Pemodelan Early Warning System sebagai Penilai Tingkat Kesehatan Finansial Calon Nasabah dengan Metoda Binary Regresi Logistik Studi Kasus : Bank X Surabaya Branch
Oleh : Mochammad Taufan (9107.205.309)
DOSEN PEMBIMBING: Prof. Drs. Nur Iriawan, M.Ikom,Ph.D
PROGRAM MAGISTER MANAJEMEN TEKNOLOGI BIDANG KEAHLIAN MANAJEMEN TEKNOLOGI INFORMASI PROGRAM PASCA SARJANA INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2011
Latar Belakang Krisis perekonomian global yang tengah berlangsung di awal tahun 2009 memberikan tantangan serius, baik bagi Deutsche Bank maupun bagi perekonomian Indonesia secara menyeluruh. Walaupun dampak dari krisis terlambat dirasakan di Indonesia, namun melemahnya perekonomian berdampak terhadap bisnis sehingga menjadi perhatian bagi bank dan para pemegang kepentingan.
Untuk dapat memproleh gambaran tentang perkembangan finansial suatu perusahaan, perlu mengadakan analisa atau interprestasi terhadap data finansial dari perusahaan bersangkutan, dimana data finansial itu tercermin didalam laporan keuangan. Ukuran yang sering digunakan dalam analisa finansial adalah ratio.
Menurut Van Horne ( 2005 : 234) : “Rasio keuangan adalah alat yang digunakan untuk menganalisis kondisi keuangan dan kinerja perusahaan. Kita menghitung berbagai rasio karena dengan cara ini kita bisa mendapat perbandingan yang mungkin akan berguna daripada berbagai angka mentahnya sendiri”.
Latar Belakang Menurut Kown (2004: 108) : Rasio keuangan setidaknya dapat memberikan jawaban atas empat pertanyaan yaitu : • Bagaimana Likuiditas Perusahaan • Apakah Manajemen efektif menghasilkan laba operasi atas aktiva • Bagaimana perusahaan didanai • Apakah pemegang saham biasa mendapatkan tingkat pengembalian yang cukup. Diperlukan juga suatu upaya untuk meminimalkan resiko yang akan terjadi dengan menggunakan suatu peringatan dini terhadap tingkat kesehatan suatu perusahaan yang disebut dengan early warning system. Dari beberapa penelitian yang telah dilakukan, early warning system digunakan oleh sektor keuangan untuk mengetahui secara dini kondisi keuangan yang berisiko membahayakan stabilitas perekonomian.
Latar Belakang Beberapa kegunaan early warning system : •Memberikan waktu tunggu untuk meningkatkan alokasi sumber penilai yang langka. •Memungkinkan tindakan pengawasan yang tepat waktu. •Mengurangi biaya kegagalan (cost of failure). Dalam penelitian ini digunakan analisis regresi logistik binary untuk menganalisis tingkat kesehatan financial dari suatu perusahaan (nasabah dan calon nasabah). Regresi logistik biner di gunakan ketika hanya ada 2 kemungkinan variabel respon, Misalnya ekonomi sehat dan ekonomi tidak sehat.
Rumusan Masalah • Seperti apa metode regresi binary logistik dapat memodelkan data laporan keuangan tahunan calon nasabah pada kantor cabang Bank X Surabaya serta dapat digunakan sebagai Early Warning System? •Bagaimana pengujian validitas model Early Warning System yang terbentuk untuk prediksi tingkat kesehatan finansial nasabah dan calon nasabah? •Akankah hasil pemodelan Early Warning System dapat di gunakan dalam pengambilan keputusan di Bank X ?
Tujuan Penelitian •Memodelkan data laporan keuangan tahunan calon nasabah pada kantor cabang Bank X Surabaya dengan metode regresi binary logistik dan dapat digunakan sebagai Early Warning System. •Menentukan Validitas model Early Warning System yang terbentuk untuk prediksi tingkat kesehatan finansial nasabah dan calon nasabah. •Menganalisis dan menginterpretasikan hasil Early Warning System serta dapat digunakan sebagai DSS di bank X cabang surabaya?
Batasan Penelitian •Jumlah laporan perusahaan untuk penelitian yang digunakan terbatas hanya 30 perusahaan Tbk saja, dikarenakan terbatasnya akses untuk pengambilan sampel. •Hanya di ambil 9 variabel independen dari rasio keuangan karena merupakan standart dari bank X. •Software yang di gunakan Minitab 14, Matlab 7 dan MS Office 2007.
