IV. HASIL DAN PEMBAHASAN
4.3. Variabel Kelayakan Kredit Bank XYZ Terhadap Tingkat
4.3.1. Klasifikasi Pola Pengembalian Kredit
Analisis Diskriminan merupakan alat analisis yang mampu mengelompokkan setiap objek ke dalam dua atau lebih kelompok berdasarkan pada kriteria sejumlah variabel bebas. Tahapan awal dalam analisis diskriminan yaitu memilih variabel yang layak (valid) untuk dianalisis lebih lanjut. Tahap ini dilakukan dengan cara menyaring (seleksi) variabel yang telah memenuhi asumsi-asumsi analisis diskriminan. Selanjutnya variabel yang telah divalidasi akan diolah menghasilkan lima klasifikasi. Uji klasifikasi dilakukan dengan menggunakan data debitur itu sendiri. Fungsi pembeda yang dihasilkan akan digunakan untuk mengetahui klasifikasi debitur terhadap pengembalian kreditnya. Setelah diketahui fungsi pembeda dari masing-masing klasifikasi maka akan dilihat dimana nilai maksimum dari masing-masing debitur. Terjadi misklasifikasi sejumlah 43 data debitur dari hasil pengalian bobot variabel dengan rating tiap debitur.
Tabel 4. Klasifikasi Pengembalian Kredit
Pada output bagian ketiga adalah tabel Summary of Classification yang menampilkan informasi penempatan data. Pada tabel tersebut menunjukkan bahwa 149 data debitur Lancar, 10 data debitur Dalam Perhatian Khusus, 2 data debitur Kurang Lancar, 6 data debitur Diragukan dan 9 data debitur Macet tepat perkiraan. Sedangkan 14 data debitur diperkirakan Lancar pada kenyataannya adalah Dalam Perhatian Khusus, 3 data debitur diperkirakan Lancar pada kenyataannya Kurang Lancar, 8 data debitur diperkirakan Lancar pada kenyataannya Diragukan dan terdapat 9 data debitur diperkirakan Lancar mengalami kemacetan pada kenyataannya. Hal ini disebabkan oleh ketidakhati-hatian account officer terhadap objektivitas penilaian rating data debitur, profil risiko debitur dan perkembangan usaha yang tidak menentu juga menyebabkan kesalahan penafsiran dalam memberikan rating oleh account officer. Dapat diartikan pula bahwa dari 183 data debitur Lancar dan terdapat 34 kasus debitur tidak tepat perkiraan, ini berarti persentase jumlah data yang dikelompokkan dengan benar pada kelompok 1 sebesar 81.4%.
Kelompok dua, 1 data debitur yang diperkirakan oleh
account officer Dalam Perhatian Khusus yang pada kenyataannya adalah Lancar, juga terdapat 1 data yang diperkirakan Dalam Perhatian Khusus pada kenyataannya adalah Macet. Hal ini dikarenakan faktor eksternal yang berfluktuatif terhadap Summary of classification
True Group
Put into Group 1 2 3 4 5 1 149 1 1 1 2 2 14 10 0 0 3 3 3 0 2 0 0 4 8 0 0 6 0 5 9 1 0 0 9 Total N 183 12 3 7 14 N correct 149 10 2 6 9 Proportion 0.814 0.833 0.667 0.857 0.643
perkembangan usaha debitur, karena apabila debitur itu mengajukan kredit pada tahun 2004 dan account officer menilai secara layak untuk mendapatkan kredit tetapi pada tahun 2008 debitur tersebut masuk ke dalam klasifikasi macet. Kemungkinan itu bisa saja terjadi yang disebabkan pada tahun tersebut terjadi krisis global yang dapat mengurangi laba perusahaan. Ini berarti persentase jumlah data yang benar dikelompokkan pada kelompok 2 sebesar 83.3%.
Terdapat pula 1 data debitur yang diperkirakan Kurang Lancar tetapi pada kenyataannya data tersebut Lancar pada kelompok 3, sehingga kredit Kurang Lancar mempunyai perkiraan sebesar 66.7%.
Pada katagori Diragukan juga terdapat 1 kesalahan penempatan data debitur yang diperkirakan Diragukan pada kenyataannya adalah Lancar. Dapat diartikan bahwa kolektibilitas Diragukan mempunyai persentase perkiraan secara tepat sebesar 85.7%. Terakhir kolektibilitas katagori Macet mempunyai misklasifikasi yaitu 2 data debitur yang diperkirakan Macet pada kenyataannya adalah Lancar dan 3 data debitur yang diperkirakan Macet pada kenyataannya Dalam Perhatian Khusus, sehingga kredit Macet mempunyai ketepatan perkiraan sebesar 64.3%. Secara keseluruhan, persamaan ini memiliki ketepatan perkiraan sebesar 80.4%. Kesalahan penempatan klasifikasi pada kasus ini terjadi karena kurang signifikannya variabel yang dapat membedakan secara jelas dan tepat klasifikasi kolektibilitas debitur. Jadi sebenarnya terjadi overlap pada sebaran normal debitur, sehingga menyebabkan terjadinya kesalahan dalam penempatan klasifikasi. Kesalahan penempatan klasifikasi dapat dilihat pada Lampiran 8.
