BAB I PENDAHULUAN I.1

BAB I PENDAHULUAN

I.1 Latar Belakang

Pada saat ini dunia dihadapkan kepada krisis global yang bersumber dari krisis keuangan di Amerika. Perbankan merupakan sektor penting yang dapat membuat suatu negara menjadi maju atau sebaliknya, menjadi faktor penghambat seperti di Amerika atau Indonesia pada tahun 1998.

Masalah utama di sektor perbankan ini adalah adanya kredit macet yang tidak terkontrol dan berlebihan. Kredit macet ini menimbulkan kesulitan likuiditas dan juga ketakutan dari para investor atau nasabah. Hal ini akan menimbulkan efek domino yang dapat membuat suatu bank bangkrut karena nasabah melakukan penarikan dananya dalam jumlah yang sangat besar. Dan yang lebih buruk lagi, hal ini dapat menular pada bank lain serta akan mempengaruhi perekonomian suatu negara.

Dari laporan Bank Indonesia (BI) tahun 2007, sebetulnya bank umum mencapai kemajuan yang sangat signifikan yaitu dari NPL (non performance loan) sebesar 32,8% pada tahun 1999 saat krisis ekonomi menjadi 4,6% tahun 2007. Namun untuk lembaga keuangan mikro masih jauh diatas bank umum yaitu 7,98% (2007) dan 9,73%. (2006). Bila hal ini tidak diperbaiki tentunya akan mengganggu penerapan cetak biru Arsitektur Perbankan Indonesia yang diterbitkan BI (2004), dimana lembaga keuangan mikro diharapkan dapat berperan besar dalam mendorong pembangunan sektor usaha mikro kecil dan menengah (UMKM).

Banyak faktor yang menjadi penyebab masalah kredit macet pada lembaga keuangan mikro, diantaranya adalah situasi ekonomi, moral serta kurangnya kualitas dari analisa kredit. Secara tradisional analisa kredit di fokuskan kepada analisa kondisi keuangan dengan mempergunakan metode akunting pada laporan keuangan. Prosedur yang digunakan adalah dengan melakukan evaluasi rasio keuangan dan kondisi global perusahaan secara kuantitaif dan kualitatif, sehingga dapat diambil suatu kesimpulan mengenai kondisi dari perusahaan tersebut (Aragon, 2004).

Analisa keuangan tradisional ini bersifat univariate dan sulit memberikan penjelasan tentang rasio keuangan mana yang secara komprehensif memberikan efek kepada kinerja keuangan (Weston 1992). Pada tahun 1960 dimulailah penggunaan pendekatan statistik dalam penilaian kinerja keuangan yang bertujuan untuk menyederhanakan rasio-rasio keuangan, selain itu karena pendekatan statistik bersifat multivariate maka metode ini dapat menggambarkan kinerja keuangan dari seluruh rasio keuangan secara komprehesif (Weston, 1992).

Pendekatan statistik menjadi semakin penting pada industri perbankan dalam beberapa tahun kebelakang. Hal ini karena penerapan New Basel Capital Accord (Basel II) yang mensyaratkan bank untuk membangun model dalam memprediksi kebangkrutan suatu perusahaan dengan mengevaluasi data-data rasio keuangan (Daniel Porath, 2006). Basel II adalah hasil kerja dari komite Basel yang di publikasikan pada Juni 2004. Komite Basel ini terdiri dari gubernur bank sentral negara-negara dalam kelompok G10. Hasil dari komite ini menjadi rujukan dalam menjalankan kebijakan perbankan pada banyak negara termasuk di Indonesia.