Tinjauan Pustaka Definisi Early Warning System Sistem ini merupakan suatu mekanisme untuk mendeteksi gejala atau tandatanda awal yang diperkirakan dapat mempengaruhi perkembangan kemajuan financial suatu perusahaan. Sasaran yang dilakukan suatu early warning system, antara lain : •Mengidentifikasi dan mendeteksi nasabah yang diperkirakan akan gagal dalam memenuhi kewajibannya, hal ini khususnya dalam penilaian risk management. •Mendukung proses pemantauan portofolio secara keuangan, yang dalam hal ini penilaian terhadap laporan keuangan •Mengidentifikasikan langkah-langkah perbaikan dan menetapkan rencana tindak lanjut.
Dasar Teori Definisi Analisis Rasio Keuangan Rasio merupakan suatu ekspresi matematis dari satu jumlah yang bersifat relatif terhadap yang lain. analisa Laporan Keuangan menyangkut pemeriksaaan keterkaitan angka – angka dalam laporan keuangan dan trend angka – angka dalam beberapa periode, satu tujuan dari analisis laporan keuangan menggunakan kinerja perusahaan yang lalu untuk memperkirakan bagaimana akan terjadi dimasa yang akan datang. Rasio keuangan dapat dibagi kedalam tiga bentuk umum yang sering dipergunakan yaitu : Rasio Likuiditas Rasio Solvabilitas ( Leverage ) Rasio Rentabilitas.
Dasar Teori Rasio Likuiditas (Liquidity Ratio) Merupakan Ratio yang digunakan untuk mengukur kemampuan perusahaan dalam memenuhi kewajian financial jangka pendek yang berupa hutang – hutang jangka pendek (short time debt) Rasio Solvabilitas Rasio ini disebut juga Ratio leverage yaitu mengukur perbandingan dana yang disediakan oleh pemiliknya dengan dana yang dipinjam dari kreditur perusahaan tersebut. Rasio ini dimaksudkan untuk mengukur sampai seberapa jauh aktiva perusahaan dibiayai oleh hutang rasio ini menunjukkan indikasi tingkat keamanan dari para pemberi pinjaman (Bank). Rasio Rentabilitas Rasio ini disebut juga sebagai Ratio Profitabilitas yaitu rasio yang digunakan untuk mengukur kemampuan perusahaan dalam memperoleh laba atau keuntungan, profitabilitas suatu perusahaan mewujudkan perbandingan antara laba dengan aktiva atau modal yang menghasilkan laba tersebut.
Dasar Teori Sistem Pendukung Keputusan (Decision Support System) Decision Support System (DSS) atau disebut juga sistem pendukung keputusan adalah suatu bagian dari sistem informasi berbasis komputer yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan. Tahapan-tahapan dalam sistem pendukung keputusan (DSS) adalah sebagai berikut : •Pendefinisian masalah, •Pengumpulan data atau elemen informasi yang relevan, •Pengolahan data menjadi informasi, baik dalam bentuk laporan grafik maupun tulisan.
Sedangkan komponen-komponen dalam sistem pendukung keputusan adalah sebagai berikut : •Database •Model base •Software system
Dasar Teori Analisa Regresi Analisa regresi merupakan analisa yang digunakan untuk mencari bagaimana variabel-variabel bebas dan variabel terkait berhubungan pada hubungan fungsional atau sebab akibat. Model regresi memiliki variabel prediktor (x) dan variabel respons (y). Regresi Logistik Binary Regresi logistik Binary merupakan bagian dari analisis regresi yang digunakan ketika variabel dependen (respon) merupakan variabel dikotomous. Variabel dikotomous biasanya hanya terdiri atas dua nilai, yang mewakili kemunculan atau tidak adanya suatu kejadian yang biasanya diberi angka 0 atau 1.
Dasar Teori Karakteristik Regresi Logistik Binary Model fungsi regresi logistik Binary memiliki karakteristik sebagai berikut : •Variabel terikat y merupakan variabel biner atau dikotom, sehingga hasil perhitungan model persamaan regresi logistik memiliki nilai yang berkisar antara 0 sampai dengan 1 (peluang kemunculan y). •Variansi y tidak konstan yang disebabkan nilai variabel terikat y bersifat biner atau dikotom. •Perubah galat (error) pada regresi logistik tidak terdistribusi secara normal, dimana hal ini dipengaruhi oleh nilai y yang hanya bernilai 0 atau 1.
