Oleh : Mochammad Taufan ( ) DOSEN PEMBIMBING: Prof. Drs. Nur Iriawan, M.Ikom,Ph.D

Pemodelan

Early Warning System sebagai Penilai

Tingkat Kesehatan Finansial Calon Nasabah

dengan Metoda Binary Regresi Logistik

Studi Kasus : Bank X Surabaya Branch

Oleh :

Mochammad Taufan (9107.205.309)

PROGRAM MAGISTER MANAJEMEN TEKNOLOGI BIDANG KEAHLIAN MANAJEMEN TEKNOLOGI INFORMASI

PROGRAM PASCA SARJANA

INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA

2011

DOSEN PEMBIMBING:

Latar Belakang

Krisis perekonomian global yang tengah berlangsung di awal tahun 2009 memberikan tantangan serius, baik bagi Deutsche Bank maupun bagi perekonomian Indonesia secara menyeluruh. Walaupun dampak dari krisis terlambat dirasakan di Indonesia, namun melemahnya perekonomian berdampak terhadap bisnis sehingga menjadi perhatian bagi bank dan para pemegang kepentingan.

Untuk dapat memproleh gambaran tentang perkembangan finansial suatu perusahaan, perlu mengadakan analisa atau interprestasi terhadap data finansial dari perusahaan bersangkutan, dimana data finansial itu tercermin didalam laporan keuangan. Ukuran yang sering digunakan dalam analisa finansial adalah ratio.

Menurut Van Horne ( 2005 : 234) : “Rasio keuangan adalah alat yang digunakan untuk menganalisis kondisi keuangan dan kinerja perusahaan. Kita menghitung berbagai rasio karena dengan cara ini kita bisa mendapat perbandingan yang mungkin akan berguna daripada berbagai angka mentahnya sendiri”.

Latar Belakang

Menurut Kown (2004: 108) : Rasio keuangan setidaknya dapat memberikan jawaban atas empat pertanyaan yaitu :

• Bagaimana Likuiditas Perusahaan

• Apakah Manajemen efektif menghasilkan laba operasi atas aktiva • Bagaimana perusahaan didanai

• Apakah pemegang saham biasa mendapatkan tingkat pengembalian

yang cukup.

Diperlukan juga suatu upaya untuk meminimalkan resiko yang akan terjadi dengan menggunakan suatu peringatan dini terhadap tingkat kesehatan suatu perusahaan yang disebut dengan early warning system.

Dari beberapa penelitian yang telah dilakukan, early warning system digunakan oleh sektor keuangan untuk mengetahui secara dini kondisi keuangan yang berisiko membahayakan stabilitas perekonomian.

Latar Belakang

Dalam penelitian ini digunakan analisis regresi logistik binary untuk menganalisis tingkat kesehatan financial dari suatu perusahaan (nasabah dan calon nasabah).

Regresi logistik biner di gunakan ketika hanya ada 2 kemungkinan variabel respon, Misalnya ekonomi sehat dan ekonomi tidak sehat.

Beberapa kegunaan early warning system :

•Memberikan waktu tunggu untuk meningkatkan alokasi sumber penilai yang langka.

•Memungkinkan tindakan pengawasan yang tepat waktu.

Rumusan Masalah

• Seperti apa metode regresi binary logistik dapat memodelkan data laporan keuangan tahunan calon nasabah pada kantor cabang Bank X Surabaya serta dapat digunakan sebagai Early Warning System?

•Bagaimana pengujian validitas model Early Warning System yang terbentuk untuk prediksi tingkat kesehatan finansial nasabah dan calon nasabah?

•Akankah hasil pemodelan Early Warning System dapat di gunakan dalam pengambilan keputusan di Bank X ?

Tujuan Penelitian

•Memodelkan data laporan keuangan tahunan calon nasabah pada kantor cabang Bank X Surabaya dengan metode regresi binary logistik dan dapat digunakan sebagai Early Warning System.

•Menentukan Validitas model Early Warning System yang terbentuk untuk prediksi tingkat kesehatan finansial nasabah dan calon nasabah.

•Menganalisis dan menginterpretasikan hasil Early Warning System serta dapat digunakan sebagai DSS di bank X cabang surabaya?

Batasan Penelitian

•Jumlah laporan perusahaan untuk penelitian yang digunakan terbatas hanya 30 perusahaan Tbk saja, dikarenakan terbatasnya akses untuk pengambilan sampel.

•Hanya di ambil 9 variabel independen dari rasio keuangan karena merupakan standart dari bank X.

