanyak 27% menunjukkan sentimen positif. Demikian pula 27% mengarah kepada sentimen negatif. Sisanya sebesar 46% menunjukkan sentimen yang netral. Meskipun realisasi himpunan dana zakat baru sekitar 1,3 persen dari potensinya, namun trendnya menunjukkan hal yang menggembirakan. Terlihat dari inovasi yang dilakukan OPZ maupun awareness masyarakat muslim yang kian hari kian paham akan pentingnya zakat jika diberdayakan secara optimal.

Business Intelligence untuk Analisis Lahan Wakaf di Indonesia

Menurut Direktorat Pemberdayaan Wakaf Kementerian Agama RI tertanggal Maret 2016, total tanah wakaf di seluruh Indonesia berjumlah 435.768 tempat. Sejumlah tempat tersebut tersebar pada 33 provinsi di seluruh Nusantara. Dari jumlah tersebut ada yang telah memiliki sertifikat, ada pula yang belum. SMART mencoba menganalisis menggunakan tools Watson Analytics yang merupakan salah satu aplikasi Business Intelligence.

Sebagian besar tanah wakaf telah bersertifikat, meskipun sebagian yang lain belum. Tercatat sebanyak 287.160 tempat (66%) telah memiliki sertifikat lahan wakaf, sementara sisanya sebesar 148.447 tempat (34%) belum bersertifikat. Walaupun dua pertiga tanah wakaf telah memiliki sertifikat, namun sepertiga lainnya diharapkan diproses untuk mendapatkan sertifikat resmi sebagai lahan wakaf. Agar tidak terjadi penyalahgunaan dikemudian hari.

Berdasarkan data, 5 provinsi dengan tanah wakaf yang belum bersertifikat paling banyak adalah: Jawa Barat, Jawa Tengah, Jawa Timur, Provinsi Aceh dan Banten. Sementara itu provinsi yang memiliki luas area lahan wakaf terbesar seperti hasil riset yang telah dilakukan adalah: Provinsi Riau, Sulawesi Selatan, Aceh, Sumatera Selatan dan Sumatera Barat.

Sehingga jika dibuat komparasi, ada hal menarik. Meskipun Provinsi Riau, Sulawesi Selatan, dan Provinsi Nanggroe Aceh Darussalam (NAD) hanya memiliki jumlah tanah wakaf yang relatif sedikit, namun dari sisi luas lahan (meter persegi) ketiga provinsi tersebut tergolong provinsi dengan area lahan terluas. Sebaliknya, meski dari sisi jumlah tanah wakaf, Provinsi Jawa Barat, Jawa Tengah dan Jawa Timur adalah 3 daerah dengan tanah wakaf terbanyak, namun dari perspektif luas lahan ketiga provinsi di Jawa ini relatif kecil.

Artinya satu wakif di Provinsi Riau, Sulawesi Selatan maupun Aceh, memungkinkan berwakaf dengan luas lahan yang sangat besar. Sebaliknya yang terjadi di Pulau Jawa yang relatif jauh lebih banyak daftar pewakif dengan luas lahan wakaf yang jauh lebih kecil.

Business intelligence pada praktiknya dapat digunakan untuk membantu pengambilan informasi dengan mengubah data menjadi informasi dan mengolahnya menjadi sebuah pengetahuan yang dapat digunakan untuk membantu pihak berkepentingan dalam pengambilan keputusan. Aplikasi ini pun mampu mengolah data dalam jumlah yang sangat banyak dengan output yang variatif.

Manakah Negara dengan Aset Bank Syariah Terbesar?

Islamic Finance Country Index (IFCI) merupakan bagian dari Global Islamic Finance Report (GIFR) yang meranking negara berdasarkan beberapa indikator keuangan syariah di negara masing-masing. Data GIFR terakhir tahun 2016 menunjukkan Indonesia berada pada peringkat ke-6 dari total 48 negara yang diteliti. Peringkat pertama masih diduduki oleh Malaysia.

Berbeda dengan hasil tersebut, EY, sebuah lembaga riset internasional, rutinmelakukan riset terkait 'World Islamic Banking Competitiveness Report' atau WIBCR. Jika IFCI mengukur keseluruhan industri keuangan Islam, maka WIBCR lebih spesifik melihat perkembangan industri perbankan syariah tiap negara.

SMART kemudian melakukan pemetaan negara-negara dengan aset perbankan syariah terbesar di dunia. Berdasarkan hasil laporan tersebut, terdapat sedikitnya 9 negara dengan pangsa aset lebih dari 93% bank syariah dunia dengan total aset sebesar USD 920 Miliar pada akhir tahun 2015.

Pada kategori pertama adalah negara dengan aset perbankan syariah terbesar di dunia (warna hijau) dengan kategori aset di atas USD 100 Miliar. Ada 3 negara yang termasuk dalam kelompok ini yaitu: Saudi Arabia (USD 291 Miliar), lalu Malaysia (USD 137 Miliar) dan terakhir UEA (USD 136 Miliar). Ketiga negara ini adalah yang paling dominan menguasai pangsa perbankan syariah dunia.

Kategori kedua adalah negara dengan aset perbankan syariah berukuran sedang (warna kuning) dengan aset antara USD 30-100 Miliar. Tiga negara yang termasuk dalam kelompok ini yaitu: Kuwait (USD 89 Miliar), Qatar (USD 72 Miliar) dan ketiga Turki (USD 45 Miliar). Khusus negara Turki, belakangan negara ini cukup melesat perkembangan perbankan syariahnya.

Adapun kategori ketiga adalah negara dengan aset perbankan syariah berukuran relatif kecil (warna merah) dengan aset di bawah USD 30 Miliar. Tiga negara yang termasuk dalam kelompok ini yaitu: Indonesia (USD 22 Miliar), Bahrain (USD 14 Miliar) dan negara Pakistan (USD 12 Miliar).