Dasar Teori Metode Maximum Likelihood Pendugaan koefisien model regresi logistik tidak dapat dilakukan dengan menggunakan metode kuadrat terkecil (ordinary least square). Hal ini dikarenakan metode kuadrat terkecil mengasumsikan nilai variance error bersifat konstan, Secara sederhana dapat disebutkan bahwa metode ini berusaha mencari nilai koefisien yang memaksimumkan fungsi likelihood. Dengan nilai y yang bersifat biner, dapat digunakan Bernoulli sebagai sebaran variabel y, sehingga fungsi likelihood akan terbentuk,
Dasar Teori Aplikasi MATLAB Matlab adalah singkatan dari Matrix Laboratory, software yang dibuat dengan menggunakan bahasa ini dibuat oleh The Mathworks.inc. Kekuatan matlab terletak pada : 1. Kemudahan manipulasi struktur matriks. 2. Jumlah routine-routine powerful yang berlimpah yang terus berkembang. 3. Kekuatan fasilitas grafik tiga dimensi yang sangat memadai. 4. Sistem scripting yang memberikan keleluasaan bagi pengguna untuk mengembangkan dan memodifikasi software untuk kebutuhan sendiri. 5. Kemampuan interface( misal dengan bahasa C, word dan mathematica). 6. Dilengkapi dengan toolbox, simulink, stateflow dan sebagainya, serta mulai melimpahnya source code di internet yang dibuat dalam matlab (contoh toolbox misalnya : signal processing, control system, neural networks dan sebagainya).
Dasar Teori
Variabel independen yang digunakan dalam penelitian ini adalah sebagai berikut : •Rasio Lancar •Rasio Cepat
Metodologi Penelitian
Variabel independen yang digunakan dalam penelitian ini adalah sebagai berikut : •Rasio Lancar (RL1) •Rasio Cepat (RL2) •Cash Rasio Lambat (RL3) •Rasio Hutang Terhadap Ekuitas (RS1) •Rasio Hutang Terhadap Total (RS2) •Margin Laba Kotor (RR1) •Margin Laba Bersih (RR2) •Earning Power of Total Investment (RR3) •Pengembalian atas Ekuitas (RR4)
Metodologi Penelitian Studi Pendahuluan Studi pendahuluan yang dilakukan pada penelitian ini terdiri dari studi literatur yang meliputi pengkajian literatur yang berhubungan dengan modelling data, early warning system, regresi logistik binary dan penerapannya pada data keuangan suatu Perusahaan.
Metodologi Penelitian
Hasil Penelitian dan Pembahasan Pertumbuhan di pasar keuangan internasional dan makin beragamnya instrumen keuangan memungkinkan bank memiliki akses yang lebih luas terhadap sumber dana. Laju perubahan ini tidak tampak melambat karena bank selalu terlibat dalam mengembangkan instrumen, produk, dan jasa baru. Salah satu dari produk perbankan adalah Cash Management.
Dimana Cash Management system adalah saluran distribusi elektronik bagi nasabah badan (non perorangan) atau nasabah perorangan untuk melakukan aktifitas terhadap rekeningnya di Bank dan memperoleh informasi bank melalui koneksi internet dengan mengunakan browser.