Beberapa pelopor yang menerapkan pendekatan statistik dalam memprediksi suatu kebangkrutan perusahaan (default prediction) diperlihatkan pada tabel dibawah ini

Tabel I.1 Daftar beberapa penelitian pelopor dalam bidang Default Prediction

Penulis Tahun Metode Keterangan

Beaver 1966 Diskriminan Menganalisa 30 rasio keuangan dan menghasilkan 6 rasio keuangan untuk memprediksi kebangkrutan

Altman 1968 Diskriminan Melakukan proses terhadap 22 rasio keungan dan menghasilkan 5 rasio yang digunakan dalam memprediksi kebangkrutan

Alman dkk 1977 Diskriminan Melakukan penelitian lanjutan dengan memproses 28 rasio menjadi 7 rasio (model Zeta@credit risk model)

Altman dkk 2000 Diskriminan Membuat model khusus untuk situasi market kredit yang berkembang pesar Altman dkk 2002 Diskriminan Membuat model untuk dapat digunakan

Default Prediction atau prediksi kebangkrutan merupakan topik yang banyak dibahas dalam studi kegagalan bisnis suatu perusahaan. Bangkrut dalam hal ini di identikan dengan kesulitan keuangan, dimana arus kas operasional tidak cukup untuk memenuhi kewajiban-kewajiban lancarnya seperti utang dagang atau biaya bunga.

Pengertian tersebut dapat diperluas dengan mengaitkannya dengan insolvency. Insolvency sendiri di definisikan dalam dictionary sebagai “ketidakmampuan debitur untuk membayar hutang, debitur kekurang alat untuk membayar hutang sedemikian rupa sehinga aset tidak dapat memenuhi “ Ketidakmampuan perusahaan untuk membayar (insolvency) adalah gejala awal yang dapat menyebabkan kegagalan perusahaan. Kesimpulannya adalah bahwa kesulitan keuangan merupakan akibat dari semua fakto kegagalan pengelolan perusahan maupun kegagalan karena faktor lain di luar perusahaan.

Model Altman untuk default prediction pertama kali di implementasikan pada bisnis di Amerika di awal tahun 1970 kemudian di perusahaan Jerman pada tahun 1976. Selanjutnya diadaptasi di Canada, Jepang, Australia dan Eropa Barat (Beerman, 1976).

Beberapa metode lainnya yang berkembang dan digunakan untuk mengestimasi terjadinya kebangkrutan pada suatu perusahaan adalah Maximum-likelihood method (Martin 1977), Logit and probit procedure (Lennox 1999), Hazard model oleh Cole and Gunter (1995), Shumway (2001) dan Estrella dkk (2000). US rating system mempergunakan metode yang disebut CAMEL dan Moody’s Risk Calc.

Penggunaan analisa diskriminan mulai ditinggalkan pada tahun 80-an dan digantikan oleh beberapa teknik lain seperti regresi logistik. Hal ini dikarenakan analisa diskriminan memerlukan asumsi data normality, homoscedaticity dan non-multicollinearity yang cukup sulit dipenuhi. Namun beberapa tahun belakang ini analisa diskriminan mulai dipergunakan kembali dengan penggunaan teknik statistikal yang tepat seperti Box-Cox transformation. Penggunaan teknik yang

tepat dapat mempersiapkan data untuk di proses lebih lanjut melalui analisa diskriminan (Aragon, 2004)

Beberapa penelitian terakhir yang tetap menggunakan analisa diskriminan ataupun regresi logistik sebagai alat untuk memprediksi suatu kebangkrutan adalah:

 Carlo dkk (2008) yang meneliti penggunakan analisa diskriminan dan regresi logistik untuk memprediksi kebangkuratan pada perusahaan kecil di Italia.

 Drapeau (2005) penggunaan model analisa dikriminan dengan data dari corporate balance sheets.

 Arogan (2004) penggunaan metode statistik untuk mempersiapkan data guna memenuhi asumsi diskriminan analis.

Untuk di Indonesia sendiri beberapa penelitian yang telah dilakukan terkait dengan topik ini dapat dilihat pada tabel I.2 berikut ini.

Tabel I.2 Daftar beberapa penelitian terkait default prediction di Indonesia

Penulis Tahun Metode Keterangan

Wiratmoko 2006 Diskriminan Evaluasi kebangkrutan emiten perbankan di bursa efek Jakarta dengan menggunakan model diskriminan

Alfian 2006 Diskriminan Prediksi kebangkrutan dengan analisis diskriminan untuk perusahaan dalam industri barang konsumsi di Indonesia

M. Hasmil Adiya 2006 Diskriminan Model Prediksi Kebangkrutan Perusahaan berdasarkan variabel-variabel keuangan dengan metoda analisa diskriminan.

