SEGMENTASI NASABAH DALAM PENGEMBALIAN KREDIT DENGAN METODE CHAID
HANIF AKBAR
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Segmentasi Nasabah dalam Pengembalian Kredit dengan Metode CHAID adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun 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 skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, April 2013 Hanif Akbar NIM G14070068
ABSTRAK HANIF AKBAR. Segmentasi Nasabah dalam Pengembalian Kredit dengan Metode CHAID. Dibimbing oleh AAM ALAMUDI dan BUNAWAN SUNARLIM. Kredit merupakan salah satu bagian pembentukan modal yang dilakukan oleh lembaga keuangan dalam hal ini pihak perbankan ke masyarakat. Risiko kredit adalah suatu kerugian yang berpotensi menimbulkan penolakan atau ketidakmampuan konsumen kredit untuk membayar hutangnya secara penuh dan tepat waktu. Nasabah dalam tingkat risiko kredit dipengaruhi oleh beberapa peubah. Tetapi dalam kenyataannya, peubah yang terlalu banyak akan menyulitkan penentuan tingkat risiko kredit bagi suatu bank di masa yang akan datang. Karena itu perlu dilakukan penyederhanaan terhadap peubah-peubah tersebut dengan cara memilah peubah-peubah mana saja yang pengaruhnya paling signifikan. Metode CHAID (Chi-Square Automatic Interaction Detection) dapat menjadi salah satu metode untuk menjawab permasalahan ini. Hasil analisis dari penelitian ini adalah ada empat peubah penjelas yang memiliki keterkaitan struktural dengan status kolektibilitas nasabah. Peubah-peubah tersebut adalah jumlah angsuran, pekerjaan, jangka waktu pinjaman, dan jenis kelamin. Analisis CHAID menghasilkan enam segmen nasabah. Dari tabel prediksi dapat disimpulkan bahwa ketepatan prediksi untuk nasabah yang lancar sebesar 96.2% sedangkan ketepatan prediksi nasabah yang macet sebesar 10.0%. Kata kunci: kredit, metode CHAID, risiko kredit
ABSTRACT HANIF AKBAR. Customer Segmentation in Return of Credit with CHAID Method. Supervised by AAM ALAMUDI and BUNAWAN SUNARLIM. Credit is one part of capital formation carried out by financial institutions, in this case the banks to public. Credit risk is the potential loss of consumer credit refusal or inability to pay its debts in full and on time. Customers in the level of credit risk is influenced by some variables. But in reality, too many variables that would complicate the determination level of credit risk for the bank in the future. Because of this, it is necessary to simplify the variables in a way to sort out which variables are the most significant influence. CHAID (Chi-Square Automatic Interaction Detection) method is one of method can be applied to address this problem. Results of analysis of this study is that there are four explanatory variables that are associated with the structural status of the collectability of customer. The variables are the number of installments, job, loan term, and gender. CHAID analysis produces six customer segments. From the table, it can be concluded that the classification accuracy of prediction for the current customers by 96.2% while the predictive accuracy of customer loss amounting 10.0%. Key words: CHAID method, credit, credit risk
SEGMENTASI NASABAH DALAM PENGEMBALIAN KREDIT DENGAN METODE CHAID
HANIF AKBAR
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika
DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
Judul Skripsi : Segmentasi Nasabah dalam Pengembalian Kredit dengan Metode CHAID Nama : Hanif Akbar NIM : G14070068
Disetujui oleh
Ir Aam Alamudi, MSi Pembimbing I
Ir Bunawan Sunarlim, MS Pembimbing II
Diketahui oleh
Dr Ir Hari Wijayanto, MS Ketua Departemen
Tanggal Lulus:
PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Agustus 2012 sampai Desember 2012 ini ialah perbankan, dengan judul Segmentasi Nasabah dalam Pengembalian Kredit dengan Metode CHAID. Terima kasih penulis ucapkan kepada Bapak Ir Aam Alamudi dan Bapak Ir Bunawan Sunarlim selaku pembimbing, serta Saudara Maylaras Agung Handayani, Dimas Fajar Airlangga dan Agung Darmawan Yulianto yang telah banyak memberi dukungan, saran dan membantu penulis. Ungkapan terima kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga, atas segala doa dan kasih sayangnya. Semoga karya ilmiah ini bermanfaat.