Tinjauan Pustaka

Definisi Early Warning System

Sistem ini merupakan suatu mekanisme untuk mendeteksi gejala atau tanda-tanda awal yang diperkirakan dapat mempengaruhi perkembangan kemajuan financial suatu perusahaan. Sasaran yang dilakukan suatu early warning system, antara lain :

•Mengidentifikasi dan mendeteksi nasabah yang diperkirakan akan gagal dalam memenuhi kewajibannya, hal ini khususnya dalam penilaian risk management.

•Mendukung proses pemantauan portofolio secara keuangan, yang dalam hal ini penilaian terhadap laporan keuangan

•Mengidentifikasikan langkah-langkah perbaikan dan menetapkan rencana tindak lanjut.

Dasar Teori

Definisi Analisis Rasio Keuangan

Rasio merupakan suatu ekspresi matematis dari satu jumlah yang bersifat relatif terhadap yang lain. analisa Laporan Keuangan menyangkut pemeriksaaan keterkaitan angka – angka dalam laporan keuangan dan trend angka – angka dalam beberapa periode, satu tujuan dari analisis laporan keuangan menggunakan kinerja perusahaan yang lalu untuk memperkirakan bagaimana akan terjadi dimasa yang akan datang.

Rasio keuangan dapat dibagi kedalam tiga bentuk umum yang sering dipergunakan yaitu :

Rasio Likuiditas

Rasio Solvabilitas ( Leverage ) Rasio Rentabilitas.

Dasar Teori

Rasio Likuiditas (Liquidity Ratio)

Merupakan Ratio yang digunakan untuk mengukur kemampuan perusahaan dalam memenuhi kewajian financial jangka pendek yang berupa hutang – hutang jangka pendek (short time debt)

Rasio Solvabilitas

Rasio ini disebut juga Ratio leverage yaitu mengukur perbandingan dana yang disediakan oleh pemiliknya dengan dana yang dipinjam dari kreditur perusahaan tersebut. Rasio ini dimaksudkan untuk mengukur sampai seberapa jauh aktiva perusahaan dibiayai oleh hutang rasio ini menunjukkan indikasi tingkat keamanan dari para pemberi pinjaman (Bank).

Rasio Rentabilitas

Rasio ini disebut juga sebagai Ratio Profitabilitas yaitu rasio yang digunakan untuk mengukur kemampuan perusahaan dalam memperoleh laba atau keuntungan, profitabilitas suatu perusahaan mewujudkan perbandingan antara laba dengan aktiva atau modal yang menghasilkan laba tersebut.

Dasar Teori

Sistem Pendukung Keputusan (Decision Support System)

Decision Support System (DSS) atau disebut juga sistem pendukung keputusan adalah suatu bagian dari sistem informasi berbasis komputer yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan.

Tahapan-tahapan dalam sistem pendukung keputusan (DSS) adalah sebagai berikut :

•Pendefinisian masalah,

•Pengumpulan data atau elemen informasi yang relevan,

•Pengolahan data menjadi informasi, baik dalam bentuk laporan grafik maupun tulisan.

Sedangkan komponen-komponen dalam sistem pendukung keputusan adalah sebagai berikut :

•Database

•Model base

Dasar Teori

Analisa Regresi

Analisa regresi merupakan analisa yang digunakan untuk mencari bagaimana variabel-variabel bebas dan variabel terkait berhubungan pada hubungan fungsional atau sebab akibat. Model regresi memiliki variabel prediktor (x) dan variabel respons (y).

Regresi Logistik Binary

Regresi logistik Binary merupakan bagian dari analisis regresi yang digunakan ketika variabel dependen (respon) merupakan variabel

dikotomous. Variabel dikotomous biasanya hanya terdiri atas dua nilai, yang mewakili kemunculan atau tidak adanya suatu kejadian yang biasanya diberi angka 0 atau 1.

Karakteristik Regresi Logistik Binary

Model fungsi regresi logistik Binary memiliki karakteristik sebagai berikut : •Variabel terikat y merupakan variabel biner atau dikotom, sehingga hasil perhitungan model persamaan regresi logistik memiliki nilai yang berkisar antara 0 sampai dengan 1 (peluang kemunculan y).

•Variansi y tidak konstan yang disebabkan nilai variabel terikat y bersifat biner atau dikotom.

•Perubah galat (error) pada regresi logistik tidak terdistribusi secara normal, dimana hal ini dipengaruhi oleh nilai y yang hanya bernilai 0 atau 1.