Farkhan 2006 Diskriminan Perancangan knowledge base system pada proses penilaian kredit komersial Bramantyo Djohanputro & Ronny Kountur 2007 Diskriminan & Logistik Regresi

Analisa factor-faktor penyebab NPL pada BPR di Indonesia (Laporan untuk Bank Indonesia dan GTZ)

Dalam laporan Bank Indonesia (BI) mengenai penerapan Basel II menegaskan bahwa BI sudah mencanangkan untuk menerapkan metode Basel II ini secara bertahap. Metode ini bertujuan meningkatkan keamanan dan kesehatan sistem keuangan, dengan menitikberatkan pada perhitungan permodalan yang berbasis risiko, supervisory review process, dan market discipline. Framework Basel II disusun berdasarkan forward-looking approach yang memungkinkan untuk dilakukan penyempurnaan dan penyesuaian dari waktu ke waktu.

Dari situasi tersebut maka cepat atau lambat bank-bank di Indonesia secara berangsur-angsur mulai menerapkan Basel II dimana penerapan manajemen resiko yang efektif sebagai salah satu persyaratan utama. Disinilah kebutuhan terhadal default prediction diperlukan baik untuk mengevaluasi resiko kebangkrutan bank ataupun digunakan untuk keperluan analisa resiko kredit para nasabahnya.

Loan default yang digunakan untuk analisa kredit tidak sama dengan default prediction, walaupun begitu variabel yang digunakan pada default predicton dapat digunakan untuk Loan Default (Irena, 2000). Penggunaan default prediction untuk keperluan analisa kredit memerlukan beberapa penyesuaian. Faktor-faktor yang harus dilihat pada analisa kredit tidak hanya faktor keuangan seperti yang banyak digunakan pada model default prediction selama ini, tetapi juga beberapa faktor lain yang tidak dapat diabaikan seperti karakter, koleteral dan kondisi ekonomi. Faktor-faktor ini biasa dikenal dengan istilah 5C (Capital, Colleteral, Character, Capacity, Condition dan Constrain).

Dari studi pendahuluan di beberapa perbankan di Indonesia, metode yang umum digunakan untuk melakukan analisa kredit sekarang ini adalah sebagai berikut

 Metode Dupont digunakan pada bank umum pada umumnya (seperti Bank Mandiri) merupakan metode analisa kredit dengan mempergunakan besaran rasio financial seperti ROA (Return on Aset) dan ROE (Return on equity) untuk melihat trend ke depan. Metode ini susah untuk diterapkan

pada lembaga keuangan kecil dimana kebanyakan nasabahnya belum mempunyai sistem pembukuan keuangan yang rapih.

 Metode 5C Skoring dengan pembobotan digunakan pada BPR pada umumnya.

 Metode CAMEL (Capital, Asset, Management, Earning, Likuiditas dan Sensitivitas) banyak digunakan untuk mengevaluasi kesehatan Bank dan BPR pada umumnya.

 Metode Z Skoring sudah dikenal dibeberapa bank umum namun belum di implementasikan secara luas.

Kelompok perbankan yang akan menjadi fokus penelitian ini adalah lembaga keuangan mikro. Salah satu alasannya adalah karena kelompok lembaga keuangan ini berdasarkan Laporan BI 2007 mempunyai level NPL rata-rata sekitar 8% dan masih diatas standar BI 5%. Selain itu, karena keterbatasan, sumber daya manusia pada kelompok ini, kurang mendukung pengembangan penelitian masalah ini secara mandiri untuk dilakukan oleh masing-masing lembaga.