Hasil Penelitian dan Pembahasan Tabel Laporan Keuangan Tahun 2008 ID P PT01 PT02 PT03 PT04 PT05 PT06 PT07 PT08 PT09 PT10 PT11 PT12 PT13 PT14 PT15 PT16 PT17 PT18 PT19 PT20 PT21 PT22 PT23 PT24 PT25 PT26 PT27 PT28 PT29 PT30
Respon 0 0 1 1 1 1 1 1 1 1 0 1 0 1 1 1 1 0 1 0 1 1 1 1 1 1 1 1 0 1
RL1 RL2 1.5002 1.5103 2.2174 1.4443 2.1624 0.8977 7.7737 2.2461 0.9049 1.1741 1.4029 3.6574 1.2699 0.7141 2.6241 3.4518 1.7876 0.1448 1.3962 1.1223 3.3858 3.3776 2.1765 1.8539 2.9830 2.2250 1.3217 2.4783 1.4567 0.4883
1.4054 1.1995 0.4536 0.4422 2.1289 0.5250 5.9407 1.2621 0.8822 1.0277 0.5845 3.3470 -2.0171 0.6860 0.6901 1.5137 1.7448 0.0085 1.3320 0.9051 2.6303 2.7511 2.1721 1.2163 2.1518 2.1425 0.9993 0.3319 0.9927 0.4749
RL3 0.1973 0.0007 0.1512 0.0615 0.4283 0.2748 3.4200 0.1441 0.5387 0.0889 0.1974 2.2495 0.3238 0.1400 0.3004 0.8156 0.8759 0.3240 0.3453 0.4710 1.7865 1.0273 1.2329 0.2641 1.4109 0.9000 0.3176 0.0595 1.5260 0.0436
RS1 2.5126 0.5039 7.9732 2.0047 0.6816 3.1101 2.1313 1.9175 1.9526 7.7454 2.3355 0.5075 1.0307 0.7639 0.5141 0.3311 0.8645 3.3452 1.0559 2.1347 0.3010 0.7214 2.4707 1.0831 0.2907 1.6843 1.2141 1.5752 0.5272 18.2607
RS2 0.6157 0.5039 0.3186 1.9959 0.4053 0.6676 0.1273 0.6572 0.6576 0.8830 0.7002 0.3323 0.5436 0.7639 0.3395 0.2488 0.4637 0.7699 0.5136 0.6810 0.2291 0.3839 0.6842 0.3470 0.2252 0.6236 0.4974 0.6117 0.5272 0.5701
RR1 0.0185 0.2919 0.1705 0.2879 0.1719 0.2314 0.5673 0.0818 0.2537 0.0820 0.5310 0.4892 0.3785 0.3203 0.3003 0.3081 0.2351 0.3750 0.1552 0.2608 0.4385 0.1643 0.5914 0.1913 0.2758 0.3966 0.2239 0.1880 0.4070 0.9899
RR2 0.0049 0.0756 0.0622 0.1123 0.0621 0.0267 0.1548 0.0154 0.1007 0.0123 -0.0201 0.2367 0.1507 0.2224 0.1483 0.1021 0.1764 0.2713 0.0248 0.0009 0.2067 0.0426 0.0495 0.2229 0.0778 0.2178 0.0947 0.0403 -0.1708 0.1639
RR3 0.0340 0.1613 0.1103 0.7172 0.0208 0.1096 0.4079 0.0794 0.0450 0.0239 -0.0232 0.4178 0.1785 0.0628 0.3646 0.1708 0.4844 0.0453 0.0523 -0.0069 0.3385 0.0295 0.0502 0.1544 0.1735 0.2524 0.1903 0.0548 -0.1334 0.1419
RR4 0.1065 0.1205 1.9547 0.4840 0.0269 0.1217 4.4027 0.1280 0.1079 0.1395 -0.0619 0.4271 0.2338 0.0624 0.3513 0.1525 0.6119 0.1579 0.0390 0.0034 0.3127 0.0391 0.0896 0.5446 0.1846 0.3822 0.2778 0.1382 -0.1641 3.3983
Hasil Penelitian dan Pembahasan Masalah multikolinearitas menjadi serius apabila digunakan untuk mengkaji hubungan antara variabel bebas (x) dengan variabel respon (y) karena simpangan baku koefisien regresi tidak signifikan, sehingga sulit memisahkan pengaruh dari masing-masing variabel bebas. Terdapat beberapa cara untuk dapat mendeteksi adanya multikolinearitas, Salah satunya sebagai berikut : Dengan melihat pada matriks korelasi (korelasi antar variabel independen), yaitu jika p-value korelasi antar variabel kurang dari 0,05 atau 5%, diduga terdapat gejala multikolinearitas.
