ANALISIS PENGARUH KARAKTERISTIK RUMAH TANGGA TERHADAP PELUANG PERMINTAAN KREDIT SEPEDA MOTOR
OLEH MOCHAMAD GIRI AKBAR H14103098
DEPERTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2007
RINGKASAN
MOCHAMAD GIRI AKBAR. Analisis Pengaruh Karakteristik Rumah Tangga Terhadap Peluang Permintaan Kredit Sepeda Motor (dibimbing oleh HERMANTO SIREGAR). Stabilnya tingkat inflasi, meningkatkan keinginan sektor perbankan dalam menyalurkan kredit, mengingat fungsi perbankan adalah sebagai lembaga intermediasi keuangan. Bank Indonesia menurunkan tingkat suku bunga acuan (BI rate) dalam beberapa bulan terakhir secara gradual. Penurunan BI rate akan diikuti dengan penurunan suku bunga kredit, baik kredit investasi, modal kerja, dan konsumsi. Rumah tangga sebagai konsumen pada dasarnya mengikuti suatu hipotesis yang menyatakan bahwa perilaku rumah tangga/konsumen akan berupaya memaksimumkan tingkat kepuasannya (utility) dengan dihadapkan pada kendala anggaran antar waktu yang dihadapinya. Sehingga rumah tangga sebagai konsumen akan mengupayakan kredit sebagai pilihan untuk memaksimumkan kepuasan. Fenomena yang terjadi saat ini adalah kemudahan bagi rumah tangga untuk membeli sepeda motor dengan jalur kredit. Tujuan dari penelitian ini adalah Menganalisis karakteristik rumah tangga dan menjabarkan secara tabulasi silang (crosstabs) karakteristik tersebut dengan permintaan kredit sepeda motor. Selain itu penelitian ini memiliki tujuan menganalisis karakteristik rumah tangga mempengaruhi peluang permintaan kredit sepeda motor. Data yang digunakan untuk penelitian ini adalah data primer dan data sekunder. Data primer diperoleh dengan menyebarkan kuisioner pertanyaan terbuka (open question). Kuisioner dibagikan langsung kepada 50 pemilik sepeda motor yang berada di Kota dan Kabupaten Bogor. Metode pengambilan contoh data primer untuk penelitian ini menggunakan metode pengambilan contoh kuota (quota sampling) yang termasuk non probability sampling. Dalam hal ini, peneliti mengklasifikasikan populasi berdasarkan kriteria-kriteria tertentu, menentukan proporsi masing-masing kelas, lalu menetapkan kuota untuk masing-masing interviewer. Dalam penelitian ini jumlah contoh yang diambil sebanyak 50 pemilik sepeda motor. Penyekatan populasi berdasarkan dealer sepeda motor, sebanyak lima dealer. Untuk mengestimasi tingkat permintaan kredit sepeda motor rumah tangga dengan model yang digunakan adalah model probit, dengan metode estimasi maximum likelihood. Memisahkan apakah rumah tangga yang dijadikan contoh tersebut membeli sepeda motor secara kredit atau tunai. Model probit yang akan digunakan memberikan nilai satu (1) jika sepeda motor untuk kredit atau nilai nol (0) tunai. Pengolahan data untuk penelitian ini menggunakan perangkat lunak SPSS 11.5 dan Eviews 4.1. Perangkat lunak Eviews 4.1 digunakan dalam mengolah data untuk mengestimasi permintaan kredit sepeda motor dengan karakteristik rumah tangga. Perangkat lunak SPSS 11.5 digunakan untuk analisis deskriptif karakteristik rumah tangga dan tabulasi silang (crosstab) karakteristik tersebut dengan permintaan kredit sepeda motor. Variabel bebasnya merupakan karakteristik rumah tangga terdiri dari pendapatan (X1), lama bekerja (X2), konsumsi rutin rata-rata (X3), tabungan ratarata (X4), konsumsi tidak rutin rata-rata (X5), umur (X6), pendidikan (X7), jumlah anggota keluarga (X8), jumlah anggota keluarga bekerja (X9), dummy pekerjaan
(DX10), dummy pekerjaan sampingan (DX11), dummy jenis kelamin (DX12), dummy tempat tinggal (DX13), dan dummy pasangan bekerja (DX14). Karakteristik rumah tangga yang berpengaruh secara nyata terhadap permintaan kredit sepeda motor adalah pendapatan, lama bekerja, konsumsi ratarata, tabungan rata-rata, pendidikan, dummy pekerjaan, dummy jenis kelamin, dan dummy pasangan yang bekerja. Pengaruh yang diberikan dari karakteristik rumah tangga terhadap permintaan kredit sepeda motor, bertanda positif untuk pendapatan dan pendidikan, dan karakteristik yang lain bertanda negatif. Tanda yang ditunjukan oleh nilai koefisien yang signifikan akan meningkatkan atau menurunkan peluang rumah tangga dalam permintaan kredit sepeda motor.
ANALISIS PENGARUH KARAKTERISTIK RUMAH TANGGA TERHADAP PELUANG PERMINTAAN KREDIT SEPEDA MOTOR
Oleh MOCHAMAD GIRI AKBAR H14103098
Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi
DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2007
INSTITUT PERTANIAN BOGOR FAKULTAS EKONOMI DAN MANAJEMEN DEPARTEMEN ILMU EKONOMI
Dengan ini menyatakan bahwa skripsi yang disusun oleh, Nama Mahasiswa
: Mochamad Giri Akbar
Nomor Registrasi Pokok
: H14103098
Program Studi
: Ilmu Ekonomi
Judul Skripsi
: Analisis
Pengaruh
Karakteristik
Rumah
Tangga Terhadap Peluang Permintaan Kredit Sepeda Motor dapat diterima sebagai syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.
Menyetujui, Dosen Pembimbing
Dr. Ir. Hermanto Siregar, M.Ec NIP. 131 803 656
Mengetahui, Ketua Departemen Ilmu Ekonomi
Dr. Ir. Rina Oktaviani, MS. NIP. 131 846 872 Tanggal Kelulusan :
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI ADALAH BENAR-BENAR HASIL KARYA SAYA SENDIRI YANG BELUM PERNAH DIGUNAKAN
SEBAGAI
SKRIPSI
ATAU
KARYA
ILMIAH
PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.
Bogor, Mei 2007
Mochamad Giri Akbar H14103098
PADA
RIWAYAT HIDUP
Mochamad Giri Akbar. Dilahirkan di Bogor pada hari Senin tanggal 21 Oktober 1985 dari pasangan Bapak Ibrohim Sudin dan Ibu Dinar Mariam. Penulis merupakan putra ketiga dari tiga bersaudara. Penulis menjalani kehidupan yang bahagia dari kecil sampai dewasa di kota kelahirannya, Kota Bogor, Jawa Barat. Penulis menjalani pendidikan di bangku sekolah dasar dari tahun 1991 sampai dengan tahun 1997 di SDN Panaragan 2 Bogor. Selanjutnya meneruskan ke pendidikan lanjutan tingkat pertama dari tahun 1997 sampai tahun 2000 di SLTPN 1 Bogor. Setelah itu, penulis melanjutkan pendidikan menengah umum di SMUN 5 Bogor dan lulus pada tahun 2003. Pada tahun 2003 penulis diterima sebagai mahasiswa Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB (USMI) dan terdaftar sebagai mahasiswa Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen (FEM). Selama mengikuti pendidikan di bangku kuliah, penulis aktif sebagai asisten dosen Mata Kuliah Ekonomi Umum (2006-2007) serta terlibat sebagai pengurus dalam organisasi kemahasiswaan, yaitu Himpunan Profesi dan Peminat Ilmu Ekonomi dan Studi Pembangunan (HIPOTESA) pada tahun 2004 hingga 2005. Penulis aktif dalam berbagai kepanitiaan baik untuk tingkat departemen maupun institusi. Penulis juga pernah dalam studinya sebagai penerima beasisiwa BBM (2005), PPA (2006-2007), dan Dharma Wanita Departemen Kehutanan (2006).
KATA PENGANTAR
Assalamu’alaikum Wr. Wb. Segala puji hanya untuk Allah SWT, pencipta dan pemelihara alam semesta beserta isinya. Berkat rahmat dan karunia-Nya penulis mendapat kemudahan dan kemampuan dalam setiap langkah penyusunan skripsi ini. Shalawat dan salam semoga senatiasa tercurah kepada Qudwah Hasanah kita, Rasulullah Saw, yang telah mengajarkan al-Islam sebagai jalan hidup sehingga membawa keselamatan bagi umat manusia sejagad raya. Skripsi ini disusun sebagai salah satu syarat untuk mendapatkan gelar Sarjana Ekonomi pada Departemen Ilmu Ekonomi, Fakultas Ekonomi Manajemen IPB. Adapun judul skripsi ini adalah Analisis Pengaruh Karakteristik Rumah Tangga Terhadap Peluang Permintaan Kredit Sepeda Motor. Penulis mengucapkan terima kasih kepada berbagai pihak yang telah memberikan bantuan, perhatian, dan dorongan semangat sehingga penulis dapat menyelesaikan skripsi ini dengan baik. Untuk itu, ucapan terima kasih dan penghargaan penulis sampaikan kepada: 1. Bapak Dr. Ir. Hermanto Siregar, M.Ec selaku dosen pembimbing skripsi yang telah memberikan ilmu dan membimbing penulis dengan sabar dalam proses penyusunan skripsi ini sehingga dapat diselesaikan dengan baik. 2. Bapak Dr. Noer Azam Achsani dan Ibu Tanti Novianti, M.Si selaku dosen penguji utama dan komisi pendidikan, yang telah memberi saran-saran dan ilmu yang bermanfaat. 3. Dosen, staf penunjang dan seluruh civitas Departemen Ilmu Ekonomi atas ilmu dan bantuan yang diberikan. 4. Kedua orang tua penulis yaitu Bapak Ibrohim Sudin dan Ibunda Dinar Mariam atas doa, dukungan, dan perjuangan yang telah dicurahkan. Untuk Ka Galih, Ka Gina, dan Ka Rina atas dukungan, semangat, dan perhatian
yang diberikan. Keluarga besar penulis yang memberikan perhatian dan semangat. Terima kasih juga kepada Diah Permata Rinaldi sekeluarga atas doa dan perhatian yang diberikan. Kepada Dr. Ir. Ardi Novra, MP atas masukan yang sangat berharga. 5. Kepada pimpinan dealer sepeda motor yang telah memberikan kesempatan kepada penulis untuk menjadikan tempat pengumpulan data. 6. Teman-teman seperjuangan Aga, Anna, Nur, Rico. Kepada teman-teman yang mewarnai hari selama kuliah Bery, Mimi, AO, Wiwit, Lea, Beby, Abang, Heni, Ratih, Kiki, Wawan, Adji, Heri, Rio, Elly, Weni, Bobi, Iwa, Regency Team, Wirda dan seluruh teman-teman angkatan 40 dan 41 Ilmu Ekonomi dan seluruh pihak yang telah membantu penulis. Penulis menyadari bahwa dalam menyusun skripsi ini masih banyak kekurangan. Dengan kerendahan hati, penulis meminta maaf dan mengharapkan kritik dan saran yang membangun bagi perbaikan penulis. Semoga hasil dari skripsi ini dapat memberikan manfaat bagi penulis maupun semua pihak yang membutuhkan. Wassalamu’alaikum Wr.Wb.
Bogor, Mei 2007
Mochamad Giri Akbar H14103098
viii
DAFTAR ISI
Halaman DAFTAR TABEL............................................................................................... x DAFTAR GAMBAR ......................................................................................... xi DAFTAR LAMPIRAN ...................................................................................... xii I. PENDAHULUAN ........................................................................................ 1 1.1 Latar Belakang .................................................................................... 1 1.2 Perumusan Masalah ............................................................................ 4 1.3 Tujuan ................................................................................................. 7 1.4 Manfaat ............................................................................................... 7 II. TINJAUAN PUSTAKA DAN KERANGKA PIKIRAN .............................. 8 2.1 Kebijakan Moneter .............................................................................. 8 2.2 Bank dan Perusahaan Pembiayaan ...................................................... 10 2.3 Pengertian Kredit ................................................................................ 12 2.4 Maksimisasi Kepuasan ........................................................................ 14 2.5 Model Probit ....................................................................................... 17 2.6 Penawaran dan Permintaan Kredit ....................................................... 20 2.7 Siklus Perkreditan .............................................................................. 24 2.8 Resiko Kredit ...................................................................................... 25 2.9 Penelitian Terdahulu ........................................................................... 26 2.10 Kerangka Pemikiran ............................................................................ 30 III. METODE PENELITIAN ............................................................................. 32 3.1 Jenis dan Sumber Data ........................................................................ 32 3.2 Metode Pengambilan Contoh .............................................................. 33 3.3 Metode Estimasi Data ......................................................................... 33 3.4 Metode Pengolahan Data .................................................................... 34 3.5 Model Probit yang Digunakan dalam Penelitian ................................ 34 3.5.1 Pendugaan Parameter Model Probit ........................................... 40
ix 3.5.2 Daya Ramal Model Dugaan ....................................................... 41 3.5.3 Uji Kebaikan Model ................................................................... 42 IV. HASIL DAN PEMBAHASAN ................................................................... 44 4.1
Karakteristik Rumah Tangga .............................................................. 44
4.2 Hubungan Silang Karakteristik Rumah dengan Permintaan Kredit Sepeda Motor ........................................................................... 50 4.3 Karakteristik Rumah Tangga yang Mempengaruhi Permintaan Kredit Sepeda Motor ............................................................................ 55 4.4 Implikasi Kebijakan ............................................................................ 67 V. KESIMPULAN DAN SARAN .................................................................... 69 5.1 Kesimpulan ......................................................................................... 69 5.2 Saran .................................................................................................... 70 DAFTAR PUSTAKA ......................................................................................... 72 LAMPIRAN ....................................................................................................... 74
x DAFTAR TABEL
Nomor
Halaman
1
Sumber Pendanaan Perusahaan Pembiayaan ............................................ 11
2
Variabel-Variabel Kredit Konsumsi Rumah Tangga ................................ 23
3
Penyelesaian Masalah Adverse Selection dan Moral Hazard untuk Pinjaman ......................................................................................... 26
4
Deskripsi Rata-rata (Mean), Standar Deviasi, Nilai Terkecil (Minimum) dan Nilai Terbesar (Maximum) ................................................................. 50
5
Analisis Croostabs Pembelian Sepeda Motor dengan Pekerjaan ............. 51
6
Analisis Crosstabs Pembelian Sepeda Motor dengan Pendapatan ............ 51
7
Analisis Crosstabs Pembelian Sepeda Motor dengan Umur .................... 52
8
Analisis Crosstabs Pembelian Sepeda Motor dengan Konsumsi Rutin Rata-rata ......................................................................... 52
9
Analisis Crosstabs Pembelian Sepeda Motor dengan Tabungan Rata-rata 53
10
Analisis Crosstabs Pembelian Sepeda Motor dengan Lama Bekerja ....... 53
11
Analisis Crosstabs Pembelian Sepeda Motor dengan Pendidikan ............ 54
12
Analisis Crosstabs Pembelian Sepeda Motor dengan Jumlah Anggota Keluarga ..................................................................................... 54
13
Hasil Model Probit Pertama ....................................................................... 57
14
Model Probit Alternatif (Berdasarkan Angka Probabilitas) ...................... 58
15
Hasil Model Probit Keenam (Terakhir) ..................................................... 59
16
Prediksi Permintaan Kredit Sepeda Motor................................................. 63
17
Nilai Variabel dan Koefisien Model Probit Terakhir................................. 66
xi DAFTAR GAMBAR
Nomor
Halaman
1
Permintaan Kredit Baru Menurut Jenis Penggunaan di Indonesia Periode Triwulan 1 2004- Triwulan 4 2006............................................... 2
2
Keseimbangan Tingkat Kepuasan ............................................................. 16
3
Keseimbangan Penawaran dan Permintaaan Kredit ................................. 21
4
Kerangka Pemikiran .................................................................................. 31
5
Persentase Rumah Tangga dalam Permintaan Kredit Sepeda Motor Berdasarkan Pekerjaan .............................................................................. 45
6
Persentase Rumah Tangga dalam Permintaan Kredit Sepeda Motor Berdasarkan Pendapatan Rumah Tangga dan Umur ................................. 46
7
Persentase Rumah Tangga dalam Permintaan Kredit Sepeda Motor Berdasarkan Konsumsi Rata-rata Perbulan dan Tabungan Rata-rata Perbulan ................................................................................................... 47
8
Persentase Rumah Tangga dalam Permintaan Kredit Sepeda Motor Berdasarkan Konsumsi Lain Rata-Rata Perbulan dan Pendidikan ........... 49
9
Perkembangan Penyaluran Kredit Total dan Kredit Konsumsi di Kabupaten dan Kota Bogor Periode 2000-Juni 2005 ............................ 64
xii DAFTAR LAMPIRAN
Nomor
Halaman
1
Data Pengkodean Rekapan Kuisioner ....................................................... 74
2
Data Kredit Total dan Kredit Konsumsi di Kabupaten dan Kota Bogor (Juta, Rp).................................................................................75
3
Output Case Processing Summary SPSS 11.5........................................... 75
4
Output Crosstabs Pembelian dan Jenis Kelamin SPSS 11.5 .................... 75
5
Output Crosstabs Pembelian dan Pasangan Bekerja SPSS 11.5 .............. 76
6.
Output Crosstabs Pembelian dan Pendapatan Sampingan SPSS 11.5 ..... 76
7.
Output Crosstabs Pembelian dan Jumlah Anggota Keluarga Bekerja SPSS 11.5 ..................................................................... 76
8.
Output Crosstabs Pembelian dan Konsumsi Tidak Rutin Rata-rata SPSS 11.5 ................................................................................. 76
9.
Output Crosstabs Pembelian dan Pendapatan SPSS 11.5.......................... 76
10.
Output Crosstabs Pembelian dan Lama Bekerja SPSS 11.5 .................... 76
11.
Output Crosstabs Pembelian dan Konsumsi Rutin Rata-rata SPSS 11.5 77
12.
Output Crosstabs Pembelian dan Tabungan Rata-rata SPSS 11.5 ........... 77
13.
Output Crosstabs Pembelian dan Umur SPSS 11.5 ................................. 77
14.
Output Crosstabs Pembelian dan Tempat Tinggal SPSS 11.5 ................. 77
15.
Output Crosstabs Pembelian dan Pendidikan SPSS 11.5 ......................... 77
16.
Output Crosstabs Pembelian dan Jumlah Anggota Keluarga SPSS 11.5 77
17.
Output Model Probit Kesatu Eviews 4.1 ................................................... 78
18.
Output Model Probit Kedua Eviews 4.1 ................................................... 78
19.
Output Model Probit Ketiga Eviews 4.1 ................................................... 79
20.
Output Model Probit Keempat Eviews 4.1 ............................................... 79
21.
Output Model Probit Kelima Eviews 4.1 .................................................. 80
22.
Output Model Probit Keenam Eviews 4.1 ................................................ 81
23.
Output Expectation Prediction Table Eviews 4.1 ..................................... 82
24.
Output Actual, Fitted, Residual Table Eviews 4.1 .................................... 83
. PENDAHULUAN
1.1. Latar Belakang Perkembangan kondisi makroekonomi Indonesia cendrung mengalami perbaikan. Stabilnya tingkat inflasi meningkatkan keinginan sektor perbankan dalam menyalurkan kredit, mengingat fungsi perbankan adalah sebagai lembaga intermediasi keuangan. Kondisi makroekonomi negara yang membaik harus memperhatikan kondisi mikroekonomi, seperti bagaimana kredit itu disalurkan ke bidang yang produktif sehingga kondisi makroekonomi dapat terjaga. Sisi mikroekonomi dapat dilihat perkembangan dari sektor industri kendaraan bermotor, saat ini Indonesia bukan hanya diklasifikasikan sebagai negara konsumen saja tetapi telah menjadi negara produsen kendaraan bermotor. Stabilnya tingkat inflasi telah membuat Bank Indonesia menurunkan tingkat suku bunga acuan (BI rate) dalam beberapa bulan terakhir secara gradual. Menurunnya tingkat inflasi yang sempat berada di level 17,11 persen (YoY) pada Desember 2005 setelah terjadi guncangan dimana pemerintah meningkatkan harga Bahan Bakar Minyak (BBM) pada bulan Oktober di tahun yang sama, sementara itu pada bulan Desember 2006 angka inflasi sudah berada di 6,6 persen (YoY). Sementara itu, hingga bulan Januari 2007 BI rate telah mencapai single digit yaitu sebesar 9,75 persen. Angka tersebut diharapkan akan turun hingga 8 persen pada akhir 2007 nanti. Hal tersebut sesuai dengan keinginan para pelaku pasar agar
sektor riil dapat berkembang agar mendapatkan suku bunga pinjaman yang rendah dari lembaga keuangan. Penurunan BI rate bukan hanya akan memacu perkembangan sektor riil, namun dengan penurunan suku bunga pinjaman juga akan diikuti dengan penurunan suku bunga kredit, baik kredit investasi, modal kerja, dan konsumsi. Pada periode ketiga tahun 2006, Survei Kredit Perbankan Bank Indonesia periode ketiga tahun 2006, tercatat persetujuan kredit baru mengalami peningkatan dari periode sebelumnya. Permintaan kredit baru yang relatif kecil dari 54,4 persen menjadi 54,0 persen dibanding periode sebelumnya. Dari peningkatan tersebut, kredit konsumsi meningkat sebesar 17,8 persen dan kredit modal kerja sebesar 77,8 persen. Dari peningkatan permintaan kredit konsumsi tersebut, 25 persen merupakan permintaan kredit kendaraan bermotor dan sisanya permintaan kredit properti/perumahan, kartu kredit, dan lainnya (Bank Indonesia, 2006).