Bogor, April 2013 Hanif Akbar
DAFTAR ISI DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
TINJAUAN PUSTAKA
1
Risiko Kredit
1
Metode CHAID
2
METODE
4
HASIL DAN PEMBAHASAN
5
Deskripsi Peubah
5
Analisis CHAID
6
Peubah-Peubah yang Berpengaruh
6
Segmentasi yang Terbentuk
8
Asosiasi yang Terbentuk
9
Prediksi Keakuratan Model
9
SIMPULAN
10
DAFTAR PUSTAKA
10
RIWAYAT HIDUP
14
DAFTAR LAMPIRAN 1 2 3 4
Gambaran Umum Peubah-Peubah Penjelas Histogram Jumlah Angsuran Histogram Usia Segmentasi Nasabah Berdasarkan Dendogram Hasil Analisis CHAID
11 12 12 13
1
PENDAHULUAN Perbankan memegang peranan penting dalam perekonomian sebab perbankan dapat meningkatkan pertumbuhan dan perkembangan khususnya di bidang ekonomi. Pada dasarnya bank merupakan lembaga yang menghimpun dana dari masyarakat dalam bentuk simpanan dan menyalurkannya kembali kepada masyarakat dalam bentuk pinjaman. Kredit merupakan salah satu bagian pembentukan modal yang dilakukan oleh lembaga keuangan dalam hal ini pihak perbankan ke masyarakat dalam upaya mendorong kinerja usaha sehingga dapat dimanfaatkan untuk meningkatkan produktivitas usaha sektor riil yang dilakukan oleh masyarakat secara individu maupun kelompok. Dalam menjalankan fungsinya sebagai lembaga intermediasi, bank seyogyanya mengoptimalkan penyaluran kredit kepada para nasabah. Namun kredit yang diberikan oleh bank tidak menutup kemungkinan mengandung risiko, sehingga dalam pelaksanaannya bank harus memperhatikan asas-asas perkreditan yang sehat serta memiliki fundamental yang lebih kuat. Karakteristik nasabah dalam tingkat risiko kredit dipengaruhi oleh beberapa peubah. Tetapi dalam kenyataannya, banyak peubah akan menyulitkan analisis. Karena itu perlu dilakukan penyederhanaan terhadap peubah-peubah mana saja yang pengaruhnya paling signifikan. Metode CHAID (Chi-Square Automatic Interaction Detection) dapat menjadi salah satu metode untuk menjawab permasalahan ini. Metode ini memiliki kemampuan memilah peubah-peubah yang pengaruhnya signifikan terhadap peubah respon dari sekian banyak peubah yang dimasukkan dalam analisis ini. Tujuan penelitian ini adalah menguraikan segmentasi nasabah dalam tingkat risiko kredit sepeda motor. Kemudian menerangkan peubah-peubah yang pengaruhnya signifikan terhadap tingkat risiko kredit tersebut.
TINJAUAN PUSTAKA Risiko Kredit Risiko kredit adalah suatu kerugian yang berpotensi menimbulkan penolakan atau ketidakmampuan konsumen kredit untuk membayar hutangnya secara penuh dan tepat waktu (Coyle 2000). Risiko kredit didefinisikan sebagai risiko dimana debitur atau pembeli secara kredit tidak dapat membayar hutang dan memenuhi kewajiban seperti tertuang dalam kesepakatan, atau turunnya kualitas debitur atau pembeli sehingga persepsi mengenai kemungkinan gagal bayar semakin tinggi (Djohanputro 2004). Kemudian risiko kredit yang potensial mengancam penghasilan dan modal perusahaan, yang timbul karena kegagalan debitur (obligor) untuk memenuhi syarat yang tertuang dalam kontrak dengan perusahaan sebagaimana yang telah diperjanjikan (Tampubolon 2005). Ukuran nilai suatu risiko kredit terdiri dari faktor kuantitas pembukaan kredit dan kualitas pembukaan kredit. Kuantitas pembukaan kredit tercermin
2 dalam besarnya pinjaman. Semakin besar pinjaman maka semakin besar juga tingkat pembukaan kredit. Kualitas pembukaan kredit tercermin oleh kemungkinan gagal bayar dari debitur atau pembeli secara kredit dan kualitas dari jaminan yang diberikan oleh debitur atau pembeli kredit. Semakin rendah kualitas jaminan maka semakin rendah kualitas kredit dan semakin tinggi risiko kredit yang dihadapi (Djohanputro 2004). Penyebab gagal bayar pada risiko kredit yaitu kebangkrutan nasabah dan kesulitan keuangan yang dihadapi nasabah. Apabila nasabah berada pada ambang batas kriteria kesehatan tidak dipenuhi maka memiliki potensi gagal bayar dan menurunkan peringkat nasabah. Penurunan peringkat nasabah disebabkan penurunan kinerja nasabah. Kelemahan kontrak kredit menyebabkan pelanggaran kontrak kredit dan berpotensi dalam meningkatkan risiko kredit. Berdasarkan SE-09/PJ.42/1999, pengertian kredit yang digolongkan “lancar” dan “macet” disesuaikan dengan pengertian yang telah ditetapkan oleh Bank Indonesia. Kredit digolongkan sebagai kredit “lancar” apabila memenuhi kriteria sebagai berikut : 1 Pembayaran angsuran pokok dan/atau bunga tepat waktu. 2 Memiliki mutasi rekening yang aktif. 3 Bagian dari kredit yang dijamin dengan agunan tunai (cash collateral). Kredit digolongkan sebagai kredit “macet” apabila memenuhi kriteria sebagai berikut : 1 Terdapat tunggakan angsuran pokok dan/atau bunga yang telah melampaui 270 hari. 2 Kerugian operasional ditutup dengan pinjaman baru. 3 Dari segi hukum maupun kondisi pasar, jaminan tidak dapat dicairkan pada nilai wajar.
