Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini menggunakan Data Envelopment Analysis (DEA) untuk memfasilitasi proses optimasi portofolio Black-Litterman (BL). DEA menghasilkan estimasi imbal hasil berdasarkan pada efficient frontier multi variabel yang dibentuk untuk setiap aset. Penelitian ini menggunakan dua komponen sebagai input dalam DEA: CVaR dan ukuran likuiditas LMX. Memakai implied excess return hasil proses reverse optimization BL sebagai output, model menghasilkan estimasi imbal hasil untuk setiap aset, yang berfungsi sebagai view dalam pembentukan portofolio posterior BL. Penggunaan BL akan memastikan proses optimasi portofolio posterior yang mean-variance efficient.Hasil penelitian menunjukkan bahwa DEA dapat digunakan sebagai metode untuk merumuskan view yang kompatibel dengan prior distribution BL. Studi lebih lanjut dapat ditempuh untuk menemukan kombinasi indikator input-output DEA yang lebih baik sekaligus memperhatikan karakter efficient frontier DEA. Pengembangan model lebih lanjut dapat pula dilakukan untuk memasukkan berbagai aspek kompleksitas pasar ataupun berbagai variabel yang mencerminkan informasi yang tak terduga.

---

This study employs Data Envelopment Analysis (DEA) to facilitate the Black-Litterman (BL) optimization process. DEA generates expected return estimation based on multi variables efficient frontier that can be formed flexibly for each asset. This study employs two components as inputs in DEA: CVaR and LMx measure of liquidity. Based on the implied excess return indicated by BL reverse optimization process as an output, the model produces return estimation for each asset, which serves as views in BL posterior portfolio. The use of BL will ensure the posterior portfolio optimization process in accordance with mean-variance efficient condition.The results indicate that DEA may be used as a method to formulate view that is compatible with BL prior distribution. Future studies using DEA should attempt to find better combination of Input-Output indicators and also pay attention to the character of DEA efficient frontier. Further model development should consider market complexity in mean-variance optimization setup, or to combine a variety of variables reflecting unanticipated information."

"Penelitian ini membahas efisiensi kegiatan pengumpulan dan pengelolaan aset wakaf yang dilakukan oleh Organisasi Pengelola Wakaf di Jakarta. Metode yang digunakan adalah metode kuantitatif dengan menggunakan Data Envelopment Analysis dengan Badan Wakaf Al-Quran BWA, Inisiatif Wakaf Indonesia IWI, Tabung Wakaf Indonesia TWI dan Yayasan Wakaf Bangun Nurani Bangsa YWBNB sebagai objek penelitian. Data yang digunakan adalah data primer dari pengisian tabel di kuisioner yang dilakukan pada orang-orang yang terlibat secara langsung dalam praktik pengumpulan dan pengelolaan aset wakaf di objek penelitian dan data sekunder yang berasal dari literatur-literatur terkait. Hasil penelitian menunjukkan bahwa pengumpulan aset wakaf efisien dilakukan oleh BWA pada tahun 2016, TWI pada tahun 2017 dan YWBNB pada tahun 2015. Selain itu, setiap organisasi pengelola wakaf yang diteliti pengelolaan asetnya memiliki DMU yang efisien. BWA mencapai titik efisiensi 100 pada tahun 2013 dan 2014. TWI mencapai titik efisiensi 100 pada tahun 2014 dan 2017. YWBNB mencapai titik efisiensi 100 pada tahun 2013, 2014 dan 2017.