(periode)
Sumber : Bank Indonesia (2006)
Gambar 1. Permintaan Kredit Baru Menurut Jenis Penggunaan di Indonesia Periode Triwulan 1 2004- Triwulan 4 2006
Gambar 1 menggambarkan bahwa kredit permintaan konsumsi mengalami fluktuasi dari periode kuartal satu 2004 hingga kuartal tiga 2006. Permintaan kredit konsumsi yang berasal dari sepeda motor juga mengalami fluktuasi, dimana kredit konsumsi sebagian besar terdiri dari kredit kendaraan bermotor dan properti atau perumahaan. Permintaan kredit baru triwulan keempat tahun 2005, kredit konsumsi mencapai 26,2 persen yang sebagian besar berupa kredit kendaraan bermotor sebesar 42,2 persen, kredit properti/perumahan sebesar 39,4 persen, sisanya merupakan kredit lain. Gambar 1 juga memperlihatkan bahwa kredit konsumsi selalu berada di posisi kedua setelah kredit modal kerja. Hal itu memperlihatkan bahwa penurunan BI Rate pinjaman juga direspon oleh kredit konsumsi. Hadad, Santoso, dan Alisjabana (2004) telah melakukan penelitian mengenai model dan estimasi kredit konsumsi rumah tangga di Indonesia, dengan menggunakan
model
empiris
untuk
estimasinya
berupa
three-equatian
generalized Tobit dan data yang digunakan bersumber dari Survei Khusus Tabungan dan Investasi Rumah Tangga (SKTIR) tahun 2003 dari Badan Pusat Statistik dengan jumlah contoh sebanyak 3600 rumah tangga. Penelitian telah banyak dilakukan mengenai kredit konsumsi ini di negara maju dan berkembang. Penelitian ini memusatkan perhatian pada kredit kendaraan bermotor khususnya sepeda motor, dengan melihat bahwa peningkatan kredit konsumsi kendaraan bermotor juga disumbangkan oleh kredit sepeda motor. Karena padatnya jalan raya saat ini oleh sepeda motor dan mudahnya pembelian sepeda motor dengan jalur kredit.
1.2. Perumusan Masalah Rumah tangga sebagai konsumen pada dasarnya mengikuti suatu hipotesis yang menyatakan bahwa perilaku rumah tangga/konsumen akan berupaya memaksimumkan tingkat kepuasannya (utility) dengan dihadapkan pada kendala anggaran antar waktu yang dihadapinya (Hadad et al., 2004). Rumah tangga sebagai
konsumen
akan
mengupayakan
kredit
sebagai
pilihan
untuk
memaksimumkan kepuasan. Begitu pula dengan rumah tangga yang mengalami kendala anggaran yang tercermin dari tingkat pendapatannya, menginginkan sepeda motor dan rumah tangga tersebut dapat melalui jalur kredit untuk memilikinya, hipotesis ini dikenal dengan life cycle-permanent income hypothesis (LCPIH). Hayashi (1982) menyatakan bila postulat mengenai life cycle-permanent income hypothesis benar, akan membuat ketidakefektifan stabilitas kebijakan makroekonomi seperti pemotongan pajak yang temporal. Fenomena yang terjadi saat ini adalah kemudahan bagi rumah tangga untuk membeli sepeda motor dengan jalur kredit. Hal itu dapat dilihat dengan padatnya jalan raya oleh sepeda motor dan iklan-iklan dealer penjualan sepeda motor yang memberikan kemudahan pembelian melalui jalur kredit dengan syarat yang sederhana. Asosiasi Industri Sepeda Motor Indonesia (2005) mencatat tingkat penjualan sepeda motor terus meningkat tahun 1999 sebesar 687.050 unit meningkat mencapai 2.466.457 unit pada periode Januari-Juni 2005. Pembelian sepeda motor tersebut sebanyak 70 persen melalui jalur kredit (Dewi, 2005). Penelitian dengan cakupan besar yaitu kredit untuk pemilikan rumah, pembiayaan konsumen, dan kartu kredit sudah banyak dilakukan. Penelitian ini
ingin meneliti pada cakupan yang lebih sempit yaitu hanya pada kredit konsumsi untuk sepeda motor. Penyaluran kredit konsumsi sepeda motor atau kredit sepeda motor dilakukan oleh beberapa lembaga keuangan seperti bank dan perusahaan pembiayaan (multifinance). Beberapa perusahaan pembiayaan memperoleh dana yang digunakan untuk membiayai likuiditasnya dari bank, pinjaman ini berupa kredit konsumsi bank untuk disalurkan kembali kepada rumah tangga. Hal ini membuat kredit konsumsi ini menjadi lahan usaha bagi perusahaan pembiayaan untuk menyalurkan dana yang telah diperoleh kepada rumah tangga, untuk menghasilkan profit. Perusahaan
pembiayaan
menjadikan
alasan
keuntungan
sehingga
memberikan pintu kemudahan bagi rumah tangga untuk mendapatkan sepeda motor melalui jalur kredit. Persaingan usaha juga memberikan peluang untuk memberi kemudahan penyaluran kredit. Sebab, dana yang diperoleh perusahaan pembiyaan merupakan dana pinjaman dari bank yang juga dikenakan bunga, sebagai opportunity cost dari dana yang dipinjamkan. Miranti (2004) menyatakan bahwa tingginya permintaan sepeda motor di Indonesia dipacu oleh perusahaan pembiayaan yang mengucurkan dananya untuk pembiayaan pembelian sepeda motor. Menurutnya, diperkirakan sekitar 30 bank (pemerintah maupun swasta) dan sekitar 121 perusahaan pembiayaan yang mengalokasikan sebagian dananya untuk pembiayaan sepeda motor. Pembelian sepeda motor yang didominasi oleh masyarakat menengah ke bawah masih meningkat, khususnya yang dibiayai oleh kredit. Hal tersebut
merujuk pada LPCIH, bahwa rumah tangga akan memaksimumkan kepuasan dengan kendala anggaran yang dihadapinya. Kendala yang ditutupi dengan kredit ini akan memberatkan rumah tangga, yang pada akhirnya akan membuat rumah tangga tidak mampu membayar angsuran kredit kepada perusahaan pembiayaan ataupun bank. Jika itu terus terjadi, maka akan menimbulkan masalah dalam kredit yang dikenal dengan adverse selection dan moral hazard. Kemudian akan meningkatkan nonperforming loan (NPL) dari perusahaan pembiayaan dan bank yang memberikan pinjaman. Oleh karena itu, perlu diketahui karakteristik rumah tangga yang meminta kredit sepeda motor dan juga faktor-faktor yang mempengaruhi peluang permintaan kredit sepeda motor dalam level mikro (rumah tangga) tersebut. Hal ini bertujuan agar penyaluran kredit tidak menjadi masalah di kemudian hari, sehingga dapat mewujudkan suatu mekanisme panyaluran kredit yang aman, menguntungkan, dan berprinsip kehati-hatian (prudent). Penelitian mengenai kredit konsumsi rumah tangga telah dilakukan di negara-negara lain, namun tidak spesifik kepada salah salah satu jenis kredit konsumsi dan data yang digunakan oleh negara lain biasanya berupa data Survey of Consumer Finance (SCF). Namun, Indonesia tidak memiliki data mengenai SCF, sehingga Hadad et al. (2004) mengunakan data SKTIR 2003 dari BPS. Penelitian ini menggunakan data primer, dengan responden sebagai wakil rumah tangga dalam penelitian.
1.3. Tujuan Tujuan penulisan dari penelitian ini adalah sebagai berikut : 1. Menganalisis karakteristik rumah tangga dan menjabarkan secara tabulasi silang (crosstabs) karakteristik tersebut dengan permintaan kredit sepeda motor. 2. Menganalisis karakteristik rumah tangga yang mempengaruhi peluang permintaan kredit sepeda motor.
1.4. Manfaat Maksud akhir dari penelitian tentang analisis pengaruh karakteristik rumah tangga terhadap peluang permintaan kredit sepeda motor diharapkan dapat bermanfaat bagi pihak-pihak yang terkait dengan permasalahan yang diteliti ini. Secara ringkas, manfaat yang harapkan dapat diperoleh dari penelitian ini adalah sebagai berikut : 1. Hasil penelitian ini dapat bermanfaat bagi pembuat kebijakan tentang pemberian kredit konsumsi khususnya sepeda motor, agar tidak menjadi masalah besar yang akan semakin memberatkan perekonomian Indonesia. 2. Hasil penelitian ini dapat bermanfaat bagi saya pada khususnya dan mahasiswa Departemen Ilmu Ekonomi pada umumnya, dalam memahami permintaan kredit konsumsi khususnya kredit sepeda motor. 3. Sebagai referensi untuk penelitian yang lebih lanjut.
II. TINJAUAN PUSTAKA DAN KERANGKA PEMIKIRAN
2.1. Kebijakan Moneter Bank Indonesia (BI), sebagai bank sentral yang memiliki otoritas penuh atas pengambilan keputusan mengenai moneter memiliki beberapa piranti moneter, berdasarkan Pasal 10 Undang-Undang (UU) No.3 tahun 2004 yaitu operasi pasar terbuka (OPT), giro wajib minimum (GWM), penetapan tingkat diskonto, pengaturan kredit atau pembiayaan. Seluruh piranti tersebut akan dibuat dengan menetapkan sasaran moneter yaitu base money dengan memperhatikan perkembangan suku bunga. Selanjutnya operasi pasar terbuka (OPT) dilaksanakan berdasarkan piranti yang dimiliki oleh Bank Indonesia (Bank Indonesia, 2005) , yaitu 1. Sertifikat Bank Indonesia (SBI) 2. Surat Utang Negara (SUN) 3. Fasilitas Simpanan Bank Indonesia (FASBI) 4. Sertifikat Wadiah Bank Indonesia (SWBI) 5. SBI Repo 6. Fine Tune Operation 7. Sterilisasi Valas Piranti OPT yang dimiliki oleh Bank Indonesia itu seluruhnya dimaksudkan untuk mengendalikan jumlah uang beredar. Dari beberapa piranti OPT, Bank Indonesia memiliki piranti utama yaitu SBI. Dari piranti utama ini Bank Indonesia
mengandalikan jumlah uang yang beredar dengan menetapkan suku bunga, yang lebih dikenal dengan suku bunga SBI. Suku bunga SBI ditetapkan oleh BI dengan mengikuti perkembangan perekonomian Indonesia, seperti mengikuti tingkat inflasi dan pertumbuhan ekonomi Indonesia. Hal ini sesuai dengan tugas BI untuk menjaga tingkat inflasi dengan konsep inflation targeting framework Bank Indonesia. Kemudian suku bunga SBI dijadikan acuan oleh lembaga keuangan seperti bank dan perusahaan pembiayaan. Bank menjadikan acuan dalam menentukan suku bunga pinjaman dan suku bunga simpanan dan oleh lembaga keuangan dijadikan untuk suku bunga pembiayaan. Suku bunga merupakan opportunity cost of holding money, sehingga bila suku bunga meningkat maka keinginan memegang uang menurun (Boediono, 1985) Suku bunga pinjaman juga dapat juga disebut suku bunga kredit, Djinarto (2000) dalam Risdwianto (2004) mengemukakan beberapa pendapat yang menentukan tingkat suku bunga kredit yang ditetapkan oleh perbankan yaitu : 1. Profit Margin yaitu persentase rentang keuntungan yang ingin didapatkan bank pada kebijakan
harga kredit yang ditujukan untuk memperoleh
return on asset. 2. Cost to
Service yaitu persentase yang dibebankan atas biaya yang
dikeluarkan oleh penghimpun dana serta admistrasi rekening dana dan pinjaman. 3. Credit Premium yaitu penambahan evaluasi kemungkinan terjadinya resiko dimana kredit tidak terbayar oleh debitur.
4. Cost of Fund yaitu hasil murni suku bunga dengan mempertimbangkan asset dana yang bisa dipinjamkan.
2.2. Bank dan Perusahaan Pembiayaan Menurut UU No. 10 tahun 1998 tentang Perbankan, dijelaskan bahwa bank merupakan badan usaha yang menghimpun dana dari masyarakat dalam bentuk simpanan dan menyalurkannya kepada masyarakat dalam bentuk kredit dan atau dalam bentuk lain dalam bentuk lain dalam rangka meningkatkan taraf hidup rakyat. Perbankan Indonesia menganut dual banking system, yaitu mengenal bank umum konvensional dan bank umum syariah. Bank umum yang konvensional mengenal suku bunga dalam kegiatan operasionalnya. Bank umum syariah sendiri adalah bank yang dijalankan dengan sistem Islam, sehingga mengharamkan suku bunga dalam kegiatan operasional mereka. Bank menghimpun dana dari masyarakat dengan memberikan persentase tertentu dalam bentuk suku bunga yang dihitung berdasarkan jumlah dana yang mereka simpan, dan kemudian ditambahkan ke dalam dana mereka. Suku bunga juga diberlakukan oleh bank untuk semua pinjaman dana yang dilakukan oleh masyarakat dalam bentuk persentase tertentu yang ditambahkan ke dalam dana yang pinjam oleh masyarakat dan harus dibayarkan oleh masyarakat dalam periode waktu yang disepakati dengan pihak bank. Mishkin (2001) menjelaskan perusahaan pembiayaan atau multifinance dalam memperoleh dana, dilakukan dengan menerbitkan surat berharga (saham) dan obligasi atau meminjam dari bank, dan digunakan dalam proses memberikan
pinjaman (sering dalam jumlah kecil) untuk memenuhi kebutuhan konsumen dan bisnis. Ada tiga tipe dari perusahaan pembiayaan, yaitu (1) sales finance companies yang dimiliki oleh perusahaan ritel atau manufaktur dan memberikan pinjaman kepada konsumen untuk membeli barang dari perusahaan tersebut, (2) costumer finance company memberikan pinjaman kepada konsumen untuk membeli barang seperti furniture atau alat-alat rumah, untuk meningkatkan kegunaan rumah, atau untuk membantu membiayai pinjaman kecil, dan (3) business finance companies menyediakan kredit dalam bentuk khusus untuk bisnis dengan membuat pinjaman. Perusahaan pembiayaan berbeda dengan bank dalam penghimpunan dana, bank menghimpun dana dari masyarakat sedangkan perusahaan pembiayaan mendapatkan dana dari penerbitan obligasi atau pinjaman dari bank sebelum disalurkan ke konsumen. Perusahaan pembiayaan dapat dikatakan adalah pihak kedua sebelum menyalurkan kredit dari bank ke masyarakat. Dalam hal ini perusahaan pembiayaan sebagai debitur dan bank sebagai kreditur, kemudian perusahaan pembiayaan menjadi kreditur saat menyalurkan kredit kepada konsumen. Perusahaan pembiayaan mendapatkan dana dari bank mencapai 68,88 persen pada april 2005 (Bank Indonesia, 2005). Tabel 1. Sumber Dana
Sumber Pendanaan Perusahaan Pembiayaan (miliaran Rupiah) 1999
2000
2001
Obligasi 555 843 749 Subdebt 1.438 1.710 2.210 Pinjaman bank 19.282 18.876 21.150 Pinjaman 5.962 10.720 7.779 lainnya Sumber : Bank Indonesia dalam Dewi (2005)
2002
2003
2004
Apr-2005
1.677 1.975 18.800 7.611
4.033 1.933 21.553 5.764
8.861 2.758 39.421 5.080
10.828 2.235 42.229 6.017
Perusahaan pembiayaan mendapatkan keuntungan dari perbedaaan atau marjin suku bunga, antara
suku bunga pinjaman bank dan suku bunga
pembiayaan perusahaan. Di Indonesia perusahaan pembiayaan tergolong baru dibandingkan negara maju, namun industri ini menunjukan perkembangan yang pesat (Dewi, 2005). Perusahaan pembiayaan berdiri pada tahun 1974 dengan dilandasi oleh surat Keputusan Bersama (SKB) tiga menteri (Menteri Keuangan, Menteri Industri dan Menteri Perdagangan), pada tahun 1988 melalui surat Keputusan Presiden (Keppres) No. 61/1998, yang ditindaklanjuti dengan SK Menteri Keuangan No. 1251/KMK.013/1988, jenis bisnis pembiayaan diperluas menjadi leasing (sewa guna usaha), factoring (anjak piutang), costumer finance (pembiayaan konsumen), modal ventura dan kartu kredit.
2.3. Pengertian Kredit Pengertian kredit dijelaskan dengan beberapa literatur. Kredit berasal dari bahasa latin yaitu Credere yang artinya mempercayai. Dalam UU No.10 Tahun 1998 tentang Perbankan, kredit merupakan penyediaan uang atau tagihan yang dapat dipersamakan dengan itu, berdasarkan persetujuan atau kesepakatan pinjam meminjam antara bank dengan pihak lain yang mewajibkan pihak peminjam untuk melunasi hutangnya setelah jangka waktu tertentu dengan pemberian bunga. Dalam ensiklopedi umum, kredit dijelaskan sebagai sistem keuangan untuk memudahkan pemindahan modal dari pemilik kepada pemakai dengan harapan memperoleh keuntungan. Kredit diberikan berdasarkan kepercayaan orang lain yang memberikannya terhadap kecakapan dan kejujuran si peminjam.
Produk bank dari sisi aktiva adalah perkreditan. Kredit-kredit yang termasuk produk bank diantaranya dalam Dendawijaya (2001) adalah sebagai berikut 1. Kredit modal kerja, yaitu kredit yang diberikan kepada nasabah kredit (debitor) untuk membiayai kebutuhan modal kerja perusahaan debitur. 2. Kredit investasi, yaitu kredit yang diberikan kepada nasabah kredit (debitor) untuk membiayai pembelian barang modal (investasi). 3. Kredit konsumsi, yaitu fasilitas kredit yang diberikan bank kepada debitor untuk keperluan pembelian barang-barang konsumsi yang diperlukan debitor. Rachmat dan Maya (2000) dalam Risdwianto (2004) menyatakan fungsi kredit pada dasarnya merupakan pemenuhan jasa untuk melayani kebutuhan masyarakat untuk mendorong dan melancarkan proses perdagangan, melancarkan dan mendorong produksi, jasa-jasa, dan konsumsi. Jika dijabarkan dengan lebih terinci fungsi dari kredit adalah sebagai berikut 1. Kredit digunakan untuk memajukan arus tukar menukar barang-barang dan jasa. 2. Kredit dapat digunakan untuk mengubah dana yang tidak produktif menjadi dana yang produktif. 3. Kredit sebagai alat pengendalian harga. Peningkatan jumlah uang yang beredar pada masyarakat dapat dilakukan dengan mempermudah dan mempermurah pemberian kredit kepada masyarakat.
4. Kredit dapat mengaktifkan dan meningkatkan utilitas dari potensi-potensi ekonomi yang ada. Kredit bermasalah atau nonperforming loan (NPL) timbul karena kegagalan pihak debitor dalam memenuhi kewajibannya untuk membayar sisa pembayaran (cicilan) pokok kredit besar bunga yang telah disepakati kedua belah pihak dalam perjanjian kredit (Dendawijaya, 2001). Kolektibilitas kredit berdasarkan ketentuan yang dibuat BI, pertama adalah kredit lancar yaitu kredit yang tidak mengalami penundaan pengembalian pokok pinjaman dan pembayaran bunga. Kedua adalah kredit kurang lancar, kredit yang pengembalian pokok pinjaman dan pembayaran bunganya telah mengalami penundaan selama tiga bulan dari waktu yang diperjanjikan. Ketiga, kredit diragukan yaitu kredit yang pengembalian pokok pinjaman dan pembayaran bunganya telah mengalami penundaan selama enam bulan atau dua kali dari jadwal yang telah diperjanjikan. Kemudian keempat adalah kredit macet, kredit yang pengembalian pokok pinjaman dan pengembalian bunganya telah mengalami penundaan lebih dari satu tahun sejak jatuh tempo menurut jadwal yang telah diperjanjikan.