Metode CHAID Metode CHAID (Chi-Square Automatic Interaction Detection) merupakan salah satu tipe dari metode AID (Automatic Interaction Detection). Teknik pemecahan gugus menjadi beberapa anak gugus dilakukan sedemikian rupa sehingga keragaman nilai peubah tak bebas dalam anak gugus menjadi minimum dan keragaman nilai peubah tak bebas antar anak gugus menjadi maksimum (Ratner 2000). Lalu dalam perkembangannya CHAID banyak digunakan dalam proses segmentasi pasar di dunia marketing. Proses pemecahan dilakukan secara iteratif dimulai dari peubah bebas yang mempunyai asosiasi paling kuat dengan peubah tak bebas yang digambarkan oleh besarnya nilai p berdasarkan uji Chi-Square. Dalam proses ini juga akan dilakukan penggabungan kategori-kategori dalam satu peubah bebas yang tidak memiliki asosiasi yang nyata dengan peubah tak bebas. Secara singkat algoritma CHAID adalah sebagai berikut (Kass 1980) : 1 Buat tabulasi silang untuk masing-masing kategori peubah penjelas dengan kategori peubah respon.
3 2 Buat sub tabulasi silang berukuran 2 x d yang mungkin tersusun. Notasi d 2 adalah banyaknya kategori peubah respon. Kemudian tentukan nilai 𝜒ℎ𝑖𝑡𝑢𝑛𝑔 2 semua subtabel tersebut. Dengan α ditetapkan, tentukan nilai 𝜒ℎ𝑖𝑡𝑢𝑛𝑔 yang 2 2 terkecil. Jika 𝜒𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙 < 𝜒𝛼 maka kedua kategori peubah penjelas yang 2 memiliki 𝜒𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙 digabung menjadi satu kategori. Untuk peubah numerik maka harus diubah menjadi peubah kategorik dengan cara mengkategorikannya terlebih dahulu. Sedangkan untuk peubah ordinal, penggabungan hanya dapat dilakukan terhadap kategori yang berurutan. 3 Jika terdapat kategori gabungan yang terdiri dari tiga atau lebih kategori asal, maka harus dilakukan pembagian biner terhadap kategori gabungan tersebut. 2 2 Dari pembagian ini ditentukan 𝜒ℎ𝑖𝑡𝑢𝑛𝑔 terbesar. Jika 𝜒ℎ𝑖𝑡𝑢𝑛𝑔 terbesar > 𝜒𝛼2 maka pembagian biner berlaku. Kembali ke tahap kedua. 4 Setelah diperoleh penggabungan optimal untuk setiap peubah penjelas, hitung nilai p untuk masing-masing tabel yang terbentuk. Nilai p dari tabel yang mengalami pengurangan kategori dikalikan dengan koreksi Bonferoni sesuai dengan tipe peubahnya. Jika nilai p terkecil < α maka peubah tersebut merupakan peubah penjelas yang pengaruhnya paling nyata bagi peubah respon. 5 Jika pada tahap keempat diperoleh peubah yang pengaruhnya paling nyata, kembali ke tahap pertama untuk setiap bagian data hasil pemisahan. Statistik uji yang digunakan adalah 𝜒 2 dengan rumus : 𝑟
𝑐
𝑖
𝑗
2
𝜒 =
𝑂𝑖𝑗 − 𝐸𝑖𝑗 ² 𝐸𝑖𝑗
dengan : r : total baris c : total kolom i : indeks baris j : indeks kolom 𝑂𝑖𝑗 : nilai sel baris ke-i kolom ke-j 𝐸𝑖𝑗 : nilai harapan sel baris ke-i kolom ke-j 𝜒 2 menyebar menurut sebaran Khi-Kuadrat berderajat bebas : db = (c – 1) (r – 1) dengan : r : total baris c : total kolom Koreksi Bonferoni untuk tabel yang mengalami pengurangan kategori sesuai dengan tipe peubahnya : a Peubah bebas 𝑟−1
−1𝑖
𝐵= 𝑖=0
𝑟−𝑖 𝑐 𝑖! 𝑟 − 𝑖 !
