Pengujian Model Gagal Bayar di LKM-A PUAP
Faktor-faktor kegagalan pembayaran pada LKM-A PUAP dianalisis dengan menggunakan model regresi logistik. Faktor-faktor yang diduga mempengaruhi terjadinya kegagalan pembayaran pada kredit PUAP dibagi
kedalam 4 kelompok, yaitu r t t s r selain itu
ditambah dengan faktor umur, jumlah anggota keluarga, y jenis kelamin. Variabel yang masuk ke dalam pr t yaitu jarak rata-rata antar
anggota, y anggota kelompok mengetahui aktivitas ekonomi anggota lainnya, y kunjungan ke anggota yang lain dan y tahu salah guna
kredit. Variabel ts antara lain y sama daerah lahir dengan tempat
penelitian berlangsung dan y lama tergabung dalam kelompok. Variabel
yang termasuk dalam r yaitu y siap menekan anggota lainnya,
dan ysulit menerapkan sangsi.
Uji G
Analisis regresi logistik dilakukan menggunakan tw SAS 9.1 dengan memasukkan semua peubah penjelas ke dalam model. Pengujian parameter secara simultan dengan uji G didapatkan nilai statistik uji chi-kuadrat sebesar 26.1292 dengan nilai p = 0.0103 (p < 0.15). Jika H0 = peubah bebas tidak berpengaruh
nyata terhadap peubah tak bebas dan H1 = peubah bebas berpengaruh nyata
terhadap peubah tak bebas, karena 0.0103 < 0,15, maka disimpulkan bahwa H0
ditolak, yang berarti setidaknya ada satu peubah yang berpengaruh nyata terhadap kegagalan pembayaran di LKM-A PUAP , atau secara bersama-sama variabel- variabel independen berpengaruh nyata terhadap variabel dependen (ada atau tidak ada gagal bayar), yang dapat dilihat pada Lampiran 11.
Uji Wald
Pengujian parameter secara parsial dilakukan dengan uji wald, peubah yang berpengaruh nyata pada taraf alpha 5 persen adalah jumlah anggota keluarga (p-value = 0.0232), besar kredit yang dipinjam (p-value= 0.0350), dummy jenis kelamin (p-value= 0.0353), jarak rata-rata antar anggota (p-value=0.407) dan dummy daerah sama lahir (p-value=0.558). Peubah yang berpengaruh nyata pada taraf alpha 15 persen adalah umur (p-value = 0.1388) yang dapat dilihat pada Lampiran 11.
Kebaikan Model
Kebaikan model kegagalan pembayaran di LKM-A PUAP dianalisis dengan melihat tabel klasifikasi pada Tabel 19. Proporsi Keseluruhan untuk klasifikasi yang benar diduga oleh model logistik yang diperoleh adalah:
P (klasifikasi benar) = (16+22)/54 = 0.704 Tabel 19. Tabel Prediksi Model
Actual Prediction (Alpha=10%) Total
Y=1 Y=0
Y=1 16 12 28
Y=0 4 22 26
Tingkat kebaikan pendugaan atau prediksi dari model logistik yang diperoleh untuk menduga kegagalan pembayaran di LKM-A PUAP yaitu 70.4 persen, pada alpha 10 persen yang dapat dilihat secara rinci pada Lampiran 11.
Interpretasi Nilai Odds Ratio pada Variabel Kegagalan Pembayaran Variabel-variabel yang berpengaruh nyata yang dilihat dari uji Wald, selanjutnya dianalisis nilai odds rasio nya, untuk dilihat pengaruh variabel- variabel yang digunakan terhadap terjadinya kegagalan pembayaran di LKM-A PUAP. Hasil pendugaan model logit peluang kegagalan pembayaran di LKM-A PUAP ditunjukkan pada Tabel 20.
Tabel 20. Hasil estimasi koefisien faktor-faktor yang mempengaruhi kegagalan pembayaran pada LKM-A PUAP
Gagal bayar
Y (1): jika ada gagal bayar Y (0): jika tidak ada gagal bayar
Parameter Pr >Chi-Sq Odds
Ratio KARAKTERISTIK PERSONAL
Umur -0.1168 0.1388** 0.890
Jumlah anggota keluarga -1.1643 0.0232* 0.853 Besar kredit 1.125E-6 0.0350* 1.000
yjenis kelamin 2.8506 0.0353* 17.298
PEER MONITORING =PENGAWASAN
Jarak rata-rata anggota kelompok 0.00501 0.0407* 1.005
ytahu aktivitas ekonomi -1.2362 0.4240 0.290
ykunjungan anggota -20.0402 0.9365 <0.001
ysalah guna kredit 30.5433 0.9157 >999.999
SOCIAL TIES= IKATAN SOSIAL
ydaerah lahir -4.4127 0.0558* 0.012
ylama bergabung dalam kelompok -10.8464 0.9527 <0.001
PEER PRESSURE =TEKANAN
ysiap menekan anggota -2.3200 0.2649 0.098
ysulit menerapkan sangsi 0.4300 0.7137 1.537
Intercept 23.6503 0.9251
Number of Obs 54
Signifikan* = taraf nyata 5% Signifikan**= taraf nyata 15%
Berdasarkan Tabel 20 diatas, semua tanda parameter sesuai dengan yang diharapkan. Namun dari 12 variabel yang digunakan hanya ada 6 variabel yang signifikan pada taraf nyata 5 persen dan 15 persen.