Data pengolahan telah diolah kembali dengan mengganti
true group menjadi predicted group maka diperoleh hasil yang lebih baik yaitu 97.3% dengan tingkat kesalahan penempatan kelompok hanya 2.7%. Kesalahan dalam penempatan kolektibilitas tersebut dapat menjadi arahan untuk account officer dalam menentukan
kolektibilitas debiturnya. Dengan begitu jumlah misklasifikasi yang ada semakin sedikit yaitu hanya enam debitur, analisis kepekaan ini dapat menghindari kesalahan penempatan kelompok yang terjadi. Dapat dilihat pada tabel dibawah ini :
Tabel 5. Hasil Penggantian True Group Menjadi Predicted Group
Summary of classification
True Group Put into Group 1 2 3 4 5 1 150 0 0 0 0 2 1 26 0 0 0 3 1 0 5 0 1 4 1 0 0 14 0 5 1 1 0 0 18 Total N 154 27 5 14 19 N correct 150 26 5 14 18 Proportion 0.974 0.963 1.000 1.000 0.947
N = 219 N Correct = 213 Proportion Correct = 0.973
4.3.2. Kelancaran Pengembalian Kredit
Kelancaran pengembalian kredit dari setiap debitur dapat dilihat dari data kolektibilitas debitur dalam memenuhi kewajibannya. Data debitur yang digunakan dalam penelitian ini adalah data debitur tahun 2004-2006 dengan sektor usaha UKM budidaya pertanian dan plafon kredit dibawah Rp 500 juta rupiah.
Kolektibilitas merupakan salah satu alat ukur dalam menilai kelancaran pembayaran dari debitur. Kolektibilitas atau kualitas kredit ditetapkan menjadi lancar, dalam perhatian khusus (DPK), kurang lancar, diragukan dan macet. Sesuai dengan Peraturan Bank Indonesia No.7/5/PBI/2005 tentang penilaian kualitas aktiva bank umum, untuk Usaha Kecil dengan plafon sampai dengan Rp 500 juta, kualitas kredit hanya ditentukan oleh ketepatan pembayaran pokok dan bunga, sehingga ketentuan kualitas kredit digolongkan menjadi:
1. Lancar rekenin persya 2. Dalam pemba jarang 3. Kurang pokok ceruka operas 4. Diragu pokok ceruka kerugi 5. Macet bunga Be terlihat p pengemba Pad kredit yan 1%
ar (kolektibiliti 1), pembayaran tepat waktu, perk ning baik dan tidak ada tunggakan sesua yaratan kredit.
m Perhatian Khusus (kolektibiliti 2), terdapat bayaran pokok dan atau bunga sampai dengan 9
g mengalami cerukan.
ng Lancar (kolektibiliti 3), terdapat tunggakan pe k dan atau bunga yang telah melampaui 90 har kan yang berulang kali khususnya untuk menutup asional dan kekurangan arus kas.
gukan (kolektibiliti 4), terdapat tunggakan pe k dan atau bunga yang telah melampaui 180 ha kan yang bersifat permanen khususnya untuk gian operasional dan kekurangan arus kas. et (kolektibiliti 5), terdapat tunggakan pokok
a yang telah melampaui 270 hari.
erdasarkan tingkat kolektibilitas atau kualitas de proporsi debitur sesuai tingkat kelancara balian kreditnya dapat dilihat pada Gambar 4 diba
Gambar 4. Tingkat Kolektibilitas Debitur
ada gambar diatas terlihat bahwa debitur denga ang paling baik atau berkolektibilitas 1 (lancar)
84% 6% 1% 3% 6%
Kolektibilitas
Lancar Dalam Perhati Khusus Kurang Lancar Diragukan Macet rkembangan uai dengan t tunggakan 90 hari dan pembayaran ari, terdapat upi kerugian pembayaran hari. Terjadi k menutupi k dan atau debitur maka aran dalam bawah. gan kualitas ar) memiliki hatian ncarproporsi terbesar yaitu sebesar 84% (183) debitur pada sektor tersebut. Lalu, debitur dengan kolektibilitas 2 (DPK) memiliki proporsi sebesar 5% (12 debitur), debitur yang memiliki kolektibilitas 3 (kurang lancar) yaitu 1% (3 debitur), berbeda dengan debitur berkolektibilitas 4 (diragukan) sebesar 3% (7 debitur), dan debitur yang mempunyai kolektibilitas 5 (macet) sebesar 6% (14 debitur), dari total keseluruhan debitur. Terlihat bahwa Bank XYZ dapat dinilai cukup baik dengan NPL Bank XYZ tidak terlalu besar karena hanya 10% yang masuk kategori NPL (kolektibilitas 3-5).
Pengambilan keputusan dalam memberikan kredit untuk calon debitur sangat berpengaruh dalam tingkat kolektibilitas. Bagaimana manajer dapat mengatasi kenaikan Non Performing Loan (NPL) yang disebabkan oleh kredit bermasalah.
Debitur pada sektor pertanian mempunyai plafon kredit yang berbeda dan jenis usaha yang berbeda pada tempat yang berbeda. Terdapat empat jenis usaha pada sektor pertanian ini yaitu padi, jagung, sayuran dan palawija dengan plafon kredit paling banyak terdapat pada range kurang dari 50 juta dan berada di daerah Jawa Barat. Untuk lebih lanjut dapat dilihat pada Lampiran 9.