Peubah bebas adalah variabel independen yang kategori di dalamnya dapat dikombinasikan atau digabungkan ketika keduanya berdekatan atau tidak (data nominal). Contohnya pekerjaan dan jenis kelamin.
4 b Peubah monoton 𝐵=
𝑐−1 𝑟−1
Peubah monoton adalah variabel independen yang kategori di dalamnya dapat dikombinasikan atau digabungkan oleh CHAID hanya jika keduanya berdekatan satu sama lain atau mengikuti urutan aslinya (data ordinal). Contohnya usia dan tingkat pendidikan. c Peubah float 𝑐−2 𝑐−2 𝐵= +r 𝑟−2 𝑟−1 Peubah float adalah variabel independen yang kategori di dalamnya berupa kategori ordinal kecuali untuk satu kategori yang posisinya dalam urutan tidak pasti. Penggabungan dilakukan sebagaimana peubah ordinal kecuali nilai kategori float yang dapat berkombinasi bebas dengan kategori lain.
METODE Data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh dari PT. Ganesha Cipta Informatika. Data ini merupakan data contoh nasabah kredit motor pada tahun 2008 di salah satu bank swasta yaitu Bank XYZ. Data terdiri dari 1963 nasabah dengan 8 peubah penjelas dan satu peubah respon. Peubah respon yang ada adalah status kolektibilitas nasabah berupa status “lancar” (0) untuk debitur yang tidak bermasalah (kedit lancar), dan “macet” (1) untuk debitur yang bermasalah (kredit macet). Peubah-peubah penjelas yang dimasukkan sebagai faktor penduga risiko kredit adalah : a Jangka waktu pinjaman, tipe monoton : 12, 18, 24, 30, 36 (bulan). b Jumlah angsuran, tipe monoton : rupiah. c Usia, tipe monoton : tahun. d Kepemilikan tempat tinggal, tipe bebas : 0 = milik orang tua, 1 = milik sendiri, 2 = institusi, 3 = kredit, 4 = sewa, 5 = lainnya. e Tingkat pendidikan, tipe float : 0 = lainnya, 1 = SMP, 2 = SMA, 3 = diploma, 4 = S1, 5 = S2/S3. f Jenis kelamin, tipe bebas : 0 = laki-laki, 1 = perempuan. g Status pernikahan, tipe bebas : 0 = menikah, 1 = tidak menikah, 2 = janda, 3 = duda. h Pekerjaan, tipe bebas : 0 = pegawai swasta, 1 = pegawai negeri sipil, 2 = wiraswasta, 3 = profesional, 4 = lainnya. Analisis CHAID dilakukan dengan software statistika. Hasil dari analisis CHAID akan ditampilkan dalam sebuah diagram pohon.
5
HASIL DAN PEMBAHASAN Gambaran Umum Nasabah Data yang tersedia berjumlah 1963 nasabah. Peubah status kolektibilitas nasabah termasuk dalam peubah bebas yang dibedakan menjadi dua kategori, yaitu nasabah yang status kolektibilitasnya lancar berjumlah 1653 (84.21%) dan nasabah yang status kolektibilitasnya macet sebanyak 310 (15.79%). Gambaran umum peubah-peubah penjelas disajikan pada Lampiran 1. Komposisi nasabah berdasarkan jangka waktu pinjaman, jumlah angsuran, dan usia menggunakan data asli sehingga tidak dilakukan pengkategorian seperti peubah-peubah yang lainnya. Pada umumnya nasabah berdasarkan jangka waktu pinjaman memiliki jangka waktu 36 bulan sebesar 1142 nasabah (58.18%) dan jangka waktu 24 bulan sebanyak 498 nasabah (25.37%). Komposisi nasabah berdasarkan jumlah angsurannya dapat dilihat melalui histogram pada Lampiran 2. Dari histogram tersebut dapat diketahui bahwa nasabah pada umumnya meminjam kredit kepada bank dengan jumlah angsuran antara Rp 100.000 sampai dengan Rp 1.000.000 dengan jumlah nasabah sebesar 1758 nasabah (89.70%). Komposisi nasabah berdasarkan usia dapat dilihat melalui histogram pada Lampiran 3. Dari histogram tersebut dapat diketahui bahwa nasabah yang meminjam kredit pada bank pada umumnya berusia 58 tahun sebesar 150 nasabah. Sebagian besar nasabah memiliki kepemilikan tempat tinggal milik orang tua sebanyak 929 nasabah (47.33%) dan milik sendiri sebesar 853 nasabah (43.45%). Sedangkan sisanya yaitu institusi (1.78%), kredit (1.88%), sewa (3.21%), dan lainnya (2.34%). Pada peubah penjelas tingkat pendidikan terdapat kategori “lainnya”. Pada kategori “lainnya” tidak disebutkan masuk kategori yang mana dari keseluruhan kategori yang ada dalam peubah tingkat pendidikan. Pendidikan tertinggi nasabah pada umumnya adalah S1 sebanyak 941 nasabah (48.24%), sedangkan Diploma sebesar 541 nasabah (27.56%), nasabah berpendidikan SMA sebesar 17.88%, S2/S3 sebanyak 5.40%, dan sisanya memiliki persentase yang sangat kecil. Sebagian besar nasabah adalah nasabah perempuan sebanyak 999 nasabah (50.89%) dan sisanya nasabah berjenis kelamin laki-laki sebesar 49.11%. Nasabah yang menikah cenderung besar yaitu lebih dari setengah jumlah nasabah sebesar 1512 nasabah (77.02%), kemudian sebanyak 423 nasabah tidak menikah (21.55%), sedangkan sisanya sangat kecil persentasenya. Sebanyak 79.72% nasabah (1565 nasabah) memiliki pekerjaan sebagai pegawai swasta, pegawai negeri sebesar 17.12% (336 nasabah), dan untuk jenis pekerjaan yang lain persentasenya sangat kecil.
Analisis CHAID Analisis CHAID menghasilkan suatu dendogram yang memetakan penggabungan berdasarkan hubungan terstruktur peubah respon dengan peubahpeubah penjelasnya seperti tampak pada Gambar 1. Dendogram pemisahan
6 tersebut diperoleh dari analisis dengan nilai kritis yang ditetapkan pada taraf nyata (α = 0.05). Dari hasil analisis CHAID terhadap delapan peubah penjelas, hanya empat peubah penjelas yang memiliki pengaruh nyata dengan status kolektibilitas nasabah. Peubah-peubah tersebut adalah jumlah angsuran, pekerjaan, jangka waktu pinjaman, dan jenis kelamin. Terlihat bahwa dari 1963 nasabah, sebanyak 1653 nasabah memiliki status kolektibilitas lancar sedangkan 310 nasabah memiliki status kolektibilitas macet. Analisis CHAID mengasilkan tiga pokok pembahasan yang penting, yaitu : 1 Peubah-peubah yang berpengaruh 2 Segmentasi nasabah 3 Asosiasi yang terbentuk
Peubah-Peubah yang Berpengaruh Peubah utama yang memiliki pengaruh dengan status kolektibilitas nasabah adalah jumlah angsuran. Peubah penjelas jumlah angsuran dikategorikan ke dalam dua kelompok, yaitu kelompok pertama adalah kurang dari atau sama dengan Rp 726.867 sebanyak 1571 nasabah (80%) dan kelompok kedua adalah lebih besar dari Rp 726.867 sebanyak 392 nasabah (20%). Persentase tersebut diambil dari jumlah total keseluruhan nasabah yaitu 1963 nasabah. Pada kelompok pertama terlihat bahwa persentase kelompok jumlah angsuran kurang dari atau sama dengan Rp 726.867 yang memiliki status kolektibilitas lancar sebanyak 82.3% (1293 nasabah) dan status kolektibilitas yang macet sebesar 17.7% (278 nasabah). Kemudian kelompok kedua jumlah angsuran lebih besar dari Rp 726.867, nasabah yang memiliki status kolektibilitas lancar sebanyak 360 nasabah (91.8%) dan nasabah yang memiliki status kolektibilitas macet sebesar 32 nasabah (8.2%). Pada kelompok jumlah angsuran kurang dari atau sama dengan Rp 726.867, nasabah dibedakan berdasarkan jenis pekerjaan, yaitu pegawai swasta dan wiraswasta serta pegawai negeri sipil, lainnya, dan profesional. Dari total 1259 nasabah yang termasuk ke dalam kelompok pertama, sebanyak 1015 nasabah (80.6%) memiliki status kolektibilitas lancar dan sebesar 19.4% (244 nasabah) memiliki status kolektibilitas macet. Kemudian kelompok kedua terdiri dari pegawai negeri sipil, lainnya dan profesional memiliki status kolektibilitas lancar sebesar 89.1% (278 nasabah) dan nasabah yang memiliki status kolektibilitas macet sebesar 10.9% (34 nasabah). Peubah jangka waktu pinjaman memiliki pengaruh pada kelompok nasabah dengan pekerjaan pegawai swasta dan