Dasar Teori

Dasar Teori

Metode Maximum Likelihood

Pendugaan koefisien model regresi logistik tidak dapat dilakukan dengan menggunakan metode kuadrat terkecil (ordinary least square). Hal ini dikarenakan metode kuadrat terkecil mengasumsikan nilai variance error

bersifat konstan,

Secara sederhana dapat disebutkan bahwa metode ini berusaha mencari nilai koefisien yang memaksimumkan fungsi likelihood. Dengan nilai y yang bersifat biner, dapat digunakan Bernoulli sebagai sebaran variabel y, sehingga fungsi

Dasar Teori

Aplikasi MATLAB

Matlab adalah singkatan dari Matrix Laboratory, software yang dibuat dengan menggunakan bahasa ini dibuat oleh The Mathworks.inc. Kekuatan matlab terletak pada :

1. Kemudahan manipulasi struktur matriks.

2. Jumlah routine-routine powerful yang berlimpah yang terus berkembang.

3. Kekuatan fasilitas grafik tiga dimensi yang sangat memadai.

4. Sistem scripting yang memberikan keleluasaan bagi pengguna untuk mengembangkan dan memodifikasi software untuk kebutuhan sendiri.

5. Kemampuan interface( misal dengan bahasa C, word dan mathematica).

6. Dilengkapi dengan toolbox, simulink, stateflow dan sebagainya, serta mulai melimpahnya source code di internet yang dibuat dalam matlab

(contoh toolbox misalnya : signal processing, control system, neural networks dan sebagainya).

Variabel independen yang digunakan dalam penelitian ini adalah sebagai berikut : •Rasio Lancar

•Rasio Cepat

Variabel independen yang digunakan dalam penelitian ini adalah sebagai berikut :

•Rasio Lancar (RL1) •Rasio Cepat (RL2)

•Cash Rasio Lambat (RL3)

•Rasio Hutang Terhadap Ekuitas (RS1) •Rasio Hutang Terhadap Total (RS2) •Margin Laba Kotor (RR1)

•Margin Laba Bersih (RR2)

•Earning Power of Total Investment (RR3) •Pengembalian atas Ekuitas (RR4)

Metodologi Penelitian

Studi Pendahuluan

Studi pendahuluan yang dilakukan pada penelitian ini terdiri dari studi literatur yang meliputi pengkajian literatur yang berhubungan dengan modelling data, early warning system, regresi logistik binary dan penerapannya pada data keuangan suatu Perusahaan.

Hasil Penelitian dan Pembahasan

Pertumbuhan di pasar keuangan internasional dan makin beragamnya instrumen keuangan memungkinkan bank memiliki akses yang lebih luas terhadap sumber dana. Laju perubahan ini tidak tampak melambat karena bank selalu terlibat dalam mengembangkan instrumen, produk, dan jasa baru. Salah satu dari produk perbankan adalah Cash Management.

Dimana Cash Management system adalah saluran distribusi elektronik bagi nasabah badan (non perorangan) atau nasabah perorangan untuk melakukan aktifitas terhadap rekeningnya di Bank dan memperoleh informasi bank melalui koneksi internet dengan mengunakan browser.