Indonesia sesungguhnya memiliki potensi yang sangat besar untuk naik kelas. Luas wilayah, market size hingga jumlah populasi muslim yang sangat besar menjadi pertimbangan. Namun seperti yang sama-sama kita ketahui, hal ini masih kurang cukup untuk menjadikan Indonesia sebagai 'big player' industri perbankan syariah dunia. Hal lain seperti regulasi, kesiapan infrastruktur dan SDM dianggap masih kurang.

Di luar 3 kategori ini sesungguhnya ada negara-negara lain yang tidak masuk dalam observasi. Beberapa negara tersebut antara lain: Bangladesh, Sudan, Mesir, Jordan, Oman dan yang lainnya. Termasuk juga UK yang industri perbankan syariahnya makin menggeliat.

Studi Literatur Keuangan Islam: Pendekatan Text Mining

Melanjutkan hasil riset kemarin terkait text analytics atau text mining, kali ini akan dijelaskan beberapa analisis dalam pendekatan olah kata ini. Sedikitnya ada 5 analisis penting yang dapat digunakan dan dielaborasi. Objek data dalam analisis ini adalah 50 literatur buku terkait keuangan Islam.

Pertama adalah Query Analysis. Query adalah analisa untuk mencari obyek berdasarkan atribut data yang dimiliki. Query analysis adalah proses yang digunakan dalam database yang menggunakan SQL untuk menentukan bagaimana agar lebih mengoptimalkan query untuk kinerja. Hasilnya, dari 50 literatur keuangan Islam, terbagi dalam 3 kelompok. Education sebesar 70%, religion 20% dan business 10%.

Kedua adalah Sentiment Analysis. Analisis sentimen merupakan proses klasifikasi dokumen tekstual ke dalam tiga kategori, yaitu kelas sentimen positif, negatif dan netral. Dari objek data yang diolah, sebanyak 64% memiliki penilaian positif, 28% netral dan hanya 8% yang memiliki sentimen penilaian negatif.

Ketiga adalah Phrases Analysis. Frase adalah sebuah makna linguistik. Lebih tepatnya, frasa merupakan satuan linguistik yang lebih besar dari kata dan lebih kecil dari klausa dan kalimat. Frasa adalah kumpulan kata nonpredikatif. Artinya frasa tidak memiliki predikat dalam strukturnya. Setelah diolah, frase yang paling banyak muncul "Islamic Finance" sebesar 26%. Selanjutnya adalah frase "Islamic Banking" sebesar 6% dan ketiga adalah "Islamic Law" 5%. Sisanya adalah frase-frase lain.

Keempat adalah Category Analysis. Tujuan dari analisis ini adalah, mengklasifikasi objek data berdasarkan kategori tertentu. Hasilnya seperti yang baru lalu ditampilkan. Business (50%) dan Finance (42%) yang paling dominan dibanding kategori lain seperti: Accounting, IT, Politics etc.

Last but not least adalah Summary Analysis. Yang terakhir ini mempunyai fungsi dan kegunaan melakukan ekstraksi dari data yang banyak menjadi hanya beberapa kesimpulan penting. Misal, sebuah buku yang terdiri dari ratusan halaman dapat di-ekstrak menjadi hanya 3-4 paragraf yang merupakan kesimpulan dan summary terpenting dari keseluruhan.

Analisis Sentimen atas Bank Syariah Indonesia

Sentiment Analysis merupakan sebuah cabang penelitian pada domain Text Mining yang mulai booming pada awal tahun 2002-an. Risetnya mulai marak semenjak paper dari B.Pang dan L.Lee muncul. Sederhananya, text mining lebih bertujuan untuk mengolah kata, bukan mengolah angka.

Sentiment analysis terdiri dari 3 subproses besar yakni:

Subjectivity Classification, Orientation Detection dan Opinion Holder & Target Detection. Hingga saat ini, hampir sebagian besar penelitian di bidang sentiment analysis ditujukan untuk Bahasa Inggris karena memang Tools/Resources untuk bahasa inggris sangat banyak sekali. Beberapa resources yang sering digunakan untuk sentiment analysis adalah SentiWordNet dan WordNet.

SMART Consulting mencoba mengukur tingkat sentimen publik terhadap bank syariah di Indonesia. Terutama juga dikaitkan dengan komparasi terhadap perkembangan bank syariah di negara tetangga, Malaysia. Dipilih 20 dokumen yang digunakan sebagai sumber data. Tools Semantria digunakan sebagai alat bantu.

Hasilnya menunjukkan bahwa dari data yang ada, hanya 30% dokumen yang memiliki sentimen positif atas perkembangan bank syariah di Indonesia. Sementara itu, 35% dokumen bersentimen negatif. Sisanya, yakni sebesar 35% lebih mengarah pada penilaian netral.

Merujuk hasil ini, pada faktanya, sentimen negatif lebih dominan dibanding dengan sentimen positif atas perkembangan industri bank syariah di Indonesia. Tentu saja banyak alasan yang mendasarinya: Kekurangan SDM syariah yang handal, persepsi masyarakat yang kurang baik, hingga regulasi yang kurang mendukung dibanding yang dilakukan otoritas yang sama di negeri jiran.

Measuring Dompet Dhuafa Program Efficiency

Zakat Institution (OPZ) is the intermediary organizations based on social. The entire of operating expense is taken from the zakat and infaq funds. It is also justified by Sharia, because OPZ committee is Amilin zakat that also included in eight ashnaf eligible for zakat. (Akbar: 2009).

In this study, SMART Consulting would try to measure Dompet Dhuafa’s program as Decision Making Unit (DMU) in the level of efficiency. DD is Non Profit Organization for global empowerment.