2.4. Maksimisasi Kepuasan Konsumen sebagai individu atau rumah tangga akan bertindak rasional yaitu dengan memaksimumkan kepuasan (utility) dalam mengkonsumsi sejumlah barang dengan keterbatasan tingkat pendapatan/anggaran yang dimiliki konsumen tersebut. Hal ini menguatkan sebuah hipotesis yaitu Life Cycle Permanent Income
Hypothesis (LCPIH). Nicholson (2001) menyatakan individu sebagai konsumen, dalam hal ini seseorang mengkonsumsi berbagai macam barang dan jasa untuk memperoleh
kepuasan.
Ada
yang
mengkonsumsi
suatu
barang
untuk
kelangsungan hidup (seperti makanan, minuman, papan) dan ada juga untuk bermewah-mewah, untuk menaikan gengsi, status, dan sebagainya. Pembedaan kedua kelompok barang diatas sulit dilakukan, terutama jika perekonomian negara tersebut semakin maju. Ukuran kepuasan dipengaruhi oleh berbagai macam faktor (Nicholson, 2001), jadi kepusan tidak hanya ditentukan oleh bentuk atau jenis barang tersebut, tetapi juga oleh sikap psikologis (psychological attitudes), tekanan kelompok (group pressures), pengalaman pribadi dan lingkungan. Secara teknis kita hanya bisa mendefinisikan kepuasan secara transformasi monotonis (monotonic/order-preserving transformation), yaitu menggambarkan preferensi secara kualtitaif, tetapi tidak kuantitatif (Nicholson, 2001). Definisi yang sering digunakan untuk menerangkan kepuasan ini adalah preferensi seseorang diasumsikan bisa dipresentasikan oleh sebuah fungsi utilitas dalam bentuk U = U ( x1 , x 2 , x3 ,......, x n )
(1)
dimana x1,x2,x3, ……, xn adalah jumlah barang yang dikonsumsi. Gambar 2 mengambarkan suatu keimbangan antara kepuasan pada titik E0 dimana terjadi persinggungan antara kurva Ui dan GAi, dimana tingkat kepuasan akan maksimal bila sama dengan anggaran yang dimiliki. Kurva Ui menggambarkan kurva indiveren yaitu kombinasi antara dua barang (X dan Y) yang memberikan tingkat kepuasan yang sama bagi individu i, kurva indiveren
mengambarkan konsep diminishing marginal rate of substitution (MRS) atau tingkat kepuasan marginal yang semakin menurun. Kurva GAi mengambarkan anggaran yang dimiliki dan habis digunakan oleh individu i untuk mengkonsumsi barang X dan barang Y. X Ui GAi
E0
X0
Y0
Y
Gambar 2. Keseimbangan Tingkat Kepuasan Penelitian mengenai kredit konsumsi rumah tangga lebih sering didasarkan pada suatu hipotesis yang dikenal dengan Life Cycle Permanent Income Hypothesis (LCPIH) menyatakan bahwa individu atau rumah tangga akan memaksimumkan tingkat kepuasannya dengan dihadapkan pada kendala anggaran antar waktu yang dihadapinya (Hadad et al., 2004). Menentukan suatu rumah tangga termasuk ke dalam kategori terkendala kredit atau tidak dilakukan dengan membandingkan konsumsi rumah tangga tersebut dengan suatu threshold value atau nilai ambang batas (Hayashi, 1985 dalam Hadad et al., 2004). Pada umumnya model ekonometrika kualitatif, seperti model probit dan model tobit, menggunakan data threshold value. Nilai ambang
batas ini dibutuhkan untuk menentukan suatu besaran indeks kegunaan yang tidak diobservasi (unobservable utility index), indeks ini ditentukan oleh nilai variabel independen. Maka akan dibandingkan suatu besaran, apakah nilai unobservable utility index lebih besar atau lebih kecil dari threshold value (Arief, 1993). Pada penelitian sebelumnya mengenai permintaan kredit konsumsi di Indonesia, threshold value didefinisikan sebagai saving rate dari kelompok rumah tangga yang memiliki pendapatan tinggi (40% tertinggi). Jika consumption rate suatu rumah tangga lebih kecil dari satu dikurangi saving rate, maka rumah tangga tersebut ke dalam rumah tangga yang tidak terkendala kredit (Hadad et al., 2004).
2.5. Model Probit Model Probit dijelaskan oleh Gujarati (2003) merupakan salah satu model ekonometrika kualitatif, dimana variabel tak bebasnya bersifat binary atau dichotomous yang nilainya nol (0) atau satu (1). Model probit menjelaskan suatu besaran kualitatif yang melekat dalam suatu observasi, misalnya saja bagaimana seseorang memilih untuk memiliki rumah, bagaimana seseorang memilih untuk berpergian menggunakan kendaraan umum atau kendaraan pribadi, bagaimana beberapa contoh yang mewakili populasi kecendungannya sebelum dan setelah mendapatkan suatu perlakuan dalam sebuah penelitian, apakah akan sukses atau gagal, dan lain-lain. Model ekonometrika kualitatif dapat dijelaskan melalui tiga pedekatan untuk pengembangan peluang di model yang variabel tak bebasnya bersifat binary, yaitu model linier probability model (LPM), logit model, dan probit
model. Gujarati (2003) menjelaskan yang dimaksud mengenai probit berdasarkan dichotomous regressand lalu berdasarkan various extensions dari model dasar, sehingga model ekonometrika kualitatif sering dikenal sebagai model peluang (probability model). Menjelaskan sifat dari dichotomous dependent variable dapat menggunakan normal cumulative distribution function (CDF). Hasil model estimasi yang digunakan berdasarkan normal CDF yang lebih dikenal sebagai model probit atau model normit. Motif dari model probit, dengan contoh mengenai keputusan kepemilikan rumah, yaitu keputusan dari rumah tangga ke-i untuk memiliki rumah atau tidak dalam suatu populasi. Keputusan rumah tangga tersebut, berdasarkan pada unobservable utility index Ii, yang dikenal juga variabel laten. Variabel ini dijelaskan oleh satu atau lebih variabel penjelas (independent/bebas), misalnya saja pendapatan Xi. setiap nilai terbesar dari indeks Ii, merupakan peluang terbesar rumah tangga untuk memiliki rumah. Indeks Ii ditunjukan sebagai berikut
I i = β 1+ β 2 X i
(2)
dimana Xi adalah pendapatan dari rumah tangga ke-i. Gujarati (2003) juga menjelaskan bagaimana unobservable index berhubungan dengan keputusan aktual untuk memiliki rumah, telah didefinisikan bahwa Y = 1 jika rumah tangga memiliki rumah dan Y = 0 jika tidak memiliki rumah. Hingga dengan demikian, dapat diasumsikan critical atau threshold level (tingkat ambang batas) dari indeks, disebut Ii*. Jika Ii melebihi Ii*, maka rumah tangga akan memiliki rumah, jika sebaliknya maka tidak. Nilai ambang batas Ii* sama halnya seperti Ii, merupakan hal yang tidak kelihatan, tapi kita
mengasumsikan bahwa keduanya terdistribusi normal dengan nilai tangah dan ragam yang sama. Koop (2003) menjelaskan juga mengenai model probit, dimana model probit mengasumsikan bahwa individu membuat pilihan diantara dua alternatif. Dalam ilmu ekonomi memformulasikan sebagai situasi yang didasarkan pada suatu tingkat kepuasan. Misalnya saja Uij adalah tingkat kepuasan dari individu i (i = 1,…., N) berhubungan dengan pilihan j ( j = 0,1). Individu akan memilih satu (1) jika U1i > U0i, dan memilih nol (0) jika sebaliknya. Maka, pilihan akan terjadi berdasarkan perbedaan tingkat kepuasan dari dua alternatif dan didefinisikan sebagai berikut
y* = U 1i − U 0i
(3)
dimana y* = xi β + ε i dan y = xi β + ε i
(4)
itu artinya perbedaan tingkat kepuasan individu berdasarkan karakteristik yang diteliti di xi (misalnya jarak ke kantor, besar gaji, dan lain-lain) ditambah error yang terdistribusi secara normal. Persamaan y* tidak diteliti secara langsung, tetapi hanya pilihan aktual yang dibuat oleh individu i, yi =1, jika yi* ≥ 0 yi = 0, jika yi* < 0
(5)
Dengan asumsi normal, Gujarati (2003) menjelaskan peluang bahwa Ii* kurang dari atau sama dengan Ii bisa dihitung dari standard normal CDF, sebagai berikut Pi = P (Y = 1 X ) = P ( I i * ≤ I i ) = P ( Z i ≤ β1 + β 2 X i ) = F ( β 1 + β 2 X i )
(6)
dimana P( Y=1 │X) sebagai peluang yang terjadi yang diberikan oleh nilai X, atau variabel penjelas dan Zi merupakan standar normal variable, yang ditunjukan oleh Z ~ N(0,σ2). Jika F adalah standard normal CDF, maka dapat dituliskan dalam konteks
F=
=
1 2π 1 2π
Ii
∫e
−Z2 / 2
dz
−∞
β 1+β 2Xi
∫ e
−Z 2 / 2
dz
(7)
−∞
Sejak P memperlihatkan peluang yang akan terjadi, dalam hal ini peluang untuk memiliki rumah, ukuran dari area dari kurva standard normal dari -∞ hingga Ii. Maka dapat diketahui informasi pada Ii, yaitu pada β1 dan β2, dengan inverse dari persamaan (6) untuk memperoleh Ii = F −1 ( Ii ) = F −1 ( Pi ) = β1 + β 2 Xi
(8)
dimana F-1 adalah inverse dari normal CDF.
2.6. Penawaran dan Permintaan Kredit
Penawaran dan permintaan kredit dapat dijelaskan melalui gambar dan model. Pada sumbu tegak menggambarkan harga dari kredit yaitu suku bunga, Boediono (1985) menjelaskan bahwa suku bunga merupakan biaya dari memegang uang khususnya merupakan biaya imbangan. Sehingga dalam grafik, sumbu tegak menggambarkan suku bunga dalam persen dan sumbu datar menggambarkan kuantitas kredit dalam mata uang berlaku.
Keseimbangan penawaran dan permintaan kredit terjadi pada titik E, dimana penawaran sebesar Sc dan permintaan sebesar Dc. Dengan suku bunga sebesar r0 persen dan kredit sebesar L0 unit mata uang (Gambar 3). Suku Bunga Kredit (r) % Sc
r0
E
Dc
L0
Kuantitas Kredit ( L ) Gambar 3. Keseimbangan Penawaran dan Permintaaan Kredit Rahmawati (2005) menyatakan penurunan kredit akibat faktor-faktor permintaaan merupakan sesuatu yang terjadi ketika perekonomian suatu bangsa mengalami kelesuan (resesi). Dari sisi makro perusahaan, masalah struktural seperti penyesuaian untuk mengurangi rasio utang terhadap modal (debt-equity ratio) yang meningkat akibat krisis merupakan penyebab turunnya permintaan kredit. Adanya ketidakpastian (uncertain) dan iklim berusaha (business confidence) yang rendah juga merupakan penyebab rendahnya keinginan untuk melakukan investasi sehingga permintaan kredit juga mengalami penurunan. Penurunan kredit dari sisi penawaran disebabkan oleh turunnya keinginan bank untuk memberikan pinjaman. Faktor-faktor yang dapat menyebabkan menurunnya keinginan perbankan untuk memberikan kredit dapat bersumber dari faktor internal mupun eksternal. Faktor internal berupa rendahnya kualitas aset
perbankan, tingginya NPL, dan anjloknya modal perbankan akibat depresiasi serta negative interest margin akan menurunkan kemampuan bank untuk memberi kredit. Faktor eksternal berupa menurunnya kelayakan kredit (creditsworthiness) dari debitur akibat melemahnya kondisi keuangan perusahaan, sehingga bank akan mengalami kesulitan untuk membedakan tingkat kelayakan kredit dari debitur. Intinya adalah asymetric information yang menyebabkan bank mengurangi volume kredit mereka. Keengganan bank untuk menyalurkan kredit seringkali tidak diikuti dengan kenaikan suku bunga (price credit rationing), melainkan diikuti oleh pengurangan kredit secara kuantitas (non-price credit rationing). Hadad et al. (2004) menjelaskan permintaan kredit konsumsi rumah tangga dalam model panel di tingkat propinsi sebagai berikut ln KK it = f(IRCit ,ln CRI it , ln Yi(t −1 ) ,GROPOPit ,URit ,Dt )
ln KK it = f ( IRCit , ln CRI it , ln Yi (t −1) , RNPLi (t −1) , URit )
(9)
(10)
dimana : KK
= kredit konsumsi rupiah dan valuta asing ( konstan 1996)
IRC
= rata-rata suku bunga kredit konsumsi (dalam persen)
CRI
= jumlah kantor bank (terdiri atas : kp, /kc, /kcp, dalam unit)
Y
= PDRB (tahun sebelumnya) (dalam rupiah, konstan tahun 1996)
GROPOP
= pertumbuhan penduduk (dalam persen)
UR
= tingkat pengangguran (dalam persen)
RNPL
= rasio non performing loan (dalam persen)
D
= dummy propinsi (untuk intersep propinsi)
i
= propinsi
t
= tahun
Tabel 2.
Variabel-Variabel Kredit Konsumsi Rumah Tangga Deskripsi
Karakteristik Rumah Tangga
Deskripsi
Umur
Tahun
Pendapatan dari berusaha
Ribu rupiah, pertahun
Umur Kuadrat
Tahun
1= networth berkurang, 0= lainnya
Pulau Sumatera
Pekerjaan : berusaha tanpa buruh
1= berusaha tanpa buruh, 0= lainnya
1= networth tetap/bertambah sedikit, 0= lainnya
Pulau Jawa
1= P. Jawa, 0= lainnya
Pekerjaan : berusaha dengan buruh
1= berusaha dengan buruh, 0= lainnya
1= networth bertambah sedang, 0= lainnya
Pulau Lainnya
1= luar P. Jawa & Sumatera 0= lainya
Pekerjaan : Pegawai Negeri Sipil
1 = PNS, 0 = lainnya
1= networth dengan pertambahan tinggi, 0= lainnya
Rasio konsentrasi perbankan
Persen
Pekerjaan : swasta/BUMN
1= pegawai BUMN, 0= lainnya
Perubahan networth : Networth berkurang Perubahan networth : networth tetap atau bertambah dengan pertambahan yang sedikit Perubahan networth : networth bertambah dengan pertambahan sedang Perubahan networth : networth bertambah dengan pertambahan tinggi Jumlah anggota keluarga
Orang
PDRB per kapita
Ribu rupiah per tahun
Jumlah anggota keluarga yang bekerja
orang
Sumber
Karakteristik Lokasi Tempat Tinggal Rumah Tangga Perkotaan
Deskripsi
Karakteristik Kepala Rumah Tangga
1= perkotaan, 0= pedesaan 1= P.Sumatera, 0= lainnya
: Hadad et al. (2004)
Tabel 2 menjelaskan variabel-variabel yang digunakan dalam meneliti penawaran dan permintaan kredit konsumsi. Permintaan kredit konsumsi rumah
tangga, Hadad et al. (2004) menggunakan variabel-variabel pada level mikro yang mewakili pendapatan, demografi, dan karakteristik perbankan di suatu daerah.
2.7. Siklus Perkreditan
Siklus perkreditan (Dendawijaya, 2001) dimulai sejak pengajuan permohonan kredit hingga akhirnya disetujui. Tahap-tahap dalam pemberian kredit meliputi : 1. Permohonan kredit 2. Analisis kredit 3. Persetujuan kredit 4. Perjanjian kredit 5. Pencairan kredit 6. Pengawasan Kredit 7. a. Kredit bermasalah b. Tambahan kredit c. Pelunasan kredit Tahap diatas merupakan proses standar yang dilakukan lembaga keuangan dalam menyalurkan kredit. Setelah tahap keenam yaitu pengawasan kredit akan ditentukan golongan kredit tersebut, apakah bermasalah atau tidak. Jika tidak maka kredit akan ditambahkan atau dilunasi.
2.8. Resiko Kredit
Penyaluran kredit meski dijalankan sesuai prosedur masih memiliki resiko. Resiko dalam penyaluran kredit yang biasa terjadi adalah ketidaksimetrisan informasi (asymetric information) antara pemilik dana (kreditur) dan peminjam dana (debitur). Mishkin (2001) menggolongkan asymetric information dalam dua hal yaitu adverse selection dan moral hazard, kedua hal tersebut merupakan kesalahan penyaluran dan penggunaan kredit yang akan merugikan kreditur dikemudian hari, jika tidak memberikan kredit secara hati-hati (prudent). Menurut Mishkin (2001), asymetric information merupakan aspek penting dalam pasar keuangan. Adverse selection adalah masalah penyaluran kredit sebelum transaksi dilakukan. Masalah ini timbul karena pihak kreditur tidak melakukan penyaringan calon debitur secara baik dan benar. Kebanyakan calon debitur akan melakukan segala cara menutupi riwayat keuangan yang buruk. Membuat kreditur melihat sisi terluar dari debitur yang sudah dipoles, namun belum tentu baik didalam. Ini membuat debitur yang tidak baik dengan riwayat keuangan yang buruk akan mudah memperolah dana, namun akan sulit saat pengembalian. Perilaku yang dilakukan oleh debitur ini tentu akan merugikan kreditur. Moral hazard, merupakan masalah lain dalam asymetric information. Masalah penyaluran kredit setelah kontrak terkait dengan penggunaan dana pinjaman oleh debitur. Debitur melakukan tindakan-tindakan yang tidak sesuai kontrak yang penuh dengan resiko yang akan membahayakan keuangan debitur, kemudian menimbulkan kerugian pada pihak kreditur. Hal ini terjadi karena debitur merasa bahwa yang akan menanggung kerugian terbesar atas tindakannya
adalah kreditur. Penyelesaian masalah adverse selection dan moral hazard dalam pasar keuangan dalam Mishkin (2001) dapat dilakukan dengan cara pada Tabel 3. Tabel 3.
Penyelesaian Masalah Adverse Selection dan Moral Hazard untuk Pinjaman. Adverse Selection Moral Hazard 1. Membuat informasi yang rahasia 1. Kekayaan bersih (asset dikurangi dan selektif 2. Peraturan pemerintah 3. Intermediasi keuangan 4. Jaminan dan kekayaan bersih
kewajiban debitur) 2. Monitoring
and
enforcement
of
restriction 3. Intermediasi keuangan
Sumber : Mishkin (2004)
2.9. Penelitian Terdahulu
Penelitian mengenai ketersediaan kredit konsumsi dan permintaan kredit sepeda motor belum dilakukan. Menurut Hadad et al. (2004), penelitian mengenai faktor-faktor yang mempengaruhi keputusan rumah tangga untuk melakukan pinjaman (demand of credit) dan keputusan pihak bank dalam menyalurkan kredit belum banyak dilakukan di Indonesia. Hadad et al. (2004) pada penelitiannya menyimpulkan rumah tangga memiliki kredit semakin besar dengan semakin meningkatnya umur kepala rumah tangga. Hal yang sama berlaku dengan semakin banyaknya anggota rumah tangga yang bekerja atau berusaha. Probabilitas rumah tangga yang bekerja sebagai PNS, swasta/BUMN atau berusaha lebih besar. Dengan menggunakan contoh sebanyak 3600 rumah tangga dari 3750 rumah tangga yang disurvei dalam Survei Khusus Tabungan dan Investasi Rumah Tangga (SKTIR) tahun 2003 dari BPS.
