ANALISIS RESIKO KREDIT UMKM DENGAN ANALISIS DAYA TAHAN
HILDA YOHANA
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2011
PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis Analisis Resiko Kredit UMKM dengan Analisis Daya Tahan adalah karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini. Bogor, Juli 2011
Hilda Yohana NIM G151090101
ABSTRACT HILDA YOHANA.The Risk Analysis of Bussiness Credit with Survival Analysis. Under direction of HARI WIJAYANTO, and I MADE SUMERTAJAYA.
Nonperforming loans are credit risks faced by each bank which provide credit services. The Bank implementing Credit Scoring methods in testing the customer worthiness to minimize credit risk. In general, Credit Scoring is a method of credit risk analysis aimed to assess and differentiate level of credit risk. In the field of statistics, some analysis methods commonly used to distinguish this level of credit risk including discriminant analysis, logistic regression, artificial neural networks and regression trees. Observational data, used in such methods, is the complete data or data that do not contain censored observations. Statistical method which handles problems, such as censored data is called Survival Analysis. Survival analysis is using Cox regression to identify characteristics of customers who are at risk of default, loan repayment term durability, as well as the chance the customer will experience the risk of default. In this study, characteristics that are both significantly affect a credit crunch on the third business scale is gender ( ), interest rate ( ), type of interest rates ( ), Return on Asset ( ) and business reputation ( ). Based on the value of its hazard ratio, gender differences and the interest rate is an indicator that gives customers the greatest influence in determining the level of a one's credit failure. Keywords : credit risk, credit scoring, survival analysis, Cox regression model
RINGKASAN HILDA YOHANA. Analisis Resiko Kredit UMKM dengan Analisis Daya Tahan. Dibimbing oleh HARI WIJAYANTO, dan I MADE SUMERTAJAYA.
Bank merupakan suatu lembaga keuangan yang berfungsi sebagai perantara keuangan dari dua pihak, yakni pihak yang kelebihan dana dan yang membutuhkan dana. Bank menghimpun dana dari masyarakat dalam bentuk simpanan yaitu tabungan, giro dan deposito, dan menyalurkannya kembali dalam bentuk kredit dan atau bentuk-bentuk lainnya dalam rangka meningkatkan taraf hidup rakyat banyak. Menurut informasi data dari Badan Pusat Statistika (BPS) dan Bank Indonesia (BI), penyaluran kredit khususnya kredit UMKM mengalami peningkatan setiap tahunnya. Pada dasarnya peningkatan pemberian kredit tentu saja akan menimbulkan suatu resiko, yaitu timbulnya kredit bermasalah (Kasmir, 2002).Untuk meminimalisir resiko ini, pihak Bank menerapkan suatu sistem uji kelayakan kredit yang disebut dengan Credit Scoring atau dikenal juga dengan istilah Credit Risk Rating dengan menggunakan analisis 5C, yaitu penilaian terhadap Character (watak), Capacity (kemampuan), Capital (modal), Collateral (jaminan), Condition of Economy (kondisi ekonomi). Secara umum, Credit Scoring merupakan suatu metode analisis resiko kredit yang bertujuan untuk menilai dan membedakan tingkat resiko kredit. Dalam bidang statistika, ada beberapa metode analisis yang dapat digunakan untuk membedakan tingkat resiko kredit, diantaranya analisis diskriminan, regresi logistik, jaringan syaraf tiruan, dan regresi pohon. Metodemetode ini hanya mampu mengelompokan atau membedakan nasabah ke dalam kategori nasabah gagal bayar dan lancar bayar, atau mengelompokan nasabah dengan kategori kredit resiko rendah, dapat diterima, dan resiko tinggi. Metode tersebut dapat digunakan jika data pengamatannya merupakan data lengkap atau data yang tidak mengandung pengamatan tersensor (pengamatan yang tidak dapat diamati secara keseluruhan). Metode statistika yang dapat menangani permasalahan data yang bersifat tersensor adalah analisis daya tahan (survival analysis). Analisis daya tahan menggunakan regresi Cox digunakan untuk mengetahui karakteristik-karakteristik nasabah yang signifikan mempengaruhi terjadinya kredit bermasalah. Selain itu juga dapat diketahui besarnya peluang seseorang akan mengalami gagal bayar, dan efisiensi dari jangka waktu seseorang dalam memenuhi kewajiban kreditnya. Data yang digunakan pada penelitian ini merupakan data sekunder, yakni data nasabah kredit UMKM pada salah satu Bank konvensional di Indonesia, Bank X. Peubah penjelas yang digunakan pada penelitian ini merupakan faktor-faktor resiko atau karakteristik nasabah yang dinilai dalam Credit Scoring, ditambah dengan faktor jenis kelamin, tingkat suku bunga, dan sifat suku bunga yang diduga ikut mempengaruhi resiko terjadinya gagal bayar. Peubah respon yang diamati adalah periode cicilan yang telah dibayarkan hingga periode Februari 2011.
Ada sebanyak 49.912 nasabah Bank X yang diamati dalam penelitian ini, dan ada sebanyak 7,69% nasabah yang mengalami gagal bayar, dengan 5,18% diantaranya berasal dari nasabah dengan skala usaha mikro, 0,97% dari nasabah skala usaha kecil, dan 1,54% dari nasabah skala usaha menengah. Dengan analisis regresi Cox proportional hazard diperoleh model regresi untuk ketiga skala usaha, dimana setiap model dicirikan dengan faktor resiko yang berbeda-beda. Untuk setiap kategori skala usaha, diperoleh faktor resiko yang berbeda. Namun ada 4 faktor resiko yang sama-sama mempengaruhi terjadinya kredit macet pada ketiga skala tersebut yaitu jenis kelamin , tingkat suku bunga , sifat suku bunga , Return of Asset dan reputasi bisnis . Untuk mengetahui perbandingan besarnya resiko yang akan dialami nasabah satu dengan nasabah lainnya yang memiliki karakteristik yang berbeda dapat dilihat dari nilai hazard rasionya. Dari penelitian yang telah dilakukan, perbedaan jenis kelamin nasabah dan tingkat suku bunga yang diberikan merupakan indikator yang paling dominan mempengaruhi tingkat kegagalan kredit seseorang dibandingkan dengan karakteristik yang lainnya. Goodness-of-fit test digunakan untuk menguji kesesuaian antara model regresi Cox dengan data yang digunakan. Nilai untuk skala usaha mikro, kecil dan menengah masing-masing adalah 28,676 ; 28,0267 dan 30,4279. Nilai ini lebih kecil dibandingkan dengan nilai sebesar 31,4104. Hal ini berarti model regresi Cox proportional hazard yang diperoleh sudah sesuai dan cocok digunakan dalam kasus penelitian ini. Untuk mengetahui ketahanan (efisiensi) jangka waktu pelunasan kredit setiap nasabah dengan karakteristik yang berbeda-beda dapat dilihat dari nilai dugaan peluang survivalnya. Semakin besar nilai peluang survival seorang nasabah dengan karakteristik tertentu, maka semakin besar pula peluang nasabah tersebut akan lancar bayar hingga akhir periode jangka waktu yang ditentukan. Kata kunci : credit scoring, resiko kredit, analisis daya tahan, model regresi Cox
ANALISIS RESIKO KREDIT UMKM DENGAN ANALISIS DAYA TAHAN
HILDA YOHANA
Tesis Sabagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Statistika
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2011
© Hak Cipta milik IPB, tahun 2011 Hak Cipta dilindungi Undang-undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan yang wajar bagi IPB Dilarang mengumumkan dan memperbanyak sebagian atau seluruh Karya tulis dalam bentuk apa pun tanpa izin IPB
Judul Tesis Nama NIM
: Analisis Resiko Kredit UMKM dengan Analisis Daya Tahan : Hilda Yohana : G151090101
Disetujui Komisi Pembimbing
Dr. Ir. Hari Wijayanto, MS Ketua
Dr. Ir. I Made Sumertajaya, M.Si Anggota
Diketahui,
Ketua Program Studi Statistika
Dr. Ir. Erfiani, M.Si
Tanggal Ujian : 30 Juni 2011
Dekan Sekolah Pascasarjana IPB
Dr. Ir. Dahrul Syah, M.Sc. Agr.
Tanggal Lulus :
Penguji Luar Komisi pada Ujian Tesis: Dr. Ir. Erfiani, M.Si
PRAKATA
Puji dan syukur penulis ucapkan kehadirat Allah SWT karena berkat rahmat dan hidayah-Nya penulis dapat menyelesaikan karya ilmiah ini. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Maret 2011 ini ialah resiko kredit, dengan judul Analisis Resiko Kredit UMKM dengan Analisis Daya Tahan. Terimakasih Penulis ucapkan kepada : 1. Bapak Dr. Ir. Hari Wijayanto, MS selaku ketua komisi pembimbing dan Bapak Dr. Ir. I Made Sumertajaya, M.Si selaku anggota komisi pembimbing yang telah memberikan bimbingan dan arahan pada penyusunan karya ilmiah ini. Serta terimakasih untuk Ibu Dr.Ir.Erfiani, M.Si dan Ibu Dr.Ir. Anik Djuraidah, M.Si atas kritikan dan sarannya yang membangun untuk penyusunan karya ilmiah ini ke arah yang lebih baik lagi. 2. Anggota keluarga tercinta, ayah, ibu, uda, abang, dan adikku yang senantiasa memberikan dorongan semangat, doa dan kasih sayangnya. 3. Teman-teman S2 dan S3 Statistika IPB atas sumbangan sarannya. Peneliti berharap semoga karya ilmiah ini dapat memberikan manfaat bagi pembacanya.
Bogor, Juli 2011
Hilda Yohana
RIWAYAT HIDUP Penulis dilahirkan di Padang pada tanggal 3 Desember 1987 dari ayah Fauzi AR dan ibu Dra.Helmiyarti. Penulis merupakan anak ketiga dari empat bersaudara. Tahun 2005 penulis lulus dari SMU N 3 Padang, dan pada tahun yang sama penulis diterima di Universitas Andalas, jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam. Pada tahun 2009 penulis lulus dari Universitas Andalas, dan pada tahun yang sama penulis diterima di sekolah pascasarjana Institut Pertanian Bogor dengan program studi Statistika.
DAFTAR ISI Halaman
DAFTAR TABEL ............................................................................................
vi
DAFTAR GAMBAR ....................................................................................... vii DAFTAR LAMPIRAN .................................................................................... viii PENDAHULUAN Latar Belakang........................................................................................ Tujuan Penelitian ................................................................................... TINJAUAN PUSTAKA Kredit ..................................................................................................... Bunga Kredit .......................................................................................... Teori Analisis Resiko Kredit .................................................................. Kualitas Kredit........................................................................................ Analisis Daya Tahan............................................................................... Definisi dalam Analisis Daya Tahan ..................................................... Model Regresi Cox Proportional Hazard ............................................... Pendugaan Fungsi Survival .................................................................... Pendugaan Parameter Regresi Cox ........................................................ Pengujian Kontribusi Peubah ................................................................. Uji Kesesuaian Model ........................................................................... Hazard Ratio ........................................................................................... METODOLOGI PENELITIAN Data ........................................................................................................ Metode Analisis ...................................................................................... HASIL DAN PEMBAHASAN Deskripsi Data ........................................................................................ Analisis Karakteristik Nasabah yang Mempengaruhi Kredit Macet ...... Uji Kesesuaian Model ............................................................................ Analisis Perbandingan Resiko ................................................................ Aplikasi Penerapan ................................................................................. SIMPULAN DAN SARAN Kesimpulan ............................................................................................. Saran .......................................................................................................
1 2 3 4 4 6 7 8 9 10 10 11 12 12 14 15 17 22 24 25 28 30 30
DAFTAR PUSTAKA ..................................................................................... 31 LAMPIRAN ..................................................................................................... 32
DAFTAR TABEL Halaman 1
Gambaran umum data nasabah kredit UMKM Bank X ........................ 17
2
Tabulasi Silang antara status kredit dengan jenis kelamin ............. …..
3
Tabulasi Silang antara status kredit dengan sifat suku bunga ................ 19
4
Tabulasi Silang antara status kredit dengan finansial nasabah ....... …..
5
Tabulasi Silang antara status kredit dengan karakter nasabah ............... 20
6
Tabulasi Silang antara status kredit dengan kondisis bisnis ........... …..
7
Tabulasi Silang antara status kredit dengan manajemen usaha .............. 22
8
Nilai dugaan koefisien regresi ................................................................ 23
9
Faktor-faktor resiko yang signifikan mempengaruhi kredit macet …..
10
Uji kesesuaian model .............................................................................. 24
11
Hazard ratio untuk setiap perbedaan karakteristik ................................. 25
18
19
21
24
DAFTAR GAMBAR Halaman 1
Jenis-jenis sensor ....................................................................................
8
2
Kemungkinan kejadian yang terjadi ....................................................... 14
3
Persentase nasabah yang mengalami gagal bayar dan lancar bayar ....... 18
DAFTAR LAMPIRAN Halaman 1
Definisi peubah penjelas ........................................................................ 32
2
Nilai dugaan parameter........................................................................... 35
3
Contoh perhitungan manual peluang survival ........................................ 36
4
Cox-Snell residuals (validation model checking) .................................. 37
LAMPIRAN
PENDAHULUAN Latar Belakang Bank merupakan suatu lembaga keuangan yang berfungsi sebagai perantara keuangan dari dua pihak, yakni pihak yang kelebihan dana dan yang membutuhkan dana. Menurut Undang-undang No.10 Tahun 1998 tentang perbankan, Bank adalah suatu lembaga keuangan yang tugas utamanya menghimpun dana dari masyarakat dalam bentuk simpanan yaitu tabungan, giro dan deposito, dan menyalurkannya kembali dalam bentuk kredit dan atau bentukbentuk lainnya dalam rangka meningkatkan taraf hidup rakyat banyak. Menurut informasi data dari Badan Pusat Statistika (BPS) dan Bank Indonesia (BI), penyaluran kredit khususnya kredit modal kerja (kredit usaha) mengalami peningkatan setiap tahunnya. Hal ini membuktikan bahwa tidak sedikit dari masyarakat yang memanfaatkan fasilitas kredit untuk menunjang dan meningkatkan perekonomian mereka. Menurut
Kasmir
(2002),
peningkatan
pemberian
kredit
akan
menimbulkan suatu resiko, yaitu timbulnya kredit bermasalah (Non Performing Loan). Kredit bermasalah disebabkan oleh 2 pihak, yaitu pihak Bank dan pihak penerima kredit (debitur). Jika ditinjau dari pihak debitur, kredit bermasalah dapat disebabkan oleh kegagalan debitur dalam memenuhi kewajiban kreditnya. Dari pihak Bank, kredit bermasalah diantaranya dapat disebabkan oleh kesalahan pihak Bank dalam menilai karakteristik calon debiturnya ataupun kurang teliti dan cermat dalam menganalisis potensi resiko yang akan ditimbulkan oleh calon debiturnya. Untuk meminimalisir resiko terjadinya kredit bermasalah, pihak Bank menerapkan suatu sistem uji kelayakan kredit yang disebut dengan Credit Scoring atau dikenal juga dengan istilah Credit Risk Rating. Prinsip analisis resiko kredit yang digunakan pada metode ini adalah analisis 5C (The Five C’s of Credit Analysis), yaitu penilaian terhadap Character (watak), Capacity (kemampuan), Capital (modal), Collateral (jaminan), Condition of Economy (kondisi ekonomi). Secara umum, Credit Scoring merupakan suatu metode
1
analisis resiko kredit yang bertujuan untuk menilai dan membedakan tingkat resiko kredit. Dalam bidang statistika, ada beberapa metode analisis yang dapat digunakan untuk membedakan tingkat resiko kredit, diantaranya analisis diskriminan, regresi logistik, jaringan syaraf tiruan, dan regresi pohon. Metodemetode ini hanya mampu mengelompokan atau membedakan nasabah ke dalam kategori nasabah gagal bayar dan lancar bayar, atau mengelompokan nasabah dengan kategori kredit resiko rendah, dapat diterima, dan resiko tinggi. Metode tersebut dapat digunakan jika data pengamatannya merupakan data lengkap atau data yang tidak mengandung pengamatan tersensor. Metode statistika yang dapat menangani permasalahan data yang bersifat tersensor adalah analisis daya tahan (survival analysis). Penanganan masalah data tersensor dalam penelitian ini sangatlah diperlukan, mengingat adanya keterbatasan waktu penelitian dan sebagian data yang diperoleh merupakan data pengamatan yang tidak dapat diamati secara keseluruhan (data tersensor). Dengan analisis daya tahan menggunakan regresi Cox, nantinya dapat diketahui karakteristik-karakteristik nasabah yang signifikan mempengaruhi terjadinya kredit bermasalah. Selain itu juga dapat diketahui besarnya peluang seseorang akan mengalami gagal bayar, dan efisiensi dari jangka waktu seseorang dalam memenuhi kewajiban kreditnya.
Tujuan Penelitian Tujuan dari penelitian ini adalah 1. Mengidentifikasi faktor-faktor resiko yang signifikan mempengaruhi terjadinya kredit bermasalah pada nasabah berdasarkan skala usaha. 2. Mengidentifikasi ketahanan atau efisiensi jangka waktu pelunasan kredit nasabah berdasarkan nilai dugaan peluang survivalnya.
2
TINJAUAN PUSTAKA Kredit Kredit adalah kemampuan untuk melaksanakan suatu pemberian atau mengadakan suatu pinjaman dengan suatu janji pembayarannya akan dilakukan pada suatu jangka waktu yang disepakati. Menurut UU RI no.7 tahun 1992 tentang perbankan, kredit adalah penyediaan uang atau tagihan yang dapat dipersamakan dengan itu berdasarkan persetujuan atau kesepakatan pinjammeminjam antara bank dengan pihak lain, yang mewajibkan pihak pinjam meminjam untuk melunasi hutangnya setelah jangka waktu tertentu dengan sejumlah bunga imbalan atau pembagian hasil keuntungan. Secara umum, ada tiga macam jenis kredit, yaitu : 1. Kredit Usaha Kredit usaha adalah kredit yang digunakan untuk membiayai perputaran usaha atau bisnis sehingga dapat menghasilkan sesuatu yang produktif, seperti usaha perdagangan, usaha industri rumah tangga, usaha jasa konsultasi, dan lain-lain. 2. Kredit Konsumsi Kredit konsumsi adalah kredit yang digunakan untuk membeli sesuatu yang sifatnya konsumtif, seperti membeli rumah atau kendaraan pribadi. Karena uang tersebut oleh nasabah akan digunakan untuk tujuan konsumtif, maka risiko bagi bank bahwa nasabahnya tidak mampu membayar pinjamannya akan menjadi lebih besar sehingga pada umumnya suku bunga yang dibebankan kepada nasabah untuk kredit konsumsi akan lebih besar ketimbang bunga kredit untuk tujuan usaha. 3. Kredit Serba Guna Kredit serba guna adalah kredit usaha rakyat yang bisa digunakan untuk tujuan apa saja, bisa untuk konsumsi maupun untuk usaha. Salah satu produk kredit serba guna yang sering dipasarkan adalah kredit tanpa agunan.
3
Kredit Usaha Mikro Kecil dan Menengah (UMKM) merupakan kredit modal kerja dengan jumlah nasabah terbanyak di Indonesia. Usaha mikro didefinisikan sebagai usaha produktif milik orang perorangan dan/atau badan usaha milik perorangan dengan plafon kredit maksimum 100 juta, usaha kecil dengan plafon kredit lebih besar 100 juta dan maksimum 500 juta, sedangkan usaha menengah memiliki plafon besar dari 500 juta dan maksimum 10 miliar rupiah.
Bunga Kredit Bunga kredit yang diberikan pihak Bank kepada nasabahnya merupakan wujud balas jasa atas fasilitas kredit yang diberikan. Ada dua jenis perhitungan (sifat) bunga kredit yang diterapkan oleh Bank, yaitu : 1. Bunga efektif, yakni bunga pinjaman selalu dihitung dari sisa pokok pinjaman. 2. Bunga flat, yakni bunga pinjaman selalu dihitung dari pokok awal pinjaman, dengan demikian jumlah bunga yang dibayarkan setiap bulannya adalah sama.
Teori Analisis Resiko Kredit Resiko kredit adalah resiko yang timbul akibat kegagalan debitur dalam memenuhi kewajibannya. Menurut Graddy (1985), dalam proses analisa resiko kredit terdapat 5 aspek utama mengenai debitur yang perlu dianalisa, yaitu: 1.
Character (watak) Penilaian watak atau kepribadian calon debitur dimaksudkan untuk mengetahui kejujuran dan itikad baik calon debitur untuk melunasi atau mengembalikan pinjamannya.
2.
Capacity (kapasitas) Hal ini berkaitan dengan menilai kemampuan debitur dalam membayar kewajibannya kepada kreditur.
4
3. Capital (modal) Menganalisis aspek permodalan dilakukan guna memastikan bahwa calon debitur mempunyai modal yang cukup dalam menunjang pembiayaan proyek atau usaha calon debitur yang bersangkutan. 4. Collateral (jaminan) Jaminan digunakan untuk menutup risiko kredit macet, Bank harus memastikan agunan yang diserahkan calon debitur cukup berkualitas dan memiliki surat-surat yang lengkap. 5. Condition of Economy (kondisi ekonomi) Hal ini berhubungan dengan keadaan usaha yang dibiayai yang dipengaruhi oleh lingkungan ekonomi atau kondisi pasar, sehingga dapat diketahui prospek pemasaran dari hasil usaha debitur. Selain prinsip 5C, Bank juga menerapkan prinsip 7P, dimana prinsip ini pada dasarnya merupakan perluasan dan pengembangan dari prinsip 5C. Prinsip 7P tersebut adalah sebagai berikut : 1. Personality, yaitu menilai calon debitur dari segi kepribadiannya, seperti riwayat hidup, pergaulan dengan masyarakat, dan hal-hal lain yang erat kaitannya dengan calon debitur. 2. Party, yaitu menggolongkan nasabah ke golongan tertentu berdasarkan modal, loyalitas, dan karakternya, sehingga nasabah akan mendapatkan fasilitas kredit yang berbeda dari bank. Kredit untuk pengusaha lemah berbeda dengan kredit dengan pengusaha yang kuat modalnya, baik dari segi jumlah, bunga, dan persyaratan lainnya. 3. Purpose, yaitu untuk mengetahui tujuan nasabah dalam mengambil kredit, termasuk jenis kredit yang diinginkan nasabah. 4. Prospect, yaitu untuk menilai usaha nasabah di masa yang akan datang (menguntungkan atau tidak). 5. Payment, merupakan ukuran bagaimana nasabah membayar kreditnya dengan mencari tahu dari sumber penghasilan debitur. 6. Profitability,
yaitu
untuk
menganalisis
kemampuan
nasabah dalam
menghasilkan laba.
5
7. Protection, tujuannya adalah menjaga agar kredit yang diberikan bank dapat memperoleh perlindungan. Perlindungan dapat berupa jaminan barang atau jaminan. Selain penilaian terhadap prinsip 5C dan 7P tersebut, ada beberapa faktor lainnya yang perlu diperhatikan dalam menganalisis resiko kredit. Faktor-faktor tersebut diantaranya, tingkat suku bunga, lamanya jangka waktu pembayaran, dan besar kecilnya jumlah pinjaman. Menurut Stiglitz dan Weiss (1981), terdapat hubungan antara tingkat suku bunga dengan ekspektasi pengembalian kredit. Sedangkan menurut Merton (1974), besarnya resiko kegagalan kredit salah satunya juga ditentukan oleh faktor besar kecilnya jumlah pinjaman, untuk itu perlu dilakukan pengelompokan nasabah berdasarkan jumlah pinjaman. Selain itu, lamanya jangka waktu pelunasan juga ikut mempengaruhi terjadinya kredit macet. Dalam teorinya, semakin lama jangka waktu pengembalian kredit, maka resiko untuk terjadinya kredit macet juga semakin besar. Kualitas Kredit Berdasarkan keputusan Bank Indonesia (SK Direksi No.7/2/PBI/2005), kualitas kredit terbagi dalam beberapa kualifikasi, yaitu : 1. Kredit lancar 2. Kredit dalam perhatian khusus, apabila terjadi tunggakan selama < 90 hari 3. Kredit kurang lancar, apabila terjadi tunggakan selama 90-180 hari 4. Kredit diragukan, apabila terjadi tunggakan selama 180-270 hari 5. Kredit macet, apabila terjadi tunggakan selama > 270 hari Dalam analisa resiko kredit, kualitas kredit (3), (4) dan (5) merupakan kualitas kredit dengan kategori kredit bermasalah. Artinya, nasabah dengan kategori ini digolongkan pada nasabah gagal bayar.
Analisis Daya Tahan Analisis daya tahan (survival snalysis) merupakan suatu metode statistika yang digunakan untuk menganalisis data yang diperoleh dari catatan waktu yang dicapai suatu objek sampai terjadinya suatu peristiwa tertentu (Kleinbaum, 2005).
6
Data survival adalah data tentang pengamatan jangka waktu dari awal pengamatan sampai terjadinya suatu peristiwa (survival time) dimana peristiwa tersebut dapat berupa kegagalan, kematian, timbulnya gejala, dan lain-lain (Lee, 1992). Dalam analisis daya tahan dikenal beberapa istilah, yaitu : (Lee, 1992) 1. Waktu awal yaitu waktu pada saat terjadinya kejadian awal, seperti waktu seseorang divonis menderita kanker, waktu pemberian perlakuan dan lainlain. 2. Waktu kegagalan (failure time) yaitu waktu pada saat terjadinya kejadian akhir seperti kematian, kegagalan dan lain-lain. 3. Data tersensor adalah data yang tidak bisa diamati secara utuh, karena adanya individu yang hilang ataupun dengan alasan lain, sehingga tidak dapat diambil datanya atau sampai akhir pengamatan individu tersebut belum mengalami peristiwa tertentu. Jika berada dalam keadaan sebaliknya maka data tersebut disebut data tidak tersensor. Ketidaklengkapan data pengamatan akibat adanya beberapa objek pengamatan tidak dapat terobservasi pada rentang waktu penelitian disebut dengan censoring. Ada beberapa jenis censoring (sensor), diantaranya : 1. Right censoring (sensor kanan) Sensor yang terjadi dikarenakan objek pengamatan belum mengalami kegagalan hingga akhir periode penelitian, sedangkan waktu awal dari objek pengamatan dapat diamati secara penuh. 2. Left censoring (sensor kiri) Sensor yang terjadi dikarenakan ketika waktu awal dari objek pengamatan tidak teramati pada awal penelitian sementara kegagalan dapat diamati secara penuh sebelum penelitian berakhir. 3. Double censoring (sensor kiri kanan) Sensor yang terjadi dikarenakan ketika waktu awal dari objek pengamatan tidak teramati pada awal penelitian dan kegagalan terjadi setelah periode penelitian berakhir.
7
Jenis-jenis sensor tersebut dapat disajikan dalam Gambar 1 berikut :
X X
1
2 X
T0
3
T1 Gambar 1 Jenis-jenis sensor
Keterangan : (1) Sensor kanan, (2) Sensor kiri, (3) Sensor kiri kanan Definisi dalam Analisis Daya Tahan Dalam analisis daya tahan, terdapat beberapa definisi yang dijadikan dasar dalam melakukan analisis. Sebaran waktu survival biasanya dinyatakan dalam tiga fungsi, yaitu : 1. Fungsi survival,
adalah fungsi yang menyatakan peluang seseorang
dapat bertahan hingga atau lebih dari waktu , yaitu : (Lee, 1992)
2. Fungsi kepekatan (density function)
(1)
Misalkan T adalah peubah acak positif dan kontinu mengenai waktu survival, dan
adalah waktu amatan yang merupakan periode cicilan
kredit yang sudah dibayarkan hingga Februari 2011, dan
adalah
fungsi kepekatan peluang dari T, maka fungsi sebaran kumulatif (cumulative distribution function) dari T,
didefinisikan sebagai
peluang seorang nasabah mengalami gagal bayar sebelum waktu , yaitu : (2) sedangkan fungsi kepekatan peluang
didefinisikan sebagai limit dari
peluang seorang nasabah akan mengalami gagal bayar pada selang sampai
, yaitu : (3)
8
dan dapat ditunjukkan bahwa, jika fungsi survival fungsi kepekatan peluang dari T adalah
, maka dengan
.
(Collet, 1994). 3. Fungsi hazard (hazard function) didefinisikan sebagai limit dari peluang seseorang akan mengalami gagal bayar pada selang waktu yang pendek dengan syarat bahwa seseorang itu telah bertahan hingga waktu , yaitu: (Collet, 1994) (4) dan dapat ditunjukkan bahwa
, yaitu :
Model Regresi Cox Proportional Hazard Analisis regresi Cox adalah suatu metode statistika yang digunakan untuk melihat hubungan dan pengaruh dari beberapa karakteristik (peubah penjelas) terhadap waktu survivalnya (peubah respon), yang dinyatakan dalam suatu fungsi hazard atau model regresi Cox proportional hazard, yaitu : (Cox dan Oakes, 1984) (5) dengan : = waktu hingga kejadian tertentu terjadi = peubah penjelas atau kovariat fungsi hazard dasar (baseline hazard function) = vektor koefisien regresi
9
Pendugaan Fungsi Survival Pendugaan fungsi survival dalam model regresi Cox menggunakan penduga Breslow, yang didefinisikan sebagai berikut : (6) dan
dapat ditentukan dengan formulasi sebagai berikut
dengan
jumlah kegagalan pada
dan
himpunan individu-individu yang
masih bertahan hingga waktu .
Pendugaan Parameter Regresi Cox Pendugaan parameter pada model regresi Cox dilakukan dengan memaksimumkan fungsi partial-likelihoodnya. Misalkan suatu data terdiri dari pengamatan, waktu survival
merupakan fungsi kepekatan peluang individu ke pada dan
merupakan fungsi survivalnya, maka fungsi
partial-likelihoodnya dapat didefinisikan sebagai : (Hossmer dan Lemeshow, 1997) (7) dengan Jika persamaan (7) di
Penduga parameter likelihood, yaitu
-kan, maka diperoleh
dapat diperoleh dengan memaksimumkan fungsi ln-partial =0
10
Akan diturunkan
terhadap
,
, …,
yaitu :
Karena persamaan di atas sulit untuk diselesaikan, maka pendugaan parameter dilakukan dengan metode Newton-Raphson, yaitu : 1. Tentukan nilai 2. Hitung dengan
Hitung
untuk
sampai
konvergen,
Pengujian Kontribusi Peubah Pengujian kontribusi peubah bertujuan untuk memeriksa apakah peubah penjelas memiliki pengaruh yang nyata di dalam model. Pengujian yang dapat digunakan adalah uji-G dan uji Wald. Uji-G merupakan uji rasio kemungkinan (likelihood ratio test) yang bertujuan untuk menguji peranan peubah penjelas pada model secara bersama-sama dengan statistik uji adalah model dengan
, dimana
peubah penjelas tereduksi dan A adalah model tanpa
11
peubah penjelas. Statistik uji ini mengikuti sebaran
dengan derajat bebas .
Uji Wald digunakan untuk menguji pengaruh parameter pada model secara terpisah, dengan hipotesis
maka
dan stattistik uji
, jika
ditolak pada taraf nyata , artinya parameter regresi tersebut
signifikan secara statistik pada taraf nyata . (Collet,1994)
Uji Kesesuaian Model Pengujian kesesuaian model (goodness-of-fit test) bertujuan untuk mengetahui apakah model regresi Cox proportional hazard sesuai dan cocok digunakan untuk contoh kasus penelitian ini. Statistik uji yang digunakan untuk uji kesesuaian model ini yaitu : (Schoenfeld, 1980) score test (model extended-Cox) – score test (model proportional hazard) dengan model extended-Cox :
Jika
maka terima
:
, artinya model
regresi Cox proportional hazard sesuai dan cocok untuk digunakan dalam menggambarkan data yang sebenarnya.
Hazard Ratio Interpretasi terhadap perbandingan resiko dari suatu individu terhadap individu lainnya adalah dengan menggunakan hazard ratio. Hazard ratio juga digunakan untuk mengetahui adanya peningkatan atau penurunan resiko yang dialami oleh suatu individu yang dikenai perlakuan atau kondisi tertentu. Misal, terdapat 2 individu dengan karakteristik yang berbeda yaitu individu dengan karakteristik
dan individu dengan karakteristik
. Perbandingan terhadap tingkat
resiko kegagalan yang dialami kedua individu tersebut dapat diformulasikan sebagai berikut :
12
Interpretasi terhadap nilai hazard ratio didefinisikan sebagai resiko terjadinya kegagalan pada individu pertama dengan kategori
adalah sebesar
resiko terjadinya kegagalan pada individu kedua dengan kategori
kali
. Untuk Z
yang bersifat kontinu, HR diinterpretasikan sebagai untuk setiap kenaikan atau penurunan nilai Z sebesar 1 satuan, maka akan menaikan atau menurunkan resiko kegagalan sebesar
kali.
13
METODOLOGI PENELITIAN Sumber Data Data yang digunakan pada penelitian ini adalah data sekunder, yaitu data nasabah kredit UMKM pada salah satu Bank konvensional di Indonesia, Bank X dengan periode kredit mulai Januari 2003 hingga Februari 2011. Data pada penelitian ini terdiri dari (disajikan dalam Gambar 2) : 1. Data tidak tersensor, yaitu nasabah yang telah berstatus gagal bayar hingga akhir periode penelitian. 2. Data tersensor, yaitu nasabah yang kreditnya sudah lunas (2b) maupun nasabah yang kreditnya belum selesai tapi masih berstatus lancar bayar hingga akhir periode penelitian (2a). X (1) -------------------- (2a) (2b)
Okt 2010
Jan 2011
Feb 2011
Gambar 2 Kemungkinan kejadian yang terjadi Pada penelitian ini, jenis data tersensornya merupakan sensor kanan dan setiap nasabah memiliki waktu awal kredit yang berbeda, sedangkan kejadian akhir yang dialami nasabah juga berbeda-beda. Peubah respon yang diamati pada penelitian ini adalah periode cicilan kredit yang telah dibayarkan hingga Februari 2011, dan peubah penjelas yang digunakan adalah 1.
yaitu jenis kelamin debitur
2.
yaitu tingkat suku bunga pertahun
3.
yaitu sifat suku bunga
4.
yaitu kondisi finansial debitur, diantaranya Quick Ratio (QR), (ROA),
EBITDA,
Profit Margin (PM), dan
Current Ratio (CR),
Equity Ratio (ER),
Returns on Asset
Sales Growth (SG).
14
5.
yaitu karakter debitur, diantaranya pengeloaan rekening,
6.
reputasi bisnis, dan
yaitu kondisi bisnis debitur, diantaranya pemasaran,
7.
tingkat kepercayaan,
lokasi usaha, dan
prilaku debitur. kualitas produk,
permintaan dan persaingan.
yaitu manajemen pengelolaan usaha debitur, diantaranya komersial, dan
strategi
kualifikasi
kualifikasi teknis.
Penjelasan mengenai definisi dan pengkodean masing-masing peubah penjelas yang digunakan disajikan pada Lampiran 1.
Metode Analisis Tahapan analisis yang dilakukan dalam penelitian ini adalah 1. Pendiskripsian data, yaitu membuat sebaran data dengan chart dan tabulasi silang. 2. Pendugaan parameter setiap peubah dengan memaksimumkan fungsi partiallikelihoodnya. 3. Pembentukan model regresi Cox proportional hazard. 4. Seleksi model terbaik untuk menentukan faktor-faktor resiko yang signifikan mempengaruhi terjadinya kredit bermasalah menggunakan forward selection, dengan tahapan sebagai berikut : 1. Misalkan ada sebanyak p peubah penjelas,
. Hitung
dengan
adalah ln-partial
likelihood untuk model dengan peubah penjelas
,
adalah
model tanpa peubah penjelas. Peubah penjelas yang pertama kali masuk ke dalam model adalah peubah penjelas yang paling berpengaruh signifikan, yaitu peubah dengan nilai peubah tersebut adalah
. Jika
signifikan yang dipilih dan
yang paling besar, misal , dengan
kriteria , maka
proses dilanjutkan ke langkah 2.
15
2. Hitung
dengan
adalah ln-
partial likelihood untuk model dengan peubah penjelas adalah model dengan peubah penjelas
dan
,
. Peubah penjelas
kedua yang masuk dalam model adalah peubah penjelas dengan nilai paling besar, misal
. Jika
, dengan
, maka proses dilanjutkan ke langkah 3. 3. Langkah ke 3 dimulai dengan model dengan peubah penjelas Hitung
dan
.
, dan seterusnya. Proses dihentikan hingga tidak ada lagi
peubah yang berpengaruh signifikan yang masuk dalam model. 4. Menguji pengaruh setiap peubah dalam model dengan uji Wald, yaitu dengan melihat pengaruh peubah dalam model secara terpisah. 5. Melakukan uji kesesuaian model. Uji ini bertujuan untuk melihat kesesuaian antara model regresi dengan data yang digunakan. Pengujian dilakukan dengan membandingkan nilai score test dan nilai lebih kecil dari nilai
. Jika nilai score test
, maka dapat disimpulkan bahwa model regresi
Cox proportional hazard sudah sesuai dan cocok digunakan untuk contoh kasus penelitian ini. 6. Menghitung nilai hazard ratio dari setiap peubah penjelas yang berpengaruh untuk mengetahui perbandingan tingkat resiko terjadinya gagal bayar antara satu individu dengan individu lainnya. 7. Menghitung peluang survival dengan menggunakan penduga Breslow untuk mengidentifikasi ketahanan (efisiensi) jangka waktu kredit.
16
HASIL DAN PEMBAHASAN
Deskripsi Data Kredit UMKM Bank X merupakan kredit dengan jumlah nasabah terbanyak dibandingkan dengan jenis kredit lainnya. Jasa layanan kredit usaha pada Bank ini diantaranya meliputi sektor usaha dibidang jasa, konstruksi, pengangkutan, perdagangan, perikanan, perindustrian, perkebunan, pertanian, peternakan, dan sarana. Gambaran umum tentang nasabah kredit UMKM Bank X dilihat dari skala usaha maupun sektor usahanya disajikan dalam Tabel 1 berikut : Tabel 1 Gambaran umum tentang data nasabah UMKM Bank X Skala usaha Mikro Kecil Menengah Lancar Gagal Lancar Gagal Lancar Gagal Total Sektor usaha bayar bayar bayar bayar bayar bayar Jasa 4195 208 528 22 5132 142 37 Kostruksi 41 5 77 10 176 34 9 Pengangkutan 110 6 50 2 189 16 5 Perdagangan 24984 2051 9629 389 39644 1937 654 Perikanan 96 11 10 1 125 5 2 Perindustrian 1186 124 448 39 2024 182 45 Perkebunan 122 12 23 2 167 6 2 Pertanian 1111 60 31 3 1216 7 4 Pertenakan 271 33 110 14 457 21 8 Sarana 684 77 9 1 782 8 3 Total 32800 2587 10915 483 2367 769 49.912 Dari 49.912 nasabah kredit UMKM Bank X, sebanyak 3.839 nasabahnya mengalami gagal bayar. Ini artinya sebesar 7,69% dari total nasabah yang pada awalnya memenuhi kualifikasi resiko kredit rendah ataupun yang dapat ditoleransi pada akhirnya mengalami gagal bayar. Sebanyak 5,18% diantaranya berasal dari nasabah dengan skala usaha mikro, 0,97% dan 1,54% berasal dari skala usaha kecil dan menengah. Sebaran datanya disajikan dalam Gambar 1 berikut :
17
120.000 100.000
92.689
Sarana
95.762
Pertenakan
75.408
80.000
Perkebunan
Perindustrian
60.000
Perikanan Perdagangan
40.000 24.592 20.000
Pertanian
Pengangkutan Kostruksi
7.311
Jasa
4.238
0.000
10.36 12.04 5.51 9.58 10.28 11.20 7.80 6.88 13.64 5.20
0.00
mikro gagal bayar
kecil
menengah
gagal bayar
50.00
89.64 87.96 94.49 90.42 89.72 88.80 92.20 93.12 86.36 94.80 100.00
lancar bayar
lancar bayar
(a) Skala Usaha (b) Sektor Usaha Gambar 3 Persentase nasabah yang mengalami gagal bayar dan lancar bayar Dari Gambar 1(a) dapat dilihat bahwa skala usaha menengah merupakan skala usaha dengan potensi kredit bermasalah terbesar. Sebanyak 24.59% dari total nasabah pada skala menengah mengalami gagal bayar. Hal ini mengindikasikan bahwasanya kredit untuk skala usaha menengah perlu mendapatkan perhatian dan penanganan khusus dalam proses kelayakan kreditnya. Jika ditinjau dari jenis usahanya, hampir semua sektor usaha berpotensi tinggi untuk mengalami kredit macet. Untuk mengetahui sebaran data nasabah yang mengalami gagal bayar berdasarkan karakteristiknya, dapat dilihat pada tabulasi silang berikut : Tabel 2 Tabulasi silang antara status kredit dengan jenis kelamin Jenis kelamin Status Jumlah laki-laki perempuan Lancar Jumlah 32717 13261 45978 bayar (%) 96.15 83.48 92.12 Gagal Jumlah 1309 2625 3934 bayar (%) 3.85 16.52 7.88 Jumlah 34026 15886 49912
18
Pada Tabel 2 dapat dilihat bahwa persentase gagal bayar nasabah berjenis kelamin perempuan lebih besar dibandingkan dengan persentase nasabah berjenis kelamin kali-laki. Hal ini mengindikasikan bahwa untuk resiko kegagalan lebih rentan dialami oleh nasabah yang berjenis kelamin perempuan. Tabel 3 Tabulasi silang antara status kredit dengan sifat suku bunga Sifat suku bunga Status Jumlah efektif flat Lancar Jumlah 36584 9394 45978 bayar (%) 91.28 95.53 92.12 Gagal Jumlah 3494 440 3934 bayar (%) 8.72 4.47 7.88 Jumlah 40078 9834 49912 Pada Tabel 3 dapat dilihat bahwa sifat suku bunga yang diberikan oleh pihak Bank X kepada nasabah akan mempengaruhi resiko kegagalan yang akan dialami oleh nasabah. Hal ini terlihat dari persentase nasabah yang gagal bayar lebih banyak berasal dari nasabah yang dikenakan sifat suku bunga efektif dibandingkan dengan sifat suku bunga yang flat. Hal ini mengindikasikan bahwa penerapan sifat suku bunga flat pada setiap nasabah memungkinkan untuk meminimalisir resiko terjadinya gagal bayar. Tabel 4 Tabulasi silang antara status kredit dengan finansial debitur Rasio keuangan 0 Current Ratio 1 0 Quick Ratio 1 0 EBITDA 1 0 Equity Ratio 1
Jumlah (%) Jumlah (%) Jumlah (%) Jumlah (%) Jumlah (%) Jumlah (%) Jumlah (%) Jumlah (%)
Status Lancar bayar Gagal bayar 39226 3306 92.22 7.78 6752 628 91.49 8.51 40955 3447 92.24 7.76 5023 487 91.16 8.84 45895 3927 92.12 7.88 83 7 92.22 7.78 45717 3911 92.12 7.88% 261 23 91.91 8.09
Total 42532 100 7380 100 44402 100 5510 100 49822 100 90 100 49628 100 284 100
19
Tabel 4 Tabulasi silang antara status kredit dengan finansial debitur (lanjutan) Rasio keuangan 0 ROA 1 0 Profit Margin 1 0 Sales Growth 1
Jumlah (%) Jumlah (%) Jumlah (%) Jumlah (%) Jumlah (%) Jumlah (%)
Status Lancar bayar Gagal bayar 18207 1186 93.88 6.12 27771 2748 90.96 9.04 22595 1561 90,78 9.22 23383 2373 92.53 7.47 21956 1773 92.53 7.47 24022 2161 91.75 8.25
Total 19393 100 30519 100 24156 100 25756 100 23729 100 26183 100
Dari Tabel 4 dapat dilihat bahwa untuk kategori finansial, nasabah yang mengalami gagal bayar kebanyakan berasal dari nasabah dengan kondisi finansial yang rendah. Hal ini mengindikasikan bahwa kondisi keuangan nasabah memang ikut mempengaruhi dan menentukan apakah untuk ke depannya nasabah akan mampu melunasi hutangnya. Tabel 5 Tabulasi silang antara status kredit dengan karakter nasabah Status Lancar Jumlah bayar (%) Gagal Jumlah bayar (%) jumlah
Tingkat kepercayaan 0 1 2 7429 38499 50 94.36 91.70 89.28 444 3484 6 5.64 8.30 10.72 7873 41983 56
3 0 0 0 0 0
Pengelolaan rekening 0 1 2 20717 23325 1887 92.32 92.06 90.81 1723 2012 191 7.68 7.94 9.19 22440 25337 2078
3 49 85.96 8 14.04 57
Tabel 5 Tabulasi silang antara status kredit dengan karakter nasabah (lanjutan) Status Lancar Jumlah bayar (%) Gagal Jumlah bayar (%) Jumlah
Reputasi bisnis 0 1 2 16924 28953 101 93.77 91.19 89.38 1124 2798 12 6.23 8.81 10.62 18048 31751 113
3 0 0 0 0 0
0 8955 94.73 498 5.27 9453
Prilaku debitur 1 2 34074 2917 91.54 91.91 3140 292 8.44 9.09 37214 3209
3 32 91.67 4 11.11 36
Pada Tabel 5 terlihat bahwa nasabah yang memenuhi kualifikasi resiko kredit dapat diterima oleh pihak Bank X tidak ada yang berasal dari nasabah dengan karakteristik tingkat kepercayaan dengan kategori 3, yaitu seluruh
20
informasi yang diberikan tidak sesuai atau dengan kata lain nasabah dengan kategori sangat tidak dapat dipercaya. Nasabah dengan karakteristik reputasi bisnis dengan kategori 3, yaitu reputasi bisnis buruk juga tidak ada yang lolos kualifikasi kelayakan kredit. Semakin baik karakter seorang nasabah, maka semakin rendah resiko nasabah tersebut untuk gagal bayar. Tabel 6 Tabulasi silang antara status kredit dengan kondisi bisnis nasabah Status Lancar Jumlah bayar (%) Gagal Jumlah bayar (%) Jumlah
Kualitas produk/jasa 0 1 2 8702 37051 225 92.63 92.05 83.03 692 3196 46 7.37 7.95 16.97 9394 40247 271
3 0 0 0 0 0
Strategi pemasaran 0 1 2 12369 33236 342 92.51 91.98 91.20 1002 2896 33 7.49 8.02 8.80 13371 36132 375
3 31 91.18 3 8.82 34
Tabel 6 Tabulasi silang antara status kredit dengan kondisi bisnis (lanjutan) Status Lancar Jumlah bayar (%) Gagal Jumlah bayar (%) Jumlah
Lokasi usaha 0 1 2 13823 31923 201 92.11 92.16 89.16 1185 2717 27 7.89 7.84 11.84 15008 34640 228
3 31 86.11 5 13.89 36
Perkembangan pasar 0 1 2 5300 40398 249 95.54 92.27 91.89 246 3663 22 4.44 7.63 8.11 5546 44061 271
3 31 91.18 3 8.82 34
Pada Tabel 6 dapat dilihat bahwa untuk karakteristik nasabah dengan kategori kondisi bisnis, tidak ada nasabah dengan kualifikasi kualitas produk/jasa yang buruk yang mendapat pinjaman kredit. Nasabah yang mengalami gagal bayar umumnya memang berasal dari nasabah dengan kategori kondisi bisnis yang buruk. Namun persentase nasabah gagal bayar yang berasal dari karakteristik kondisi bisnis dengan kategori yang baik juga cukup tinggi. Hal ini mengindikasikan bahwa tidak menutup kemungkinan resiko gagal bayar juga akan dialami oleh nasabah dengan kualitas kondisi bisnis yang baik. Hal ini mungkin saja dapat disebabkan oleh faktor lain, seperti karakteristik nasabahnya, kekeliruan penilaian oleh pihak Bank X ataupun kondisi lainnya yang dialami oleh nasabah diluar pantauan pihak Bank X.
21
Tabel 7 Tabulasi silang antara status kredit dengan manajemen usaha Kualifikasi komersial 0 1 2 2033 35522 8375 92.79 92.70 89.61 158 2799 971 7.21 7.30 10.39 2191 38321 9346
Status Lancar Jumlah bayar (%) Gagal Jumlah bayar (%) Jumlah
3 48 88.89 6 11.11 54
Kualifikasi teknis 0 1 2 33518 12273 142 92.12 92.63 87.68 2868 1039 20 7.88 7.80 12.32 36386 13312 162
3 45 86.54 7 13.46 52
Dari Tabel 7 dapat dilihat bahwa sistem manajemen yang baik dapat menghindarkan seseorang dari resiko gagal bayar. Hal ini terlihat dari tingginya persentase nasabah yang mengalami lancar bayar untuk kualifikasi komersial yang baik. Tabel 7 untuk kategori kualifikasi teknis juga memperlihatkan bahwa nasabah yang memiliki pengalaman dan keahlian yang lebih dari 2 tahun tidak dapat menjadi jaminan bahwa seseorang tersebut akan terhindar dari kredit macet. Hal ini dapat dilihat dari persentase kredit macetnya yang lebih besar dibandingkan dengan persentase kredit macet nasabah dengan pengalaman dan keahlian kurang dari 2 tahun.
Analisis Karakteristik Nasabah yang Mempengaruhi Kredit Bermasalah Pengaruh dari beberapa karakteristik terhadap peubah respon dapat diketahui melalui model regresi Cox proportional hazard yang terbentuk. Tabel 8 memperlihatkan bahwa kredit macet untuk skala mikro, kecil dan menengah sama-sama dipengaruhi oleh faktor karakteristik jenis kelamin bunga
, sifat suku bunga
, ROA
Kemudian ditambah dengan faktor CR , kualitas produk komersial
dan reputasi bisnis , ER
kecil. Faktor ER
, SG
.
, tingkat kepercayaan
, perkembangan pasar
untuk skala usaha mikro. Faktor CR
, kualitas produk
, tingkat suku
, dan kualifikasi , tingkat kepercayaan
, dan perkembangan pasar , dan pengelolaan rekening
untuk skala usaha untuk skala
usaha menengah.
22
Tabel 8 Nilai dugaan koefisien regresi Peubah Penjelas
Mikro
Kecil
p_value 1.40802 0.14538 -1.19467 0.16816 0.44914 0.30917 0.21216 0.21216 0.13776 0.58941 0.16380
<.0001 <.0001 <.0001 0.0017 0.0230 <.0001 0.0006 0.0059 0.0088 <.0001 0.0001
Menengah
p_value 1.40447 0.10166 -0.64500 0.71471 0.69654 0.62011 0.32493 0.27881 0.51330 -
<.0001 <.0001 <.0001 <.0001 <.0001 <.0001 0.0010 0.0285 0.0004 -
p_value 0.84431 0.28451 -0.93192 0.57129 0.20343 0.36733 0.17481 0.44987 -
<.0001 <.0001 <.0001 0.0139 0.0175 <.0001 0.0057 <.0001 -
Model dugaan regresi Cox proportional hazard untuk masing-masing skala usaha dapat ditulis sebagai berikut :
Interpretasi terhadap model regresi Cox proportional hazard didefinisikan sebagai tingkat kegagalan nasabah dengan karakteristik X pada waktu t.
23
Jika ditinjau dari segi sektor usahanya, faktor-faktor resiko yang signifikan mempengaruhi terjadinya kredit macet adalah sebagai berikut : Tabel 9 Faktor-faktor resiko yang signifikan mempengaruhi kredit macet Sektor usaha Jasa Konstruksi Pengangkutan Perdagangan Perikanan Perindustrian Perkebunan Pertanian Peternakan Sarana
X X X X X X X X
X X X X X X X X X
X X X X X X
X -
X -
X -
X X -
X -
X X X -
X -
X X X -
X X X X -
X -
X X -
X X
X -
Dari Tabel 9 terlihat bahwa setiap sektor usaha memiliki spesifikasi faktor resiko yang berbeda-beda. Ini artinya tingkat resiko pada setiap sektor usaha dicirikan dan ditentukan oleh karakteristik yang berbeda-beda. Namun dalam penelitian ini hal tersebut tidak dibahas lebih jauh lagi. Uji Kesesuaian Model Untuk mengetahui apakah model regresi Cox proporsional hazard yang dibentuk sudah dapat digunakan, terlebih dahulu perlu dilakukan uji terhadap kesesuaian model atau Goodness-of-fit test, yang dapat dilihat pada tabel berikut :
Mikro Kecil Menengah
Tabel 10 Uji Kesesuaian Model Score test Score test (model extende-Cox) (model proportional hazard) 2852,6922 2824,0162 513,6604 485,6337 2589,6646 2559,2367
Dari Tabel 10 dapat dilihat bahwa nilai adalah lebih kecil dari
28,6760 28,0267 30,4279
untuk masing-masing model
, artinya untuk kasus penelitian ini model regresi
Cox proportional hazard memang sesuai dan cocok digunakan dalam menggambarkan hubungan peubah penjelas dengan waktu survialnya.
24
X -
Analisis Perbandingan Resiko Untuk mengetahui tingkat resiko dari nasabah satu dengan yang lainnya dengan karakteristik yang berbeda, dapat diketahui dari nilai hazard rationya yang disajikan pada Tabel 11 berikut : Tabel 11 Perbandingan tingkat resiko untuk setiap perbedaan karakteristik Peubah Penjelas
Mikro
Kecil
Menengah
4.088 1.156 0.303 1.183 1.567 1.362 1.236 1.130 1.148 1.803 1.179
4.073 1.107 0.525 2.044 2.007 1.859 1.384 1.322 1.671 -
2.326 1.329 0.394 1.771 1.226 1.444 1.191 1.568 -
Pada Tabel 11 dapat dilihat, untuk skala usaha mikro, nasabah dengan jenis kelamin perempuan memiliki resiko gagal bayar 4,088 kali dari nasabah berjenis kelamin laki-laki. Tidak berbeda jauh dengan skala usaha mikro, untuk skala usaha kecil, nasabah dengan jenis kelamin perempuan memiliki resiko gagal bayar 4,073 kali lebih besar dari nasabah berjenis kelamin laki-laki. Sedangkan untuk skala usaha menengah, nasabah dengan jenis kelamin perempuan memiliki resiko gagal bayar 2,326 kali lebih besar dari nasabah berjenis kelamin laki-laki Jika ditinjau dari segi sosial dan psikologi, hal ini mungkin saja disebabkan oleh perubahan watak, prilaku dan pola pikir perempuan seiring dengan perkembangan zaman. Menurut Ribhan (2007) dalam penelitiannya mengatakan bahwa dalam hal berwirausaha, laki-laki lebih mandiri dalam menghadapi tantangan persaingan dalam usahanya, serta kemampuan dalam mengembangkan usahanya ke masa depan juga lebih baik dibandingkan dengan wirausaha perempuan. Sedangkan menurut Caliper (2011) dalam studinya menyatakan bahwa secara psikologis perempuan lebih berani mengambil resiko dan melanggar peraturan dibandingkan laki-laki. Dari pendapat kedua peneliti
25
tersebut, hal ini memungkinkan bila tingkat resiko kegagalan yang dialami perempuan lebih tinggi dibandingkan dengan laki-laki, baik dikarenakan oleh usaha yang dijalankan maupun dari watak nasabahnya. Ditinjau dari tingkat suku bunga
nya, untuk setiap kenaikan suku
bunga sebesar 1%, akan meningkatkan resiko gagal bayar seorang nasabah sebesar 1,156 kali untuk nasabah dari skala usaha mikro, 1,107 kali untuk skala usaha kecil dan 1,32 kali untuk skala usaha menengah. Untuk karakteristik nasabah dengan sifat suku bunga
yang berbeda,
nasabah dengan sifat suku bunga flat memiliki resiko gagal bayar 0,303 kali nasabah dengan sifat suku bunga efektif untuk nasabah dari skala usaha mikro, 0,525 kali untuk nasabah skala usaha kecil dan 0,394 kali untuk nasabah skala usaha menengah. Hal ini berarti nasabah dengan suku bunga flat memiliki resiko gagal bayar yang lebih rendah dibandingkan nasabah dengan suku bunga efektif. Jika dilihat dari kondisi keuangan nasabah
, nasabah dari skala usaha
mikro dengan CR < 140% memiliki resiko gagal 1,183 kali nasabah dengan CR > 140%, sedangkan untuk nasabah dari skala usaha kecil dengan CR < 140% memiliki resiko gagal 2,044 kali nasabah dengan CR > 140%. Nasabah dari skala usaha mikro dengan ER < 35% memiliki resiko gagal 1,567 kali nasabah dengan CR > 35%, sedangkan untuk nasabah dari skala usaha menengah dengan ER < 35% memiliki resiko gagal 1,771 kali nasabah dengan CR > 35%, Untuk nasabah dari skala usaha mikro, kecil dan menengah dengan ROA tahun ini < tahun lalu, masing-masing memiliki resiko gagal bayar sebesar 1,362 kali, 2,007 kali dan 1,226 kali nasabah dengan ROA tahun ini > tahun lalu. Nasabah dari skala usaha menengah dengan karakteristik PM tahun ini < tahun lalu memiliki resiko gagal bayar 1,444 kali nasabah dengan PM tahun ini > tahun lalu. Dilihat dari karakteristik nasabah berdasarkan tingkat kepercayaannya , untuk nasabah skala usaha mikro dan kecil dengan karakteristik jujur dalam memberikan informasi namun hanya diberikan bila diminta, masingmasing memiliki resiko gagal bayar sebesar 1,236 kali dan 1,859 kali nasabah dengan karakteristik jujur dan aktif memberikan informasi, sedangkan nasabah dengan karakteristik kurang jujur karena ada sebagian informasi tidak sesuai
26
dengan kenyataannya, akan memiliki resiko gagal bayar sebesar 1,236 kali dan 1,859 kali nasabah dengan karakteristik memberikan informasi yang jujur tetapi diberikan bila hanya diminta. Untuk skala usaha menengah, nasabah dengan karakteristik pengelolaan rekening
kurang baik memiliki resiko gagal bayar
sebesar 1,191 kali nasabah dengan pengelolaan rekening yang baik. Dilihat dari reputasi bisnisnya
, untuk skala usaha mikro, kecil dan
menengah, nasabah dengan karakteristik reputasi bisnis baik < 2 tahun akan memiliki resiko gagal bayar masing-masing sebesar 1,130 kali, 1,384 kali dan 1,568 kali nasabah dengan karakteristik reputasi bisnis
2 tahun.
Jika dilihat dari kondisi bisnis nasabah untuk skala usaha mikro dan kecil berdasarkan kualitas produknya
, nasabah dengan kategori kualitas
produk/jasa 1, memiliki resiko gagal bayar masing-masing sebesar 1,148 kali dan 1,322 kali nasabah dengan kategori kualitas produk/jasa 0. Dilihat dari kategori perkembangan pasar
untuk skala usaha mikro
dan kecil, nasabah dengan kategori perkembangan pasar 1, memiliki resiko gagal bayar masing-masing sebesar 1,803 kali dan 1,671 kali nasabah dengan kategori perkembangan pasar 0, sedangkan nasabah dengan kategori perkembangan pasar 2 memiliki resiko gagal bayar masing-masing sebesar 1,803 kali dan 1,671 kali nasabah dengan kategori perkembangan pasar 1. Begitu pula dengan nasabah dengan kategori perkembangan pasar 3, akan memiliki resiko gagal bayar masing-masing sebesar 1,803 kali dan 1,671 kali nasabah dengan kategori perkembangan pasar 2. Jika dilihat dari struktur manajemennya
, nasabah dari skala usaha
mikro dengan kategori kualifikasi komersial 1, memiliki resiko gagal bayar sebesar 1,179 kali nasabah dengan kategori kualifikasi komersial 0, sedangkan nasabah dengan kategori kualifikasi komersial 2 memiliki resiko gagal bayar sebesar 1,179 kali nasabah dengan kategori kualifikasi komersial 1. Begitu pula dengan nasabah dengan kategori kualifikasi komersial 3, akan memiliki resiko gagal bayar sebesar 1,179 kali nasabah dengan kategori kualifikasi komersial 2.
27
Aplikasi Penerapan Untuk mengetahui jangka waktu kredit yang efektif agar resiko kredit yang akan dialami nasabah seminimal mungkin, dapat ditentukan berdasarkan nilai dugaan peluang survivalnya. Untuk setiap kombinasi karakteristik-karekteristik nasabah yang berbeda, akan didapatkan efektifitas jangka waktu yang berbeda pula. Ilustrasi : Ada 3 orang nasabah yang akan mengajukan kredit modal kerja (kredit usaha) ke Bank X. Nasabah pertama berjenis kelamin laki-laki, sedangkan nasabah kedua dan ketiga berjenis kelamin perempuan. Setelah memenuhi syaratsyarat kelengkapan data, pihak Bank X selanjutnya melakukan survey terkait dengan informasi usaha yang dijalankan calon debitur serta karakteristiknya. Data yang diperoleh adalah sebagai berikut : - Nasabah pertama ingin meminjam uang sebesar 30 juta rupiah dengan jangka waktu pengembalian yang dijanjikan selama 3 tahun (36 bulan), dan memiliki karakteristik : CR = 0, QR=0, EBITDA=0, ER=0, ROA=1, PM=1, SG=0, tingkat kepercayaan=1, pengelolaan rekening=1, reputasi bisnis=1, prilaku debitur=2, kualitas produk/jasa=1, strategi pemasaran=1, lokasi usaha=1, perkembangan pasar=1, kualifikasi komersial=1, dan kualifikasi teknis=2. Pihak Bank berencana akan memberikan bunga 14% pertahunnya. Karena nasabah pertama berencana ingin mengembalikan bunga dan pokoknya secara bersamaan perbulannya, maka pihak Bank X menerapkan sifat suku bunga efektif kepada nasabah ini. - Nasabah kedua dan ketiga masing-masing ingin meminjam uang sebesar 130 juta rupiah dan 600 juta rupiah dengan jangka waktu pengembalian yang dijanjikan selama 2 tahun (24 bulan). Setelah dilakukan penilaian, ternyata kedua nasabah ini memiliki karakteristik yang sama yaitu dengan CR = 0, QR=0, EBITDA=0, ER=0, ROA=0, PM=0, SG=0, tingkat kepercayaan=1, pengelolaan rekening=1, reputasi bisnis=1, prilaku debitur=1, kualitas produk/jasa=1, strategi pemasaran=1, lokasi usaha=1, perkembangan pasar=1, kualifikasi komersial=1, dan kualifikasi teknis=0. Pihak Bank berencana akan memberikan bunga 16% pertahunnya. Karena nasabah ini ingin membayar
28
angsuran perbulannya berupa bunganya saja, maka dalam hal ini pihak Bank X akan menggunakan sifat suku bunga flat. Dalam kasus ini, nasabah pertama, kedua dan ketiga memiliki karakteristik yang berbeda. Nasabah kedua dan ketiga memiliki karakteristik yang sama tetapi dengan jumlah pinjaman yang berbeda. Karena itu, pastilah peluang ketiga nasabah tersebut untuk sanggup bertahan (untuk tetap lancar bayar) hingga akhir periode jangka waktu pengembalian yang ditetapkan juga tidak sama. Nasabah pertama merupakan nasabah dengan kategori skala usaha mikro, nasabah kedua merupakan nasabah dari skala usaha kecil, sedangkan nasabah ketiga merupakan nasabah dengan skala usaha menengah. Peluang survival nasabah pertama, kedua dan ketiga dapat dihitung dengan formulasi pada persamaan (6), dengan
Dengan memasukkan nilai dari karakteristik-karektistik nasabah yang telah diketahui di atas, dan dengan bantuan software SAS 9.2 diperoleh hasil bahwa peluang nasabah pertama akan mampu bertahan atau lancar bayar hingga akhir periode jangka waktu pengembalian yang disepakati adalah sebesar 0,98858, peluang nasabah kedua sebesar 0,98092 dan untuk nasabah ketiga sebesar 0,89003. Dilihat dari nilai peluang survivalnya, pihak Bank X dapat memutuskan untuk memberikan kredit kepada nasabah pertama dan kedua, tetapi untuk nasabah ketiga pihak Bank dapat mempertimbangkan kembali apakah akan tetap memberikan kredit tetapi dengan jumlah pinjaman, jangka waktu, ataupun tingkat suku bunga yang berbeda.
29
KESIMPULAN DAN SARAN
Kesimpulan Dari penelitian ini dapat diambil beberapa kesimpulan : 1. Setiap skala usaha dan sektor usaha memiliki spesifikasi faktor resiko yang berbeda-beda. Faktor resiko yang signifikan mempengaruhi kredit macet untuk skala usaha mikro kecil dan menengah adalah faktor jenis kelamin
, tingkat suku bunga
dan reputasi bisnis oleh faktor jenis kelamin bunga
, sifat suku bunga
, ROA
. Sedangkan pada sektor usaha didominasi , tingkat suku bunga
, dan sifat suku
.
2. Jika dilihat dari karakteristik jenis kelamin
, dalam kasus ini nasabah
dengan jenis kelamin perempuan lebih rentan untuk beresiko gagal bayar dibandingkan dengan laki-laki. 3. Mempersingkat jangka waktu kredit dapat mengurangi resiko gagal bayar seseorang. Saran Adapun saran yang dapat diberikan peneliti pada penelitian ini adalah sebagai berikut : 1. Untuk penelitian berikutnya, peneliti dapat mempertimbangkan peubah alternatif tambahan lainnya yang menunjukkan adanya indikasi berpengaruh pada penentuan faktor resiko kredit, serta menggunakan beberapa sumber data lainnya pada Bank yang berbeda sehingga bisa didapatkan gambaran secara umum tentang karakteristik-karakteristik nasabah yang beresiko gagal bayar. 2. Penelitian berikutnya juga dapat dilanjutkan dengan menganalisis secara detail resiko kredit berdasarkan jenis usaha.
30
DAFTAR PUSTAKA
Collet D. 1994. Modeling Survival Data in Medical Research. London : Chapman & Hall. Cox DR, Oakes D. 1984. Analysis of Survival Data. London : Chapman & Hall Graddy DB, Spencer, Austin, William B. 1985. Commercial Banking and the Financial Service Industry.Virginia : Prentice Hall Hogg VR, TA Craig. 1995. Introduction to Mathematical Statistics, 5th ed. New Jersey : Prentice Hall, Englewood Cliff’s publisher. Hossmer DW, Lemeshow S. 1997. Applied Survival Analysis Regression Modeling of Time Event Data. New York : John Wiley and Sons, Inc. Bank Indonesia. 2005. Ikhtisar Ketentuan Perbankan Indonesia tentang Perkreditan. Jakarta, Unpblished. Kleinbaum DG, Klein M. 2005. Survival Analysis, 3th ed. New York : Springer Science Business Media, Inc. Klein JP, Moeschberger. 1997. Survival Analysis : Techniques for Censored and Truncated Data. New York: Springer. Lee ET. 1992. Statistical Methods for Survival Data Analysis. New York : John Wiley & Sons Inc. Le CT. 1997. Applied Survival Analysis. New York : John Wiley and Sons Inc Miller RG. 1998. Survival Analysis. New York : John Wiley & Sons Inc. Pazdera, Jaroslav, Michal, Petr Z. 2009. Survival Analysis in Credit Scoring. Charles University in Prague. Setyogroho B. 2000. Analisis Resiko Kredit dengan Metoda Credit Risk Scoring. Jakarta : Fakultas Ilmu Sosial dan Ilmu Politik, Universitas Indonesia. Schoenfeld D. 1980. Chi-squared goodness-of-fit test for the proportional hazards regression model. Biometrika 67(1) : 145-153.
31
Lampiran 1 Definisi peubah bebas Peubah
Deskripsi
Keterangan
jenis kelamin debitur
, laki-laki , perempuan Suku bunga pertahun dalam persen (%) Sifat suku bunga , efektif , flat Curent Ratio (CR) , CR > 140% , CR 140% Quick Ratio (QR) , QR > 35% , CR 35% EBITDA , EBITDA 50% , EBITDA 50% Equity Ratio (ER) , ER 35 % , ER< 35% Returns on Asset , tahun ini > tahun lalu (ROA) , tahun ini < tahun lalu Profit Margin (PM) , (tahun ini > tahun lalu , tahun ini < tahun lalu Sales Growth (SG) , tahun ini > tahun lalu , tahun ini < tahun lalu Tingkat kepercayaan , informasi yang diberikan sesuai, aktif menyampaikannya , informasi yang diberikan sesuai, diberikan bila diminta ,sebagian informasi yang diberikan tidak sesuai , seluruh informasi yang diberikan tidak sesuai Pengelolaan rekening , selalu menepati janji yang dibuat dengan Bank , pernah tidak menepati janji yang dibuat dengan Bank , sering tidak menepati janji yang dibuat dengan Bank , tidak menepati janji yang dibuat dengan Bank
32
Lampiran 1 Definisi Peubah (lanjutan) Reputasi bisnis
Prilaku debitur
Kualitas produk/jasa
Strategi pemasaran
Lokasi usaha
, reputasi bisnis baik 2 tahun , reputasi bisnis baik < 2 tahun , terdapat informasi negatif tentang bisnis , reputasi bisnis buruk , tidak memiliki permasalahan pribadi untuk saat ini dan masa mendatang , tidak memiliki permasalahan pribadi untuk saat ini ,memiliki permasalahan pribadi untuk saat ini ,memiliki permasalahan pribadi untuk saat ini dan masa mendatang , memenuhi kebutuhan, harga jual bersaing, pemenuhan pesanan cepat, karyawan terampil dan bersahabat , cukup memenuhi kebutuhan, harga jual relatif, pemenuhan pesanan relatif cepat, karyawan terampil , kurang memenuhi kebutuhan, harga jual relatif, pemenuhan pesanan relatif cepat, karyawan kurang terampil dan kurang bersahabat , tidak memenuhi kebutuhan, harga jual mahal, pemenuhan pesanan lambat, karyawan tidak terampil dan tidak bersahabat , strategi pemasaran tepat , strategi pemasaran cukup tepat ,strategi pemasarankurang tepat , strategi pemasaran tidak tepat , mudah dicapai oleh pemasok dan pembeli , tidak terdapat permasalahan bagi pemasok dan pembeli untuk mencapai lokasi usaha , jalan ke lokasi usaha masih dapat dicapai , jalan ke lokasi usaha sulit dicapai
33
Lampiran 1 Definisi Peubah (lanjutan) Perkembangan pasar
Kualifikasi komersial
Kualifikasi teknis
,perkembangan pasar diperkirakan tetap tinggi, peluang mendapatkan laba tinggi ,perkembangan pasar diperkirakan tetap stabil, peluang mendapatkan laba cukup baik , pasar tidak berkembang, peluang mendapatkan laba menurun , pasar menunjukan penurunan, tidak terdapat peluang menghasilkan laba , pembukuan dilakukan secara tertib, mampu menyusun laporan keuangan , pembukuan dilakukan secara tertib, belum mampu menyusun laporan keuangan , pencatatan transaksi hanya berupa nota-nota , tidak mempunyai catatan transaksi , memiliki pengalaman dan keahlian dibidang terkait 2 tahun, motivasi tinggi, dan mengikuti perkembangan pasar , memiliki pengalaman dan keahlian dibidang terkait 2 tahun, memiliki motivasi berkembang, cukup tanggap terhadap perkembangan pasar , belum berpengalaman, kurang motivasi dan tidak mengikuti perkembangan pasar , tidak memiliki pengalaman, tidak ada motivasi, dan tidak mengerti perkembangan pasar
34
Lampiran 2 Nilai dugaan parameter (a) Skala usaha mikro
Parameter JK SB SSB CR ER ROA TK RB KP P KK
DF 1 1 1 1 1 1 1 1 1 1 1
Parameter Estimate 1.40802 0.14538 -1.19467 0.16816 0.44914 0.30917 0.21216 0.12192 0.13776 0.58941 0.16380
Standard Error Chi-Square 0.04286 1079.3416 0.00473 944.0552 0.10568 127.7946 0.05361 9.8388 0.19756 5.1685 0.04435 48.5983 0.06212 11.6665 0.04425 7.5922 0.05258 6.8643 0.07769 57.5597 0.04244 14.8978
Pr > ChiSq <.0001 <.0001 <.0001 0.0017 0.0230 <.0001 0.0006 0.0059 0.0088 <.0001 0.0001
Hazard Ratio 4.088 1.156 0.303 1.183 1.567 1.362 1.236 1.130 1.148 1.803 1.178
(b) Skala usaha kecil Parameter JK SB SSB CR ROA TK RB KP P
DF 1 1 1 1 1 1 1 1 1
Parameter Estimate 1.40447 0.10166 -0.64500 0.71471 0.69654 0.62011 0.32493 0.27881 0.51330
Standard Error Chi-Square 0.09471 219.9272 0.01337 57.7875 0.09576 45.3689 0.12743 31.4557 0.10783 41.7296 0.15181 16.6851 0.09863 10.8539 0.12732 4.7954 0.14562 12.4261
Pr > ChiSq <.0001 <.0001 <.0001 <.0001 <.0001 <.0001 0.0010 0.0285 0.0004
Hazard Ratio 4.073 1.107 0.525 2.044 2.007 1.859 1.384 1.322 1.671
Chi-Square Pr > ChiSq 122.6525 <.0001 807.7722 <.0001 90.8831 <.0001 6.0515 0.0139 5.6416 0.0175 23.1391 <.0001 7.6549 0.0057 25.6303 <.0001
Hazard Ratio 2.326 1.329 0.394 1.771 1.226 1.444 1.191 1.568
(c) Skala usaha menengah
Parameter JK SB SSB ER ROA SG PR RB
DF 1 1 1 1 1 1 1 1
Parameter Estimate 0.84431 0.28451 -0.93192 0.57129 0.20343 0.36733 0.17481 0.44987
Standard Error 0.07624 0.01001 0.09775 0.23223 0.08565 0.07636 0.06318 0.08886
35
Lampiran 3 Contoh perhitungan manual peluang survival Exp(- ) 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
1 3 1 5 17 9 18 7 9 7 10 4 38 80 9 16 24 18 25 28 29 27 22
0.0000008777 0.0000026342 0.0000008884 0.0000044495 0.0000152948 0.0000085584 0.0000175988 0.0000071414 0.0000093944 0.0000075421 0.0000110144 0.0000045693 0.0000438494 0.0001055863 0.0000160402 0.0000290897 0.0000454390 0.0000380952 0.0000698989 0.0000684053 0.0000751891 0.0000790621 0.0000685123
0.0000008777 0.0000035119 0.0000044003 0.0000088498 0.0000241446 0.0000327030 0.0000503018 0.0000574433 0.0000668377 0.0000743798 0.0000853942 0.0000899635 0.0001338129 0.0002393992 0.0002554394 0.0002845291 0.0003299682 0.0003680633 0.0004379622 0.0005063675 0.0005815565 0.0006606187 0.0007291309
0.9999991223 0.9999964881 0.9999955997 0.9999911502 0.9999758557 0.9999672975 0.9999496994 0.9999425584 0.9999331646 0.9999256230 0.9999146094 0.9999100405 0.9998661961 0.9997606295 0.9997445932 0.9997155114 0.9996700863 0.9996320044 0.9995621337 0.9994937607 0.9994186125 0.9993395995 0.9992711348
Contoh : nasabah kredit skala usaha menengah pada”illustrasi aplikasi penerapan”
36
Lampiran 4 Cox-Snell Residulas (validation model checking)
csr
llp
18
2
16
1 0
14
-1
12
-2
10
-3
8
-4
6
-5 -6
4
-7
2
-8
0
-9
0
10
20
30
40
50
60
70
80
90
100
-10
-9
-8
-7
-6
-5
-4
PC
-3
-2
-1
0
1
2
3
lcsr
Skala usaha menengah
csr
llp
1.6 1.5 1.4 1.3 1.2 1.1 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.0
1 0 -1 -2 -3 -4 -5 -6 -7 -8 -9 -10 -11
0
10
20
30
40
50
60
70
80
90
100
-14
-13
-12
-11
-10
-9
-8
-7
-6
-5
-4
-3
-2
-1
0
1
-6
-5
-4
-3
-2
-1
0
1
lcsr
PC
Skala usaha kecil
csr
llp
3
1 0 -1 -2
2
-3 -4 -5 -6
1
-7 -8 -9 -10
0
-11 0
10
20
30
40
50
60
70
80
90
100
-14
-13
-12
PC
-11
-10
-9
-8
-7
lcsr
Skala usaha mikro
37