Di Indonesia kredit mikro tidak hanya dilayani oleh lembaga keuangan mikro. Hampir semua bank besar mempunyai layanan khusus kredit mikro seperti Bank BRI misalnya kredit mikro adalah untuk kredit di bawah 50 Juta. Secara umum lembaga yang khusus menyediakan kredit keuangan mikro di indonesia adalah BPR (Bank Perkreditan Rakyat), BPR Syariah, BMT (Baitul Mal Watanwil) dan USP (Unit Simpan Pinjam).

Lembaga keuangan mikro yang berada dalam pengawasan Bank Indonesia adalah BPR dan BPR Syariah sedangkan untuk BMT dan USP berada di bawah pengawasan Departemen Koperasi. Secara Aset BPR relatif lebih kecil dibandingkan oleh bank umum namun terdapat juga beberapa BPR yang omsetnya melebih persyaratan bank umum (diatas Rp 100 Milyar). BPR mempunyai batasan nilai kredit yang relatif kecil dan tidak diperbolehkan mempunyai produk giro atau ikut serta dalam kliring. Sehingga jelas tidak mungkin melayani ekspor impor tanpa bantuan bank perantara.

UMKM (Usaha mikro, kecil dan menengah) mempunyai banyak versi definisi. Setiap institusi yang terkait seperti BI, Departemen Keuangan atau Departemen Koperasi mengeluarkan definisi masing-masing, namun pada penelitian ini yang dimaksud oleh UMKM adalah definisi menurut BI berdasarkan aset dan omset.

 Usaha mikro ialah usaha yang dilakukan orang miskin atau hampir miskin, milik keluarga, sumber daya lokal dan teknologi sederhana. Lapangan usaha mudah dimasuki dan keluar.

 Disebut usaha kecil apabila beraset kurang atau sama dengan Rp. 200 juta di luar tanah dan bangunan dengan omset Rp1 miliar.

 Usaha menengah apabila beromset Rp 3 miliar, yang terbagi dalam dua jenis, yaitu industri bukan manufaktur dengan aset hingga Rp. 600 juta diluar tanah dan bangunan serta industri manufaktur dengan aset hingga Rp 5 miliar.

Berdasarkan studi literatur serta studi pendahuluan dapat disimpulkan posisi penelitian yang akan dilakukan adalah sebagai berikut:

 Analisa diskriminan dan regresi logistik sudah banyak diteliti dan digunakan dalam analisa kebangkrutan suatu perusahaan, terutama perusahaan besar dan menengah (Carlo, 2008). Hasil yang diperoleh memperlihatkan bahwa metode ini cukup baik untuk memilah suatu kelompok berdasarkan rasio keuangan.

 Belum ditemui literatur yang melakukan penelitian analisa kredit dengan penggunaan model default prediction pada lembaga keuangan mikro serta penggunaan paramater non keuangan seperti 5C.

 Beberapa perbedaan penelitian yang akan dilakukan dengan literatur lainnya adalah (1) User adalah lembaga keuangan mikro, (2) responden adalah UMKM (usaha mikro, kecil dan menengah) serta (3) tujuan penggunaan model. Perbedaan ini tentunya akan membuat variabel yang akan digunakan berbeda.

 Penggunaan default prediction untuk analisa kredit memerlukan beberapa penyesuaian, hal ini karena analisa kredit memerlukan evaluasi detail terutama terhadap jaminan dan karakter bila dibandingan dengan penggunaan untuk evaluasi kebangkrutan perusahaan.

Berdasarkan paparan diatas maka pada penelitian ini akan dikembangkan model default prediction yang digunakan untuk analisa kredit dan mempergunakan variabel non keuangan seperti 5C sehingga diharapkan dapat sesuai untuk situasi lembaga keuangan mikro dan nasabahnya yang sebagai besar adalah UMKM. Posisi penelitian yang akan dilakukan terhadap penelitian sebelumnya dapat dilihat pada tabel I.3.

I.2 Perumusan Masalah

Masalah yang akan dibahas lebih lanjut dalam penelitian ini adalah:

 Bagaimana model analisa kredit yang sesuai dengan kebutuhan dan situasi data di lembaga keuangan mikro serta dapat dipergunakan dalam memprediksi kelayakan suatu aplikasi kredit.