Pada perkembangannya, studi-studi empiris mengenai permintaan kredit konsumsi dilakukan dengan mengamati data yang lebih terperinci (mikro) antara lain sebagai berikut 1. Kelompok yang mewakili pendapatan, kekayaan, dan karakteristik kestabilan pendapatan rumah tangga. 2. Kelompok yang mewakili demografi 3. Kelompok variabel yang mewakili karakteristik perbankan di daerah itu. Dengan menggunakan data yang bersifat lebih mikro, maka faktor-faktor yang berpengaruh dalam menentukan besarnya permintaan kredit konsumsi level unit analisis yang lebih rendah dapat teridentifikasi. Beberapa
penelitian
empiris
mengenai
kredit
konsumsi
dengan
menggunakan data yang bersifat lebih mikro tersebut antara lain telah dilakukan oleh Cox dan Jappelli tahun 1993, Duca dan Rosental tahun 1993, Crook tahun 2001, Barnes dan Young tahun 2003 untuk kasus Amerika Serikat. Magri (2002) dan Brown et al. (2003) melakukan penelitian yang sama untuk kasus negara yang berbeda yaitu masing-masing adalah Italia dan Inggris (Hadad et al., 2004). Cox dan Jappelli (1993) menggunakan variabel boneka laten yang hanya dapat diobservasi jika permintaan kredit positif dan rumah tangga tidak memiliki kendala kredit. Sedangkan variabel independen dalam model Cox dan Jepelli (1993) adalah usia, tingkat pendidikan, pekerjaan, pendapatan daerah (area income), status pekerjaan, dan status rumah tinggal (urban/rural status). Hasilnya, probabilitas untuk menjadi tidak terkendala kredit meningkat seiring dengan
meningkatnya usia dan berhubungan positif dengan pendapatan permanen juga kekayaan bersih. Magri (2002) dalam Hadad et al. (2004) mengunakan data Survei Kekayaan dan Pendapatan di Italia, meneliti mengenai faktor-faktor yang yang mempengaruhi partisipasi rumah tangga di pasar kredit dan mencoba untuk memisahkan pengaruh permintaan dan penawaran kredit model ekometrikanya, Magri menggolongkan usia, kekayaan bersih, kapasitas pendapatan (earning capacity), pendidikan, dan tingkat suku bunga sebagai variabel-variabel yang dapat mempengaruhi permintaan maupun penawaran kredit konsumsi di Italia. Hasil penelitian menunjukan permintaan kredit oleh rumah tangga di Italia meningkat seiring meningkatnya usia. Disposabel income juga memiliki pengaruh yang positif terhadap permintaan maupun penawaran uang. Namun, variabel net wealth atau kekayaan bersih tidak begitu signifikan dalam menjelaskan permintaan terhadap kredit. Faktor penting lainnya yang penting dalam permintaan dan penawaran kredit adalah pendidikan dianggap sebagai variabel proxy pendapatan di masa yang akan datang, yang berhubungan positif. Variabel-variabel disajikan dalam fungsi linier yang terdiri dari tiga persamaan, dengan model empiris yang digunakan adalah three-equation generalized Tobit scheme. Penelitian lain yang dilakukan oleh Cox dan Jappelli tahun 1993, Duca dan Rosental tahun 1993, Crook tahun 2001, Barnes dan Young tahun 2003 dan Magri tahun 2002 dengan menganalisis tingkat mikro yang sama yaitu rumah tangga menggunakan variabel yang kurang lebih sama.
Mengenai permintaan kredit konsumsi rumah tangga, penelitian yang telah dilakukan banyak menggunakan salah satu dari dua metodologi ekonometrika (Crook, 2003). Pada salah satu metodologi untuk persamaan permintaan di estimasi setelah dua persamaan seleksi di estimasi. Tingkat permintaan rumah tangga
diobservasi, jika permintaan dari rumah tangga itu positif dan tidak
menghadapi kendala kredit. Seseorang terkedala kredit bila terjadi ekses permintaan kredit, dimana permintaan untuk kredit (D*) melebihi jumlah yang dipinjamkan oleh kreditur (S*) (Cox dan Jappeli, 1993). Model umum yang digunakan : D* = β 0 X 0 + ε 0
(11)
Dimana ε0 adalah komponen acak (random component). D* diobservasi hanya jika permintaan untuk kredit adalah positif dan rumah tangga tidak terkendala kredit. Hayashi (1982) menggunakan data cross section untuk menghitung data dari Survey of Financial Characteristic of Consumer yang dibuat oleh Board of Governers of the Federal Reserve System. Data yang digunakan adalah tabungan kontraktual yang disepakati dan kredit rumah (hipotik), pendapatan disposibel, total nilai pasar keuangan dan aset fisik, tingkat tabungan, ukuran konsumsi (pendapatan disposibel-tabungan), jumlah net-liquid asset, nilai pasar rumah, threshold value, umur kepala keluarga, dan jumlah anggota keluarga. Hayashi memperlihatkan efek kendala kredit pada pengeluaran konsumsi menggunakan data cross section. Persamaan reduced form menggunakan model tobit untuk konsumsi diestimasi pada rumah tangga dengan tingkat tabungan yang tinggi.
Sejak rumah tangga yang tingkat tabungan yang tinggi menjadi tidak terkendala kredit dan rumah tangga dengan tingkat tabungan yang rendah tidak bisa mengkonsumsi sebanyak yang diinginkan kerena kendala pinjaman. Perbedaan penelitian ini dengan penelitian terdahulu, yaitu penelitian ini memfokuskan penelitian pada kredit sepeda motor, dengan menggunakan data yang dikumpulkan lewat kuisioner. Variabel bebas yang digunakan, terdapat dalam kuisioner merujuk pada penelitian-penelitian terdahulu, namun tidak memasukan variabel yang mewakili karakteristk perbankan. Perbedaan lain, penelitian ini ingin mengetahui faktor-faktor permintaan kredit sepeda motor dari rumah tangga, yang disalurkan baik oleh bank dan perusahaan pembiayaan. Penelitian ini menggunakan data primer yang diperoleh langsung melalui penyebaran kuisioner.
2.10. Kerangka Pemikiran
Rumah tangga dengan karakteristiknya dapat mempengaruhi permintaan kredit sepeda motor, dimana pembelian sepeda motor yang didominasi oleh pembelian secara kredit. Peneliatian ini menggunakan data primer untuk melihat pengaruh karakteristik rumah tangga tersebut. Pengumpulan data melalui kuisioner, pengambilan contoh secara non probability sampling yaitu dengan teknik pengambilan contoh quota sampling. Sebelumnya akan dilihat karakteristik rumah tangga tersebut dengan analisis deskriptif, kemudian menggunakan model probit akan diteliti pengaruhnya terhadap permintaan kredit sepeda motor. Menggunakan metode estimasi maximum likelihood. Dengan diketahuinya
karakteristik tersebut, akan membuat suatu mekanisme penyaluran kredit yang prudent. Hal tersebut dapat mencegah adanya asymetric information rumah tangga dan nonperforming loan, agar perekonomian Indoenesia tidak terganggu. Kerangka pemikiran untuk penelitian ini digambarkan pada Gambar 4.
Inflasi Stabil, Suku Bunga SBI Menurun
LCPIH
Rumah Tangga/ Konsumen Memaksimumkan Kepuasan
Permintaan Sepeda Motor Meningkat
Permintaan Motor 70% Dipenuhi dengan Jalur kredit (Dewi, 2005)
Permintaan kredit sepeda motor yang termasuk ke dalam kredit konsumsi sehingga meningkat
Pengumpulan Data Penyebaran Kuisioner
Pengambilan Contoh NonProbability Sampling Quota Sampling
Karakteristik Rumah Tangga yang Mempengaruhi Peluang Permintaan Kredit Sepeda Motor Analisis Deskriptif Pemberian Kredit Yang Tidak Prudent, Karena Lembaga Keuangan Mencari Profit Besar
Model Probit
Menimbulkan Asymetric Information dan Nonperforming Loan di Perbankan Indonesia
Perekonomian Indonesia Terganggu
Estimasi maximum likelihood Eviews 4.1
Ket :
Gambar 4. Kerangka Pemikiran
tidak diteliti Alur penelitian
III METODE PENELITIAN
3.1. Jenis dan Sumber Data Data yang digunakan untuk penelitian ini adalah data primer dan data sekunder. Data primer diperoleh dengan menyebarkan kuisioner menggunkan pertanyaan terbuka (open question). Kuisioner pertanyaan terbuka menurut Juanda (2003) merupakan kuisioner dengan memberikan kebebasan kepada responden untuk menjawab, dengan jawaban yang bisa pendek dan panjang. Kuisioner dibagikan langsung kepada 50 pemilik sepeda motor yang berada di Kota dan Kabupaten Bogor. Penyebaran kuisioner dilakukan pada bulan Maret 2007. Data sekunder diperoleh dari Bank Indonesia, Badan Pusat Stastistik, dan Asosiasi Industri Sepeda Motor Indonesia (AISI). Responden yang diteliti dibatasi dari usia, yaitu dari 18 hingga 65 tahun, dengan berbagai status pekerjaan. Responden akan ditanyakan seputar pembelian sepeda motor, apakah melalui kredit atau tunai. Pertanyaan tersebut ditujukan kepada responden merujuk pada Hadad et al. (2004) dan Cox dan Jappeli (1993), untuk memperlihatkan apakah responden memiliki kredit atau tidak. Kemudian responden akan diberikan pertanyaan lain yang mewakili karakteristik pendapatan dan demografi di Kota dan Kabupaten Bogor untuk memperoleh data ditingkat mikro yaitu rumah tangga.
3.2. Metode Pengambilan Contoh Metode
pengambilan
contoh
data
primer
untuk
penelitian
ini
menggunakan metode pengambilan contoh kuota (quota sampling) yang termasuk non probability sampling. Penelitian ini mengklasifikasikan populasi berdasarkan kriteria-kriteria tertentu, menentukan proporsi masing-masing kelas, lalu menetapkan kuota untuk masing-masing interviewer. Dalam penelitian ini jumlah contoh yang diambil sebanyak 50 pemilik sepeda motor. Penyekatan populasi berdasarkan dealer sepeda motor, sebanyak lima dealer. Untuk setiap dealer diambil 10 contoh. Kuisioner digunakan untuk tanya jawab dengan responden. Responden ditemui di dealer yang menyediakan tempat pemeliharan sepeda motor. Hal tersebut menjadi pertimbangan karena responden memiliki waktu luang untuk melakukan tanya jawab mengenai kuisioner. Setiap responden yang ditemui mewakili satu rumah tangga. Responden akan dibedakan dalam dua klasifikasi, rumah tangga yang membeli motor secara kredit dan secara tunai.
3.3. Metode Estimasi Data Penelitian ini menggunakan model probit dan untuk mengestimasi peluang permintaan kredit sepeda motor oleh rumah tangga menggunakan metode maximum likelihood. Sebelumnya, membedakan apakah rumah tangga yang dijadikan contoh tersebut membeli sepeda motor secara kredit atau tunai. Model probit seperti dalam persamaan (2) dan atau persamaan (4) akan diestimasi, dengan Xi digunakan dalam penelitian ini lebih dari satu.
Nilai ambang batas yang digunakan penilitian merupakan unobservabel variable, merupakan tingkat kepuasan terbesar yang dimiliki oleh setiap rumah tangga dalam memilih membeli sepeda motor secara kredit atau tunai. Rumah tangga yang memilih membeli sepeda motor secara kredit, merupakan rumah tangga yang mempengaruhi peluang permintaan kredit sepeda motor. Model probit yang akan digunakan memberikan nilai satu (1) jika sepeda motor dibeli secara kredit dan nilai nol (0) untuk pembelian tunai.
1.4. Metode Pengolahan Data Pengolahan data untuk penelitian ini menggunakan perangkat lunak SPSS 11.5 dan Eviews 4.1. Perangkat lunak Eviews 4.1 digunakan dalam mengolah data untuk mengestimasi peluang permintaan kredit sepeda motor dengan karakteristik rumah tangga. Perangkat lunak SPSS 11.5 digunakan untuk analisis deskriptif karakteristik rumah tangga dan tabulasi silang (crosstabs) karakteristik tersebut dengan permintaan kredit sepeda motor.
1.5. Model Probit yang Digunakan dalam Penelitian Model Probit merupakan model ekometrika kualitatif yang mengikuti cumulative distribution function (CDF) dimana variabel tak bebasnya (dependent) bernilai satu (1) dan nol (0) (Gujarati, 2003). Permintaan kredit sepeda motor ditujukan oleh nilai satu (1) pada variabel tak bebasnya, sehingga E(Y=1│Xi) akan menghitung peluang rumah tangga yang memiliki kredit sepeda motor. Model Probit untuk penelitian ini seperti persamaan (4) yaitu
y = xi β + ε i
dimana y dan xi yang digunakan untuk penelitian ini adalah Y = β 0 + β1 X 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + β 5 X 5 + β 6 X 6 + β 7 X 7 + β 8 X 8 + β 9 X 9 + β10 DX 10
+ β11 DX 11 + β12 DX 12 + β13 DX 13 + β14 DX 14
(12)
dimana : β0
= Intersept
β1,..β14 = Parameter Y
= 1, Pembelian Sepeda Motor Secara Kredit 0, Pembelian Sepeda Motor Secara Tunai
X1
= Pendapatan (Rupiah Per Bulan)
X2
= Lama Bekerja (Tahun)
X3
= Konsumsi Rutin Rata-Rata Per bulan (Rupiah)
X4
= Tabungan Rata-Rata Per bulan (Rupiah)
X5
= Konsumsi Tidak Rutin Rata-Rata Per bulan (Rupiah)
X6
= Umur (Tahun)
X7
= Pendidikan (Tahun), SD = 6 Tahun, SMP = 9 Tahun, SMA = 12 Tahun, D1 = 13 Tahun, D3 = 15 Tahun, S1 = 16 Tahun, S2 =18 Tahun, dan S3 = 22 Tahun.
X8
= Jumlah Anggota Keluarga (Orang)
X9
= Jumlah Anggota Keluarga Bekerja (Orang)
DX10 = Dummy Pekerjaan,
1, Pekerjaan Berpendapatan Tetap (PNS, TNI/ Polri, BUMN,Swasta) 0, Pekerjaan Berpendapatan Tidak Tetap (Wirausaha Dan Pencari Jasa) DX11
= Dummy Pekerjaan Sampingan 1, Tanpa Pekerjaan Sampingan 0, Dengan Pekerjaan Sampingan
DX12
= Dummy Jenis Kelamin 1, Laki-Laki 0, Perempuan
DX13
= Dummy Tempat Tinggal 1, Tinggal di Kota Bogor 0, Tinggal di Kabupaten Bogor
DX14
= Dummy Pasangan Bekerja 1, Pasangan Bekerja 0, Pasangan Tidak Bekerja Penelitian ini menggunakan model probit dengan data individual atau
ungrouped data (Gujarati, 2003), dengan menggunakan variabel-variabel yang
dibutuhkan ke dalam model. Variabel bebasnya bersifat diskrit, sehingga Homer dan Lemeshow (1989) menyatakan bahwa variabel yang menggunakan skala nominal harus diubah menjadi design variable ( variabel dummy/ boneka). Jika misalnya terdapat tiga kategori untuk satu variabel bebas yang berskala nominal maka akan menggunakan variabel dummy sebanyak dua. Hal tersebut secara umum dapat dirumuskan, yaitu jika terdapat k kategori skala nominal, maka variabel dummy yang dibutuhkan sebanyak k-1. Model probit penelitian ini menggunakan data deskrit pada variabel bebasnya dan berikut penjelasannya seperti dibawah ini 1. Pendapatan rata-rata per bulan, menggambarkan pendapatan seseorang yang menjadi anggaran untuk dikonsumsi dalam mencapai tingkat kepuasan tertinggi. Pendapatan yang diambil merupakan pendapatan satu bulan terakhir yang diperoleh rumah tangga, dan menjadi pendapatan ratarata bila rumah tangga memiliki pendapatan yang tidak tetap setiap bulannya, namun hanya untuk pekerjaan wirausaha, pencari jasa, dan honorer.
2. Lama bekerja, merupakan jumlah tahun bekerja yang dijalani oleh rumah tangga pada pekerjaan saat mengajukan kredit. Lama bekerja ini diperlukan mengingat kebutuhan dan keberanian rumah tangga untuk mengajukan pembelian sepeda motor secara kredit, dimana rumah tangga yang baru menjalani pekerjaan selama satu tahun hanya akan memilih membeli sepeda motor secara kredit dibandingkan rumah tangga yang sudah bekerja selama sepuluh tahun. Hal tersebut terkait dengan stabilitas pendapatan tingkat kemapanan. 3. Konsumsi rutin rata-rata per bulan, menggambarkan jumlah uang yang dihabiskan dari pendapatan untuk mencapai kepuasan rata-rata setiap bulannya. Konsumsi rutin rata-rata ini semakin besar maka rumah tangga semakin terkendala anggaran, sehingga jika ingin membeli sepeda motor harus dipenuhi dengan jalur kredit. Konsumsi rutin rata-rata ini merupakan konsumsi untuk kebutuhan rumah tangga diantaranya kebutuhan pangan, kebutuhan untuk anak, dan kebutuhan untuk membayar tagihan-tagihan rumah (listrik, air, dan telepon). 4. Tabungan rata-rata per bulan, menggambarkan jumlah uang yang disisihkan dari pendapatan yang disimpan sebagai simpanan pribadi di rumah atau
tabungan di bank. Tabungan merupakan bagian dari
pendapatan yang dapat mengurangi pendapatan, tabungan juga dapat memperlihatkan pendapatan dan kekayaan masa mendatang. 5. Konsumsi tidak rutin rata-rata per bulan, sama halnya seperti konsumsi rutin rata-rata per bulan yaitu bagian yang menghabiskan pendapatan
rumah tangga. Perbedaannya, konsumsi tak rutin disini adalah konsumsi untuk kebutuhan lain diluar kebutuhan rutin rumah tangga, seperti pembayaran angsuran kredit, kebutuhan telepon seluler, kebutuhan investasi, dan kebutuhan tidak terduga lainnya yang akan memberikan kepuasan tertinggi bagi rumah tangga. 6. Umur, menggambarkan usia responden yang terkait dengan tingkat kebutuhan dan keberanian rumah tangga dalam membeli sepeda motor secara kredit. 7. Pendidikan, pendidikan merupakan jumlah tahun responden menjalankan pendidikan. Pendidikan yang dimulai dari Sekolah Dasar (SD) hingga pendidikan Doktor (strata tiga). Pendidikan menggambarkan tingkat kematangan dan kemapanan rumah tangga dalam pengambilan keputusan untuk membeli sepeda motor secara kredit. 8. Jumlah anggota keluarga, dapat menggambarkan suatu rumah tangga dengan tingkat pendapatan tertentu harus menanggung jumlah anggota keluarga. Sehingga semakin banyak anggota keluarga maka memberatkan rumah tangga tersebut, karena akan mengakibatkan secara langsung ke beban konsumsi rumah tangga, membuat rumah tangga tersebut terkendala anggaran. 9. Jumlah anggota keluarga bekerja, dapat menggambarkan suatu rumah tangga memiliki sumber pendapatan lain. Sehingga semakin besar jumlah anggota keluarga bekerja semakin tidak terkendala anggaran.
Sementara itu, variabel dummy dalam model probit untuk penelitian ini sebagai berikut : 1. Dummy pekerjaan, menggambarkan pada golongan pekerjaan mana yang mempengaruhi peluang permintaan kredit sepeda motor. Variabel dummy di sini membedakan dua jenis golongan pekerjaan, golongan pekerjaan dengan pendaptan tetap per bulan yaitu Pegawai Negeri Sipil (PNS), Tentara Nasional Indonesia/ Polisi Republik Indonesia (TNI/Polri), Pegawai BUMN, dan Pegawai Swasta. Golongan ini memiliki nilai satu (1) untuk dummy pekerjaan. Golongan pekerjaan yang lain adalah golongan pekerjaan dengan gaji yang tidak tetap setiap bulannya sehingga diambil nilai rata-ratanya, yaitu pekerjaan wirausaha, pencari jasa, dan honorer. Golongan kedua ini memiliki nilai nol (0) untuk dummy pekerjaan. 2. Dummy pekerjaan sampingan, untuk memperlihatkan sumber lain yang dapat mempengaruhi pendapatan rumah tangga, dimana akan semakin tidak terkendala. Nilai satu (1) diberikan kepada rumah tangga tanpa pekerjaan sampingan dan nilai nol (0) diberikan kepada rumah tangga dengan pekerjaan sampingan. 3. Dummy jenis kelamin, menggambarkan peluang yang dibelikan oleh lakilaki dan perempuan dalam peluang permintaan kredit sepeda motor. Lakilaki memiliki nilai satu (1) dan perempuan memiliki nilai nol (0). 4. Dummy tempat tinggal, memperlihatkan kemudahan pengajuan kredit yang dapat dilihat dari jarak antara tempat tinggal rumah tangga dengan
lembaga keuangan (bank dan perusahaan pembiayaan). Karena rumah tangga yang tinggal di Kota Bogor akan lebih dekat dengan lembaga keuangan pemberi kredit sepeda motor, mengingat di Kota Bogor terdapat kantor cabang utama, baik dari bank maupun perusahaan pembiayaan. Namun sebaliknya dengan rumah tangga yang tinggal di Kabupaten Bogor. Nilai satu (1) diberikan untuk rumah tangga yang tinggal di Kota Bogor dan nilai nol (0) diberikan untuk rumah tangga yang tinggal di Kabupaten Bogor. 5. Dummy pasangan bekerja, memperlihatkan tingkat kemapanan suatu rumah tangga dalam peluang permintaan kredit sepeda motor. Apakah rumah tangga memiliki sumber pendapatan lain yang membantu dalam memenuhi kebutuhan sehari-hari. Seseorang yang tidak punya pasangan atau pasangan tidak bekerja maka diberi nilai satu (1), sedangkan bagi responden yang pasangannya bekerja memiliki nilai nol (0).