The input and output variables derived from the financial statements of Dompet Dhuafa. The input consists of Operating Expenses (X1), and Socialization Cost (X2) while the output variables comprises of Total Deposits Zakat (Y1) and Total Fund Distribution (Y2).

In Table below can be seen, Dompet Dhuafa program that include to efficient (Constant 100%) in 2014 are zakat, infak fund certain infak program. Moreover, Dompet Dhuafa programs that include to efficient in 2013 are infak fund. Based on the explanation, the lowest efficiency of Dompet Dhuafa program is Wakaf fund in 2012 (19.45%). This is able to be a consideration for other program in Dompet Dhuafa that has not been efficient in order to improve the technical efficiency. There are 7 DMU that efficient (100%). And inefficient as much as 23 DMU.

Zakat Institutions, both BAZ and LAZ, need to do the counting of efficiency levels routinely and regularly so that it knows the efficiency level, potential improvement and its benefit and weakness in general, within the framework of efficiency analysis.

Workshop e-Learning Model using ANP [Pusdiklatwas BPKP, 21 Juli 2016]

Indeks Produktivitas Malmquist pada Industri Asuransi Jiwa Syariah

Dalam pengukuran produktivitas sebuah unit bisnis, pendekatan yang paling banyak dipakai adalah metode total factor productivity (TFP). Adapun indeks yang bisa digunakan antara lain: Indeks Malmquist, Indeks Laspeyres, Indeks Pasche, Indeks Fisher dan Indeks Tornqvist.

Dalam penelitian ini, yang akan digunakan untuk menghitung tingkat produktivitas (TFP) adalah Indeks Malmquist. Metode ini dipakai untuk mengatasi kelemahan perhitungan efisiensi yang lebih dari satu input dan satu output. TFP Malmquist Index diukur dengan menggunakan angka indeks yang dapat mengukur perubahan harga dan kuantitas sepanjang waktu. Selain itu, TFP juga mengukur perbandingan dan perbedaan antar entitas.

Sebagai objek penelitian adalah industri asuransi jiwa syariah dalam hal ini unit usaha syariahnya. Dari sekian banyak asuransi jiwa syariah, dipilih 12 brand asuransi syariah. Pemilihan ini berdasarkan data input dan output yang tersedia pada laporan keuangan yang terpublikasi. Hanya 12 asuransi syariah yang memiliki data relatif lengkap sejak 2011 hingga 2015.

Hasilnya terlihat pada gambar di bawah. Skor TFPCH paling kanan menjadi indicator utama. Angka lebih dari 1 menunjukkan adanya peningkatan produktivitas rata-rata dari tahun ke tahun. Angka kurang dari 1 menandakan terjadinya penurunan tingkat produktivitas industri. Sementara itu angka sama dengan 1 menunjukkan stagnasi, tidak terjadi peningkatan maupun penurunan tingkat produktivitas.

Dari ke-12 asuransi jiwa syariah yang menjadi objek penelitian, ada 8 asuransi yang mengalami peningkatan produktivitas, 3 asuransi yang mengalami penurunan dan 1 asuransi yang mengalami stagnasi. Asuransi jiwa syariah yang mengalami peningkatan produktivitas tertinggi adalah Tokio Marine Indonesia (1.801), Manulife (1.782) dan SunLife Financial Indonesia (1.660). Sementara 3 asuransi syariah yang mengalami penurunan produktivitas adalah Great Eastern Life Indonesia (0.508), Panin Life (0.622) dan BNI Life (0.853).

Peningkatan dan penurunan tingkat produktivitas asuransi syariah sangat bergantung pada performa input output yang dicapai. Semakin efisien penggunaan input dan makin efektif (maksimal) pencapaian output, akan meningkatkan nilai produktivitas. Tidak cukup itu, tingkat produktivitas juga dipengaruhi seberapa baik industri mengalami peningkatan dari tahun ke tahun. Dalam Islam, konsep ini kita sebut “Yaumuhu khairun min amsihi”.

Mapping Dana Himpunan Zakat Nasional dengan Aplikasi GIS

Geographic Information System disingkat GIS adalah sistem informasi khusus yang mengelola data yang memiliki informasi spasial (bereferensi keruangan). Atau dalam arti yang lebih sempit, adalah sistem komputer yang memiliki kemampuan untuk membangun, menyimpan, mengelola dan menampilkan informasi berefrensi geografis, misalnya data yang diidentifikasi menurut lokasinya, dalam sebuah database.

Setelah melakukan mapping data lahan wakaf di seluruh wilayah Nusantara, kali ini SMART mencoba memetakan daerah di Indonesia terkait dana himpunan zakat dengan pendekatan GIS. Tools yang digunakan adalah Target Map. Data berasal dari Bimas Islam dalam Angka Kementerian Agama. Sayangnya, data terakhir adalah tahun 2013 dengan beberapa 10 provinsi memiliki nilai nihil.

Berdasarkan hasil yang dapat dilihat pada gambar di bawah, 33 provinsi dibagi ke dalam 5 kelompok. Klasifikasi ini didasarkan pada perolehan dana zakat masing-masing provinsi. Kelompok pertama (warna hijau tua) adalah provinsi dengan dana himpunan zakat di atas Rp 200 miliar. Provinsi yang masuk pada kelompok ini yaitu Provinsi Jambi. Provinsi ini adalah daerah dengan himpunan dana zakat tertinggi di Indonesia.

Kelompok kedua adalah provinsi dengan dana himpunan zakat antara Rp 100 hingga 200 miliar (warna hijau muda). Ada 2 provinsi yang masuk kelompok ini yaitu: Kalimantan Timur dan DKI Jakarta. Kedua provinsi ini masuk ke dalam daerah dengan dana himpunan zakat relatif tinggi.

