ANALISA KINERJA PROGRAM STUDI DENGAN MENGGUNAKAN DATA ENVELOPMENT ANALYSIS

Bilah Samping Artikel

PDF
Diterbitkan: Aug 16, 2022
Kata Kunci:
Data Envelopment Analysis, Decision Making Unit, Efisien

Isi Artikel Utama

Lili Suryati
a:1:{s:5:"id_ID";s:16:"Universitas IBBI";}

Abstrak

Setiap perguruan tinggi tentu berupaya untuk mencapai tujuan dan visi perguruan tinggi, maka untuk mencapai hal ini diperlukan upaya untuk mengevaluasi kinerja dari program studi. Salah satu metode untuk mengevaluasi kinerja ini adalah menggunakan Data Envelopment Analysis (DEA). DEA menggunakan pendekatan frontier non parametik, yaitu pendekatan yang tidak menetapkan syarat tertentu pada parameter populasi sampel penelitian. DEA adalah teknik berbasis pemrograman linear untuk mengevaluasi efisiensi relatif dari unit pengambilan keputusan, dengan cara membandingkan antara Decision Making Unit (DMU) satu dengan DMU lain yang memanfaatkan sumber daya yang sama untuk menghasilkan output yang sama. Di dalam penelitian ini yang menjadi DMU adalah program studi. Adapun input untuk masing-masing DMU adalah jumlah dosen tetap dan jumlah mahasiswa aktif. Output untuk masing-masing DMU adalah IPK rata-rata dan jumlah penelitian dosen. Adapun melalui analisis dengan DEA ini diharapkan dapat mengetahui program studi yang efisien dan tidak efisien. Hasil penelitian menunjukkan bahwa DEA dapat melakukan benchmarking dan sekaligus memberikan rekomendasi nilai input yang perlu diturunkan dan nilai output yang perlu ditambah bagi DMU yang tidak efisien.

Rincian Artikel

Cara Mengutip
[1]
L. Suryati, “ANALISA KINERJA PROGRAM STUDI DENGAN MENGGUNAKAN DATA ENVELOPMENT ANALYSIS”, JTM, vol. 11, no. 1, hlm. 48–54, Agu 2022.
Terbitan
Vol 11 No 1 (2022): Jurnal TIMES
Bagian
Articles
Copyright (c) STMIK TIME

Referensi

M. J. Farrell, “The Measurement of Productive Efficiency,” Journal of the Royal Statistical Society. Series A (General), vol. 120, no. 3, pp. 253–290, 1957, doi: 10.2307/2343100.

A. Charnes, W. W. Cooper, and E. Rhodes, “Measuring the efficiency of decision-making units,” European Journal of Operational Research, vol. 3, no. 4, p. 339, Jul. 1979, doi: 10.1016/0377-2217(79)90229-7.

L. F. Israwan, B. Surarso, and F. Frikhin, “Implementasi Model CCR Data Envelopment Analysis (DEA) Pada Pengukuran Efisiensi Keuangan Daerah,” JSINBIS (Jurnal Sistem Informasi Bisnis), vol. 6, no. 1, pp. 76–83, May 2016, doi: 10.21456/vol6iss1pp76-83.

W. Młynarski, A. Prędki, and A. Kaliszewski, “Efficiency and factors influencing it in forest districts in southern Poland: Application of Data Envelopment Analysis,” Forest Policy and Economics, vol. 130, p. 102530, Sep. 2021, doi: 10.1016/j.forpol.2021.102530.

V. S. Özsoy and H. H. Örkcü, “Structural and operational management of Turkish airports: a bootstrap data envelopment analysis of efficiency,” Utilities Policy, vol. 69, p. 101180, Apr. 2021, doi: 10.1016/j.jup.2021.101180.

R. D. Banker, A. Charnes, and W. W. Cooper, “Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis,” Manage. Sci., vol. 30, no. 9, pp. 1078–1092, Sep. 1984, doi: 10.1287/mnsc.30.9.1078.

S. Bray, L. Caggiani, and M. Ottomanelli, “Measuring Transport Systems Efficiency Under Uncertainty by Fuzzy Sets Theory Based Data Envelopment Analysis: Theoretical and Practical Comparison with Traditional DEA Model,” Transportation Research Procedia, vol. 5, pp. 186–200, Jan. 2015, doi: 10.1016/j.trpro.2015.01.005.

D. J. Cova-Alonso, J. J. Díaz-Hernández, and E. Martínez-Budría, “A strong efficiency measure for CCR/BCC models,” European Journal of Operational Research, vol. 291, no. 1, pp. 284–295, May 2021, doi: 10.1016/j.ejor.2020.09.006.

A. Labijak-Kowalska and M. Kadziński, “Experimental comparison of results provided by ranking methods in Data Envelopment Analysis,” Expert Systems with Applications, vol. 173, p. 114739, Jul. 2021, doi: 10.1016/j.eswa.2021.114739.

J. Wang and A. Wang, “Data envelope analysis on capital allocation efficiency using hybrid fuzzy method,” Computers & Electrical Engineering, vol. 71, pp. 206–211, Oct. 2018, doi: 10.1016/j.compeleceng.2018.07.050.

G. Cossani, L. Codoceo, H. Cáceres, and J. Tabilo, “Technical efficiency in Chile’s higher education system: A comparison of rankings and accreditation,” Evaluation and Program Planning, vol. 92, p. 102058, Jun. 2022, doi: 10.1016/j.evalprogplan.2022.102058.

M. Rayeni and F. Hosseinzadeh Saljooghi, “Benchmarking in the Academic Departments using Data Envelopment Analysis,” American Journal of Applied Sciences, vol. 7, pp. 1464–1469, Jan. 2010, doi: 10.3844/ajassp.2010.1464.1469.

I. Syamsu, Efisiensi, Sistem dan Prosedur Kerja. Jakarta: Bumi Aksara, 2007.

M. Lockheed, E. Hanushek, and H. Policy, “Concepts of educational efficiency and effectiveness,” http://lst-iiep.iiep-unesco.org/cgi-bin/wwwi32.exe/[in=epidoc1.in]/?t2000=006905/(100), Jan. 1994.

Y. Ding, Z. Zhang, Q. Zhang, W. Lv, Z. Yang, and N. Zhu, “Benchmark analysis of electricity consumption for complex campus buildings in China,” Applied Thermal Engineering, vol. 131, pp. 428–436, Feb. 2018, doi: 10.1016/j.applthermaleng.2017.12.024.

D. P. Claro and W. A. Kamakura, “Identifying Sales Performance Gaps with Internal Benchmarking,” Journal of Retailing, vol. 93, no. 4, pp. 401–419, Dec. 2017, doi: 10.1016/j.jretai.2017.08.001.

J. Friginal, M. Martínez, D. de Andrés, and J.-C. Ruiz, “Multi-criteria analysis of measures in benchmarking: Dependability benchmarking as a case study,” Journal of Systems and Software, vol. 111, pp. 105–118, Jan. 2016, doi: 10.1016/j.jss.2015.08.052.

S. M. Miller and A. G. Noulas, “The technical efficiency of large bank production,” Journal of Banking & Finance, vol. 20, no. 3, pp. 495–509, Apr. 1996, doi: 10.1016/0378-4266(95)00017-8.