 Disamping itu, pada penelitian ini juga dikaji bagaimana mengimplementasikan model tersebut pada lingkungan lembaga keuangan mikro yang efektif dan sesuai kebutuhan.

I.3 Tujuan Penelitian

Tujuan penelitian ini adalah:

 Membuat model analisa kredit dari data historikal berkas kredit dengan mempergunakan pendekatan statistik yang sesuai serta dapat dipergunakan untuk keperluan memprediksi kelayakan suatu aplikasi kredit.

 Membuat suatu prosedur atau rancangan aplikasi guna mengimplementasikan model yang sudah dibangun, agar sesuai kebutuhan user, sederhana dan efektif.

I.4 Manfaat Penelitian I.4.1 Manfaat bagi peneliti:

 Membuktikan secara empirik penerapan dan penggunaan metode statistik dalam membuat model default prediction untuk keperluan analisa kredit di lembaga keuangan mikro yang mempunyai ciri dan karakter khas .

 Mendapatkan metodologi statistik yang sesuai untuk mempertinggi ketepatan prediksi pengelompokan yang dapat digunakan pada proses analisa kredit pada lembaga keuangan mikro.

 Mendapatkan masukan dalam membantu industri perbankan kecil di Indonesia khususnya dalam memperbaiki pencapaian kinerja NPL-nya.  Mendapatkan model analisa kredit untuk lembaga mikro mikro yang

mempergunakan variabel keuangan dan non keuangan sebagai variabel bebasnya.

1.4.2 Manfaat bagi BPR

BPR sendiri merupakan user dan akan memperoleh manfaat sebagai berikut:  BPR akan mempunyai alat bantu untuk menentukan apakah suatu berkas

kredit yang diajukan oleh nasabah di prediksi akan masuk kelompok kredit yang sukses atau tidak. Hal ini akan memberikan peringatan awal kepada tim analisa kredit untuk lebih perhatian terhadap suatu nasabah atau aspek tertentu.

 Penggunaan data historikal kredit secara terstruktur dalam proses pengambilan keputusan akan dapat mengurangi kesalahan yang berulang.  BPR akan mempunya data base nasabah yang komprehensif sehingga

lebih mudah untuk dianalisa untuk berbagai keperluan dan laporan.

 BPR akan mempunyai pemetaan nasabah berdasarkan karakteristik yang khas dari BPR tersebut.

 Meningkatkan kedisiplinan dalam suatu proses kredit karena setiap proses yang berpotensi dan berpengaruh dalam pengambilan keputusan suatu kredit harus dimasukan kedalam sistem untuk dianalisa.

 Meningkatkan kualitas pengambilan keputusan kredit karena setiap keputusan di dukung oleh dasar statistik dan historikal yang cukup.

 Membantu peningkatan kompetensi managemen dalam pengambilan keputusan dengan dasar yang lebih obeyektif dan berdasarkan data yang ada.

Tabel 1.3 Posisi Penelitian Diperbandingkan dengan Penelitian Sebelumnya Tujuan Penelitian Default Prediction v v Loan Prediction v v Prediksi NPL v Skope Penelitian Negara v v v Area v v v Lembaga v Responden Perusahaan v v v BPR v Nasabah v User Model Bank Central v v Bank Umum v v v Perusahaan v Mikro Finance v Lembaga lainnya v

Rata Aset Responden

> $ 9,6 Million v Loan size $ 64,000 v Aset Rp 10 M v Euro 200,000 v Rp 20 - 50 juta / tahun v Metode Diskriminan v v v Regresi Logistik v v v v Lainnya Jenis Variabel Keuangan v v v v v Non Keuangan v v Character v v Colleteral v v Capacity v v Condition v v Kualitas Data Rasio v v v Scale v v v v Ordinal v v Nominal v v Implementasi Model Tidak Ada v v v v Ada v Yegorova 2000 Penelitian yang dilakukan Faktor yang dipertimbangkan Altman dkk 1977 Carlo dkk 2008 Bramantyo dkk, 2007