Umur berpengaruh negatif terhadap terjadinya kegagalan pembayaran dan signifikan pada taraf nyata 15 persen. Nilai odds ratio variabel umur adalah 0.89. Yang berarti setiap penambahan umur 1 tahun, diduga peluang terjadinya kegagalan pembayaran naik sebesar 89 persen apabila variabel lainnya tetap, hal ini mengindikasikan anggota kelompok yang semakin tua tidak menjamin untuk mengalami gagal bayar, namun akan mengurangi terjadinya peluang gagal bayar. Karena dengan semakin bertambahnya umur, semakin bertanggung jawab untuk pengelolaan kredit yang digunakan. Dari data di lapangan, responden yang sudah berumur pada umur 40 50 keatas, mengalami gagal bayar, namun responden yang berumur 60-70 tahun keatas tidak mengalami gagal bayar.
Jumlah anggota keluarga berpengaruh negatif terhadap terjadinya kegagalan pembayaran dan signifikan pada taraf nyata 5 persen. Nilai odds ratio jumlah anggota keluarga adalah 0.853. Artinya setiap penambahan 1 anggota keluarga akan menimbulkan peluang terjadinya kegagalan pembayaran 85 persen apabila variabel yang lain tetap. Hal ini mengindikasikan anggota kelompok yang memiliki jumlah anggota yang lebih banyak mampu mengurangi terjadinya kegagalan pembayaran. Dimana dari data di lapangan anggota kelompok yang mempunyai jumlah anggota 7-8 orang tidak mengalami masalah gagal bayar.
Besar kredit berpengaruh positif terhadap terjadinya kegagalan pembayaran dan signifikan pada taraf nyata 5 persen. Nilai odds ratio besar kredit adalah 1.000. Artinya jika besar kredit bertambah Rp.1 maka peluang terjadinya kegagalan pembayaran naik sebesar 1.000 jika variabel yang lain tetap. Hal ini mengindikasikan bahwa dengan jumlah pinjaman yang besar maka peluang untuk melakukan penyalah gunaan akan meningkat, dan semakin tingginya tingkat tanggung jawab untuk mengembalikan kredit ditambah dengan bunganya. Jika dilihat dari data penyaluran kredit, jumlah kredit maksmimum sebesar Rp. 4.000.000,- dengan semakin tinggi jumlah pinjaman maka peluang gagal bayar juga akan bertambah atau berkorelasi positif.
!""y jenis kelamin berpengaruh positif terhadap peluang terjadinya
kegagalan pembayaran dan signifikan pada taraf nyata 5 persen. Nilai odds ratio variabel jenis kelamin laki-laki dengan yang perempuan adalah 17.298 atau peluang anggota dengan jenis kelamin perempuan mengalami masalah gagal bayar adalah 0.05 kali lebih besar dibandingkan dengan laki-laki. Artinya laki-laki memiliki peluang yang lebih besar untuk mengalami gagal bayar dibandingkan dengan wanita. Hal ini disebabkan karena wanita lebih bisa untuk memanajemen uang yang diperuntukan untuk konsumsi dan produksi, selain itu lebih rentan terhadap tekanan atau moral sosial jika melakukan penayalah gunaan kredit.
Jarak rata-rata anggota kelompok berpengaruh positif terhadap terjadinya kegagalan pembayran dan signifikan pada taraf nyata 5 persen. Nilai odds ratio variabel jarak adalah 1.005, artinya apabila jarak rata-rata antar anggota bertambah 1 meter maka peluang terjadinya kegagalan pembayaran sebesar 1 kali peluang tidak ada gagal bayar, dengan kata lain peluang gagal bayar dengan tidak gagal bayar sama.
!""y sama daerah lahir berpengaruh negatif terhadap terjadinya
anggota yang tidak lahir di daerah yang sama dibandingkan dengan anggota yang sama daerah lahirnya adalah 0.012. Peluang anggota kelompok yang sama daerah lahir mengalami gagal bayar 83.3 kali lebih besar dibanding kelompok yang sama daerah lahirnya. Artinya kelompok yang sama daerah lahir memiliki peluang yang besar untuk gagal bayar, hal ini dikarenakan mereka menggangap ada toleransi yang bisa diberikan oleh anggota lain karena masih berada dalam satu lingkungan yang sama. Hal ini sesuai dengan kondisi di lapangan dimana salah satu LKM-A baik pengurusnya maupun anggota ada yang mengalami kegagalan pembayaran walaupun berada di satu lingkungan yang sama.