Kelompok ketiga adalah provinsi dengan dana himpunan zakat antara Rp 10 hingga 100 miliar (warna kuning). Sedikitnya terdapat 10 provinsi yang masuk kelompok ini yaitu: Sumatera Barat, Sumatera Selatan, Bangka Belitung, Banten, Kalimantan Barat, Kalimantan Tengah, NTB, Sulawesi Barat, Gorontalo dan Provinsi Papua. Daerah-daerah ini masuk dalam provinsi dengan dana himpunan zakat sedang.

Kelompok keempat adalah provinsi dengan dana himpunan zakat antara Rp 1 hingga 10 miliar (warna oranye). Terdapat 7 provinsi yang masuk kelompok ini yaitu: DI Yogyakarta, Jawa Timur, Bali, NTT, Kalimantan Selatan, Sulawesi Tenggara dan Papua Barat. Daerah-daerah ini masuk dalam provinsi dengan dana zakat yang relatif rendah.

Kelompok terakhir adalah provinsi dengan dana himpunan zakat di bawah Rp 1 miliar (warna merah). Provinsi Sulawesi Tengah, Maluku Utara dan Provinsi Maluku adalah daerah yang masuk dalam kelompok dengan himpunan zakat paling rendah.

Mengetahui Kriteria Pemilihan Lembaga Wakaf

Instrumen wakaf saat ini semakin memiliki peran yang lebih penting. Terutama wakaf yang sifatnya produktif dan memiliki kebermanfaatan jangka panjang. Selama sekian abad perkembangan Islam, perputaran ekonomi yang melewati akad wakaf tak pernah surut. Wakaf telah berperan sangat besar dalam ekonomi umat.

Berbagai peninggalan budaya Islam masa lampau hingga ratusan tahun yang lalu dibangun atas akad wakaf. Sebut misalnya Universitas Al-Azhar yang melegenda di Mesir. Ataupun Pondok Modern Darussalam Gontor di Indonesia. Juga Universitas Islam Indonesia Yogyakarta. Semuanya dibangun dengan skema wakaf.

Jika waktu lalu SMART melakukan riset terkait kriteria pemilihan lembaga zakat di Indonesia, kali ini WAQFI, sebuah desk yang khusus melakukan riset tentang wakaf di bawah SMART, melakukan hal serupa. Pertanyaannya adalah, apa kriteria pemilihan Lembaga Wakaf? Melalui pendekatan metode Analytical Hierarchy Process sebanyak 30 orang dilibatkan menjadi responden.

Hasilnya, kriteria utama pemilihan calon wakif atas lembaga wakaf adalah program pengelolaan dana wakaf yang inovatif (0.242). Jika lembaga wakaf mampu melakukan inovasi dalam pengelolaan dana wakafnya, maka hal ini akan meningkatkan preferensi masyarakat sehingga diharapkan mampu mengumpulkan lebih banyak dana wakaf yang dapat diproduktifkan.

Kriteria kedua adalah transparansi keuangan (0.212). Semakin transparan lembaga pengelola dana wakaf, semakin tinggi pula tingkat preferensi masyarakat dan calon wakif terhadap lembaga wakaf. Sepertinya hal lembaga bisnis, institusi sosial seperti lembaga zakat maupun lembaga wakaf juga sangat perlu untuk mengelola dana dengan transparan dan akuntabel.

Kriteria ketiga terkait pemilihan muzakki atas lembaga wakaf adalah faktor pelayanan yang baik (0.197). Faktor ini menjadi hal yang cukup krusial. Pelayanan erat kaitannya dengan 'repeated buying' dalam bisnis jasa. Pun demikian lembaga sosial seperti organisasi pengelola dana wakaf.

Selain ketiga faktor di atas, kriteria selanjutnya terkait pemilihan wakif atas lembaga wakaf adalah profesionalisme (0.182) dan faktor kenyamanan (0.167). Sama seperti yang terjadi dalam riset pemilihan lembaga zakat, hasil ini perlu diperhatikan oleh setiap lembaga wakaf dalam upaya memahami keinginan dan preferensi calon wakif. Agar wakaf menjadi semakin berdaya dan memberi manfaat sebesar-besarnya bagi kepentingan masyarakat.

Pemetaan Lahan Wakaf di Indonesia

Tanah wakaf adalah tanah hak milik yang telah diwakafkan. Perwakafan tanah hak milik adalah suatu perbuatan hukum yang dilakukan oleh seseorang atau badan hukum dengan memisahkan sebagian dari harta kekayaannya yang berupa tanah hak milik dan dimanfaatkan selama-lamanya bagi kepentingan umum.

Dasar hukum perwakafan tanah milik dapat ditemukan pada Pasal 49 ayat (3) Undang-Undang Nomor 5 Tahun 1960 tentang Peraturan Dasar Pokok-Pokok Agraria (UUPA) yang menyebutkan bahwa perwakafan tanah milik dilindungi dan diatur dengan Peraturan Pemerintah. PP yang dimaksud dalam ketentuan tersebut adalah PP Nomor 28 Tahun 1977 tentang Perwakafan Tanah Milik.

Berdasarkan data Direktorat Pemberdayaan Wakaf Kementerian Agama RI tertanggal Maret 2016, total luas lahan wakaf di seluruh wilayah Republik Indonesia adalah sebanyak 4,3 miliar meter persegi atau tepatnya 4.359.443.170 M2 yang tersebar di 33 provinsi di Indonesia. SMART Consulting selanjutnya mencoba memetakan data lahan wakaf di seluruh wilayah Nusantara dengan pendekatan Geographic Information System (GIS). Tools yang digunakan adalah Target Map.