1.5.1. Pendugaan Parameter Model Probit Persamaan model probit pada persamaan (6) yang menunjukan peluang yang akan terjadi (Ii). Peluang ini dapat diukur melalui daerah dibawah kurva normal baku dari -∞ sampai Ii. Matondang (2001) menyatakan untuk memperoleh suatu dugaan dari indeks Ii, digunakan invers dari fungsi normal kumulatif, seperti persamaan (8) sehingga : Ii = F −1 ( Ii ) = F −1 ( Pi )
= β1 + β 2 Xi Matondang juga menyatakan model probit ini telah banyak diterapkan secara luas dibidang ilmu ekonomi dan bidang ilmu sosial lainnya. Dalam pendugaan parameter β2 , karena asumsi kehomogenan ragam galat tidak dipenuhi maka dilakukan dengan metode penduga kemungkinan maksimum (maximum likelihood). Bila antar amatan yang satu dengan yang lain diasumsikan bebas, maka fungsi kemungkinan maksimumnya adalah l ( β ) = ∏in=1 f (Y = y1 x1 )
(13)
Parameter β2 diduga dengan memaksimumkan persamaan diatas. Untuk memudahkan perhitungan dilakukan dengan pendekatan logaritma, sehingga disebut dengan fungsi log-kemungkinan maksimum yang rumusnya :
L( β ) = ln[l ( β )] atau n
L( β ) = ∑ { yt .ln(π i ) + (1 − yi ).ln(1 − π i )}
(14)
i =1
Nilai dugaan βi dapat diperoleh dengan membuat turunan pertama ∂ ( β ) terhadap βi dengan i = 1, 2, 3, …, p.
1.5.2. Daya Ramal Model Dugaan
Menurut Santoso (2004) dalam Nabila (2006) daya ramal model prediksi dilakukan untuk melihat seberapa besar kemampuan model tersebut dalam memprediksi faktor-faktor yang mempengaruhi dilikuidasinya suatu bank, sementara untuk penelitian ini adalah memprediksi karakteristik rumah tangga
dalam mempengaruhi peluang permintaan kredit sepeda motor. Penentuan model terbaik yang digunakan kriteria pemotongan (penetapan batas kelompok) dengan tingkat kesalahan klarifikasi yang cukup berimbang atau proporsional antara kesalahan tipe 1 dan tipe 2. Sebuah kriteria pemotongan merupakan suatu nilai untuk menentukan apakah suatu rumah tangga diestimasi dalam peluang permintaan kredit sepeda motor atau tidak. Pemotongan nilai peluang pada titik tertentu akan menghasilkan estimasi yang tepat, jumlah salah klasifikasi tipe 1 (rumah tangga dikategorikan membeli secara tunai padahal membeli secara kredit) dan tipe 2 (suatu rumah tangga dikategorikan membeli secara tunai padahal membeli secara kredit). Hasil daya ramal prediksi model, menggunakan kriteria pemotongan dengan nilai peluang 0,5. Jika suatu rumah tangga memiliki nilai dugaan peluang yang diperoleh dari model probit diatas 0,5 maka akan dikategorikan rumah tangga yang membeli sepeda motor secara kredit, dan sebaliknya jika dibawah 0,5.
1.5.3. Uji kebaikan Model
Pengukuran konvensional menggunakan R-squared (R2), bukan suatu yang paling menjelaskan di model regresi binary (Gujarati, 2003). Ukuran yang serupa dengan R-squared disebut McFadden R2 juga memiliki nilai antara nol (0) dan satu (1). Perbandingan lain yang menunjukan goodness of fit adalah count R2,
Count R2 = Jumlah prediksi yang tepat Jumlah total contoh
(15)
Namun dalam model regresi binary, goodness of fit tidak terlalu utama. Di regresi biner, yang perlu diperhatikan adalah signifikansi dan tanda dari koefisien variabel bebas.
IV. HASIL DAN PEMBAHASAN
4.1.
Karakteristik Rumah Tangga Penelitian mengenai peluang permintaan kredit sepeda motor tingkat
rumah tangga menggunakan contoh sebanyak 50 yang diambil untuk mewakili populasi pemilik sepeda motor yang berada di Kota dan Kabupaten Bogor. Pengambilan data primer diambil secara langsung melalui tanya jawab dengan rumah tangga. Setiap responden pada penelitian ini diasumsikan mewakili rumah tangga, pengambilan data dilakukan melalui kuisioner dengan pertanyaan terbuka (open question). Peneliti melakukan pre-survey sebelum turun lapang, dimana peneliti menyebarkan delapan buah kuisioner kepada pemilik sepeda motor, bertujuan untuk validitas kuisioner. Pengambilan sampel dilakukan pada lima dealer sepeda motor yang mewakili tiga merek sepeda motor terlaris di Indonesia. Hal tersebut berdasarkan data yang diperoleh pada data stasistik Asosiasi Industri Sepeda Motor Indonesia (AISI). Berdasarkan 50 contoh yang telah diambil terdapat 38 persen atau 19 rumah tangga membeli secara tunai dan 62 persen atau 31 rumah tangga membeli secara kredit. Sebanyak 31 responden yang membeli sepeda motor secara kredit mewakili rumah tangga yang meminta kredit sepeda motor di Kota dan Kabupaten Bogor. Jenis pekerjaan mempengaruhi pola pembelian motor secara kredit, karena dari jenis pekerjaan ini, dapat terlihat tingkat kemapanan rumah tangga dan tingkat pendapatan yang diterima setiap bulan. Tingkat kemapanan ini
menggambarkan apakah rumah tangga dengan pekerjaan tertentu dapat membeli sepeda motor secara kredit atau tidak, yang juga berkaitan dengan tingkat pendapatan yang diterima. Dari variabel jenis pekerjaan dapat melihat juga pola penyebaran rumah tangga yang meminta kredit sepeda motor. 4.00%
22.00%
14.00%
Peke rjaa n Pencari Jasa & Honorer PNS & TNI/ Polri Swasta & BUMN Wirausaha 60.00%
Gambar 5. Persentase Rumah Tangga dalam Permintaan Kredit sepeda Motor Berdasarkan Pekerjaan Dari 50 rumah tangga yang mewakili rumah tangga yang diteliti, sebesar 60 persen rumah tangga memiliki pekerjaan sebagai karyawan swasta dan Badan Usaha Milik Negara (BUMN). Gambar 5 memperlihatkan jenis pekerjaan sebagai wirausaha, rumah tangga yang memiliki pekerjaan ini sebanyak 22 persen. Sisanya rumah tangga memiliki pekerjaan, yang terdiri dari PNS dan TNI/ Polri sebanyak 14 persen dan pencari jasa sebesar 4 persen. Sehingga dapat disimpulkan pekerjaan dengan pendapatan yang tetap sebanyak 74 persen, dan sisanya berpenghasilan tidak tetap. Jenis kelamin responden laki-laki dominan dalam penelitian ini, yaitu sebanyak 94 persen. Rumah tangga yang pendapatan rata-rata per bulannya kurang dari Rp. 1.600.000 sebanyak 36 persen dan pendapatan rata-rata sebesar Rp. 1.600.000 hingga Rp. 3.000.000 sebanyak 30
persen. Rumah tangga dengan pendapatan rata-rata Rp. 3.000.001 hingga Rp. 4.500.000 sebanyak 22 persen dan sisanya rumah tangga dengan pendapatan rataratanya sebesar lebih dari Rp. 4.500.000 sebanyak 12 persen (Gambar 6a). Persentase rumah tangga berdasarkan pada umur, rumah tangga yang diwakili responden yang berusia antara 21 tahun hingga 30 tahun sebanyak 44 persen atau 22 rumah tangga. Responden yang mewakili rumah tangga berusia 31 tahun hingga 40 tahun sebanyak 34 persen dan yang berusia 41 tahun hingga 50 tahun sebanyak 18 persen. Empat persen lainnya merupakan rumah tangga yang diwakili responden berusia lebih dari 50 tahun (Gambar 6b). 4.00%
12.00%
18.00% 36.00%
44.00%
22.00%
34.00% 30.00%
Pendapata n Ra ta-rata Perbulan Kurang dari Rp. 1.600.000 Rp. 1.600.000-Rp. 3.000.000 Rp. 3.000.001-Rp. 4.500.000 Lebih dari 4.500.000
(a)
Umur 21-30 Tahun 31-40 Tahun 41-50 Tahun Lebih dari 50 tahun
(b)
Gambar 6. Persentase Rumah Tangga dalam Permintaan Kredit Sepeda Motor Berdasarkan Pendapatan Rumah Tangga dan Umur Rumah tangga yang dengan konsumsi rutin rata-rata per bulan untuk kebutuhan rutin rumah tangga diantaranya kebutuhan pangan, kebutuhan untuk anak, dan kebutuhan untuk membayar tagihan-tagihan rumah (listrik, air, dan telepon) yang kurang dari Rp. 600.000 per bulan sebanyak 18 persen. Rumah
tangga yang konsumsi rutin rata-rata per bulannya Rp. 600.000 hingga Rp. 1.000.000 sebanyak 30 persen. Rumah tangga yang menghabiskan konsumsi rutin rata-rata per bulan Rp 1.000.001 hingga Rp. 1.500.000 sebanyak 22 persen dan rumah tangga dengan konsumsi rutin rata-rata Rp. 1.500.001 hingga Rp. 2.000.000 per bulan sebanyak 14 persen. Terakhir rumah tangga yang menghabiskan konsumsi rutin rata-rata per bulannya lebih dari Rp. 2.000.000 sebanyak 16 persen (Gambar 7a). Sementara itu rumah tangga dengan tabungan rata-rata per bulan kurang
dari Rp. 300.000 sebanyak 40 persen. Rumah tangga yang tabungan per bulannya Rp. 400.000 hingga Rp. 700.000 sebanyak 34 persen. Rumah tangga yang memiliki tabungan rata-rata per bulan sebesar Rp. 700.001 hingga Rp. 1.100.000 sebanyak 16 persen, dan untuk rumah tangga yang tabungannya lebih dari Rp. 1.100.000 per bulan sebanyak 10 persen dari total 50 rumah tangga (Gambar 7b).
10.00%
16.00%
18.00%
16.00%
14.00%
40.00%
30.00% 22.00% 34.00%
Konsumsi Rutin Ra ta -rata Perbulan Kurang dari Rp. 600.000 Rp. 600.000- Rp.1.000.000 Rp. 1.000.001-Rp. 1.500.000 Rp. 1.500.001- Rp. 2.000.000 Lebih dari Rp. 2.000.000
(a) Gambar 7.
Ta bungan Ra ta -ra ta Pe rbula n Kurang dari Rp. 400.000 Rp. 400.000-Rp. 700.000 Rp. 700.001-Rp. 1.100.000 Lebih dari Rp. 1.100.000
(b)
Persentase Rumah Tangga dalam Permintaan Kredit Sepeda Motor Berdasarkan Konsumsi Rutin Rata-rata Per Bulan dan Tabungan Rata-rata Per Bulan
Konsumsi lain yang tidak termasuk ke dalam konsumsi rutin rata-rata per bulan juga menjadi variabel dalam penelitian ini, konsumsi lain yang dimaksud adalah konsumsi untuk kebutuhan lain diluar kebutuhan rutin rumah tangga, seperti pembayaran angsuran kredit, kebutuhan telepon seluler, kebutuhan investasi, dan kebutuhan tidak terduga lainnya yang akan memberikan kepuasan tertinggi bagi responden. Variabel konsumsi lain ini disebut sebagai konsumsi tidak rutin rata-rata. Rumah tangga dengan konsumsi tidak rutin rata-rata per bulannya kurang dari Rp. 600.000 sebanyak 40 persen. Rumah tangga dengan konsumsi tidak rutin rata-ratanya Rp. 600.000 hingga Rp. 1.000.000 sebanyak 30 persen. Sedangkan rumah tangga yang konsumsi tidak rutin rata-rata per bulannya sebesar Rp. 1.000.001 hingga Rp. 1.500.000 sebanyak 16 persen. Terakhir, rumah tangga dengan konsumsi tidak rutin rata-rata lebih dari Rp. 1.500.000 sebanyak 12 persen (Gambar 8a). Penelitian ini juga memasukan variabel pendidikan, dimana responden yang mewakili rumah tangga memiliki pendidikan antara Sekolah Dasar (SD) hingga Strata Tiga (S3). Rumah tangga yang berpendidikan SD sebanyak 4 persen dan yang berpendidikan Sekolah Menengah Pertama (SMP) sebanyak 6 persen. Rumah tangga yang berpendidikan Sekolah Menengah Atas (SMA) sebanyak 40 persen. Sedang rumah tangga yang berpendidikan diploma dan Strata Satu (S1) sebanyak 44 persen. Rumah tangga yang berpendidikan Strata Dua (S2) dan Strata Tiga (S3) sebanyak 6 persen (Gambar 8b). Nilai tengah variabel dalam penelitian ini yang terdiri dari variabel yang bersifat diskrit dan variabel boneka terdapat pada Tabel 4. Variabel yang bersifat
diskrit, lama bekerja memiliki nilai tengah sebesar 7,3 artinya rumah tangga dalam penelitian ini telah lama bekerja rata-rata 7,3 tahun, dengan lama bekerja terendah satu tahun dan terlama 30 tahun. 6.00%
4.00% 6.00%
12.00%
16.00%
40.00% 44.00%
40.00%
32.00%
Konsumsi Tidak Rutin Ra ta-rata Perbulan
Pendidika n
Kurang dari Rp. 600.000
Sekolah Dasar Sekolah Menengah Pertama
Rp. 600.000-Rp. 1.000.000 Rp. 1.000.001-Rp. 1.500.000 Lebih dari Rp. 1.500.000
Sekolah Menengah Atas Diploma dan Strata 1 Strata 2 dan Strata 3
(a)
(b)
Gambar 8. Persentase Rumah Tangga dalam Permintaan Kredit Sepeda Motor Berdasarkan Konsumsi Tidak Rutin Rata-Rata Per bulan dan Pendidikan Jumlah anggota keluarga yang dimiliki rumah tangga rata-rata sebanyak 4,15 (≈ 4) orang, dengan jumlah anggota terendah dua orang dan tertinggi sepuluh orang. Rumah tangga dalam penelitian ini memiliki jumlah anggota keluarga yang bekerja rata-rata sebanyak 2,02 (≈ 2) orang, jumlah orang yang bekerja dalam suatu keluarga terendah adalah satu orang dan yang terbanyak adalah delapan orang (Tabel 4). Sementara itu untuk variabel dummy dalam penelitian ini, pekerjaan sampingan rumah tangga, rumah tangga yang memiliki pekerjaan sampingan diberi nilai satu dan rumah tangga tanpa pekerjaan sampingan memiliki nilai nol. Pekerjaan sampingan memiliki rata-rata sebesar 0,56 artinya
rumah tangga dalam penelitian ini rata-rata memiliki pekerjaan sampingan, karena nilainya mendekati satu. Tabel 4.
Deskripsi Rata-rata (Mean), Standar Deviasi, Nilai Terkecil (Minimum) dan Nilai Terbesar (Maximum)
Variabel (Karakteristik RT) Pendapatan
N 50
Lama Bekerja
50
1,00
30,00
7,3000
7,22029
Konsumsi Rutin Rata-rata Per bulan
50
300000,00
3000000,00
1319500,0000
744148,77408
Tabungan Rata-rata Per bulan
50
50000,00
2500000,00
576000,0000
519147,65310
50
0,00
3000000,00
851700,0000
590867,23706
Konsumsi Tidak Rutin Rata-rata Per bulan Umur
Minimum 750000,00
Maximum 5000000,00
Mean 2338000,0000
Std. Deviation 1196702,95361
50
21,00
54,00
33,6200
8,31740
Pendidikan
50
6,00
18,00
13,6000
2,84282
Jumlah Anggota Keluarga
50
2,00
10,00
4,1600
1,63333
Jumlah Anggota Keluarga Bekerja
50
1,00
8,00
2,0200
1,40683
Pekerjaan
50
0,00
1,00
0,7400
0,44309
Pekerjaan Sampingan
50
0,00
1,00
0,5600
0,50143
Jenis Kelamin
50
0,00
1,00
0,9400
0,23990
Tempat Tinggal
50
0,00
1,00
0,7400
0,44309
Pasangan Bekerja
50
0,00
1,00
0,7600
0,43142
Valid N (listwise)
50
Sebagian besar rumah tangga dalam penelitian ini mempunyai tempat tinggal di Kota Bogor karena memiliki rata-rata 0,74 yang mendekati satu, dimana satu merupakan nilai untuk variabel dummy tempat tinggal Kota Bogor. Rumah tangga pada penelitian ini juga rata-rata memiliki nilai 0,76, yang mendekati satu berarti sebagian besar rumah tangga pada penelitian ini pasangannya (isteri/suami) bekerja (Tabel 4).
1.2. Hubungan Silang Karakterisrik Rumah Tangga dengan Permintaan Kredit Sepeda Motor Analisis crosstabs digunakan untuk menampilkan tabulasi silang dan berbagai pengukuran asosiasi dari dua variabel atau lebih (penelitian dan pengembangan, 2003 dalam Nabila, 2006). Analisis croostabs dapat menampilkan
tabulasi silang rumah tangga yang memiliki kredit sepeda motor dengan karakteristiknya. Pembelian sepeda motor secara kredit merupakan permintaan kredit sepeda motor rumah tangga. Hasil keluaran case prosesing summary SPSS 11.5 menunjukan bahwa 50 data yang semuanya diproses (tidak ada data yang missing atau hilang), maka memiliki tingkat ketepatan (valid) sebesar 100% (Lampiran 6). Tabel 5.
Analisis Crosstabs Pembelian Sepeda Motor dan Pekerjaan Pekerjaan Pencari Jasa dan Honorer
Pembelian Tunai Kredit Total
PNS dan TNI/Polri
0 2 2
Swasta dan BUMN
4 3 7
Wirausaha
13 17 30
2 9 11
Total 19 31 50
Rumah tangga yang memiliki kredit sepeda motor terdiri dari bermacam pekerjaan, pekerjaan yang paling banyak adalah sebagai pekerja swasta dan BUMN sebanyak 17 rumah tangga. Pekerjaan sebagai wirausaha sebanyak sembilan rumah tangga dan pekerjaan sebagai pencari jasa/honorer sebanyak dua rumah tangga. Kemudian PNS dan TNI/Polri sebanyak tiga rumah tangga, sehingga rumah tangga dengan golongan pekerjaan dengan berpenghasilan tetap berjumlah 20 rumah tangga (Tabel 5). Tabel 6.
Analisis Crosstabs Pembelian Sepeda Motor dengan Pendapatan Pendapatan Kurang dari Rp.1.600.000
Pembelian Total
Tunai Kredit
5 13 18
Rp.1.600.000Rp. 3.000.000
9 6 15
Rp .3.000.001Rp. 4.500.000
2 9 11
Lebih dari Rp. 4.500.000
3 3 6
Total 19 31 50
Tabel 6 menunjukan hubungan antara pembelian sepeda motor dengan pendapatan rumah tangga, rumah tangga yang membeli sepeda motor secara kredit berpendapatan kurang dari Rp. 1.600.000 per bulan sebanyak 13 rumah
tangga. Dapat disimpulkan pendapatan yang tidak terlalu besar rumah tangga berusaha untuk mengambil kredit sepeda motor, sebagai konsekuensinya tiap bulan rumah tangga harus mengurangi pengeluaran lain (konsumsi rutin dan tabungan) untuk membayar cicilan sepeda motor yang telah menjadi kewajiban. Mengingat rata-rata rumah tangga memiliki pendapatan sebesar Rp. 2.388.000. Rumah tangga yang diwakili responden dalam permintaan kredit sepeda motor berusia antara 21 hingga 30 tahun dengan jumlah 17 responden dari 31 responden (Tabel 7). Tabel 7.