wiraswasta. Peubah penjelas jangka waktu pinjaman dikategorikan ke dalam tiga kelompok, yaitu kelompok pertama adalah jangka waktu pinjaman kurang dari atau sama dengan 24 bulan, kelompok kedua adalah jangka waktu pinjaman 30 bulan, dan kelompok ketiga adalah jangka waktu pinjaman lebih dari 30 bulan. Kelompok pertama terdiri dari 387 nasabah dan memiliki status kolektibilitas lancar sebesar 82.4% (319 nasabah) serta 17.6% (68 nasabah) memiliki status kolektibilitas macet. Pada dendogram hasil analisis CHAID untuk jangka waktu pinjaman 30 bulan memiliki status kolektibilitas lancar yaitu 66.7% (62 nasabah) dan nasabah yang memiliki status kolektibilitas macet sebanyak 33.3% (31 nasabah). Kemudian kelompok yang terakhir adalah
7
8 jangka waktu pinjaman lebih dari 30 bulan, nasabah yang memiliki status kolektibilitas lancar adalah 81.4% (634 nasabah) sedangkan status kolektibilitasnya macet sebesar 18.6% (145 nasabah). Peubah jenis kelamin memiliki pengaruh pada kelompok nasabah dengan pekerjaan pegawai negeri sipil, lainnya dan profesional. Peubah penjelas jenis kelamin dikategorikan dalam dua kategori, yaitu laki-laki dan perempuan. Lakilaki berjumlah 157 nasabah dan perempuan sebesar 155 nasabah. Persentase status kolektibilitas nasabah lancar untuk laki-laki adalah 84.7% (133 nasabah) dan status kolektibilitas macet 15.3% (24 nasabah), sedangkan untuk perempuan, nasabahnya memiliki status kolektibilitas lancar 93.5% (145 nasabah) dan yang macet 6.5% (10 nasabah).
Segmentasi yang Terbentuk Pada dendogram terlihat bahwa analisis CHAID menghasilkan enam segmen nasabah. Rincian tentang segmentasi nasabah dapat dilihat pada Lampiran 4. Segmen pertama yaitu nasabah yang memiliki jumlah angsuran kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai swasta dan wiraswasta serta jangka waktu pinjaman kurang dari atau sama dengan 24 bulan. Segmen kedua adalah nasabah yang memiliki jumlah angsuran kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai swasta dan wiraswasta serta jangka waktu pinjaman 30 bulan. Segmen ketiga yaitu nasabah yang memiliki jumlah angsuran kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai swasta dan wiraswasta serta jangka waktu pinjaman lebih dari 30 bulan. Segmen keempat adalah nasabah yang memiliki jumlah angsuran kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai negeri sipil, lainnya dan profesional serta jenis kelamin laki-laki. Segmen kelima yaitu nasabah yang memiliki jumlah angsuran kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai negeri sipil, lainnya dan profesional serta jenis kelamin perempuan. Segmen yang keenam adalah nasabah yang memiliki jumlah angsuran lebih dari Rp 726.867. Persentase terbesar nasabah yang memiliki status kolektibilitas nasabah lancar adalah pada segmen kelima. Segmen ini adalah nasabah yang memiliki jumlah angsuran kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai negeri sipil, lainnya dan profesional serta jenis kelamin perempuan dengan persentase pengembalian lancar 93.5%. Segmen ini merupakan segmen dengan pengembalian lancar tertinggi. Segmen kedua yaitu segmen dengan nasabah yang memiliki jumlah angsuran kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai swasta dan wiraswasta serta jangka waktu pinjaman 30 bulan merupakan segmen dengan persentase pengembalian lancar paling rendah dengan persentase lancarnya hanya sebesar 66.7%, persentase ini di bawah 70% artinya bahwa bank dalam hal ini perlu lebih berhati-hati dalam pemberian kredit kepada nasabah dengan ciri-ciri demikian. Adapun kelima segmen lainnya memiliki persentase lancar nasabahnya lebih dari 70%.