Berdasarkan hasil yang dapat dilihat pada gambar di bawah, 33 provinsi dibagi ke dalam 5 kelompok. Klasifikasi ini didasarkan pada luas lahan wakaf yang ada pada daerah tersebut. Kelompok pertama (warna hijau tua) adalah provinsi dengan luas lahan wakaf di atas 1 miliar meter persegi. Ada 2 provinsi pada kelompok ini yaitu: Provinsi Riau (1.183.976.528 M2) dan Provinsi Sulawesi Selatan (1.029.030.278 M2). Dua provinsi ini adalah daerah dengan luas lahan wakaf tertinggi.

Kelompok kedua adalah provinsi dengan luas lahan wakaf antara 100 juta hingga 1 miliar meter persegi (warna hijau muda). Ada 6 provinsi yang masuk kelompok ini yaitu: Aceh, Sumatera Selatan, Sumatera Barat, Sulawesi Tengah, Jawa Tengah dan Jawa Barat. Keenam provinsi ini masuk ke dalam daerah dengan luas lahan wakaf relatif tinggi.

Kelompok ketiga adalah provinsi dengan luas lahan wakaf antara 10 juta hingga 100 juta meter persegi (warna kuning). Sedikitnya terdapat 11 provinsi yang masuk kelompok ini yaitu: Kalimantan Selatan, Jawa Timur, Banten, Sumatera Utara, Maluku Utara, Kalimantan Barat, NTB, Lampung, Bali, Kalimantan Timur dan Provinsi Jambi. Daerah-daerah ini masuk dalam provinsi dengan luas lahan wakaf sedang.

Kelompok keempat adalah provinsi dengan luas lahan wakaf antara 1 juta hingga 10 juta meter persegi (warna oranye). Terdapat 12 provinsi yang masuk kelompok ini yaitu: Bengkulu, Kalimantan Tengah, NTT, Sulawesi Tenggara, Maluku, Sulawesi Barat, DKI Jakarta, Babel, Yogyakarta, Sulawesi Utara, Gorontalo dan Kepulauan Riau. Daerah-daerah ini masuk dalam provinsi dengan luas lahan wakaf relatif rendah.

Kelompok terakhir adalah provinsi dengan luas lahan wakaf di bawah 1 juta meter persegi (warna merah). Provinsi Papua (694.466 M2) dan Papua Barat (591.117 M2) adalah daerah yang masuk dalam kelompok dengan luas lahan wakaf paling rendah ini.

Dengan luas lahan wakaf yang begitu luas ini, semestinya kita mampu memanfaatkannya untuk kepentingan masyarakat yang lebih luas. Bisa kita lihat pemanfaatan lahan wakaf di negara lain yang dikelola menjadi: rumah sakit, kebun produktif, area/kawasan bisnis yang profitable bahkan lahan wakaf yang dikelola menjadi bandara. Wakaf yang luar biasa produktif. Memang, perlu para wakif yang di samping amanah juga profesional dan paham akan manajemen pengelolaan mumpuni. Agar kebermanfaatannya menjadi jauh lebih terasa.

ONE WEEK TRAINING: SEKOLAH METODOLOGI PENELITIAN 2016 Oleh SMART Consulting [8-12 Agustus 2016]

SEKOLAH METODOLOGI PENELITIAN ialah program terbaru dari SMART Consulting (lembaga riset yang khusus bergerak di bidang pengembangan metode riset) dalam rangka sharing knowledge dalam hal metodologi penelitian baik yang bersifat kualitatif maupun kuantitatif. Metode beserta tools terapan yang akan disampaikan yaitu: Analytical Hierarchy Process (AHP) menggunakan Expert Choice, Analytical Network Process (ANP) menggunakan Super Decisions, Data Envelopment Analysis (DEA) menggunakan Banxia Frontier dan MaxDEA, Interpretive Structural Modeling (ISM) menggunakan dDSS (Decision Support System) serta Structural Equation Model (SEM) dengan Lisrel. Program ini berbentuk pelatihan dengan peserta terbatas

DEA Training Description

Data Envelopment Analysis (DEA) merupakan alat manajemen untuk mengevaluasi efisiensi suatu unit bisnis yang paling popular dewasa ini. Evaluasi efisiensi tidak hanya dapat dianalisa pada satu unit bisnis saja, namun bagi beberapa unit bisnis untuk dibandingkan satu sama lain lalu diketemukan mana yang memiliki efisiensi tertinggi, sehingga unit bisnis yang tidak efisien dapat merujuk pada unit bisnis yang efisien. Unit-unit bisnis yang akan dijadikan sebagai pengambilan keputusan dalam DEA disebut DMU (Decision Making Unit)/Unit Pengambilan Keputusan. Unit bisnis apapun dapat dianalisis kinerjanya dengan DEA seperti misalnya manufacturing units, departments of big organizations such as universities, school, bank branches, hospitals, power plants, police stations, tax offices, prisons, defense bases, a set of firms or even practicing individuals such as medical practitioners. Training ini cocok bagi siapa saja yang berkepentingan untuk mengukur efisiensi (kinerja) perusahaan, unit bisnis, organisasi agar mendapatkan gambaran bagaimana kondisi perusahaan saat ini, apakah sudah efisien atau belum. Jika belum efisien apa yang perlu dilakukan oleh perusahaan agar mencapai titik efisien.

Mengukur Tingkat Produktivitas Bank Syariah

Produktivitas mengandung arti perbandingan antara hasil yang dicapai (output) dengan keseluruhan sumber daya yang digunakan (input). Dengan kata lain produktivitas memliliki dua dimensi. Dimensi pertama adalah efektivitas yang mengarah kepada pencapaian target berkaitan dengan kualitas, kuantitas dan waktu. Yang kedua yaitu efisiensi yang berkaitan dengan upaya membandingkan input dengan realisasi penggunaannya atau bagaimana pekerjaan tersebut dilaksanakan.