Analisis Crosstabs Pembelian Sepeda Motor dengan Umur Umur 21 – 30 Tahun
Pembelian
Tunai Kredit
5 17 22
Total
30 – 41 Tahun 10 7 17
41 – 50 Tahun
Lebih dari 50 tahun 3 6 9
Total 1 1 2
19 31 50
Konsumsi rutin rumah tangga yang membeli sepeda motor secara kredit, memiliki pengeluaran untuk konsumsi rutin per bulan sebesar Rp. 1.000.001 hingga Rp. 1.500.000 per bulan, sebanyak 10 rumah tangga (Tabel 8). Rumah tangga yang membeli secara kredit yang diwakili responden berjenis kelamin lakilaki sebanyak 29 responden dan perempuan sebanyak dua responden (Lampiran 7). Tabel 8.
Pembelian
Total
Analisis Crosstabs Pembelian Sepeda Motor dengan Konsumsi Rutin Rata-rata Konsumsi Rutin Rata-rata Tunai Kredit
Kurang dari Rp. 600.000
Rp. 600.000 – Rp. 1.000.000
Rp. 1.000.001 – Rp. 1.500.000
Rp. 1.500.001 – Rp. 2.000.000
Lebih dari Rp. 2.000.000
Total
0 9 9
8 7 15
1 10 11
4 3 7
6 2 8
19 31 50
Rumah tangga yang pasangannya (isteri/suami) bekerja, memiliki pekerjaan sampingan dan anggota keluarga bekerja lebih dari satu, dapat membantu membiayai konsumsi rutin. Jumlah rumah tangga yang memiliki pendapatan lain adalah rumah tangga yang pasangannya bekerja sebanyak 23 rumah tangga (Lampiran 8), yang memiliki pekerjaaan sampingan sebanyak 18 rumah tangga (Lampiran 9), dan rumah tangga yang anggota keluarganya bekerja lebih dari satu orang sebanyak 20 rumah tangga (Lampiran 10). Tabel 9.
Analisis Crosstabs Pembelian Sepeda Motor dengan Tabungan Ratarata Tabungan Rata-rata Kurang dari Rp. 400.000
Pembelian Tunai Kredit Total
Rp. 400.000 Rp. 700.000
6 14 20
Rp. 700.001 – Rp. 1.100.000
6 11 17
Lebih dari Rp.1.100.000
4 4 8
Total 3 2 5
19 31 50
Tabel 9 memperlihatkan rumah tangga yang memiliki kredit sepeda motor tabungan rata-ratanya per bulan sebesar kurang dari Rp. 400.000 sebanyak 14 rumah tangga. Sedangkan rumah tangga yang memiliki kredit sepeda motor, konsumsi tidak rutinnya kurang dari Rp. 600.000 sebanyak sembilan rumah tangga. Rumah tangga yang konsumsi tidak rutin rata-rata per bulannya Rp. 600.000 hingga Rp. 1.000.000 sebanyak 13 rumah tangga (Lampiran 11). Tabel 10.
Analisis Crosstabs Pembelian Sepeda Motor dengan Lama Bekerja Lama Bekerja
Pembelian Total
Tunai Kredit
1 – 8 Tahun 10 22 32
9 - 16 Tahun 5 7 12
Total
Lebih dari 17 Tahun 4 2 6
19 31 50
Rumah tangga yang memiliki kredit sepeda motor, yang sudah bekerja selama satu hingga delapan tahun di tempat saat mengajukan permintaan kredit
sepeda motor 22 rumah tangga (Tabel 10). Dengan waktu bekerja selama itu maka rumah tangga tersebut memiliki pendapatan yang cukup stabil. Rumah tangga yang bekerja selama sembilan hingga 16 tahun sebanyak tujuh rumah tangga. Sebanyak dua rumah tangga lain, merupakan rumah tangga pemilik kredit dengan lama bekerja selama lebih dari 17 tahun. Tabel 11.
Analisis Crosstabs Pembelian Sepeda Motor dengan Pendidikan Pendidikan SD
Pembelian
Tunai Kredit
Total
SMP
1 1 2
SMA 0 3 3
Diploma – S1
7 13 20
Total
S2 –S3 9 13 22
2 1 3
19 31 50
Tabel 11 memperlihatkan rumah tangga yang memiliki kredit sebagian besar memiliki pendidikan terakhir SMA, yaitu sebanyak 13 rumah tangga. Rumah tangga yang memiliki pendidikan SD dan SMP sebanyak empat rumah tangga. Jumlah rumah tangga yang memiliki kredit dengan pendidikan diploma dan S1 sama dengan jumlah dengan pendidikan terakhir SMA. Sisanya sebanyak satu rumah tangga berpendidikan S2. Rumah tangga yang meminta kredit motor, memiliki jumlah anggota keluarga yang beragam. Rumah tangga yang terbanyak memiliki anggota keluarga sebanyak empat orang (Tabel 12). Rumah tangga dengan empat anggota keluarga itu sebanyak sembilan rumah tangga, yang ratarata keseluruhan rumah tangga memiliki 4.15 (≈ 4) anggota keluarga (Tabel 4). Tabel 12.
Analisis Crosstabs Pembelian Sepeda Motor dengan Jumlah Anggota Keluarga Jumlah Anggota Keluarga
Pembelian Tunai Kredit Total
2 Orang
3 Orang
4 Orang
5 Orang
3 5 8
5 3 8
8 9 17
2 8 10
Lebih dari 6 Orang 1 6 7
Total 19 31 50
1.3. Karakteristik
Rumah
Tangga
yang
Mempengaruhi
Peluang
Permintaan Kredit Sepeda Motor Penelitian ini menggunakan model probit yang bersifat binary untuk mengetahui karakteristik rumah tangga yang mempengaruhi peluang permintaan kredit sepeda motor, dimana variabel tak bebasnya memiliki dua nilai, satu (1) untuk pembelian sepeda motor secara kredit dan nol (0) untuk pembelian sepeda motor secara tunai. Penentuan nilai variabel tak bebas seperti pada persamaan (2) ditentukan oleh suatu indeks kepuasan yang tidak diteliti (unobservable utility index) seperti persamaan (3). Dalam penelitian ini tingkat kepuasan atau utilitas (Uij) suatu rumah tangga menentukan apakah rumah tangga tersebut membeli sepeda motor secara kredit atau tunai. Jika U1j (tingkat kepuasan rumah tangga ke j membeli sepeda motor secara kredit) yang lebih tinggi dari U0j (tingkat kepuasan rumah tangga ke j membeli sepeda motor secara tunai), maka rumah tangga tersebut variabel tak bebasnya bernilai satu (Y=1), dan variabel tak bebasnya bernilai nol (Y=0) jika sebaliknya. Hal tersebut sesuai dengan dalil ekonomi bahwa rumah tangga sebagai individu akan berusaha untuk memaksimumkan kepuasan dengan anggaran yang tersedia (Nicholson, 2001). Variabel bebasnya merupakan karakteristik rumah tangga terdiri dari pendapatan (X1), lama bekerja (X2), konsumsi rutin rata-rata (X3), tabungan ratarata (X4), konsumsi tidak rutin rata-rata (X5), umur (X6), pendidikan (X7), jumlah anggota keluarga (X8), jumlah anggota keluarga bekerja (X9), dummy pekerjaan (DX10), dummy pekerjaan sampingan (DX11), dummy jenis kelamin (DX12), dummy tempat tinggal (DX13), dan dummy pasangan bekerja (DX14).
Analisa tentang kelayakan model dan tanda setiap koefisien dari model yang dibentuk dilakukan untuk menentukan variabel-variabel yang mempengaruhi peluang permintaan kredit sepeda motor. Nilai koefisien model probit diperoleh dari keluaran perangkat lunak Eviews 4.1. Untuk menentukan pengaruh nyata variabel dengan membandingkan nilai p-value yang diperoleh dari hasil keluaran yang dibandingkan dengan suatu taraf nyata (α), sehingga dapat menentukan apakah menolak H0 : koefisien tersebut sama dengan nol. Jika p-value lebih kecil dari taraf nyata maka variabel tersebut signifikan, sehingga tanda koefisien tersebut
merupakan
pengaruh
positif
atau
negatif
karakteristik
dalam
mempengaruhi probabilitas permintaan kredit sepeda motor, dalam suatu tingkat kepercayaan (1-α). Penelitian ini menggunakan tingkat kepercayaan 90 persen atau dengan taraf nyata 10 persen (α =10%). Untuk memperoleh model yang terbaik maka dilakukan proses reduksi (pengurangan) variabel bebas yang tidak berpengaruh dari model. Model probit pertama, menggunakan seluruh variabel bebas yang berjumlah 14 variabel yang lima diantaranya adalah variabel dummy. Namun pada model pertama ini koefisien variabel yang berpengaruh nyata hanya variabel X3, X4, X7, dan DX10 (Tabel 13). Model probit pertama menghasilkan beberapa koefisien variabel berpengaruh nyata pada tingkat kepercayaan 90 persen, karakteristik yang berpengaruh nyata terhadap peluang permintaan kredit sepeda motor tersebut adalah konsumsi rutin rata-rata, tabungan rata-rata, pendidikan, dan dummy pekerjaan. Sementara karakteristik rumah tangga yang lain tidak signifikan pada taraf nyata 10 persen.
Tabel 13.
Hasil Model Probit Pertama
Simbol Variabel
Variabel
Koefisien
Probabilitas -6
0,1892
X1
Pendapatan
1,01 x 10
X2
Lama Bekerja
-0,049901
0,4591
-6
0,0431*
X3
Konsumsi Rutin Rata-rata Per Bulan
-1,66 x 10
X4
Tabungan Rata-rata Per Bulan
-5,01 x 10-6
0,0266*
-6
X5
Konsumsi Tidak Rutin Rata-rata Per Bulan
1,32 x 10
0,1426
X6
Umur
-0,052297
0,4764
X7
Pendidikan
0,316165
0,0898*
X8
Jumlah Anggota Keluarga
0,068692
0,8337
X9
Jumlah Anggota Keluarga Bekerja
0,051082
0,9060
DX10
Dummy Pekerjaan
-3,533,983
0,0372*
DX11
Dummy Pekerjaan Sampingan
0,139571
0,8926
DX12
Dummy Jenis Kelamin
-2,900,523
0,1507
DX13
Dummy Tempat Tinggal
-0,114478
0,9054
DX14
Dummy Pasangan Bekerja
-1,328,573
0,1424
C
Konstanta
5,930,653
0,1255
LR statistic (14 df) Probability(LR stat) McFadden R-squared Count R-squared Ket : * signifikan pada α = 10%
34,10541 0,001991 0,513586 37/50=0,74
Model pertama memperlihatkan nilai LR statistic (14 df) sebesar 34,10541. Secara keseluruhan karakteristik rumah tangga yang menjadi variabel pada model probit pertama berpengaruh secara nyata terhadap peluang permintaan kredit sepeda motor, dimana tingkat probabilitas (LR stat) bernilai 0,001991 yang lebih kecil dari taraf nyata 10 persen. Tiga dari empat karakteristik rumah tangga tersebut memiliki tanda yang negatif, hanya pendidikan yang memiliki tanda yang positif. Hal tersebut berarti setiap penurunan konsumsi rutin rata-rata dan tabungan rata-rata, akan meningkatkan peluang permintaan kredit sepeda motor tingkat rumah tangga. Sementara seseorang yang berpenghasilan tetap, peluang
permintaan kredit sepeda motor akan berkurang. Semakin meningkatnya jumlah tahun pendidikan maka akan meningkatkan rumah tangga dalam peluang permintaan kredit sepeda motor. Untuk mendapatkan model yang terbaik, dilakukan reduksi koefisien variabel yang tidak signifikan berdasarkan nilai probabilitas yang paling besar. Sehingga akan terbentuk beberapa model probit alternatif sebelum mendapatkan model probit yang terbaik. Tabel 14 memperlihatkan model probit dengan mereduksi variabel yang tidak signifikan, maka diperoleh enam model probit alternatif. Tabel 14.
Model Probit Alternatif (Berdasarkan Angka Probabilitas) Model
Simbol Variabel Ke-1 X1 0,1892 X2 0,4591 X3 0,0431* X4 0,0266* X5 0,1426 X6 0,4764 X7 0,0898* X8 0,8337 X9 0,9060 DX10 0,0372* DX11 0,8926 DX12 0,1507 DX13 0,9054 DX14 0,1424 Ket : * signifikan pada α = 10%
Ke-2
Ke-3
Ke-4
Ke-5
Ke-6
0,1672 0,4303 0,0400* 0,0245* 0,1364 0,4703 0,0812* 0,7048
0,1653 0,4308 0,0410* 0,0131* 0,1231 0,3730 0,0735* 0,7138
0,0432* 0,4360 0,0230* 0,0080* 0,1189 0,3946 0,0726* 0,7184
0,0285* 0,4097 0,0164* 0,0054* 0,1148 0,3665 0,0675*
0,0413* 0,0636* 0,0118* 0,0045* 0,1547
0,0377* 0,8383 0,1350 0,9223 0,0921*
0,0194* 0,7849 0,1143
0,0185*
0,0152*
0,0194*
0,0893*
0,0595*
0,0751*
0,0891*
0,0918*
0,0994*
0,0881*
0,0860*
Model probit terbaik dari model alternatif yang diperoleh adalah model keenam, dimana model tersebut terdapat sembilan karakteristik rumah tangga yang menjadi variabel bebas. Model keenam merupakan model terbaik dan model terakhir, dimana variabel terakhir yang direduksi sebelum model keenam adalah variabel umur. Karakteristik yang menjadi variabel bebas adalah pendapatan, lama
bekerja, konsumsi rutin rata-rata, tabungan rata-rata, konsumsi tidak rutin ratarata, pendidikan, dummy pekerjaan, dummy jenis kelamin, dan dummy pasangan bekerja. Jika variabel yang memiliki probabilitas terbesar pada model keenam direduksi kembali, akan membuat variabel yang tadinya signifikan menjadi tidak signifikan. Variabel yang probabilitasnya terbesar adalah konsumsi tidak rutin rata-rata dan variabel yang menjadi tidak signifikan tersebut adalah variabel pendidikan. Hal ini menandakan adanya korelasi kuat antara variabel konsumsi tidak rutin dengan pendidikan, konsumsi tidak rutin akan semakin besar akibat semakin tingginya pendidikan. Pendidikan menentukan pendapatan dan stabilitas pendapatan. Tabel 15.
Hasil Model Probit Keenam (Terakhir)
Simbol Variabel
Variabel
Koefisien
Probabilitas
X1
Pendapatan
1,07 x 10-6
0,0413*
X2
Lama Bekerja
-0,092367
0,0636*
-6
0,0118*
-6
0,0045*
1,07 x 10-6
0,1547
0,292594
0,0860*
X3
Konsumsi Rutin Rata-rata Per Bulan
-1,81 x 10
X4
Tabungan Rata-rata Per Bulan
-4,72 x 10
X5
Konsumsi Tidak Rutin Rata-rata Per Bulan
X7
Pendidikan
DX10
Dummy Pekerjaan
-3,253198
0,0194*
DX12
Dummy Jenis Kelamin
-2,831464
0,0751*
DX14
Dummy Pasangan Bekerja
-1,322441
0,0881*
C
Konstanta
4,929549
0,0258
LR statistic (9 df)
33,04016
Probability(LR stat)
0,000131
McFadden R-squared
0,497545
Count R-squared Ket : * signifikan pada α = 10%
40/50=0,80
Tabel 15 memperliahtkan karakteristik yang secara nyata berpengaruh terhadap peluang permintaan kredit sepeda motor di model probit keenam sebanyak delapan variabel, dengan tanda yang berbeda pada koefisien variabelnya. Karakteristik yang signifikan tersebut adalah pendapatan, lama bekerja, konsumsi rutin rata-rata, tabungan rata-rata, pendidikan, dummy pekerjaan, dummy jenis kelamin, dan dummy pasangan bekerja. Secara keseluruhan variabel karakteristik berpengaruh secara nyata terhadap peluang permintaan kredit sepeda motor. Nilai LR statistic (9 df) sebesar 33,04016, dengan tingkat probabilitas (LR stat) 0,000131, maka paling tidak terdapat satu karakteristik secara nyata berpengaruh terhadap peluang permintaan kredit sepeda motor. Nilai McFadden R2 sebesar 0,50, maka variabel bebas dalam model probit keenam sudah cukup baik untuk menjelaskan vatiabel tak bebasnnya. Terdapat nilai Count R2 sebesar 0,80, hal ini menguatkan bahwa variabel bebas dapat menjelaskan variabel tak bebasnya dengan baik. Lampiran 27 memperlihatkan, bahwa jumlah prediksi yang tepat sebanyak 40, dengan total contoh sebanyak 50 contoh. Koefisien karakteristik rumah tangga yaitu pendapatan mempunyai nilai 1,06 x 10-6. Pendapatan bernilainya positif, maka meningkatnya pendapatan dari rumah tangga akan mengakibatkan peningkatan probabilitas untuk permintaan kredit sepeda motor, dimana variabel lain tetap. Dapat disimpulkan, bahwa rumah tangga dengan berapa pun tingkat pendapatannya masih membeli motor secara kredit. Hal ini sesuai dengan hukum permintaan, dimana peningkatan pendapatan akan diikuti oleh permintaan terhadap suatu barang, yang tergolong barang
normal. Rumah tangga yang berpenghasilan rendah, saat terjadi kenaikan pendapatan mengikuti prilaku masyarakat lainnya yang lebih memilih mengkonsumsi komoditi yang tergolong komoditi primer secara langsung terlebih dahulu, dibanding mengkonsumsi langsung barang sekunder seperti sepeda motor. Nilai yang positif dan signifikan di pendapatan rumah tangga memperlihatkan hipotesis LCPIH masih berlaku, yang menyatakan bahwa individu atau rumah tangga akan memaksimumkan tingkat kepuasannya dengan dihadapkan pada kendala anggaran antar waktu yang dihadapinya. Maka semakin meningkatnya anggaran, anggaran itu sendiri akan menjadi sebuah kendala dalam memaksimumkan kepuasan. Pendapatan juga merupakan dasar penting pemberian kredit sepeda motor, yang cicilan setiap bulannya tidak boleh lebih rendah dari sepertiga pendapatan. Koefisien karakteristik rumah tangga yang juga signifikan adalah lama bekerja dengan nilai -0,09. Lama bekerja responden yang mewakili rumah tangga mengakibatkan penurunan probabilitas permintaan kredit sepeda motor, dimana variabel lain tetap. Seseorang yang telah lama bekerja bisa dibilang telah mendapatkan fasilitas transportasi. Sebabnya kemudian kebutuhan akan sepeda motor menurun, mengakibatkan menurunkan probabilitas permintaan kredit sepeda motor. Apabila seseorang lama bekerja hanya beberapa tahun, maka kebutuhan akan transportasi akan meningkat untuk menghemat, mengurangi beban pendapatan yang belum stabil bagi pekerja yang belum lama bekerja.. Konsumsi rutin rata-rata rumah tangga memiliki koefisien yang signifikan dengan nilai -1,81 x 10-6. Konsumsi rutin rata-rata rumah tangga yang menurun,
cateris paribus meningkatkan probabilitas permintaan kredit sepeda motor. Menurunnya konsumsi rutin rumah tangga, membuat rumah tangga leluasa untuk mengalokasikan pendapatannya, termasuk untuk kredit sepeda motor yang cicilannya dibayarkan setiap bulan dalam periode tertentu. Karakteristik
rumah
tangga
yang
lain
yaitu
tabungan
rata-rata
mempengaruhi secara nyata terhadap probabilitas permintaan kredit sepeda motor. Tabungan rata-rata memiliki tanda negatif dengan nilai -4,72 x 10-6, sehingga penurunan tabungan rata-rata rumah tangga meningkatkan probabilitas permintaan kredit sepeda motor, dimana variabel lain tetap. Semakin rendahnya tabungan rata-rata dan pengeluaran lain tetap, maka rumah tangga akan leluasa untuk mengajukan kredit sepeda motor, sehingga meningkatkan peluang permintaan kredit sepeda motor. Pendidikan juga berpengaruh nyata terhadap peluang permintaan kredit sepeda motor. Karakteristik pendidikan memiliki nilai koefisien sebesar 0,292594, yang bernilai positif. Makin lama jumlah tahun responden dalam rumah tangga bersekolah, meningkatkan probabilitas permintaan kredit rumah tangga. Pendidikan menurut Magri (2002) merupakan proxy pendapatan masa depan, sehingga sama seperti halnya pendapatan, pendidikan mempunyai pengaruh yang positif. Ketiga dummy dalam model probit keenam memiliki pengaruh yang signifikan, juga berpengaruh negatif. Rumah tangga yang memiliki pekerjaan yang pendapatannya tetap, mempengaruhi probabilitas permintaan kredit sepeda motor secara negatif, dengan nilai koefisien -3,25. Hal tersebut karena rumah
tangga yang pekerjaannya berpendapatan tetap, lebih mudah mengalokasikan pendapatannya untuk kebutuhan rutin dan tabungan. Hal itu menyebabkan pekerjaan sebagai PNS, karyawan swasta dan BUMN, juga TNI/ Polri dapat menentukan pilihan yang akan memaksimumkan kepuasan mereka. Rumah tangga dengan pasangan (isteri/suami) yang bekerja menurunkan probabilitas permintaan kredit sepeda motor, koefisien dummy pasangan bekerja bernilai -2,83. Hal itu karena, rumah tangga pasangannya bekerja memiliki pendapatan lain diluar pendapatan utama responden (suami/isterinya). Pendapatan lain tersebut dapat membantu kebutuhan rutin rumah tangga, sedangkan pendapatan utama dapat dikonsentrasikan untuk ditabung untuk membeli sepeda motor secara tunai. Pilihan pembelian tersebut tergantung rumah tangga dalam mencapai kepuasan yang diinginkan. Koefisien dummy jenis kelamin memiliki nilai -1,32. Rumah tangga yang diwakili responden yang berjenis kelamin laki-laki, mempengaruhi secara negatif probabilitas permintaan kredit sepeda motor. Hal ini terjadi karena rumah tangga yang diwakili responden berjenis kelamin laki-laki, sebagian besar merupakan kepala rumah tangga atau sumber pendapatan keluarga sehingga pendapatan yang diperolehnya akan digunakan untuk memenuhi konsumsi rutin rumah tangga terlebih dahulu. Tabel 16.