NPL yang tinggi disebabkan oleh berbagai faktor yaitu anggapan dana PUAP merupakan dana hibah dari pemerintah yang tidak perlu dikembalikan, pendapatan petani yang tidak perbulan, kegagalan usaha, maupun sengaja untuk mengulur waktu pembayaran karena pengaruh anggota lain yang tidak membayar tidak kenakan sangsi apa-apa, kemudian sangsi yang dijatuhkan tidak tegas untuk menindak anggota yang mengalami gagal bayar ini. #$% &'(&) &%* yang terjadi di
tiga kategori NPL pada LKM-A, dapat dijelaskan sebagai berikut, yaitu LKM-A dengan nilai NPL tinggi diantaranya LKM-A Agro floris, Ceno Pulai, Minang Sakato, Ambacang Sakato, Tigo Sarumpun dan Pakim Sakato yang mengalami masalah + $%&' ,&) &%* adalah LKM-A Minang Sakato (100 persen), Ceno Pulai
(100 persen), Ambacang Sakato (92.87 persen) dimana LKM-A yang mengalami masalah&* -.rs./ .'.0t1on dengan nilai NPL yang tinggi akan mengalami masalah +$% &',&) &%*. LKM-A dengan nilai NPL menengah yaitu LKM-A Jaya Bersama,
Fajar Mahkota, Kapalo Koto Bersama dan Harapan Jaya yang mengalami masalah
+$% &' ,&) &%* adalah satu anggota pada LKM-A Jaya Bersama yang mengalami
masalah gagal bayar dan semua anggota di Kapalo Koto Bersama, dimana awalnya LKM-A tersebut tidak mengalami masalah &* - .%/ . / .' .0t1on namun
mengalami masalah gagal bayar. LKM-A dengan nilai NPL rendah yaitu LKM-A Batu Gadang Bersama, Jaya Saiyo, Anduring, Sepakat, Maju Jaya, Jaruai, dan Aneka Usaha dan Sejahtera, yang mengalami masalah+$% &',&) &%*adalah LKM-
A Batu Gadang Bersama (15.84 persen) , Jaya Saiyo (1.74 persen), Aneka Usaha (8.52 persen), dan Sejahtera (32.08 persen). LKM-A yang mengalami masalah
&* -.% / . / .'. 0t1on juga mengalami masalah + $%&' ,&)&%* adalah LKM-A
Sejahtera dan Aneka Usaha, sedangkan yang lainnya tidak mengalami &* -.% / . /.' .0t1on tapi mengalami gagal bayar.
Masalah +$% &' ,&) &%* yang diproxikan melalui kegagalan pembayaran,
dimana dapat dilihat dari nilai 2on3 .%4 $% +156 7$&5 (NPL) yang tinggi setiap
tahunnya menunjukkan bahwa terjadi pengelolaan dana yang buruk di LKM-A, dan anggapan bahwa dana PUAP merupakan dana hibah yang tidak perlu dikembalikan menjadi pemicu hal tersebut terjadi. Hanya di beberapa LKM-A pengelolaan dana yang baik sehingga menjadikan nilai NPL nya mencapai angka 0.00 persen. LKM-A yang mengalami masalah moral hazard adalah Minang Sakato (100%), Ceno Pulai (100 persen), Ambacang Sakato (92.87 persen), Batu Gadang Bersama (15.84 persen) , Jaya Saiyo (1.74 persen), Aneka Usaha (8.52 persen), dan Sejahtera (32.08 persen). Berbagai alasan memicu terjadinya +$% &' ,&)&%* di beberapa LKM-A ini diantaranya karena tidak ada sangsi yang tegas
jika tidak membayar dan kerugian dari usaha yang dilakukan, selain itu tidak ada rasa solidaritas antar anggota sehingga sistem pinjaman kelompok juga tidak berjalan.
Untuk melihat keterkaitan antara tujuan kedua dan ketiga dimana LKM-A yang berisiko akan terindikasi mengalami gagal bayar, hal ini bisa dilihat dari variabel-variabel yang digunakan, seperti variabel kegagalan pembayaran yang merupakan indikasi 8o9:; <:= : 9> , menjadi variabel dalam analisis : >?@9A @ A @;@BtCon dan mempunyai pengaruh yang positif. Sedangkan untuk tujuan
pertama, bisa dilihat pada variabel kunjungan petugas kredit, dimana LKM-A yang dikunjungi adalah LKM-A yang nilai Non Performing Loan nya tergolong rendah, seperti LKM-A Anduring yang nilai NPL nya 0, dikunjungi oleh petugas kredit. Artinya LKM-A yang tidak mengalami masalah moral hazard akan dilirik oleh perbankan untuk menyalurkan kredit mereka.