Hasil Penelitian dan Pembahasan Tabel Uji Kolerasi Laporan Keuangan Tahun 2008 RL2 RL3 RS1 RS2 RR1 RR2 RR3 RR4
RL1 0.819 0.000 0.812 0.000 -0.268 0.152 -0.482 0.007 0.122 0.522 0.127 0.504 0.379 0.039 0.500 0.005
RL2
RL3
RS1
RS2
RR1
RR2
RR3
0.817 0.000 -0.199 0.293 -0.407 0.026 0.140 0.460 0.120 0.529 0.268 0.151 0.408
-0.265 0.158 -0.452 0.012 0.349 0.059 0.152 0.422 0.297 0.110 0.401
0.120 0.526 0.471 0.009 0.019 0.919 -0.116 0.541 0.573
-0.074 0.699 -0.099 0.604 0.225 0.233 -0.222
0.284 0.128 0.162 0.394 0.540
0.551 0.002 0.266
0.320
0.025
0.028
0.001
0.239
0.002
0.156
0.085
Hasil Penelitian dan Pembahasan Analisa PCA dengan MINITAB14 pada Data Rasio Laporan Keuangan 2008
Hasil Penelitian dan Pembahasan Tabel Koefisien Komponen Pokok Data Rasio Keuangan tahun 2008 Variabel
PC1
PC2
RL1
0.1269
-0.6365
RL2
0.0951
-0.5873
RL3
0.0682
-0.3185
RS1
-0.9730
-0.1075
RS2
-0.0137
0.0743
RR1
-0.0240
-0.0323
RR2
-0.0005
-0.0084
RR3
0.0064
-0.0306
RR4
-0.1506
-0.3597
Hasil Penelitian dan Pembahasan Tabel Variabel Dependen dan Score Komponen Pokok Untuk Pemodelan Regresi Logistik Tahun 2008 ID P
Respon
PC1
PC2
ID P
Respon
PC1
PC2
PT01
0
-2.1320
-2.1073 PT16
1
0.2826
-3.4338
PT02
0
-0.2156
-1.7410 PT17
1
-0.4898
-2.7439
PT03
1
-7.7253
-3.2717 PT18
0
-3.2568
-0.5752
PT04
1
-1.8237
-1.4720 PT19
1
-0.7163
-1.8771
PT05
1
-0.1708
-2.8225 PT20
0
-1.8326
-1.5841
PT06
1
-2.8759
-1.3067 PT21
1
0.4500
-4.4228
PT07
1
-0.9653
-11.3616 PT22
1
0.0434
-4.1623
PT08
1
-1.4806
-2.4252 PT23
1
-1.8740
-3.3216
PT09
1
-1.6955
-1.4758 PT24
1
-0.7755
-2.2777
PT10
1
-7.3184
-2.1996 PT25
1
0.3600
-3.7075
PT11
0
-2.0386
-1.4920 PT26
1
-1.1655
-3.2556
PT12
1
0.3639
-5.2241 PT27
1
-0.9498
-1.7366
PT13
0
-1.0623
0.0997 PT28
1
-1.2160
-1.9729
PT14
1
-0.6051
-0.9639 PT29
0
-0.1228
-1.9623
PT15
1
-0.1437
-2.3497 PT30
1
-18.2001
-3.7840
Hasil Penelitian dan Pembahasan Persamaan untuk laporan keuangan tahun 2008 adalah : Logit P(i) = β0 + (-1.83213) PC2 dengan β0 = -2.67901 Persamaan PCA untuk laporan keuangan adalah : PC2 = (-0.6365) RL1 + (-0.5873) RL2 + (-0.3185) RL3 + (-0.1075) RS1 + 0.0743 RS2 + (-0.0323) RR1 + (-0.0084) RR2 + (-0.0306) RR3 + (-0.3597) RR4 Laporan Rasio Keuangan Nasabah Baru
Hasil Penelitian dan Pembahasan Logit P(i) = β0 + (-1.83213) PC2 = -2.67901 + (-1.83213) (-3.8) = -2.67901 + 6.962094 = 4.283084
P(Y=1) = 2,71828 4.283084 / 1 + (2,71828 4.283084 ) = 72.46 / 1 + 72.46 = 72.46 / 73.46 = 0.98 Didapat hasil logit P(i)= 4.283084, yang mana hasil tersebut di masukkan kedalam rumus standar dari regresi binary logistik yang merupakan standar rumus dari regresi binary logistik peluang nilai Y=1 adalah 0,98 dan melebihi standart dari bank X yaitu 0,70. Dari hal ini dapat di simpulkan nasabah dengan kode PN01 DITERIMA menjadi Nasabah Bank X.
GUI
Kesimpulan Kesimpulan-kesimpulan yang dapat diambil dari penelitian mengenai pemodelan regresi logistik yang digunakan untuk alat bantu pengambilan keputusan di Bank X, antara lain : Metode regresi logistik binary dapat memodelkan data laporan keuangan tahunan calon nasabah pada kantor cabang Bank X Surabaya dan model regresi logistik yang terbentuk dapat digunakan sebagai Early Warning System Pengujian validitas model Early Warning System yang terbentuk untuk prediksi pada tahun-tahun berikutnya Terbentuk analisis dan interpretasi hasil pemodelan Early Warning System dan memanfaatkan model tersebut dalam pengambilan keputusan di Bank X Saran Untuk penampilan arsitektur aplikasi yang di buat hanya memuat 9 variabel dari 3 rasio utama laporan keuangan, Oleh karenanya bila ditambahkan dengan rasio keuangan yang lain maka informasi kebutuhan laporan keuangan yang lebih akurat dapat lebih mudah digunakan untuk membuat suatu keputusan.
Penutup
THANK YOU