Prediksi Permintaan Kredit Sepeda Motor
Pembelian Sepeda Motor Tunai Kredit
Total Rumah tangga 19 31
Tunai 15 6
Prediksi Kredit % Correct 4 78,95 25 80,65 Overall : 80
Model probit keenam dapat dilihat daya ramal prediksi terhadap model, Tabel 16 memperlihatkan hasil estimasi menunjukan bahwa penggolongan rumah tangga yang memiliki nilai variabel tak bebasnya satu (Y=1), memiliki tingkat kebenaran sebanyak 80,56 persen, atau sebanyak 25 rumah tangga dari 31 rumah tangga secara tepat diprediksi membeli secara kredit. Sementara enam rumah tangga lain diprediksi membeli tunai. Prediksi rumah tangga yang membeli sepeda motor tunai menunjukan sebanyak 15 rumah tangga dengan tepat dan seharusnya 4 rumah tangga membeli secara kredit, penggolongan ini untuk rumah tangga yang memiliki nilai nol pada variabel tak bebasnya (Y=0) atau tingkat kebenarannya sebesar 78,95 persen. Lampiran 27 menyajikan rumah tangga yang tepat diprediksi dan rumah tangga yang salah klasifikasi yaitu dalam hasil Actual, Fitted, and Residual Test.
Secara keseluruhan pengklasifikasian yang benar
sebesar 80 persen. 10000000 8000000 Jumlah Kredit (Juta, Rp)
6000000 4000000 2000000 0 2000
2001
2002
2003
Kredit Total Kab. & Kota Bogor (Rupiah & Valuta Asing) Kredit Konsumsi Kab. Bogor
2004
Juni2005
Tahun
Kredit Konsumsi Kota Bogor
Sumber : Bank Indonesia Bandung (2005), diolah
Gambar 9. Perkembangan Penyaluran Kredit Total dan Kredit Konsumsi di Kabupaten dan Kota Bogor Periode 2000-Juni 2005
Gambar 9 merupakan perkembangan penyaluran kredit di Kabupaten dan Kota Bogor. Periode tahun 2000 hingga Juni 2005 memperlihatkan perkembangan yang terus meningkat dari total kredit yang disalurkan, baik untuk kredit total maupun kredit konsumsi. Kredit konsumsi didalamnya termasuk kredit untuk sepeda motor, sehingga dari jumlah kredit tersebut dapat disimpulkan kredit yang disalurkan semakin tahun semakin meningkat, dan permintaan kredit konsumsi tentu saja meningkat. Melihat pengaruh karakteristik rumah tangga dalam mempengaruhi peluang permintaan kredit sepeda motor, dapat dilakukan dengan mensubtitusi nilai varibel ke hasil estimasi pada model probit terakhir (Persamaan 16). Untuk melihat gambarannya, penelitian ini akan menjabarkan peningkatan peluang permintaan kredit sepeda motor yang diakibatkan peningkatan nilai variabel karakteristik rumah tangga yang signifikan dan mempunyai pengaruh yang positif.
Y = 4.93 + 1, 07 x10-6 X 1 - 0.09 X 2 -1,81x10-6 X 3 - 4, 72 x10-6 X 4 + 0.29 X 7 -3.25 DX 10 - 2.83DX 12 -1.32 DX 14
(16)
Diasumsikan terdapat tiga rumah tangga dengan pendapatan dan pendidikan yang berbeda. Rumah tangga yang pertama memiliki pendapatan sebesar Rp. 1.500.000 dengan pendidikan SMA (12 tahun). Rumah tangga kedua memiliki pendapatan sebesar Rp. 2.000.000 dengan pendidikan S1 (16 tahun). Rumah tangga yang ketiga memiliki pendapatan Rp. 3.000.000 dengan pendidikan S2 (12 tahun) (Tabel 16). Ketiga rumah tangga memiliki pekerjaan yang pendapatan tetap, berjenis kelamin laki-laki, dan pasangannya bekerja.
Sementara nilai karakteristik rumah tangga lain yang merupakan variabel diskrit, akan diambil nilai rata-rata (mean) sesuai Tabel 4. Tabel 17. No. 1 2 3 4 5 6 7 8
Nilai Variabel dan Koefisien Model Probit Terakhir Varibel (Xi)
Pendapatan (Rp) Lama Bekerja (Tahun) * Konsumsi Rutin Rata-rata (Rp) * Tabungan Rata-rata (Rp)* Pendidikan (Tahun) Dummy Pekerjaan * Dummy Jenis Kelamin * Dummy Pasangan Bekerja * Konstanta (β0)
Nilai Koefisien (βi)
1,07 x 10-6 -0.09
Rumah Tangga Pertama
Rumah Tangga Kedua
Rumah Tangga Ketiga
1.500.000 7
2.000.000 7
3.000.000 7
-1,81 x 10-6
1.319.500
1.319.500
1.319.500
-4,72 x 10-6
576.000
576.000
576.000
0,29 -3,25 -2,83
12 1 1
16 1 1
18 1 1
-1,32
1
1
1
4,93
Ket : * Nilai Rata-rata (Mean) Variabel dengan Pembulatan
Berdasarkan Tabel 17, dapat dilihat nilai karakteristik dan koefisien rumah tangga yang berbeda untuk melihat peluang dalam mempengaruhi permintaan kredit sepeda motor. Mendapatkan nilai peluang seperti persamaan 6, dapat mengalikan nilai variabel dan koefisien menghasilkan nilai Y [F(β0+Xiβi)], nilai yang diperoleh merupakan nilai F(Z) untuk mendapatkan peluang. Peluang (Pi) karakteristik rumah tangga terhadap permintaan kredit sepeda motor didapatkan melalui normal CDF (Persamaan 7). Rumah tangga pertama yang memiliki pendapatan Rp. 1.500.000 dan berpendidikan SMA memiliki nilai Z sebesar -3,12, maka peluang untuk permintaan kredit sepeda motor sebesar 0,0009. Rumah tangga kedua yang memiliki pendapatan Rp. 2.000.000 dan berpendidikan S1 memiliki nilai Z sebesar -1,41, maka peluang untuk permintaan kredit sepeda motor sebesar
0,0793. Terakhir, rumah tangga ketiga yang memiliki pendaptan sebesar Rp. 3.000.000 dan pendidikan S2 memiliki nilai Z sebesar 0,25, maka peluang untuk permintaan kredit sepeda motor sebesar 0,5987. Berdasarkan hasil peluang yang didapatkan, memperlihatkan peluang permintaan kredit sepeda motor akan semakin meningkat, seiring meningkatnya pendapatan dan pendidikan.
1.4. Implikasi Kebijakan Kredit sepeda motor merupakan salah satu kredit konsumsi dengan jumlah pembiayaan kecil. Hal tersebut, membuat kredit sepeda motor dapat diakses dengan mudah oleh rumah tangga, mengakibatkan penyaluran kredit sepeda motor yang tercermin dari penyaluran kredit konsumsi terus meningkat. Selain itu, pasar pembiayaan kredit sepeda motor memberikan keuntungan yang besar dan suku bunga pembiayaan yang diberlakukan besarnya bisa tiga kali lebih besar dari suku bunga acuan BI (BI rate). Pembiayaan kredit sepeda motor secara individu atau rumah tangga banyak dilakukan oleh perusahaan pembiayaan (multifinance), karena perbankan tidak membiayai kredit sepeda motor yang jumlah kreditnya dibawah Rp. 50 Juta. Rumah tangga akan memiliki peluang permintaan sepeda motor yang semakin besar dengan meningkatnya pendapatan dan pendidikan. Karakteristik rumah tangga lain, seperti konsumsi rutin dan tabungan mempengaruhi peluang secara negatif. Bagi perusahaan pembiayaan, dapat membuat suatu kebijakan yang aman dalam pemberian kredit dengan melihat konsumsi rutin rumah tangga, yang salah satunya dapat dilihat dari tagihan rumah (listrik, air, dan telepon).
Penyaluran tersebut dapat dilakukan dengan suku bunga pembiayaan yang kompetitif dan berprinsip kehati-hatian. Bagi pemerintah, dapat membuat suatu kebijakan dengan peraturan yang mengikat kepada perusahaan pembiayaan dalam menyalurkan kredit konsumsi. Pemerintah tidak hanya menekankan peningkatan Loan Deposit Ratio (LDR) dari perbankan, tetapi juga menekankan prinsip prudent dalam penyaluran kredit, khususnya kredit konsumsi. Hal tersebut dapat dilakukan, karena peluang suatu karakteritsik rumah tangga terhadap permintaan kredit sepeda motor dapat diukur.
V. KESIMPULAN DAN SARAN
5.1 Kesimpulan Berdasarkan tujuan, maka dalam penelitian ini ada dua kesimpulan yang dapat diberikan : 1. Kesimpulan mengenai karakteristik rumah tangga adalah a
Karakterisik rumah tangga dalam permintaan kredit sepeda motor cukup bervariasi pada setiap golongan masing-masing karakteristik. Dari 14 karakteristik rumah tangga yang menjadi variabel bebas dalam penelitian ini, lima diantaranya adalah variabel dummy. Hanya pekerjaan, lama bekerja, dan jenis kelamin yang terlihat dominan dalam satu golongan.
b Karakteristik rumah tangga berdasarkan pekerjaaan, paling dominan dalam permintaan kredit sepeda motor adalah pekerjaan swasta dan BUMN, dimana digolongkan juga sebagai pekerjaan dengan pendapatan yang tetap. Rumah tangga dalam penelitian ini mempunyai rata-rata pendapatan sebesar Rp. 2.388.000, sehingga bila rumah tangga ingin mengajukan kredit sepeda motor jumlah cicilan harus lebih dari sepertiga pendapatan. Rumah tangga yang baru sebentar bekerja lebih dominan dalam permintaan kredit sepeda motor. Responden yang mewakili rumah tangga dalam penelitian ini, hanya tiga orang berjenis kelamin perempuan.
2. Karakteristik yang berpengaruh secara nyata terhadap peluang permintaan kredit sepeda motor adalah pendapatan, lama bekerja, konsumsi rutin ratarata, tabungan rata-rata, pendidikan, dummy pekerjaan , dummy jenis kelamin, dan dummy pasangan yang bekerja. Pengaruh yang diberikan dari karakteristik rumah tangga terhadap peluang permintaan kredit sepeda motor, bertanda positif untuk pendapatan dan pendidikan, dan karakteristik yang lain bertanda negatif. Tanda yang ditunjukan oleh nilai koefisien yang signifikan akan meningkatkan atau menurunkan peluang rumah tangga dalam permintaan kredit sepeda motor. Nilai yang positif dan signifikan pada pendapatan rumah tangga memperlihatkan hipotesis LCPIH masih berlaku. Hal ini menyatakan bahwa individu atau rumah tangga akan memaksimumkan tingkat kepuasannya dengan dihadapkan pada kendala anggaran antar waktu yang dihadapinya. Maka semakin meningkatnya anggaran, anggaran itu sendiri akan menjadi sebuah kendala dalam memaksimumkan kepuasan bagi sebuah rumah tangga.
5.2 Saran Penelitian ini menghasilkan beberapa saran sebagai berikut : 1. Pendapatan merupakan suatu ukuran apakah rumah tangga akan membeli secara kredit atau tidak. Lembaga pemberian kredit dapat meningkatkan penyaluran kredit, dengan terus melakukan pengawasan yang menyeluruh pada setiap rumah di setiap tingkatan pendapatan. Hal ini menjadi penting, sebab lembaga keuangan termasuk perusahaan pembiayaan tetap perlu
hati-hati dalam menyalurkan kredit sepeda motor. Jumlah permintaan kredit sepeda motor yang tinggi, akan menjadi kewajiban yang harus tetap diawasi. Karena jumlah kredit besar tanpa pengawasan yang ketat akan menjadi kredit bermasalah (nonperforming loan/NPL). 2. Lembaga penyalur kredit dapat membuat suatu target pasar yang jelas mengenai rumah tangga yang meminta kredit sepeda motor tidak hanya dari pendapatan rumah tangga, tetapi juga dapat berdasarkan pendidikan, konsumsi rutin, dan pekerjaan rumah tangga. 3. Penelitian ini tidak melihat besar angka marginal effect dan tidak menguji kendala likuiditas dari rumah tangga. Diharapkan penelitian selanjutnya dapat melihat marginal effect.
DAFTAR PUSTAKA
Arief, S. 1993. Metodologi Penelitian Ekonomi. Universitas Indonesia Press, Jakarta. Asosiasi Industri Sepeda Motor Indonesia, 2005. Statistic Motorcyle Production, Sales, and Export. [www.aisi.or.id]. http://www.aisi.or.id/statistic.htm [5 Oktober 2006] Bank Indonesia. 2005. Kerangka Operasional Kebijakan Moneter di Indonesia. Hand Out Kunjungan Hipotesa IPB, 25 Agustus 2005, Jakarta. _____________. 2005. Pelaksanaan Kebijakan Moneter. Hand Out Kunjungan Hipotesa IPB, 25 Agustus 2005, Jakarta. _____________. 2006. Survei Kredit Perbankan, Triwulan Ketiga. [BI Online]. http://www.bi.go.id/web/id/Riset+Survey+Dan+Publikasi/Hasil+Survey/H asil+Survei+Kredit+Perbankan/skp_tw306_rev1.htm [27 September 2006] Bank Indonesia Bandung. 2005. Stastistik Ekonomi dan Keuangan Daerah Jawa Barat. Bank Indonesia Bandung, Bandung. Boediono. 1985. Ekonomi Moneter, Edisi Ketiga. BPFE UGM, Yogyakarta Cox, D. dan T. Jappeli. 1993. “The Effect of Borrowing Constraints on Consumer Liabilities”. Journal of Money, Credit, and Banking, 25: 197-213 Crook, J. 2003. The Demand and Supply for Household Debt : A Cross Country Comparison, First Draft. Credit Research Center, University of Edinbrugh, Edinbrugh Dendawijaya, L. 2001. Manajemen Perbankan. Ghalia Indonesia, Jakarta Dewi, Y.S. 2005. “Tren Industri Pembiayaan di Indonesia”. Economic Review Journal. September 2005 :1-7 Gujarati, D. N. 2003. Basic Econometric, 4th Edition. McGraw-Hill, Singapura. Hadad, M. D., W. Santoso, A. Alisjahbana. 2004. “Model dan Estimasi Permintaan dan Penawaran Kredit Konsumsi Rumah Tangga di Indonesia”. Research Paper Bank Indonesia.
Harmanta dan M. Ekananda. 2005. “Disintermediasi Fungsi Perbankan di Indonesia Pasca Krisis 1997 : Faktor Permintaan dan Penawaran Kredit, Sebuah Pendekatan dengan Model Disequilibrium”. Buletin Ekonomi dan Perbankan. Juni 2005: 52-78. Hayashi, F. 1982. “The Effect of Liquidity Constraints on Consumption : A Croossectional Analysis”. NBER Working Paper, Cambridge Juanda, B. 2003. Metodologi Penelitian. Departemen Ekonomi dan Studi Pembangunan, FEM-IPB, Bogor Koop, G. 2003. Bayesian Econometrics. John Wiley and Sons Ltd, West Sussex. Matondang, Z. 2001. Perbandingan Model Regresi Probit dan REGEE [tesis]. Program Pascasarjana, Institut Pertanian Bogor, Bogor. Miranti, E. 2004. “Prospek Industri Sepeda Motor di Indonesia”. Economic Review Journal. Desember 2004 : 1-7 Mishkin, F. S. 2001. The Economics of Money, Banking, and Financial Markets, Sixth Edition. Addison Wesley, Amerika Serikat. Nabila, W. 2006. Analisis Faktor-faktor yang Mempengaruhi Likuidasi Bank Tahun 1997 [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor, Bogor. Nicholson, W. 2001. Teori Ekonomi Mikro : Prinsip Dasar dan Pengembangannya. Deliarnov [penerjemah]. PT. RajaGrafindo Persada, Jakarta. Rachmawati, M. 2005. Analisis Pengaruh Jangka Pendek dan Jangka Panjang Penawaran Kredit Perbankan Pasca Krisis Ekonomi di Indonesia [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor, Bogor. Republik Indonesia. 1998. Undang-undang Tentang Perbankan No. 10 Tahun 1998. Risdwianto, B. 2004. Analisis Faktor-Faktor Yang Mempengaruhi Volume Penyaluran Kredit Bank Rakyat Indonesia [skripsi]. Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor, Bogor.