Bank syariah sebagai sebuah industri jasa yang melayani nasabah, sangat perlu memperhatikan produktivitas dalam menjalankan roda usahanya. Di samping sebagai sebuah lembaga intermediasi yang dituntut tepat mengelola dana nasabah, bank syariah juga perlu tetap menjaga performa bisnisnya sehingga menghasilkan keuntungan yang diharapkan. SMART Consulting tertarik untuk meneliti sejauh mana tingkat produktivitas bank syariah di Indonesia belakangan ini.

Untuk mengukur produktivitas bank syariah yang diobservasi, penelitian ini menggunakan analisis Malmquist Productivity Index (MPI). Indeks Malmquist secara spesifik melihat tingkat produktivitas masing-masing unit bisnis, dalam hal ini bank syariah, sehingga akan terlihat perubahan dari tingkat efisiensi dan teknologi yang digunakan berdasarkan input dan output yang telah ditetapkan. Indeks ini juga digunakan untuk menganalisis perubahan kinerja antarwaktu.

Indeks Malmquist pertama kali dibuat oleh Sten Malmquist pada 1953 untuk mengukur produktivitas. MPI berlandaskan pada konsep fungsi produksi (production function) yang mengukur fungsi produksi maksimum dengan batasan input yang sudah ditentukan. Dalam perhitungannya, indeks ini terdiri atas beberapa hasil yaitu: efficiency change, technological change, pure efficiency change, economic scale change dan TFP change.

Data yang digunakan dalam penelitian ini adalah 11 Bank umum syariah dari tahun 2012 hingga 2014. Variabel input dan output didapat dari laporan neraca dan laba rugi masing-masing bank. Tiga input dan dua output digunakan untuk mengukur efisiensi dan tingkat produktivitas bank syariah. Sebagai variabel input adalah Dana Pihak Ketiga (X1), Biaya Personalia (X2) dan Biaya administrasi dan umum (X3). Sementara itu untuk variabel output yaitu Total Pembiayaan (Y1) dan Pendapatan Operasional (X2).

Hasil yang diperoleh dari skor indeks Malmquist (TFP Change) menunjukkan bahwa 8 bank syariah dari total 11 BUS mengalami peningkatan produktivitas, atau sekitar 73% dari keseluruhan bank umum syariah. Ini ditandai dengan skor 'TFP Change' lebih dari 1. Sementara sisanya menunjukkan tingkat produktivitas yang relatif rendah.

Pengukuran tingkat produktivitas industri perbankan dan keuangan syariah perlu dilakukan secara berkala dan konsisten, agar pihak-pihak berkepentingan dapat menganalisa dan menentukan arah kebijakan yang tepat dalam rangka pengembangan industri ini.

18 Model DEA untuk Mengukur Efisiensi Bank Syariah

Pengukuran tingkat efisiensi banyak berkutat pada 2 model saja yaitu CCR yang berasumsi Constant Return to Scale dan BCC yang memiliki asumsi Variable Return to Scale. Namun sesungguhnya, selain model CCR (CRS) dan BCC (VRS) tersebut, masih banyak lagi model DEA lain. Tercatat sedikitnya ada 40 model DEA yang dapat digunakan untuk mengukur tingkat efisiensi suatu DMU.

DEA menawarkan tiga orientasi dalam perhitungan efisiensi relatifnya yaitu (1) Model orientasi input (input-oriented model) yaitu model dimana setiap DMU diharapkan memproduksi sejumlah output tertentu dengan sejumlah input terkecil yang memungkinkan (minimasi input), dengan demikian input merupakan sesuatu yang dapat dikontrol; (2) Model orientasi output (output-oriented model) yaitu model dimana setiap DMU diharapkan memproduksi sejumlah output terbesar yang memungkinkan dengan sejumlah input tertentu (maksimasi output), dengan demikian output merupakan sesuatu yang dapat dikontrol; dan (3) Model orientasi dasar (base-oriented model) yaitu model dimana setiap DMU diharapkan memproduksi dengan kondisi gabungan optimal antara input dan output, dengan demikian input dan output merupakan sesuatu yang dapat dikontrol. (Charnes et. al, 1994).

Kali ini, SMART melakukan reviu terkait pengukuran tingkat efisiensi Bank Umum Syariah dengan mengaplikasikan 18 model DEA. Model yang digunakan adalah adalah: CCR Input-Output, BCC Input-Output, GRS Input-Output, IRS Input-Output, DRS Output, SBM, SBM VRS, SBM GRS, SBM Input-Output, NC Input-Output dan ND Input-Output. Sebagai alat bantu, tools analysis yang digunakan dalam penelitian ini adalah Software Open Source DEA (OSDEA). Software ini relatif jarang dipakai dimana mayoritas peneliti menggunakan software MaxDEA, Banxia, atau DEAP dalam riset efisiensinya.

Variabel output yang digunakan untuk menghitung efisiensi adalah total pembiayaan yang diberikan dan pendapatan operasional tahun 20011-2014, sedangkan variabel input yang digunakan adalah dana pihak ketiga, biaya personalia dan biaya administrasi dan umum tahun 2011-2014. Dari ke-18 model tersebut akan diketahui bank syariah yang menjadi best practice dan akan diketahui original-projected value, radial-slack movement, dan peers (benchmarks) pada masing-masing BUS.

Dari ke-18 model DEA yang dijelaskan di atas, penelitian ini mencoba mengukur tingkat efisiensi Bank Umum Syariah selama periode 2011-2014. Data hanya sampai 2014 mengingat beberapa BUS masih belum mempublikasi resmi laporan keuangan tahun 2015. Setelah dilakukan pengukuran masing-masing, selanjutnya dilakukan rata-rata terhadap nilai efisiensi yang ada dari setiap model. Berikut di bawah ini adalah hasil perhitungan tingkat efisiensi per tahun dari 11 BUS selama periode penelitian.

