Analisis Model Peramalan Kredit
Kendaraan Bermotor
Astra Credit Companies (ACC)
Prycillia Susanto
Binus University, Jakarta, DKI Jakarta, Indonesia
Abstrak
Astra Credit Companies (ACC) merupakan perusahaan yang bergerak
dalam industri pembiayaan jasa keuangan, khususnya pada bidang
pembiayaan kendaraan bermotor. Masalah yang dihadapi perusahaan
adalah dalam melakukan penjualan kreditnya, perusahaan memiliki
kredit yang bermasalah atau kredit macet. Tujuan dari penulisan
skripsi ini adalah untuk meramalkan status kredit kendaraan bermotor
sehingga dapat meminimalisasi dan terhindar dari masalah kredit.
Metode penelitian yang digunakan adalah metode penelitian
variabel penelitian yang ada. Analisis kuantitatif dilakukan untuk
melakukan peramalan status kredit kendaraan bermotor. Dari hasil
penelitian data yang telah dianalisis, tingkat korelasi berganda
termasuk tinggi dan berhubungan positif antara variabel bebas dan
terikat sebesar 60.2%, dimana 36.2% perubahan variabel-variabel
bebas mempengaruhi variabel terikat. Dan hasil prediksi variabel
terikat ( Ypred) menunjukan bahwa status kredit debitur yang
diprediksi kredit lunas sebanyak 17 sampel, diprediksi kredit macet
sebanyak 12 sampel, dan yang terdapat dalam area kritis (kesalahan
prediksi) sebanyak 11 sampel, dengan tingkat akurasi sebesar 72.5%.
Kata Kunci: Prediksi, Status Kredit, Kendaraan, Astra Credit Companies (ACC)
1. Pendahuluan
Persaingan perindustrian dalam bidang pembiayaan
belakangan ini semakin ketat. Hal ini dapat kita lihat mulai dari
banyaknya perusahaan pembiayaaan yang muncul saat ini dengan
menawarkan pembiayaan dengan bunga bersaing, pemberian hadiah,
hingga rendahnya uang muka yang harus dibayar calon peminjam,
Tak dipungkiri, dalam bisnis ini menganalisis risiko sangatlah
diperlukan dalam mengantisipasi masalah yang akan timbul. Karena
bisnis ini berhadapan langsung dengan masalah keuangan yang
sangat rentan terhadap suatu risiko keuangan yaitu risiko kredit.
Untuk itu, diperlukan identifikasi lebih awal tentang adanya risiko
kredit seiring timbulnya beberapa masalah kredit macet yang ada di
perusahaan saat ini.
Sebagai penulis, saya tertarik untuk menganalisis hal tersebut,
dengan menggunakan metode yang dapat membantu dalam
menganalisis, yaitu dengan menggunakan metode analisis
diskriminan ( Discriminant Analysis ) untuk meramalkan kredit
mana yang akan mengalami kredit bermasalah atau kredit macet.
2. Metodologi Penelitian
Metode penelitian dibagi menjadi tiga yaitu metode penelitian
deskriptif, komparatif, dan asosiatif. Dalam penelitian ini, metode
yang digunakan adalah metode penelitian deskriptif, yaitu penelitian
yang dilakukan untuk menggambarkan suatu variabel secara
mandiri, baik satu variabel atau lebih tanpa membuat perbandingan
atau menghubungkan variabel dengan variabel lainnya.
Sedangkan dilihat dari jenis penelitiannya, penelitian dibagi
menjadi dua jenis penelitian, yaitu penelitian kualitatif dan
penelitian kuantitatif. Yang membedakan jenis penelitian ini adalah
Dalam penelitian ini, jenis penelitian yang digunakan adalah
penelitian kuantitatif. Jenis penelitian kuantitatif adalah berdasarkan
data dari hasil pengukuran, berdasarkan variabel penelitian yang
ada. Disebut sebagai penelitian kuantitatif karena penelitian ini
berdasarkan jumlah atau banyaknya benda yang diteliti, bukan
berdasarkan mutu kajiannya.
2.1 Teknik Pengumpulan Data
Dalam penelitian Analisis Model Peramalan Kredit Kendaraan
Bermotor Astra Credit Companies (ACC) ini, memerlukan data
maupun informasi yang benar dan tepat dengan menggunakan teknik
One Shot atau Cross Sectional yaitu satu kali pengumpulan data.
2.2. Teknik Pengambilan Sampel
Teknik pengambilan sampel dalam penelitian ini adalah
purposive sampling. Yang dimaksud dengan purposive sampling
adalah teknik pengambilan sampel yang dilakukan dengan kriteria
atau syarat tertentu yang telah ditetapkan. Dalam sampel ini,
digunakan 40 sampel, dengan kriteria 20 sampel yang berasal dari
kredit yang tidak bermasalah (lunas) dan 20 sampel lainnya berasal
2.3. Metode Analisis
Metode analisis yang digunakan dalam penelitian ini adalah
menggunakan metode analisis diskriminan, metode ini digunakan
karena sesuai dengan tujuan dari penelitian ini yaitu memprediksi
status kredit debitor untuk meminimalisasi peluang kredit macet
dalam perusahaan. Metode analisis diskriminan merupakan bgian
dari analisis multivariat dependensi, karena terdapat dua jenis
variabel, yaitu variabel terikat dan variabel bebas. Multivariat
dependensi ini digunakan untuk menyelesaikan
permasalahan-permasalahan mengenai hubungan antara dua kelompok variabel
tersebut. Dalam menggunakan metode analisis diskriminan, variabel
tersebut diuji terlebih dahulu menggunakan uji normalitas, apabila
2.4. Hasil Penelitian
Model Peramalan Status Kredit Kendaraan Bermotor
Tabel 4.9 Model Peramalan Status Kredit Kendaraan Bermotor
Casewise Statistics
Case Number
Actual Group
Highest Group Second Highest Group
Discriminant Scores Predicted Group P(D>d | G=g) P(G=g | D=d) Squared Mahalanobis Distance to Centroid Group P(G=g | D=d) Squared Mahalanobis Distance to Centroid Function 1 p df 1 1 1 .475 1 .507 .511 0 .493 .570 -.020 2 1 1 .621 1 .859 .245 0 .141 3.859 -1.230 3 1 1 .697 1 .839 .152 0 .161 3.459 -1.125 4 1 1 .623 1 .858 .241 0 .142 3.847 -1.226 5 1 1 .907 1 .778 .014 0 .222 2.519 -.852 6 1 1 .702 1 .838 .146 0 .162 3.430 -1.117 7 1 0** .784 1 .815 .075 1 .185 3.043 1.009 8 1 1 .732 1 .830 .117 0 .170 3.283 -1.077 9 1 1 .749 1 .648 .102 0 .352 1.323 -.415 10 1 1 .836 1 .685 .043 0 .315 1.595 -.528 11 1 1 .181 1 .955 1.789 0 .045 7.882 -2.072 12 1 0** .925 1 .719 .009 1 .281 1.891 .640 13 1 1 .568 1 .872 .326 0 .128 4.165 -1.306 14 1 1 .566 1 .559 .330 0 .441 .802 -.160 15 1 0** .552 1 .551 .353 1 .449 .767 .141 16 1 1 .368 1 .917 .810 0 .083 5.617 -1.635 17 1 1 .643 1 .853 .215 0 .147 3.738 -1.198 18 1 1 .336 1 .924 .927 0 .076 5.918 -1.698 19 1 1 .556 1 .554 .346 0 .446 .777 -.146 20 1 1 .959 1 .732 .003 0 .268 2.012 -.683
Tabel 4.10 Model Peramalan Status Kredit Kendaraan Diprediksi Lunas
Diprediksi Kredit Lunas
Case Number Actual Group Predicted Group
1 1 1 2 1 1 21 0 0 .856 1 .693 .033 1 .307 1.661 .554 22 0 0 .230 1 .945 1.441 1 .055 7.132 1.936 23 0 0 .623 1 .859 .242 1 .141 3.849 1.227 24 0 0 .839 1 .799 .041 1 .201 2.800 .938 25 0 0 .025 1 .988 5.018 1 .012 13.765 2.975 26 0 1** .879 1 .702 .023 0 .298 1.736 -.583 27 0 1** .652 1 .603 .203 0 .397 1.039 -.285 28 0 0 .874 1 .788 .025 1 .212 2.653 .894 29 0 1** .628 1 .591 .234 0 .409 .972 -.251 30 0 1** .942 1 .766 .005 0 .234 2.381 -.808 31 0 0 .874 1 .788 .025 1 .212 2.653 .894 32 0 1** .676 1 .614 .175 0 .386 1.107 -.317 33 0 1** .643 1 .599 .215 0 .401 1.013 -.272 34 0 0 .839 1 .799 .041 1 .201 2.800 .938 35 0 0 .874 1 .788 .025 1 .212 2.653 .894 36 0 1** .763 1 .654 .091 0 .346 1.365 -.433 37 0 1** .765 1 .655 .090 0 .345 1.370 -.436 38 0 0 .389 1 .913 .741 1 .087 5.432 1.596 39 0 0 .025 1 .988 5.053 1 .012 13.822 2.983 40 0 0 .128 1 .965 2.312 1 .035 8.944 2.256 *misclassified case
3 1 1 4 1 1 5 1 1 6 1 1 8 1 1 9 1 1 10 1 1 11 1 1 13 1 1 14 1 1 16 1 1 17 1 1 18 1 1 19 1 1 20 1 1
Tabel 4.11 Model Peramalan Status Kredit Kendaraan Diprediksi Macet
Diprediksi Kredit Macet
Case Number Actual Group Predicted Group
21 0 0
22 0 0
24 0 0 25 0 0 28 0 0 31 0 0 34 0 0 35 0 0 38 0 0 39 0 0 40 0 0
Tabel 4.12 Model Peramalan Status Kredit Kendaraan Area Kritis
Area Kritis
Case Number Actual Group Predicted Group
7 1 0 12 1 0 15 1 0 26 0 1 27 0 1 29 0 1 30 0 1 32 0 1 33 0 1
36 0 1
37 0 1
Interprestasi Hasil :
Dari hasil model peramalan status kredit kendaraan bermotor diatas, dapat
disimpulkan bahwa status kredit debitur yang diprediksi kredit lunas sebanyak 17
sampel, diprediksi kredit macet sebanyak 12 sampel, dan yang terdapat dalam area
kritis (kesalahan prediksi) sebanyak 11 sampel.
Tabel 4.13 Hasil Klasifikasi
Classification Resultsa
Y
Predicted Group Membership
Total KREDIT MACET KREDIT LUNAS
Original Count KREDIT MACET 12 8 20
KREDIT LUNAS 3 17 20
% KREDIT MACET 60.0 40.0 100.0
KREDIT LUNAS 15.0 85.0 100.0
a. 72.5% of original grouped cases correctly classified.
Interprestasi Hasil :
Dari hasil klasifikasi di atas, dapat disimpulkan bahwa model peramalan status
3. Kesimpulan
Beberapa simpulan yang dapat disampaikan dalam penelitian ini adalah :
1. Peramalan status kredit debitor kendaraan bermotor pada Astra
Credit Companies (ACC) diklasifikasikan sebagai berikut :
• Status kredit debitur yang diprediksi lunas sebanyak 17 sampel
• Status kredit debitur yang diprediksi macet sebanyak 12 sampel
• Status kredit debitur yang termasuk dalam area kritis sebanyak 11 sampel
2. Tingkat akurasi diskriminan debitor dari peramalan status
kredit kendaraan bermotor pada ASTRA CREDIT
COMPANIES (ACC) termasuk tinggi yaitu sebesar 72.5%.
Tingkat akurasi akan lebih akurat atau lebih tinggi jika jumlah
sampel yang terdapat dalam area kritis sedikit. Hal ini dapat
dilakukan apabila perusahaan memiliki sistem pengajuan dan
DAFTAR PUSTAKA
Aczel, Mir, D. & Sounderpandian, Jayavel. (2009). Complete Business
Statistics. Seventh Edition. USA : Mc Graw Hill
Bhunia, Amalendu; Sarkar (Bagchi), Ruchira. (2011). A Study Of
Financial Distress Based On MDA. Journal Of Management
Research, 3. 2, 1-11
Brigham, Eugene, F. & Gapenski, Louis, C. (2010) Financial
Management Theory And Practice. Thirteenth Edition. USA :
South Western
Darmawi, Herman. (2011) Manajemen Perbankan. Jakarta : Bumi
Aksara
Djohanputro, Bramantyo. (2008). Manajemen Risiko Korporat. Jakarta
: Penerbit PPM Manajemen
Elliott, Barry & Elliott, Jamie. (2010). Financial Accounting,
Reporting, and Analysis. Fourteenth Edition. UK : Prentice
Hall
Iskandar, Syamsu. (2008). Bank dan Lembaga Keuangan Lain. Jakarta
Ismail. (2010). Manajemen Perbankan. Jakarta : Kencana Prenada
Media Group
Kasmir. (2008). Dasar-Dasar Perbankan. Jakarta : PT Raja Grafindo
Persada
Keown, Martin, Petty. (2011). Foundations Of Finance. Seventh
Edition. UK : Prentice Hall
Leano, Hector; Hawkins, Charles. (2004). Discriminant Analysis, Factor
Analysis And Linear Regression Analysis To Classify Financially
Distressed Firms And Predict Bankruptcy Using Financial Ratios
And Macroeconomic Predictors: Model Application To Selected M
and A. Proquest Dissertations and Theses, 2004. 1426146.
Myers, Brealey. (2010) Principles Of Corporate Finance. Tenth
Edition. USA : Mc Graw Hill
Patterson, David; Fried, Bernard. (2001). Bankruptcy Prediction: A Model
For The Casino Industry. Proquest Dissertations And Theses, 2001.
3016350
Purwanto, Wawan, H. (2011). Risiko Manajemen Perbankan. Jakarta :
Rivai, Veithzal. & Veithzal, Andria P. (2007). Credit Management
Handbook. Jakarta : PT Raja Grafindo Persada
Santoso, Singgih.(2010). Statistik Multivariat. Jakarta : PT. Elex Media
Komputindo
Sarjono, Haryadi. (2011). SPPS vs LISREL. Jakarta : Salemba Empat
Sarwono, Jonathan. (2009). Statistik Itu Mudah. Jakarta : ANDI
Saunders, Anthony & Cornett, Marcia, M. (2008). Financial Institution
Management. Sixth Edition. USA : Mc Graw Hill
Sekaran, Uma. (2007). Metodologi Penelitian Untuk Bisnis. Edidi ke-4.
Jakarta : Salemba Empat
Sutojo, Siswanto. (2007). Analisis Kredit Bank Umum. Jakarta : PT
Damar Mulia Pustaka
Sutojo, Siswanto. (2008). Menangani Kredit Bermasalah Konsep dan
Kasus. Jakarta : PT Damar Mulia Pustaka
Triandaru, Sigit. & Budisantoso, Totok. (2008). Bank dan Lembaga
Keuangan Lain. Edisi kedua. Jakarta : Salemba Empat.
Wild, John, J. & Subramanyam, K., R. (2009). Financial Statement