74 Lampiran 1 Data Pengkodean Rekapan Kuisioner Y 1 0 0 1 0 1 1 1 0 1 1 1 1 0 0 1 1 1 1 1 0 0 1 1 0 0 0 1 0 1 1 1 1 0 1 1 0 0 1 1 1 0 0 1 0 0
X1 3 4 2 2 3 2 3 3 3 3 3 3 3 3 3 3 4 1 4 3 3 2 3 1 4 3 3 4 3 3 4 4 4 3 4 3 3 3 2 3 4 2 3 4 3 2
X2 2 4 1 1 2 3 3 2 1 1 3 3 1 4 4 2 3 4 4 4 3 2 1 1 2 2 2 1 2 1 2 1 3 1 3 2 1 2 1 1 3 2 1 3 3 2
X3 1 1 2 1 1 2 1 1 1 1 1 1 1 1 3 3 2 1 2 1 1 3 1 2 1 2 1 1 1 1 2 3 2 2 2 1 1 3 1 1 1 3 1 1 2 2
X4 2 1 1 3 4 1 1 2 2 3 1 1 1 1 1 1 1 2 2 2 1 1 2 2 1 1 2 1 4 2 1 1 1 1 1 1 2 1 2 1 2 2 2 1 2 2
X5 2 4 2 4 5 3 4 3 2 1 3 5 1 5 5 3 4 3 3 1 3 2 2 2 2 4 2 1 5 1 2 1 1 2 5 3 2 4 1 3 3 4 2 3 5 5
X6 2 4 1 3 3 3 2 2 2 1 3 1 1 4 4 2 3 2 2 1 3 3 1 1 2 1 2 1 2 1 2 2 4 2 2 1 1 1 2 1 4 1 2 1 3 1
X7 2 3 1 1 4 4 3 4 2 4 2 3 1 1 1 2 2 2 1 2 3 1 2 3 1 1 3 2 3 2 1 1 4 1 2 2 1 1 2 1 3 1 2 4 2 1
X8 1 2 1 1 1 3 1 1 1 1 1 3 2 2 4 3 3 3 1 1 2 2 1 2 2 2 1 1 2 1 2 4 2 2 3 1 2 3 2 2 2 3 1 1 2 3
X9 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
DX10 1 1 2 1 1 1 1 1 1 2 1 1 2 1 2 2 2 1 1 1 1 1 1 1 2 1 1 1 1 1 2 1 1 1 2 1 1 1 1 2 1 1 1 2 1 1
DX11 4 3 3 4 4 3 4 4 4 4 4 3 3 4 4 4 3 3 1 3 4 4 3 2 1 4 3 2 5 3 3 2 3 4 4 4 3 3 4 4 3 3 3 3 5 4
DX12 1 1 2 1 2 2 2 2 2 2 2 2 1 1 2 2 2 2 1 2 2 1 1 1 2 2 2 2 2 2 2 2 1 2 2 2 2 2 1 2 2 2 2 2 1 2
DX13 2 2 2 2 1 4 6 6 3 4 3 3 3 3 3 1 3 4 3 4 3 4 2 4 3 2 1 5 3 5 3 3 1 1 5 1 2 4 1 5 3 3 5 3 3 2
DX14 2 2 1 2 1 1 4 4 2 2 2 1 2 2 1 1 1 1 2 3 4 2 2 2 1 1 1 4 3 4 1 1 2 1 1 1 1 3 2 2 1 1 2 2 2 1
75 1 1 1 1
3 3 3 3
2 1 1 1
1 1 1 1
1 1 2 1
2 2 1 2
1 1 2 1
2 1 1 1
1 1 1 1
1 1 2 1
2 1 1 2
5 3 4 4
2 2 2 2
4 4 4 1
2 4 2 1
Lampiran 2 Kredit Total dan Kredit Konsumsi di Kabupaten dan Kota Bogor (Juta, Rp) Kredit Konsumsi Tahun Total Kredit Kab. Bogor Kota Bogor 2000 6510249 889114 154928 2001 6470746 1102011 285872 2002 5872674 1448085 424325 2003 6705536 1641291 709442 2004 8770698 2322421 1278086 Juni-2005 9674121 2804183 1393111 Lampiran 3 Output Case Processing Summary SPSS 11.5 Case Processing Summary
Pembelian * Pendapatan Pembelian * Pekerjaan Pembelian * Lama Bekerja Pembelian * Pendapatan Sampingan Pembelian * Konsumsi Rata-rata Pembelian * Tabungan Rata-rata Pembelian * Konsumsi lain rata-rata Pembelian * Umur Pembelian * Jenis Kelamin Pembelian * Tempat Tinggal Pembelian * Pendidikan Pembelian * Pasangan Bekerja Pembelian * Jmlh Anggota Kel. Pembelian * Jmlh Anggota Kel. Bekerja
Valid N 50 50 50 50 50 50 50 50 50 50 50 50 50 50
Percent 100 100 100 100 100 100 100 100 100 100 100 100 100 100
Cases Missing N Percent 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Total N 50 50 50 50 50 50 50 50 50 50 50 50 50 50
Percent 100 100 100 100 100 100 100 100 100 100 100 100 100 100
Lampiran 4 Output Crosstabs Pembelian dan Jenis Kelamin SPSS 11.5 Jenis Kelamin Laki - laki
Pembelian Total
Tunai Kredit
Total Perempuan
18 29 47
1 2 3
19 31 50
76 Lampiran 5 Output Crosstabs Pembelian dan Pasangan Bekerja SPSS 11.5 Pasangan Bekerja
Total
Tidak
Pembelian
Ya
Tunai Kredit
4 8 12
Total
15 23 38
19 31 50
Lampiran 6 Output Crosstabs Pembelian dan Pendapatan Sampingan SPSS 11.5 Pendapatan Sampingan
Total
Tidak Memiliki
Pembelian
Tunai Kredit
Memiliki
10 18 28
Total
9 13 22
19 31 50
Lampiran 7 Output Crosstabs Pembelian dan Jumlah Anggota Kel. Bekerja SPSS 11.5 Jumlah Anggota Keluarga Bekerja 1 Orang
Pembelian
Tunai Kredit
2 Orang
10 11 21
Total
3 Orang
6 14 20
Total
Lebih dari 3 Orang
2 1 3
1 5 6
19 31 50
Lampiran 8 Output Crosstabs Pembelian dan Konsumsi lain rata-rata SPSS 11.5 Konsumsi Lain Rata-rata Kurang dari Rp. 600.000
Pembelian
Tunai Kredit
Rp. 600.000 – Rp. 1.000.000
11 9 20
Total
Total
Rp. 1.000.001 – Rp. 1.500.000
3 13 16
Lebih dari Rp. 1500.000
4 4 8
1 5 6
19 31 50
Lampiran 9 Output Crosstabs Pembelian dan Pendapatan SPSS 11.5 Pendapatan Kurang dari Rp. 1.600.000
Pembelian
Tunai Kredit
Total
Rp.1.600.000Rp. 3.000.000
5 13 18
Total
Rp. 3.000.001- Rp. 4.500.000
9 6 15
Lebih dari Rp. 4.500.000
2 9 11
3 3 6
19 31 50
Lampiran 10 Output Crosstabs Pembelian dan Lama Bekerja SPSS 11.5 Lama Bekerja 1 – 8 Tahun
Pembelian Total
Tunai Kredit
9 - 16 Tahun
10 22 32
Total Lebih dari 17 Tahun
5 7 12
4 2 6
19 31 50
77 Lampiran 11 Output Crosstabs Pembelian dan Kosumsi Rata-rata SPSS 11.5 Konsumsi Rata-rata Perbulan
Pembelian
Total
Kurang dari Rp. 600.000
Rp. 600.000 – Rp. 1.000.000
Rp. 1.000.001 – Rp. 1.500.000
Rp. 1.500.001 – Rp. 2.000.000
Lebih dari Rp. 2.000.000
0 9 9
8 7 15
1 10 11
4 3 7
6 2 8
Tunai Kredit
Total
19 31 50
Lampiran 12 Output Crosstabs Pembelian dan Tabungan Rata-rata SPSS 11.5 Tabungan Rata-rata Kurang dari Rp. 400.000
Pembelian
Tunai Kredit
Rp. 400.000 Rp. 700.000
6 14 20
Total
Total
Rp. 700.001 – Rp. 1.100.000
6 11 17
Lebih dari Rp.1.100.000
4 4 8
3 2 5
19 31 50
Lampiran 13 Output Crosstabs Pembelian dan Umur SPSS 11.5 Umur 21 – 30 Tahun
Pembelian
Tunai Kredit
30 – 41 Tahun
5 17 22
Total
Total
41 – 50 Tahun
10 7 17
Lebih dari 50 tahun
3 6 9
1 1 2
19 31 50
Lampiran 14 Output Crosstabs Pembelian dan Tempat Tinggal SPSS 11.5 Tempat Tinggal Kota Bogor
Pembelian
Tunai Kredit
Total
Kab. Bogor
16 21 37
Total
3 10 13
19 31 50
Lampiran 15 Output Crosstabs Pembelian dan Pendidikan SPSS 11.5 Pendidikan SD
Pembelian
Tunai Kredit
SMP
1 1 2
Total
SMU
0 3 3
Total
Diploma – S1
7 13 20
S2 –S3
9 13 22
2 1 3
19 31 50
Lampiran 16 Output Crosstabs Pembelian dan Jumlah Anggota Keluarga SPSS 11.5 Jumlah Anggota Keluarga 2 Orang
Pembelian Total
Tunai Kredit
3 5 8
3 Orang
5 3 8
4 Orang
8 9 17
5 Orang
2 8 10
Total Lebih dari 6 Orang
1 6 7
19 31 50
78 Lampiran 17 Output Model Probit Kesatu Eviews 4.1 Dependent Variable: Y Method: ML - Binary Probit (Quadratic hill climbing) Date: 05/02/07 Time: 20:59 Sample: 1 50 Included observations: 50 Convergence achieved after 12 iterations Covariance matrix computed using second derivatives Variable
Coefficient
Std. Error
z-Statistic
Prob.
X1 X2 X3 X4 X5 X6 X7 X8 X9 DX10 DX11 DX12 DX13 DX14 C
1.01E-06 -0.049901 -1.66E-06 -5.01E-06 1.32E-06 -0.052297 0.316165 0.068692 0.051082 -3.533983 0.139571 -2.900523 -0.114478 -1.328573 5.930653
7.66E-07 0.067402 8.23E-07 2.26E-06 9.02E-07 0.073439 0.186387 0.327258 0.432413 1.696438 1.033607 2.018258 0.963721 0.905599 3.871451
1.312952 -0.740347 -2.022345 -2.216674 1.466042 -0.712114 1.696279 0.209902 0.118132 -2.083178 0.135033 -1.437142 -0.118787 -1.467064 1.531894
0.1892 0.4591 0.0431 0.0266 0.1426 0.4764 0.0898 0.8337 0.9060 0.0372 0.8926 0.1507 0.9054 0.1424 0.1255
Mean dependent var S.E. of regression Sum squared resid Log likelihood Restr. log likelihood LR statistic (14 df) Probability(LR stat) Obs with Dep=0 Obs with Dep=1
0.620000 0.397335 5.525636 -16.15050 -33.20321 34.10541 0.001991 19 31
S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Avg. log likelihood McFadden R-squared Total obs
0.490314 1.246020 1.819627 1.464453 -0.323010 0.513586 50
Lampiran 18 Output Model Probit Kedua Eviews 4.1 Dependent Variable: Y Method: ML - Binary Probit (Quadratic hill climbing) Date: 05/02/07 Time: 21:00 Sample: 1 50 Included observations: 50 Convergence achieved after 12 iterations Covariance matrix computed using second derivatives Variable
Coefficient
Std. Error
z-Statistic
Prob.
X1 X2 X3 X4 X5 X6 X7 X8 DX10
9.72E-07 -0.051774 -1.64E-06 -4.96E-06 1.33E-06 -0.053002 0.320350 0.093980 -3.515227
7.04E-07 0.065650 8.01E-07 2.20E-06 8.92E-07 0.073405 0.183693 0.248042 1.691412
1.381215 -0.788629 -2.054080 -2.249501 1.489257 -0.722054 1.743941 0.378889 -2.078279
0.1672 0.4303 0.0400 0.0245 0.1364 0.4703 0.0812 0.7048 0.0377
79 DX11 DX12 DX13 DX14 C Mean dependent var S.E. of regression Sum squared resid Log likelihood Restr. log likelihood LR statistic (13 df) Probability(LR stat) Obs with Dep=0 Obs with Dep=1
0.190690 -2.817353 -0.092394 -1.376470 5.819877 0.620000 0.392124 5.535409 -16.15756 -33.20321 34.09129 0.001166 19 31
0.934459 1.885141 0.947446 0.817065 3.758322
0.204064 -1.494505 -0.097519 -1.684651 1.548531
S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Avg. log likelihood McFadden R-squared Total obs
0.8383 0.1350 0.9223 0.0921 0.1215 0.490314 1.206302 1.741669 1.410173 -0.323151 0.513373 50
Lampiran 19 Output Model Probit Ketiga Eviews 4.1 Dependent Variable: Y Method: ML - Binary Probit (Quadratic hill climbing) Date: 05/02/07 Time: 21:01 Sample: 1 50 Included observations: 50 Convergence achieved after 12 iterations Covariance matrix computed using second derivatives Variable
Coefficient
Std. Error
z-Statistic
Prob.
X1 X2 X3 X4 X5 X6 X7 X8 DX10 DX11 DX12 DX14 C
9.76E-07 -0.050348 -1.64E-06 -5.05E-06 1.35E-06 -0.056659 0.323943 0.085626 -3.588358 0.230325 -2.871659 -1.365006 5.943223
7.03E-07 0.063902 8.04E-07 2.03E-06 8.75E-07 0.063597 0.180999 0.233461 1.534778 0.844027 1.818648 0.802805 3.586642
1.387458 -0.787896 -2.043054 -2.479706 1.542045 -0.890910 1.789749 0.366767 -2.338031 0.272888 -1.579008 -1.700295 1.657044
0.1653 0.4308 0.0410 0.0131 0.1231 0.3730 0.0735 0.7138 0.0194 0.7849 0.1143 0.0891 0.0975
Mean dependent var S.E. of regression Sum squared resid Log likelihood Restr. log likelihood LR statistic (12 df) Probability(LR stat) Obs with Dep=0 Obs with Dep=1
0.620000 0.386733 5.533821 -16.16231 -33.20321 34.08180 0.000655 19 31
S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Avg. log likelihood McFadden R-squared Total obs
Lampiran 20 Output Model Probit Keempat Eviews 4.1 Dependent Variable: Y Method: ML - Binary Probit (Quadratic hill climbing) Date: 05/02/07 Time: 21:01
0.490314 1.166492 1.663618 1.355801 -0.323246 0.513231 50
80 Sample: 1 50 Included observations: 50 Convergence achieved after 12 iterations Covariance matrix computed using second derivatives Variable
Coefficient
Std. Error
z-Statistic
Prob.
X1 X2 X3 X4 X5 X6 X7 X8 DX10 DX12 DX14 C
1.10E-06 -0.050376 -1.72E-06 -5.20E-06 1.25E-06 -0.053235 0.325396 0.082749 -3.595935 -2.978058 -1.325349 6.007754
5.45E-07 0.064678 7.56E-07 1.96E-06 8.02E-07 0.062531 0.181259 0.229511 1.526486 1.752808 0.786013 3.514494
2.021585 -0.778881 -2.274005 -2.652637 1.559411 -0.851336 1.795205 0.360546 -2.355695 -1.699021 -1.686166 1.709422
0.0432 0.4360 0.0230 0.0080 0.1189 0.3946 0.0726 0.7184 0.0185 0.0893 0.0918 0.0874
Mean dependent var S.E. of regression Sum squared resid Log likelihood Restr. log likelihood LR statistic (11 df) Probability(LR stat) Obs with Dep=0 Obs with Dep=1
0.620000 0.383248 5.581396 -16.19968 -33.20321 34.00705 0.000361 19 31
S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Avg. log likelihood McFadden R-squared Total obs
0.490314 1.127987 1.586873 1.302734 -0.323994 0.512105 50
Lampiran 21 Output Model Probit Kelima Eviews 4.1 Dependent Variable: Y Method: ML - Binary Probit (Quadratic hill climbing) Date: 05/02/07 Time: 21:02 Sample: 1 50 Included observations: 50 Convergence achieved after 12 iterations Covariance matrix computed using second derivatives Variable
Coefficient
Std. Error
z-Statistic
Prob.
X1 X2 X3 X4 X5 X6 X7 DX10 DX12 DX14 C
1.16E-06 -0.053084 -1.79E-06 -5.35E-06 1.26E-06 -0.056127 0.327360 -3.669336 -3.189536 -1.280861 6.675090
5.28E-07 0.064394 7.47E-07 1.92E-06 8.01E-07 0.062154 0.179074 1.511091 1.692623 0.777225 3.105699
2.190029 -0.824357 -2.400567 -2.782870 1.577151 -0.903036 1.828075 -2.428269 -1.884375 -1.647993 2.149303
0.0285 0.4097 0.0164 0.0054 0.1148 0.3665 0.0675 0.0152 0.0595 0.0994 0.0316
Mean dependent var S.E. of regression Sum squared resid Log likelihood Restr. log likelihood
0.620000 0.378360 5.583093 -16.26761 -33.20321
S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Avg. log likelihood
0.490314 1.090704 1.511349 1.250888 -0.325352
81 LR statistic (10 df) Probability(LR stat) Obs with Dep=0 Obs with Dep=1
33.87120 0.000194 19 31
McFadden R-squared Total obs
0.510059 50
Lampiran 22 Output Model Probit Keenam Eviews 4.1 Dependent Variable: Y Method: ML - Binary Probit (Quadratic hill climbing) Date: 05/02/07 Time: 21:02 Sample: 1 50 Included observations: 50 Convergence achieved after 12 iterations Covariance matrix computed using second derivatives Variable
Coefficient
Std. Error
z-Statistic
Prob.
X1 X2 X3 X4 X5 X7 DX10 DX12 DX14 C
1.07E-06 -0.092367 -1.81E-06 -4.72E-06 1.07E-06 0.292594 -3.253198 -2.831464 -1.322441 4.929549
5.26E-07 0.049804 7.19E-07 1.66E-06 7.49E-07 0.170404 1.391437 1.590771 0.775446 2.210942
2.040606 -1.854629 -2.517866 -2.840941 1.423141 1.717066 -2.338013 -1.779932 -1.705394 2.229615
0.0413 0.0636 0.0118 0.0045 0.1547 0.0860 0.0194 0.0751 0.0881 0.0258
Mean dependent var S.E. of regression Sum squared resid Log likelihood Restr. log likelihood LR statistic (9 df) Probability(LR stat) Obs with Dep=0 Obs with Dep=1
0.620000 0.377353 5.695800 -16.68313 -33.20321 33.04016 0.000131 19 31
S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Avg. log likelihood McFadden R-squared Total obs
0.490314 1.067325 1.449730 1.212947 -0.333663 0.497545 50
82 Lampiran 23 Output Expectation Prediction Table Eviews 4.1 Dependent Variable: Y Method: ML - Binary Probit (Quadratic hill climbing) Date: 05/10/07 Time: 23:48 Sample: 1 50 Included observations: 50 Prediction Evaluation (success cutoff C = 0.5) Estimated Constant Equation Probability Dep=0 Dep=1 Total Dep=0 Dep=1 Total P(Dep=1)<=C P(Dep=1)>C Total Correct % Correct % Incorrect Total Gain* Percent Gain**
15 6 21 0 0 0 4 25 29 19 31 50 19 31 50 19 31 50 15 25 40 0 31 31 78.95 80.65 80.00 0.00 100.00 62.00 21.05 19.35 20.00 100.00 0.00 38.00 78.95 -19.35 18.00 78.95 NA 47.37 Estimated Constant Equation Probability Dep=0 Dep=1 Total Dep=0 Dep=1 Total
E(# of Dep=0) E(# of Dep=1) Total Correct % Correct % Incorrect Total Gain* Percent Gain** *Change in "% Correct" from default (constant probability) specification **Percent of incorrect (default) prediction corrected by equation
13.50 5.50 19.00 13.50 71.04 28.96 33.04 53.29
5.61 25.39 31.00 25.39 81.91 18.09 19.91 52.39
19.11 30.89 50.00 38.89 77.78 22.22 24.90 52.84
7.22 11.78 19.00 7.22 38.00 62.00
11.78 19.22 31.00 19.22 62.00 38.00
19.00 31.00 50.00 26.44 52.88 47.12
83 Lampiran 24 Output Actual, Fitted, Residual Table Eviews 4.1 obs
Actual
Fitted
Residual
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
1.00000 0.00000 0.00000 1.00000 0.00000 1.00000 1.00000 1.00000 0.00000 1.00000 1.00000 1.00000 1.00000 0.00000 0.00000 1.00000 1.00000 1.00000 1.00000 1.00000 0.00000 0.00000 1.00000 1.00000 0.00000 0.00000 0.00000 1.00000 0.00000 1.00000 1.00000 1.00000 1.00000 0.00000 1.00000 1.00000 0.00000 0.00000 1.00000 1.00000 1.00000 0.00000 0.00000 1.00000 0.00000 0.00000 1.00000 1.00000 1.00000 1.00000
0.96862 0.87067 0.09779 0.45157 0.03503 0.62052 0.92795 0.98442 0.73070 0.99997 0.27513 0.92367 0.96651 4.4E-07 0.00000 0.46070 0.57667 0.98861 0.44150 0.88734 0.37837 0.54867 0.95096 0.99999 0.80344 0.32049 0.42210 1.00000 0.20737 0.97299 0.96930 0.66914 0.99909 0.26950 0.99867 0.97098 0.39220 0.00060 0.67127 0.89501 0.48905 0.00071 0.38521 1.00000 0.02609 0.01394 0.99963 0.43390 0.99990 0.89857
0.03138 -0.87067 -0.09779 0.54843 -0.03503 0.37948 0.07205 0.01558 -0.73070 3.5E-05 0.72487 0.07633 0.03349 -4.4E-07 0.00000 0.53930 0.42333 0.01139 0.55850 0.11266 -0.37837 -0.54867 0.04904 6.0E-06 -0.80344 -0.32049 -0.42210 4.5E-06 -0.20737 0.02701 0.03070 0.33086 0.00091 -0.26950 0.00133 0.02902 -0.39220 -0.00060 0.32873 0.10499 0.51095 -0.00071 -0.38521 2.6E-08 -0.02609 -0.01394 0.00037 0.56610 0.00010 0.10143
Residual Plot | . * |* . | | . *| | . | | . *| | . | | . |* | . * | * . | | . * | . | | . |* | . * | . * | . * | . | | . | | . * | . | | . |* | * | | * . | | . |* | . * |* . | | .* | | *. | | . * | .* | | . * | . * | . | | . * | .* | | . * | . * | * | | . * | . | | . |* | . | | . * | * | | . * | . * | . * | . * | . | | . * | . |*
. . . . * . * . . . . . * . . . . .* .* . . * . . . . . . . . . . . . * . . . . . . * . .* . . . . . . . * . .
| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |
