BAB I PENDAHULUAN 1.1
Latar Belakang Kredit Usaha Rakyat (KUR) merupakan salah satu kredit usaha yang
disalurkan oleh pihak bank kepada calon debitur. KUR yang diluncurkan oleh Presiden Republik Indonesia (Susilo Bambang Yudhoyono) pada tanggal 5 November 2007 (Retnadi, 2008) bertujuan untuk pemberdayaan Usaha Mikro Kecil dan Menengah (UMKM) dengan cara memberi pinjaman untuk usaha produktif dan layak. Salah satu bank yang menyalurkan KUR adalah Bank Rakyat Indonesia (BRI). Menyalurkan KUR kepada calon debitur tentu saja harus mengikuti prosedur yang ada. Prosedur yang ditetapkan oleh pihak BRI berupa persyaratan yang harus dipenuhi oleh calon debitur. Pemberian kredit dalam bentuk kredit usaha maupun kredit lainnya kepada calon debitur dilakukan dengan melewati proses pengajuan kredit dan analisis pemberian kredit yang diajukan. Analisis yang digunakan oleh pihak perbankan adalah analisis 5 C’s (The Five c’s of Credit Analysis), yaitu Character (watak), Capasity (kemampuan), Capital (modal), Collateral (jaminan), Conditional of Economi (kondisi ekonomi) (Kasmir, 2012). Dengan menggunakan analisis perbankan, akan diketahui kemampuan dari calon debitur dalam melunasi kreditnya. Meskipun telah melalui proses analisis pemberian kredit, terhadap kredit yang diusulkan, khususnya pada KUR, sering kali ditemukan kredit yang kurang lancar dan macet.
1
2
Untuk dapat mengetahui kemampuan debitur KUR dalam melunasi kredit, perlu dikaji mengenai peubah-peubah yang membedakan kemampuan debitur KUR,
sehingga
peubah-peubah
tersebut
dapat
digunakan
untuk
mengklasifikasikan calon debitur KUR. Adapun metode yang dapat digunakan sebagai metode klasifikasi, yaitu Regresi Logistik Ordinal (RLO) dan algoritma Cat Swarm Optimization (CSO). Regresi logistik ordinal (RLO) merupakan salah satu metode statistik yang digunakan untuk menganalisis hubungan antara peubah respon yang berskala ordinal yang terdiri dari tiga kategori atau lebih dan peubah bebas yang berskala ordinal (kategori), nominal, interval, atau kontinu yang berjumlah dua variabel atau lebih. Model yang dapat digunakan untuk RLO adalah model logit yaitu, cumulative logit models. Model logit dari peubah respon yang berskala ordinal dituangkan ke dalam peluang kumulatif sehingga cumulative logit models merupakan model yang didapat dengan membandingkan peluang kumulatif yaitu peluang kejadian pada peubah respon. Nilai peluang yang dihasilkan digunakan sebagai ukuran untuk mengklasifikasikan pengamatan. (Hosmer & Lemeshow, 2000). Teknik klasifikasi yang diterapkan pada RLO akan diterapkan pada algoritma CSO. Algoritma CSO diusulkan oleh Shu Chuan Chu (2006) dengan teknik optimasi yang meniru perilaku kucing terhadap lingkungan sekitarnya. Awalnya algoritma
CSO
masih
digunakan
untuk
menyelesaikan
permasalahan
unconstrained minimization problem. Seiring dengan perkembangan teknologi, algoritma CSO telah diimplementasikan pada berbagai permasalahan dengan data
3
mining seperti, clustering dan classification (Liu & Shen, 2010). Algoritma CSO pernah diterapkan pada teknik klasifikasi dua kelas oleh Nalendra dan Budi Santosa (2010) dalam permasalahan AND dengan hasil evaluasi model yang dikembangkan menunjukkan bahwa model yang dikembangkan dengan CSO menghasilkan perfomansi yang lebih baik dibandingkan PSO, ditinjau dari banyaknya jumlah iterasi yang dibutuhkan. Berdasarkan uraian diatas, dalam penelitian ini digunakan pendekatan RLO pada CSO. Kemudian parameter-parameter dari RLO digunakan sebagai solusi awal dalam algoritma CSO. Selanjutnya ditentukan hasil klasifikasi debitur KUR dengan menggunakan CSO dan regresi logistik ordinal. Hasil pengklasifikasian yang diperoleh dari RLO dan CSO akan dibandingkan ketepatan hasil pengklasifikasiannya.
1.2
Rumusan Masalah Dari uraian latar belakang yang telah dipaparkan, maka permasalahan pada
penelitian ini, adalah: 1.
Bagaimanakah hasil klasifikasi debitur KUR di BRI Unit Melati Denpasar dengan menggunakan algoritma CSO dan RLO?
2.
Bagaimanakah perbandingan ketepatan pengklasifikasian debitur KUR dalam melunasi kredit dengan menggunakan algoritma CSO dan RLO?
4
1.3
Batasan Masalah Agar permasalahan tidak meluas, penelitian ini dibatasi pada:
1.
penelitian dilakukan pada debitur KUR dari Bank Rakyat Indonesia (BRI) Unit Melati Denpasar pada periode Juli 2015;
2.
jenis kredit usaha yang diteliti pada penelitian ini adalah KUR dengan realisasi kredit maksimal 20 juta rupiah;
3.
data yang digunakan merupakan data sekunder yang diperoleh dari kantor Unit Melati Denpasar dari bulan Desember 2008 sampai dengan Desember 2014;
4.
peubah-peubah yang digunakan pada penelitian ini merupakan peubah yang diperoleh dari analisis 5 C’s yang digunakan oleh pihak bank.
1.4
Tujuan Penelitian Berdasarkan latar belakang dan rumusan masalah yang telah disampaikan,
maka tujuan dari penelitian ini, adalah untuk mengetahui: 1.
hasil klasifikasi debitur KUR di BRI Unit Melati Denpasar dengan menggunakan algoritma CSO dan RLO
2.
perbandingan ketepatan pengklasifikasian debitur KUR dalam melunasi kredit dengan menggunakan algoritma CSO dan RLO
1.5
Manfaat Penelitian Pada penelitian ini, penulis berharap dapat memberikan manfaat sebagai
berikut:
5
1.
Bagi peneliti Melalui penelitian ini, peneliti dapat mengaplikasikan teori yang telah diperoleh di bangku perkuliahan serta dapat menambah wawasan mengenai algoritma CSO untuk klasifikasi dalam menyelesaikan permasalahan di bidang perbankan;
2.
Bagi akademisi Penelitian ini diharapkan dapat memberikan referensi bagi para pembaca mengenai penerapan algoritma CSO untuk klasifikasi.