I.5 Batasan Penelitian

Penelitian akan dilakukan dan dibatasi oleh hal-hal sebagai berikut:

 Penelitian hanya difokuskan pada mikro finance jenis BPR dan hanya dilakukan pada satu BPR saja. Lokasi pengambilan data dan implementasi adalah pada PD BPR LPK Jalan Cagak Subang. BPR ini milik Pemda provinsi, bank jabar dan Pemda Subang. Alasan pemilihan ini karena LPK (Lembaga Keuangan Kecamatan) ada pada hampir setiap kecamatan di provinsi Jawa Barat dan mempunyai ciri yang khas perusahaan daerah serta nasabah yang kelompok mikro dan kecil.

 Data diambil dengan dari berkas kredit nasabah tanpa bertemu atau berinteraksi dengan nasabah.

 Nasabah yang digunakan adalah keseluruhan populasi nasabah kredit pada suatu tahun tertentu dan dibatasi pada nasabah kredit dari tahun 2004 s.d 2008 untuk keperluan model.

 Penelitian ini akan difokuskan pada pembangunan model yang sesuai sampai dengan aplikasinya pada BPR yang bersangkutan. Aplikasi juga terbatas pada pembuatan alat aplikasi tidak sampai dengan pelatihan maupun bimbingan.

I.6 Asumsi

Pada penelitian ini terdapat beberapa asumsi yang diperlukan sebagai berikut: a. Data yang diberikan oleh nasabah dalam berkas kredit adalah benar, tidak

di rekayasa oleh staff BPR.

b. Staff BPR mempunyai konsistensi yang cukup dalam mengisi informasi sehingga dapat dianalisa polanya.

c. Untuk keperluan validasi, diasumsikan bahwa situasi ekonomi makro pada saat model dibuat dan keperluan validasi adalah sama.

I.7 Sistematika Penulisan

Penulisan penelitian ini terdiri dari enam bab, diawal dengan pendahuluan sampai dengan kesimpulan serta saran. Secara lengkap sistematika penulisan ini adalah sebagai berikut:

BAB I : PENDAHULUAN

Bab pendahuluan berisikan latar belakang dan gambaran umum permasalahan yang selanjutnya dirumuskan menjadi rumusan masalah dan tujuan penelitian. Dijelaskan pula batasan dan asumsi penelitian yang digunakan agar penelitian lebih terarah. Pada bagian terakhir terdapat sistematika penulisan yang menjelaskan struktur penulisan serta penjelasannya.

BAB II : TINJAUAN PUSTAKA

Bab ini berisikan tinjauan pustaka yang berhubungan dengan konsep, teori dan metode yang diperlukan dalam kaitannya dengan pencapaian tujuan penelitian. Tinjauan pustaka ini meliputi manajemen resiko, default prediction, multivariate discriminant analyst, regresi logistik, sistem pengambil keputusan (SPK) dan analisa kredit secara umum.

BAB III : METODOLOGI PENELITIAN

Bab ini berisi pembahasan langkah-langkah penelitian yang dilakukan.

BAB IV : FORMULASI MODEL

Bab ini berisi uraian untuk mendapatkan formulasi model yang relevan dengan permasalahan, dimulai dari proses pengumpulan data dari berkas kredit, pengolahan data untuk mendapatkan model yang sesuai, sampai dengan proses validasi model dengan hold sample yang sudah ditetapkan. BAB V : IMPLEMENTASI DAN ANALISA

Bab ini berisi uraian proses implementasi model dengan mempergunakan teknologi informasi, kaitan penggunaan aplikasi dengan manajemen resiko di perbankan, pembuatan prosedur terkait, serta analisa komprehensif hasil penelitian ini. BAB VI : KESIMPULAN DAN SARAN

Kesimpulan berisikan ringkasan isi dan hasil penelitian yang dilakukan. Sedangkan saran diberikan untuk memberikan informasi kepada peneliti lain peluang-peluang penelitian pada bidang yang terkait ini.