---

This study discusses the efficiency of collection and management of the assets of the Waqf done by Nazir organizations in Jakarta. The method used in this study is the quantitative methods using Data Envelopment Analysis with Badan Wakaf Al Quran BWA, Inisiatif Wakaf Indonesia IWI, Tabung Wakaf Indonesia TWI dan Yayasan Wakaf Bangun Nurani Bangsa YWBNB as objects of research. The data used are the primary data with the help of questionnaire filled by people who are directly involved in the collection and management of the assets of the Waqf in the research objects and secondary data derived from related literatures. The results showed that the collection of the Waqf assets efficiently carried out by BWA in 2016, TWI in 2017 and YWBNB in 2015. In addition, each Nazir organization has efficient DMUs in the waqf management rsquo s efficiency test. BWA reaches the point of 100 efficiency in 2013 and 2014. TWI reaches the point of 100 efficiency in 2014 and 2017. YWBNB reaches the point of 100 efficiency in 2013, 2014 dan 2017."

"Penelitian ini menggunakan teknik analisis nonparametric Data Envelopment Analysis sebagai pengukuran kinerja perbankan di Indonesia. Dalam penelitian ini mengamati bank yang terdaftar di Bursa Efek Indonesia dengan menggunakan laporan keuangan periode 2009-2011. Metode ini membandingkan masing-masing efisiensi bank yang terdaftar di BEI. Penelitian sebelumnya mengukur efisiensi bank menggunakan teknik tradisional yaitu rasio keuangan sebagai ouput, tanpa memperhatikan input yang digunakan.Hasil penelitian ini menunjukkan bahwa hanya 27,58% bank yang terdaftar di IDX yang secara berturut-turut selama periode penelitian konsisten menjalankan perusahaan dengan efisien. Penelitian ini juga menemukan bahwa penggunaan DEA merupakan alternatif maupun melengkapi evaluasi kinerja, terutama pada perbankan.

---

This study applies non-parametric analytical technique, i.e. Data Envelopment Analysis (DEA) as performance measure of commercial banking in Indonesia. The study observes efficiency of bank listed in Indonesia Stock Exchange (IDX) by using suggested financial report for the period of 2009-2011. The approach and technique proposed set of empirical references by comparing operating efficiency for commercial bank listed in IDX. The study departs from previous studies on measure of bank performance through the use of traditional ratios for banking institutions as the output measure and without using input measures.The study found that among commercial banks listed in IDX during 2009-2011 only 27,58% operates in efficient manner consistently. As such, the study reveals that the DEA analysis could be used as eitheralternative or complementary measure to conventional ratio analysis to evaluate organizational performance, particularly in banking organization."