9 Asosiasi yang Terbentuk Peubah penjelas yang memiliki keterkaitan atau asosiasi langsung terhadap status kolektibilitas nasabah, yaitu peubah penjelas jumlah angsuran kurang dari atau sama dengan Rp 726.867 dan peubah penjelas jumlah angsuran lebih besar dari Rp 726.867. Pada dendogram tampak adanya asosiasi antara jumlah angsuran dengan pekerjaan, yaitu bahwa jumlah angsuran kurang dari atau sama dengan Rp 726.867 pada umumnya memiliki pekerjaan pegawai swasta dan wiraswasta. Terlihat pula adanya asosiasi antara pekerjaan dengan jangka waktu pinjaman, yaitu bahwa pekerjaan pegawai swasta dan wiraswasta pada umumnya memiliki jangka waktu pinjaman lebih dari 30 bulan. Interaksi antar peubah tampak jelas pada dendogram, bahwa peubah pekerjaan berpengaruh hanya pada kelompok dengan jumlah angsuran kurang dari atau sama dengan Rp 726.867. Jangka waktu pinjaman berpengaruh hanya pada kelompok dengan pekerjaan pegawai swasta dan wiraswasta. Kemudian jenis kelamin berpengaruh hanya pada kelompok dengan pekerjaan pegawai negeri sipil, lainnya, dan profesional.
Prediksi Keakuratan Model Salah satu cara untuk mengetahui keakuratan model yang diperoleh dari hasil analisis CHAID adalah melalui tabel prediksi. Tabel prediksi ini dapat dilihat pada Tabel 1. Berdasarkan Tabel 1 dapat disimpulkan bahwa dari 1653 nasabah yang berkategori lancar, diprediksi dengan benar sebanyak 1591 nasabah atau 96.2%, sedangkan dari 310 nasabah yang berkategori macet, diprediksi dengan benar sebanyak 31 nasabah atau 10.0%. Jadi dapat disimpulkan bahwa ketepatan prediksi nasabah yang berkategori lancar lebih baik dari nasabah yang berkategori macet. Persentase total prediksi yang benar dari 1963 nasabah adalah 82.6%. Dari 279 nasabah yang diprediksi lancar tetapi kenyataannya macet maka bank akan mengalami kerugian karena bank menampung nasabah yang berkategori macet sebagai nasabah yang berkategori lancar. Sedangkan dari 62 nasabah yang diprediksi macet tetapi kenyataannya lancar maka nasabah tersebut akan kehilangan kesempatan untuk diberikan kredit oleh bank karena nasabah yang berkategori lancar tersebut masuk ke dalam kelompok nasabah yang berkategori macet. Secara keseluruhan, model ini baik dan dapat digunakan oleh bank di masa yang akan datang sebagai bahan pertimbangan dalam memberikan kredit kepada nasabahnya.
10 Tabel 1 Tabel prediksi model pada cut off 0.70 Observasi Lancar Macet Total Persentase Total
Prediksi Lancar Macet 1591 62 279 31 1870 93 95.0%
Total 1653 310 1963
5.0%
Persentase Benar 96.2% 10.0% 82.6%
SIMPULAN Ada empat peubah penjelas yang memiliki keterkaitan struktural dengan status kolektibilitas nasabah. Peubah-peubah tersebut adalah jumlah angsuran, pekerjaan, jangka waktu pinjaman, dan jenis kelamin. Peubah utama yang berpengaruh dengan status kolektibilitas nasabah adalah jumlah angsuran. Peubah penjelas yang memiliki asosiasi langsung terhadap peubah respon, yaitu peubah penjelas jumlah angsuran kurang dari atau sama dengan Rp 726.867 dan peubah penjelas jumlah angsuran lebih besar dari Rp 726.867. Analisis CHAID menghasilkan enam segmen nasabah. Persentase terbesar nasabah yang memiliki status kolektibilitas nasabah lancar adalah pada segmen kelima. Terdapat satu segmen yang perlu mendapat perhatian oleh bank untuk diberikan kredit yaitu pada segmen kedua. Melalui tabel prediksi dapat disimpulkan bahwa dari 1653 nasabah yang berkategori lancar, diprediksi dengan benar sebanyak 1591 nasabah atau 96.2%, sedangkan dari 310 nasabah yang berkategori macet, diprediksi dengan benar sebanyak 31 nasabah atau 10.0%. Persentase total prediksi yang benar dari 1963 nasabah adalah 82.6%.
DAFTAR PUSTAKA Coyle B. 2000. Framework For Credit Risk Management. CIB Publishing. United Kingdom. Djohanputro B. 2004. Manajemen Risiko Korporat Terintegrasi. Penerbit PPM. Jakarta. Kass GV. 1980. An Exploratory Technique for Investigating Large Quantities of Categorial Data. Appl. Statist. 29, No.2: 119-127. Ratner B. 2000. “CHAID for Interpreting A Logistic Regression Model”. DM [Internet]. Tersedia pada: http://www.dmstat.com/regression.html. Tampubolon R. 2005. Risk and System Based Internal Auditing. PT. Elex Media Komputindo. Jakarta.
11 Lampiran 1 Gambaran umum peubah-peubah penjelas No.
Peubah
1
Jangka Waktu Pinjaman
2
Jumlah Angsuran
3
Usia
4
Kepemilikan Tempat Tinggal
5
Tingkat Pendidikan
6
Jenis Kelamin
7
Status Pernikahan
8
Pekerjaan
Tipe
Gambaran Umum 12 Bulan = 4.64% 18 Bulan = 5.91% Monoton 24 Bulan = 25.37% 30 Bulan = 5.91% 36 Bulan = 58.18% Rata-rata = Rp 637.341 Median = Rp 484.871 Monoton Simpangan Baku = 706.424 Minimun = Rp 178.263 Maksimum = Rp 7.634.370 Rata-rata = 55.504 Tahun Median = 56 Tahun Monoton Simpangan Baku = 5.558 Minimum = 30 Tahun Maksimum = 73 Tahun Milik Orang Tua = 47.33% Milik Sendiri = 43.45% Institusi = 1.78% Bebas Kredit = 1.88% Sewa = 3.21% Lainnya = 2.34% Lainnya = 0.61% SMP = 0.31% SMA = 17.88% Float Diploma = 27.56% S1 = 48.24% S2/S3 = 5.40% Laki-Laki = 49.11% Bebas Perempuan = 50.89% Menikah = 77.02% Tidak Menikah = 21.55% Bebas Janda = 1.27% Duda = 0.15% Pegawai Swasta = 79.72% Pegawai Negeri Sipil = 17.12% Wiraswasta = 0.71% Bebas Profesional = 1.32% Lainnya = 1.12%
12 Lampiran 2 Histogram Jumlah Angsuran Histogram Jumlah Angsuran 800 700
Frekuensi
600 500 400 300 200 100 0
0
1200000
2400000
3600000
4800000
6000000
7200000
Jumlah Angsuran
Lampiran 3 Histogram Usia Histogram usia 160 140
Frekuensi
120 100 80 60 40 20 0
30
36
42
48
54
Usia
60
66
72
13 Lampiran 4 Segmentasi nasabah berdasarkan dendogram hasil analisis CHAID
No.
Segmen
1
Segmen ke-1
2
Segmen ke-2
3
Segmen ke-3
4
Segmen ke-4
5
Segmen ke-5
6
Segmen ke-6
Deskripsi
Nasabah yang memiliki jumlah angsuran kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai swasta dan wiraswasta serta jangka waktu pinjaman kurang dari atau sama dengan 24 bulan Nasabah yang memiliki jumlah angsuran kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai swasta dan wiraswasta serta jangka waktu pinjaman 30 bulan Nasabah yang memiliki jumlah angsuran kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai swasta dan wiraswasta serta jangka waktu pinjaman lebih dari 30 bulan Nasabah yang memiliki jumlah angsuran kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai negeri sipil, lainnya dan profesional serta jenis kelamin laki-laki Nasabah yang memiliki jumlah angsuran kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai negeri sipil, lainnya dan profesional serta jenis kelamin perempuan Nasabah yang memiliki jumlah angsuran lebih dari Rp 726.867
Jumlah Nasabah yang Memiliki Status Kolektibilitas Lancar
Persentase
319
82.4%
62
66.7%
634
81.4%
133
84.7%
145
93.5%
360
91.8%
14
RIWAYAT HIDUP Penulis dilahirkan di Jakarta pada tanggal 21 Agustus 1990 dari pasangan Bapak Karno, S.H, M.Hum dan Ibu Sumarsi. Penulis merupakan anak pertama dari dua bersaudara. Penulis telah berhasil menyelesaikan pendidikannya di Sekolah Dasar Negeri (SDN) 05 Pagi Sunter Agung pada tahun 2001. Jenjang pendidikan selanjutnya penulis tempuh di Sekolah Menengah Pertama Negeri (SMPN) 30 Jakarta dan lulus tahun 2004. Penulis menamatkan pendidikannya di Sekolah Menengah Atas Negeri (SMAN) 13 Jakarta pada tahun 2007 dan pada tahun yang sama penulis diterima sebagai mahasiswa Departemen Statistika, Institut Pertanian Bogor (IPB) melalui Seleksi Masuk Perguruan Tinggi Negeri (SNMPTN). Selama masa perkuliahan, penulis aktif dalam kegiatan organisasi Himpunan Profesi Gamma Sigma Beta (GSB) seperti Statistika Ria tahun 2009, Sport and Art Statistics 2009, Welcome Ceremony Statistics (WCS) 2010 dan Pesta Sains 2010. Penulis telah melaksanakan Praktik Lapang di Departemen Statistika, Institut Pertanian Bogor.