Hasilnya, BUS yang masuk kategori efisiensi tinggi antara lain: Maybank, Panin, Mega, BMI dan BCA. BUS yang masuk dalam kategori sedang adalah: Bukopin, BNI, BSM, BJB dan BRI. Adapun Victoria tergolong ke dalam BUS dengan kategori efisiensi relatif rendah.

Mengukur Kualitas Pelayanan Bank Syariah dengan Metode IPA

Importance Performance Analysis atau disingkat IPA adalah suatu teknik analisis yang digunakan untuk mengidentifikasi faktor-faktor kinerja penting apa yang harus ditunjukkan oleh suatu organisasi dalam memenuhi kepuasan para pengguna jasa mereka (konsumen).

Metode analisis ini pertama kali diperkenalkan oleh John A. Martilla dan John C. James tahun 1977. Awalnya, Martilla dan James memaksudkan metode ini untuk digunakan dalam bidang riset pemasaran dan perilaku konsumen. Kendati demikian, pada perkembangan selanjutnya, kini penggunaannya telah meluas pada riset-riset pelayanan rumah sakit, pariwisata, sekolah, bahkan hingga analisis atas kinerja birokrasi publik (pemerintahan).

Uji ini dilakukan guna menguji apakah terdapat kesenjangan (gap) antara Harapan dengan Persepsi dalam variabel yang dianalisis. Uji dilakukan dengan membedakan nilai Mean antara Harapan dengan Persepsi dan perbedaan tersebut berlangsung dalam kelompok sampel yang sama (pelanggan sama, mengisi kuesioner sama).

Selanjutnya, pendekatan ini membagi kelompok variabel menjadi 4 kuadran. Kuadran pertama sebelah kiri atas tergolong ke dalam faktor prioritas utama. Kuadran kedua terletak pada kanan atas. Kuadran ketiga berada pada kiri bawah. Sementara kuadran terakhir terletak di kanan bawah.

KUADRAN I = Prioritas Utama 

Faktor-faktor yang dianggap penting oleh pelanggan tetapi pada kenyataannya faktor-faktor ini belum sesuai dengan harapan. Atribut-atribut yang termasuk ke dalam kuadran ini harus mendapat perhatian lebih atau diperbaiki sehingga kinerjanya meningkat.

KUADRAN II = Pertahankan Prestasi 

Faktor-faktor yang dianggap penting telah sesuai dengan kenyataan yang dirasakan oleh pelanggan sehingga tingkat kepuasan relatif tinggi. Atribut-atribut yang termasuk ke dalam kuadran ini harus tetap dipertahankan karena atribut-atribut inilah yang telah menarik perhatian pelanggan untuk memanfaatkan produk tersebut.

KUADRAN III= Prioritas Rendah 

Faktor-faktor yang dianggap kurang penting oleh pelanggan dan pada kenyataannya tidak terlalu istimewa. Peningkatan pada atribut-atribut dalam kuadran ini dapat dipertimbangkan kembali karena pengaruh terhadap manfaat yang dirasakan oleh pelanggan sangat kecil.

KUADRAN IV = Berlebihan 

Faktor-faktor yang dianggap kurang penting oleh pelanggan namun pada kenyataannya sudah cukup memuaskan. Variabel-variabel yang termasuk dalam kuadran ini dapat dipertimbangkan untuk dikurangi, sehingga perusahaan dapat menghemat biaya.

Gambar di atas memperlihatkan hasil analisis IPA sebuah bank syariah. Ada 24 variabel (atribut) yang dianalisis, mulai dari pelayanan antrian, ATM, tempat parkir, hingga pelayanan sms dan internet banking. Hasilnya menunjukkan, terdapat 3 atribut yang masuk dalam kuadran I (prioritas utama perbaikan), 9 atribut masuk ke dalam kuadran II (pertahankan), 8 atribut tergolong kuadran III (prioritas rendah) dan 4 atribut yang masuk ke dalam kuadran IV (berlebihan).

Penggunaan metode Importance Performance Analysis ini penting untuk dilakukan secara berkala oleh setiap bank syariah, dalam rangka mengetahui preferensi dan penilaian nasabah atas pelayanan yang diberikan.

Prediksi Efisiensi Bank Umum Syariah di Indonesia

Pengukuran efisiensi sangat diperlukan dalam kerangka maksimisasi output dan minimisasi input. Apalagi bank syariah di Indonesia yang harus berhadapan dengan bank konvensional yang sudah lebih dahulu "makan asam garam" industri ini.

Riset pengukuran efisiensi perbankan, didominasi oleh pendekatan nonparametrik DEA, dibanding parametrik. Namun riset efisiensi DEA masih tidak begitu banyak variasi dari sisi analisis. Padahal, banyak sekali 'angle' analisis yang dapat dilakukan melalui metode yang pertama dikembangan Charnes Cooper dan Rhodes ini.

Sebut saja beberapa analisis minorstream DEA antara lain: Super efisiensi, Slack based Measure (SBM) Model, analisis sensitivitas DEA, window analysis, dan banyak lagi. Salah satu yang jarang digunakan adalah penggunaan DEA untuk prediksi efisiensi. SMART sebagai lembaga yang fokus riset ekonomi keuangan syariah, mencoba mengaplikasikannya.

Data yang digunakan adalah seluruh Bank Umum Syariah periode 2011-2014 berjumlah 11 bank. Data variabel input dan output didapat dari laporan neraca dan laba rugi masing-masing bank. Sebagai variabel input adalah Dana Pihak Ketiga (X1) dan Biaya Personalia (X2) dan Biaya Administrasi (X3). Sementara itu untuk variabel output yaitu Total Pembiayaan (Y1) dan Pendapatan Operasional (X2).