"Penghitungan ukuran kinerja operasional pada perusahaan pelayaran umumnya menggunakan berbagai variabel yang dapat menunjukkan kehandalan kapal (pengukuran kinerja secara parsial), seperti Transport Cost, Commission Days, Round Trip Days, Effective Load Factor, Number of Incident, Transportation Loss, Cargo Contamination dan lain-lain. Pengukuran kinerja dengan berbagai standar ukuran tersebut mengandung beberapa kelemahan, diantaranya adalah: 1. Tidak adanya satu ukuran tunggal yang dapat menentukan apakah suatu kapal memiliki kinerja yang baik atau tidak, sehingga sangat sulit untuk memberikan ranking nada suatu kondisi dimana ada kapal yang pada salah satu ukuran baik, namun pada ukuran lainnya memiliki nilai yang buruk. 2. Sulit menentukan ukuran kinerja jika ternyata terdapat hubungan antar variabel. Data Envelopment Analysis (DEA) adalah teknik berdasarkan pemrograman linier yang digunakan untuk mengukur efisiensi relatif dari sebuah himpunan unit analysis (decision making unit) yang homogen dalam menggunakan beberapa inputnya untuk menghasilkan beberapa outputnya. DEA pertama kali diperkenalkan oleh Charnes, Cooper, dan Rhodes pada 1978. Model ini merupakan pengembangan dari studi tentang technical efficiency dengan menggunakan single output dan input yang dilakukan oleh Farrel (1957). DEA bekerja dengan membentuk suatu efficient frontier atas set data yang berasal dari tiap DMU, dimana unit usaha yang berada pada efficient frontier tersebut merupakan unit usaha yang beroperasi dalam kondisi yang paling efisien, dan setiap unit usaha yang berada di bawah batas tersebut merupakan unit usaha yang beroperasi dalam kondisi yang kurang efisien. Inefisiensi diukur berdasarkan jarak antara. unit usaha yang kurang efisien terhadap batas yang dibentuk oleh unit usaha yang efisien. DEA kemudian akan menghasilkan nilai efisiensi yang disebut sebagai nilai efisiensi relatif. Nilai efisiensi relatif tersebut berupa nilai antara 0 sampai I, dimana nilai kurang dari satu menunjukkan bahwa unit produksi tersebut relatif inefisien terhadap unit produksi lainnya. Dalam karya akhir ini akan dilakukan pengukuran kinerja operasional kapal yang dimiliki oleh PT. ABC dengan menggunakan aplikasi metode Data Enveiopment Analysis, dimana hasil dari pengukuran metode DEA adalah adanya satu ukuran produktivitas tunggal dari kapal. Diharapkan dengan adanya satu ukuran produktifitas tunggal, maka akan lebih mudah bagi perusahaan untuk melakukan proses benchmarking antara berbagai kapal yang dimiliki oleh perusahaan. Hasil lain yang diharapkan dari karya akhir ini adalah apakah hasil penghitungan efisiensi dapat digunakan untuk melakukan identifikasi atas area-area mana saja yang berpotensi menimbulkan resiko operasional. Berdasarkan hasil pengolahan data didapatkan beberapa kesimpulan bahwa penghitungan metode kinerja dengan menggunakan DEA memiliki keunggulan karena menghasilkan satu ukuran produktifitas tunggal. Selain itu pengukuran dengan menggunakan DEA menghasilkan suatu nilai improvement yang bisa dilakukan dan pada area mana agar kapal berada dalam kondisi efisien. Penghitungan produktivitas dengan metode DEA juga dapat dilanjutkan dengan identitikasi area-area yang dapat menimbulkan risiko operasional, juga besaran efisiensi dapat juga dijadikan sebagai potensi risiko yang mungkin terjadi yang bila dilakukan perhitungan dengan periode yang lebih panjang akan amat berguna dalam penghitunagn operational risk. Namun begitu perlu ditambahkan juga, untuk memperoleh detail."

"Ukuran kinerja operasional sebuah cabang biasanya menggunakan pendekatan finansial dan diukur menggunakan rasio-rasio akuntansi dan keuangan seperti Return On Assets (ROA), Return On Investment (ROI) dan lainnya. Rasio-rasio ini menghasilkan informasi yang penting mengenai kinerja keuangan cabang jika dibandingkan dengan periode sebelumnya dan jika dibandingkan (benchmark) dengan cabang lain. Namun disamping itu manajemen perlu mengidentifikasi dan mengembangkan metode perbaikan (improvement method) untuk meningkatkan produktifitas operasional cabangnya. Untuk tujuan ini diperlukan suatu alat bantu manajemen dalam mengevaluasi/mengukur kinerja operasional atau produktifitas cabang. Alat ini berfungsi sebagai pelengkap darl rasio-rasio akuntansi dan keuangan yang ada. Hal ini dimaksudkan agar manajemen bisa memperoleh gambaran lebih lengkap dan komprehensif mengenai kinerja operasional atau produktifitas organisasinya.Data Envelopment Analysis (DEA) adalah suatu teknik pemrograman linier/matematis yang digunakan menghitung rasio komparatif dari output per input dari setiap unit produksi yang kemudian disebut sebagai nilai efisiensi relatif Nilai efisiensi relatif tersebut berupa nilai antara 0 sampai 1 atau 0% sampai 100%. Suatu unit produksi yang nilai efisiensi relatifnya kurang dari satu, bisa dikatakan unit produksi tersebut relatif inefisien dibanding unit produksi lainnya. Kemampuan DEA dalam mengukur efisiensi relatif ini kemudian dikembangkan untuk mengevaluasi/mengukur kinerja operasional atau produktifitas suatu unit produksi dalam satu lingkungan (himpunan/sampel dalam model DEA).Penelitian pada karya akhir ini adalah mencoba menerapkan DEA sebagai alat bantu manajemen dalam mengevaluasi/mengukur kinerja operasional atau produktifitas cabang-cabang bank di Indonesia. Bank yang dijadikan sampel pada penelitian ini adalah Bank ABC dan cabang-cabang yang akan diukur kinerjanya adalah cabang-cabang Bank ABC yang berada di Jakarta dan sekitarnya (Kantor Wilayah 10). Pemilihan Bank ABC ini dikarenakan bank ini merupakan salah satu bank terbesar di Indonesia.Hasil yang diperoleh walau perlu dikembangkan lebih lanjut adalah dapat digunakannya metode DEA ini dalam mengukur kinerja produktifitas operasional cabang-cabang Bank ABC. Penggunaan variabel non keuangan dalam model DEA, melengkapi analisa manajemen terhadap cabang-cabangnya disamping analisa hasil metode pengukuran kinerja yang ada dimana menekankan pada aspek keuangan. Penggunaan secara bersama metode ini akan lebih berdaya guna dan dapat dilakukanya analisa lebih komprehensif terhadap pengukuran kinerja cabang-cabang Bank ABC maupun bank-bank Iain di Indonesia."

"Penelitian ini mengembangkan model pengukuran kinerja dan pembentukan pemeringkat reksa dana di Indonesia menggunakan alat bantu Data Envelopment Analysis (DEA). Data Envelopment Analysis adalah suatu perangkat analisis untuk mengukur kinerja relatif suatu unit kerja terhadap unit kerja sejenis dalam suatu kelompok, yang dapat memanfaatkan multiple input multiple output (MIMO). Penelitian ini diharapkan memberi wacana baru dalam pengukuran kinerja dan pembentukan pemeringkat reksa dana di Indonesia.Konsep dasar DEA yang dikenal sebagai CCR (Charnes, Cooper and Rhodes) basic model adalah sebagai berikut:0 = Efisiensi E Weighted Outputs E Weighted InputsDi mans unit rcksa dana yang paling efisien mempunyai 0* = 1 (100%).Penelitian ini rnenghasilkan empat model pemeringkat kinerja rcksa dana. Masing-masing model menggunakan model dasar CCR MISO, MIMO dan Categorical Models, yang disimulasikan dengan variabel output dan input yang berbeda.Pemilihan variabel didasarkan kepada penclitian-penelitian terdahulu. Variabel-variabel yang digunakan dikelompokkan ke dalam dua kelompok besar, yaitu variabel yang berhubungan dengan aspek finansial dan aspek non-finansial. Variabel tersebut adalah rata-rata tingkat pengembalian (return) bulanan, berbagai ukuran risiko (cr dan R), biaya yang menjadi beban reksa dana, dana yang dikelola oleh manajer investasi (total net as-set), persentase biaya terhadap total asel, karakteristik sumber daya manusia manajer investasi, aspek ctika reksa dana (konvensional l syariah), serta strategi investasi (aktif atau pasif).Simulasi terhadap keempat model tersebut dilakukan terhadap data empiris reksa dana saham dan campuran di Indonesia periode 1999 - 2002. Evaluasi kinerja reksa dana dengan pendekatan DEA ini menghasilkan skor dan peringkat kinerja reksa dana. Penelitian ini jugs menunjukkan potensi pemanfaatan evaluasi kinerja reksa dana untuk memperbaiki kinerja operasional unit-unit yang relatif tidak efisien."