Tahap pertama, dilakukan lebih dahulu forecast terhadap variabel-variabel di atas dengan 2 skema: lower dan upper. Lower untuk proyeksi pesimis dan upper untuk optimis. Setelah didapat, hasil forecast kemudian kembali diolah dengan DEA. Sehingga menunjukkan 2 hasil prediksi nilai efisiensi di masa mendatang untuk setiap BUS yang diteliti.

Penelitian-penelitian terkait industri perbankan dan keuangan syariah harus banyak dilakukan. Jika 10 tahun silam hal ini (baca: RnD) tidak begitu perlu dilakukan, karena usia bank syariah yang masih 'infant', maka saat ini urgensi riset dalam dunia ekonomi Islam menjadi lebih penting. Usia hampir 25 tahun terhitung sejak berdirinya bank syariah pertama tahun 1992 menjadi fakta. Kini, bank syariah sudah mulai memasuki masa "remaja" dan semestinya lebih dewasa.

Dekomposisi Pengembangan Zakat Nasional

Zakat sebagai sebuah instrumen penting -bahkan sangat penting- dalam keuangan Islam, perlu dirancang dan 'dibangunkan' dari tidur panjangnya. Para stakeholder zakat nasional yang tergabung dalam Forum Zakat (FOZ) telah membuat Cetak Biru Pengembangan Zakat Indonesia hingga tahun 2025. Blueprint ini dijadikan sebagai panduan masa depan zakat di Indonesia.

SMART Consulting sebagai lembaga riset ekonomi keuangan syariah saat ini sedang melakukan penelitian terkait hal ini. Riset dengan metode Analytic Network Process (ANP) ini sudah sampai dalam tahap dekomposisi. Berikut adalah hasil dekomposisinya.

Pengembangan Zakat Nasional terbagi ke dalam 6 aspek pengembangan. Pertama, Kerangka Institusional. Aspek ini terdiri atas: Standar manajemen kinerja OPZ, Standar model kelembagaan OPZ dan Rating lembaga.

Aspek kedua dalam pengembangan zakat nasional adalah aspek Kepatuhan syariah. Aspek kedua ini terdiri atas: Standardisasi fikih zakat baik nasional maupun internasional, Pelaksanaan audit syariah untuk lembaga zakat, serta keberadaan pengawas syariah pada OPZ.

Aspek ketiga adalah Kompetensi SDM Amil, terdiri dari: Standar kompetensi amil, Sertifikasi amil, dan pembentukan ikatan profesi amilin. Diharapkan, di masa mendatang, profesionalitas SDM amil zakat setara dengan para bankir saat ini.

Aspek keempat adalah terkait Penghimpunan. Aspek ini terdiri atas: Pelayanan berbasis informasi dan teknologi, dana himpunan zakat yang tertarget, dan sinergi program antarlembaga pengelola zakat.

Aspek pengembangan zakat nasional yang kelima adalah aspek pendayagunaan. Aspek ini terdiri atas: Ketersediaan pusat data mustahik yang valid dan kredibel, Peta mustahik berbasis ashnaf zakat, serta sinergi program pendayagunaan di antara OPZ.

Yang terakhir dan tidak kalah penting adalah aspek regulasi. Aspek Regulasi terdiri atas: Perbaikan regulasi terkait zakat nasional, Terbentuknya lembaga regulator dan pengawas OPZ (sekelas BI dalam moneter), serta Review berkala terhadap UU Zakat yang ada.

Setelah tahap dekomposisi, penelitian akan berlanjut pada interview terhadap para expert yang kemudian dilakukan perhitungan dan diolah dengan software Superdecision.

INDONESIA ZAKAT ORGANIZATION: BUSINESS INTELLIGENCE ANALYSIS

Istilah Business Intelligence pertama kali didengungkan pada tahun 1989 oleh Howard Dresner. Dia menggambarkan istilah tersebut sebagai seperangkat konsep dan metode yang berguna untuk meningkatkan pembuatan keputusan dengan bantuan sistem yang berbasiskan fakta atau realita yang terjadi.

Menurut tim studi Busines Intelligence pada Departemen Keuangan Indonesia,Business Intelligence (BI) merupakan sistem dan aplikasi yang berfungsi untuk mengubah data-data dalam suatu perusahaan atau organisasi (data operasional, data transaksional, atau data lainnya) ke dalam bentuk pengetahuan.

Kali ini, konsep BI coba diterapkan pada Organisasi Pengelola Zakat. Ada 5 OPZ yang menjadi sampel yakni: Baznas, Dompet Dhuafa, PKPU, Rumah Zakat dan YBM BRI. Pemilihan kelima OPZ ini adalah berkaitan dengan ketersediaan data laporan keuangan tahunan pada web resminya. Karena tahun terakhir (2015) belum terpublikasi, data yang digunakan mulai tahun 2012 hingga 2014.

Secara umum, dana penerimaan dan penyaluran zakat terbesar dicapai oleh PKPU dan Dompet Dhuafa. Dimana, persentase penyaluran rata-rata setiap OPZ adalah 85% ke atas, kecuali Rumah Zakat yang relatif rendah penyalurannya.

Dari sekian jenis beban (beban SDM, beban operasional dan beban sosialisasi), beban SDM menjadi yang paling besar dibanding beban lain kecuali PKPU. OPZ dengan rata-rata beban SDM terbesar adalah Rumah Zakat.

Secara umum, jika dilihat dari perspektif efisiensi, PKPU menjadi OPZ yang paling efisien. Tercermin dari rata-rata beban yang relatif kecil namun dengan dana penerimaan dan penyaluran yang tinggi. Hal yang sama berlaku dengan YBM BRI dan Baznas. Yang tampak proporsional adalah kondisi DD dimana beban yang relatif tinggi namun diiringi dengan output yang tinggi pula.

Best Paper Award at Forum Riset Ekonomi Keuangan Syariah XIV [Padang, 9-10 Juni 2016]