"Penelitian ini dilakukan antara lain untuk mengetahui efisiensi relatif antara KPP-KPP WP Besar dan KPP-KPP Madya di bawah Kanwil DJP Jakarta Khusus (dan juga KPP Madya Jakarta Pusat sebagai pembanding) dengan menggunakan metode Data Envelopment Analysis (DEA).Analisis dibagi ke dalam dua skenario besar, yaitu skenario 1 (objek penelitian terdiri dari 13 KPP) dan skenario 2 (objek penelitian terdiri dari hanya 12 KPP); masing-masing empat periode waktu untuk tiap-tiap skenario, yaitu: semester 1 tahun 2006, semester 2 tahun 2006, semester 1 tahun 2007 dan semester 2 tahun 2007.Hasil skor nilai efisiensi relatif dari masing-masing skenario dan periode waktu selanjutnya diuji dengan menggunakan uji Friedman, uji Wilcoxon dan uji Mann Whitney untuk melihat perbedaan antar waktu dan antar skenario. Hasil pengujian menunjukkan bahwa pada tingkat keyakinan 10% baik skenario 1 maupun skenario 2 tidak berbeda nyata antar waktu dan skenario, sehingga hasil pengukuran dengan menggunakan metode DEA berdasarkan kedua skenario tersebut dapat digunakan dalam pengambilan keputusan.Penelitian ini menyimpulkan bahwa modernisasi administrasi perpajakan pada KPP-KPP di dalam lingkungan Kanwil DJP Jaya Khusus cukup berhasil. Dari hasil penelitian diketahui bahwa KPP Badora 1, KPP WP Besar Satu dan KPP BUMN yang merupakan KPP paling efisien relatif terhadap KPP lainnya, dapat menjadi acuan bagi KPP lainnya yang saat ini relatif belum efisien. DMU KPP Badora 1, KPP WP Besar Satu dan KPP BUMN memberikan referensi perbaikan sumber daya yang digunakan oleh tiap-tiap DMU karena penghitungan efisiensi dengan menggunakan DEA juga menghasilkan target input bagi DMU yang tidak efisien berdasarkan bobot atau nilai benchmarking dari DMU acuan.Hasil penelitian ini dapat digunakan sebagai dasar kebijakan dalam hal manajemen input bagi KPP-KPP di Kanwil DJP Jaya Khusus secara khususnya dan juga KPP di Kanwil DJP WP Besar dalam pengalokasian, penggunaan dan pengawasan input sesuai dengan kebutuhan KPP yang sesungguhnya. Pengukuran efisiensi kineija di setiap KPP harus dilakukan Direktorat Jenderal Pajak secara terus menerus pada berbagai level organisasi yang homogen untuk pengendalian dan pengawasan terhadap kineija Direktorat Jenderal Pajak sehingga tujuan reorganisasi yang saat ini sedang dijalankan dapat tercapai.

---

This study attemps to evaluate efficiency among Large Taxpayer Offices (LTO) and Medium Tax Offices (MTO) in Special Regional Office (and Central of Jakarta MTO as a comparison) using Data Envelopment Analysis (DEA).

The analysis is divided into two big scenario, scenario 1 and scenario 2; with four period of time for each, which are: semester 1 year 2006, semester 2 year 2006, semester 1 year 2007 and semester 2 year 2007.

Futhermore, the efficiency scores are examined by Friedman test, Wilcoxon test and Mann Whitney test to compare the efficiencies among period of time and scenarios. Using alpha=10%, this study results that either scenario 1 or scenario 2 can be used in evaluation of performance and decision making process because there’s no significant differences in efficiency scores beetween those scenarios.

This study concludes that tax administration reform in Directorate General of Taxes (DGT) which implemented in Special Regional Office are succesfully conducted. From this study, KPP Badora 1, KPP WP Besar Satu and KPP BUMN which are the most efficient KPP relatively to the others, can be a reference for other KPPs which are relatively inefficient. DMU KPP Badora 1, KPP WP Besar Satu and KPP BUMN give reference in allocating resources or inputs for each DMU, because the efficiency measurement using DEA as a tool also gives input target for inefficient DMUs based on weights from Benchmark as a result.

The result of this study can be used in decision making process related to input management in Tax Offices within Special Regional Office and Large Taxpayer Regional Office in allocating, utilitizing and supervising all of the inputs based on actual needs. Performance-efficiency measurement in every Tax Office should continously conducted in each homogenous organization level for controlling and supervising on DGT performance so that the goals of the reform can be achieved as mentioned before."

"Pengukuran tingkat efisiensi suatu bank tidak akan pernah terlepas dari pengukuran efisiensi dari cabang-cabang bank yang dimilikinya. Penelitian ini bertujuan untuk mengukur tingkat efisiensi cabang bank XYZ di Indonesia periode 2009-2011 dengan menggunakan metode Data Envelopment Analysis (DEA) model Constant Return to Scale (CRS) dan model Variable Return to Scale (VRS) yang berorientasi terhadap input. Pendekatan pengukuran DEA yang digunakan untuk mengukur tingkat efisiensi tersebut adalah pendekatan produksi. Hasil pengukuran dengan DEA akan dibandingkan dengan rasio keuangan Biaya Oprasional Pendapatan Operasional (BOPO). Hasil penelitian menunjukan bahwa terdapat perbedaan yang signifikan antara hasil perhitungan model CRS dengan model VRS, dimana VRS menghasilkan skor efisiensi yang lebih tinggi dibandingkan CRS. Secara keseluruhan hasil efisiensi dari cabang-cabang bank XYZ yang didapat tidak mencapai 50% cabang bank yang beroperasi secara efisien dari 60 cabang bank yang di amati. Hasil penelitian pun menyimpulkan bahwa model yang cenderung lebih relevan untuk digunakan mengukur tingkat efisiensi bank adalah model VRS. Untuk memastikan hasil pengukuran dengan metode DEA cukup mewakili keadaan yang sebenarnya pada cabang bank, dilakukan perbandingan dengan nilai BOPO yang dimiliki cabang bank tersebut, hasil yang didapat menyimpulkan bahwa model DEA dapat mewakili dengan keadaan yang sebenarnya cabang bank yang di amati.

---

Measuring the efficiency of a bank will never be separated from the measurement of the efficiency of bank branches owned. This study aimed to measure the efficiency of bank branches in Indonesia XYZ period 2009-2011 using the Data Envelopment Analysis (DEA) model Constant Return to Scale (CRS) and the model Variable Return to Scale (VRS), which is oriented towards input. DEA measurement approach used to measure the efficiency of the approach is the production. DEA measurement results will be compared with the financial ratio Operational Costs Operating Income (BOPO).

The results showed that there are significant differences between the results of model calculations model CRS and model VRS, which produces VRS efficiency score higher than CRS. Overall results of the efficiency of bank branches acquired XYZ does not reach 50% of the bank branch that operates efficiently than 60 branches bank in the observed.

The results of the study also concluded that the models tend to be more relevant to use to measure the efficiency of a bank is model VRS. To ensure measurement results with the method of DEA adequately represent the real situation at a bank branch, to compare with the value BOPO owned bank branches, the results concluded that DEA model can represent the real situation in the bank branch observed."

"Penelitian ini menganalisis efisiensi teknis bidang pendidikan di Indonesia tahun 2008 dengan menggunakan metode Data Envelopment Analysis (DEA) dan asumsi Variabel Return to Scale (VRS), menggunakan pendekatan intermediasi dan menggunakan minimasi input pada efisiensi teknis biaya serta maksimasi output pada efisiensi teknis sistem. Penelitian ini menggunakan variabel input alokasi pendidikan perkapita, variabel intermediate output : angka partisipasi murni, rasio guru/murid dan rasio kelas/murid, serta variabel output : angka melanjutkan dan 100 ? angka putus sekolah. Hasil penelitian menunjukkan bahwa rata-rata tingkat efisiensi biaya 22,43% dan efisiensi teknis 99,16% untuk semua jenjang sekolah serta peningkatan pendanaan tidak menjamin peningkatan kinerja sektor pendidikan.

---

This study analyze technical efficiency of education sector in Indonesia in 2008 by using Data Envelopment Analysis (DEA) method and Variable Return to Scale (VRS) assumption, using the input orientation for the cost efficiency analysis between input and intermediate output, and output orientation for the system efficiency analysis between intermediate output and output. This study use input variables : education allocation per capita, intermediate output variables :enrollment rate, teacher / student ratios and classrooms/students ratio and output variables: the number of student proceed to higher levels of schooling and 100 - dropout rates. The results showed that the average cost efficiency level of technical efficiency of 22,43% and 99,16% for all levels of schooling and increased funding does not guarantee the improvement of education sector performance."

"Pemasok atau kontraktor merupakan elemen pen:sng dalam rantai suplai (Supply Chain Management) suatu perusahaan. Pads saat suatu perusahaan meinutuskan untuk membeli barang atau jasa yang dibutuhkannya, maka perusahaan tersebut akan mulai berhubungan dan menciptakan ketergantungan dengan pemasok atau kontraktor yang bisa menyediakan barang atau jasa tersebut pads tingkat kualitas tertentu, waktu tertentu, dan harga yang kompetitif. Ketergantungan yang semakin kuat kepada pemasok, meningkatkan keinginan perusahaan untuk secara efektifinengelola pemasoknya. Setelah pemasok terpilih dan hubungan yang diikat dengan kontrak terbentuk, pemantauan dan pengukuran kinerja keseluruhan dari pemasok menjadi sangat panting. Evaluasi yang strategis dari kinerja pemasok akan membantu perusahaan meningkatkan kinerja operasinya melalui, pertama membantu proses pengembangan pemasok - yang kemudian tentu akan meningkatkan kinerja perusahaan, kedua memungkinkan alokasi yang optimal dari sumber daya untuk program pengembangan pemasok, dan ketiga membantu manajer daiam mciakukan restrukturisasi jaringan pemasok mereka berdasarkan kinerja.Penerapan metodologi Data Envelopment Analysis (DEA) dalam rangka mengevaluasi kinerja 11 (sebelas) pemasok di perusahaan eksplorasi minyak dan gas XYZ Indonesia menghasilkan 3 (tiga) pemasok efisien dan 8 (delapan) pemasok lainnya merupakan pemasok yang inef isien. Efisiensi pemasok diukur dari perbandingan antara 5 (lima) variabel input dan 1 (satu) variabel output. 5 (lima) variabel input tersebut adalah sistem manajemen kualitas, sistem manajamen keselamatan-kesehatan-lingkungan, aset, perputaran piutang, dan kemampuan teknis organisasi, sedangkan 1 (satu) variabel output adalah kinerja aktual dari kontrak. Pengklasifikasian lcbih lanjut dengan mengkombinasikan skor cfisiensi dengan skor kincrja menghasilkan 3 (tiga) pemasok dengan klasifikasi HE (High Performance-Efficient), 3 (tiga) pemasok dengan klasifikasi HI (High Performance-lnefcient) dan 5 (lima) pemasok dengan klasifikasi LI (Low Performance-Inefficient). Pengklasifikasian ini membantu manajemen perusahaan dalam menentukan strategi pengembangan pemasok yang sesuai untuk pemasok-pemasok dalam kategori yang sama.Potensi perbaikan yang disarankan untuk masing-masing aspek input dan output adalah scbagai berikut: Pemasok S I, S6, S7, S9, S I 1 dan S 10 secara terbatas dapat mengoptimalkan input sistem manajemen kualitas nya dan masih memenuhi standar minimum perusahaan. Pemasok S2, S8, S9 dan S11 dapat mengoptimalkan input sistem manajemen keselamatan-kesehatan-lingkungan nya dan masih memenuhi standar minimum perusahaan. Hampir seluruh pemasok inefisien (kecuali S11) dapat mengoptimalkan input aset, namun demikian rekomendasi penurunan aset yang sangat drastis (41%-96%) harus dianalisa dengan lebih detail dan dikaitkan dengan konteks pemasok efisien yang menjadi reference set, dampak terhadap operasi pemasok dan pelayanan kepada perusahaan. Hanya pemasok S lO yang masih dapat mengoptimalkan input perputaran piutang dan rekomendasi ini juga harus dianalisa lebih detail sepcrti halnya rekomendasi pada input aset. Seiring dengan model maksimasi output yang digunakan, seluruh pemasok dapat memaksimalkan outputnya dengan potensi perbaikan 10.I2% sampai dengan 37.36%.Analisa sensitivitas dan regresi pada rekomendasi DEA memberikan masukan bahwa pemasok S3 dan S5 merupakan pemasok yang benar-benar efisien sedangkan kemampuan teknis organisasi dan kinerja aktual berpengaruh secara signifikan pada efisiensi pemasok.Penerapan metodologi ini secara luas pada seluruh pemasok di perusahaan akan memberikan basil berupa pemasok yang benar-benar efisien untuk menjadi acuan bagi pemasok yang inefisien. Begitu pula evaluasi yang dilakukan terhadap pemasok akan menjadi sangat komprehensif dan dapat menjadi dasar dalam menentukan strategi pengembangan dan rasionalisasi pemasok.

---

Suppliers or contractors are critical element of company's supply chain management. When a company decides to purchase goods or services that are required for its operation, it will build a relationship and create a dependency with suppliers or contractors that are able to supply goods and services at a certain level of quality specific timing, and competitive price. A high dependency with suppliers raises company's need to effectively manage their suppliers. After the selection of suppliers and contractual relationship arc formalized, overall performance monitoring and measurement of suppliers become very crucial. Strategic evaluation of suppliers' performance will help company to boost its operation performance through, first helping supplier development process - that will ultimately improve company's performance, secondly allowing an optimum resources allocation in supplier development program, and finally assisting manager to restructure suppliers' network based on performance.The application of Data Envelopment Analysis (DEA) in evaluation of f I (eleven) suppliers of company XYZ Indonesia - an oil and gas exploration enterprise - produces 3 (three) efficient suppliers and 8 (eight) inefficient suppliers. Supplier efficiency is measured from the ratio of 5 (five) input variables and 1 (one) output variables. Those 5 (Five) input variables arc quality management system. Health safety environment management system, assets, receivables turnover, and organization capabilities. The output variable is actual performance of the contract.Further classification by combining efficiency scores and performance score generates 3 (three) suppliers classified as HE (High Performance-Efficient), 3 (three) suppliers as HI (High Performance-Inefficient) and 5 (five) suppliers as LI (Low Performance-inefficient). This classification helps company's management in developing strategy for suppliers' development specifically altered for each category.Potential improvement suggested for each input and output is as the following: Supplier S1, S6, S7, S9, SII and SIU, at certain limit, can optimize their quality management system but still meet company's minimum requirement. Supplier S2. S8, S9 and S11 can optimize their health safety environment management system but still meet company's minimum requirement. All inefficient suppliers, except SI i, can optimize their assets input. However significant decrease in assets (41 %96%) must be scrutinized for further analysis and applied with the same context of efficient supplier in respective reference set, impact to supplier operation and service level to company. Only supplier S10 can optimize its input of receivables turnover but this also must be scrutinized for further analysis. In line with output maximizing model that is used in this research, all suppliers can maximize their output with potential improvement from 10.12% to 37.36%.Sensitivity analysis and regression analysis to DEA recommendation respectively turns out that supplier S3 and S5 are genuinely efficient and organization capability and actual performance affects significantly supplier efficiency.The application of the methodology in all company's suppliers will generate a result of genuinely efficient(s) supplier as benchmark for inefficient suppliers. Therefore the supplier evaluation will be a very comprehensive process and becoming a good basis in supplier development and rationalization."