Hasil Penelitian dan Pembahasan

ID P Respon RL1 RL2 RL3 RS1 RS2 RR1 RR2 RR3 RR4 PT01 0 1.5002 1.4054 0.1973 2.5126 0.6157 0.0185 0.0049 0.0340 0.1065 PT02 0 1.5103 1.1995 0.0007 0.5039 0.5039 0.2919 0.0756 0.1613 0.1205 PT03 1 2.2174 0.4536 0.1512 7.9732 0.3186 0.1705 0.0622 0.1103 1.9547 PT04 1 1.4443 0.4422 0.0615 2.0047 1.9959 0.2879 0.1123 0.7172 0.4840 PT05 1 2.1624 2.1289 0.4283 0.6816 0.4053 0.1719 0.0621 0.0208 0.0269 PT06 1 0.8977 0.5250 0.2748 3.1101 0.6676 0.2314 0.0267 0.1096 0.1217 PT07 1 7.7737 5.9407 3.4200 2.1313 0.1273 0.5673 0.1548 0.4079 4.4027 PT08 1 2.2461 1.2621 0.1441 1.9175 0.6572 0.0818 0.0154 0.0794 0.1280 PT09 1 0.9049 0.8822 0.5387 1.9526 0.6576 0.2537 0.1007 0.0450 0.1079 PT10 1 1.1741 1.0277 0.0889 7.7454 0.8830 0.0820 0.0123 0.0239 0.1395 PT11 0 1.4029 0.5845 0.1974 2.3355 0.7002 0.5310 -0.0201 -0.0232 -0.0619 PT12 1 3.6574 3.3470 2.2495 0.5075 0.3323 0.4892 0.2367 0.4178 0.4271 PT13 0 1.2699 -2.0171 0.3238 1.0307 0.5436 0.3785 0.1507 0.1785 0.2338 PT14 1 0.7141 0.6860 0.1400 0.7639 0.7639 0.3203 0.2224 0.0628 0.0624 PT15 1 2.6241 0.6901 0.3004 0.5141 0.3395 0.3003 0.1483 0.3646 0.3513 PT16 1 3.4518 1.5137 0.8156 0.3311 0.2488 0.3081 0.1021 0.1708 0.1525 PT17 1 1.7876 1.7448 0.8759 0.8645 0.4637 0.2351 0.1764 0.4844 0.6119 PT18 0 0.1448 0.0085 0.3240 3.3452 0.7699 0.3750 0.2713 0.0453 0.1579 PT19 1 1.3962 1.3320 0.3453 1.0559 0.5136 0.1552 0.0248 0.0523 0.0390 PT20 0 1.1223 0.9051 0.4710 2.1347 0.6810 0.2608 0.0009 -0.0069 0.0034 PT21 1 3.3858 2.6303 1.7865 0.3010 0.2291 0.4385 0.2067 0.3385 0.3127 PT22 1 3.3776 2.7511 1.0273 0.7214 0.3839 0.1643 0.0426 0.0295 0.0391 PT23 1 2.1765 2.1721 1.2329 2.4707 0.6842 0.5914 0.0495 0.0502 0.0896 PT24 1 1.8539 1.2163 0.2641 1.0831 0.3470 0.1913 0.2229 0.1544 0.5446 PT25 1 2.9830 2.1518 1.4109 0.2907 0.2252 0.2758 0.0778 0.1735 0.1846 PT26 1 2.2250 2.1425 0.9000 1.6843 0.6236 0.3966 0.2178 0.2524 0.3822 PT27 1 1.3217 0.9993 0.3176 1.2141 0.4974 0.2239 0.0947 0.1903 0.2778 PT28 1 2.4783 0.3319 0.0595 1.5752 0.6117 0.1880 0.0403 0.0548 0.1382 PT29 0 1.4567 0.9927 1.5260 0.5272 0.5272 0.4070 -0.1708 -0.1334 -0.1641 PT30 1 0.4883 0.4749 0.0436 18.2607 0.5701 0.9899 0.1639 0.1419 3.3983

Hasil Penelitian dan Pembahasan

Masalah multikolinearitas menjadi serius apabila digunakan untuk mengkaji hubungan antara variabel bebas (x) dengan variabel respon (y) karena simpangan baku koefisien regresi tidak signifikan, sehingga sulit memisahkan pengaruh dari masing-masing variabel bebas.

Terdapat beberapa cara untuk dapat mendeteksi adanya

multikolinearitas, Salah satunya sebagai berikut :

Dengan melihat pada matriks korelasi (korelasi antar variabel independen), yaitu jika p-value korelasi antar variabel kurang dari 0,05 atau 5%, diduga terdapat gejala multikolinearitas.

Hasil Penelitian dan Pembahasan

Tabel Uji Kolerasi Laporan Keuangan Tahun 2008 RL1 RL2 RL3 RS1 RS2 RR1 RR2 RR3 RL2 0.819 0.000 RL3 0.812 0.817 0.000 0.000 RS1 -0.268 -0.199 -0.265 0.152 0.293 0.158 RS2 -0.482 -0.407 -0.452 0.120 0.007 0.026 0.012 0.526 RR1 0.122 0.140 0.349 0.471 -0.074 0.522 0.460 0.059 0.009 0.699 RR2 0.127 0.120 0.152 0.019 -0.099 0.284 0.504 0.529 0.422 0.919 0.604 0.128 RR3 0.379 0.268 0.297 -0.116 0.225 0.162 0.551 0.039 0.151 0.110 0.541 0.233 0.394 0.002 RR4 0.500 0.408 0.401 0.573 -0.222 0.540 0.266 0.320 0.005 0.025 0.028 0.001 0.239 0.002 0.156 0.085

Hasil Penelitian dan Pembahasan

Hasil Penelitian dan Pembahasan

Tabel Koefisien Komponen Pokok Data Rasio Keuangan tahun 2008

Variabel PC1 PC2 RL1 0.1269 -0.6365 RL2 0.0951 -0.5873 RL3 0.0682 -0.3185 RS1 -0.9730 -0.1075 RS2 -0.0137 0.0743 RR1 -0.0240 -0.0323 RR2 -0.0005 -0.0084 RR3 0.0064 -0.0306 RR4 -0.1506 -0.3597

Hasil Penelitian dan Pembahasan

Tabel Variabel Dependen dan Score Komponen Pokok

Untuk Pemodelan Regresi Logistik Tahun 2008

ID P Respon PC1 PC2 ID P Respon PC1 PC2 PT01 0 -2.1320 -2.1073 PT16 1 0.2826 -3.4338 PT02 0 -0.2156 -1.7410 PT17 1 -0.4898 -2.7439 PT03 1 -7.7253 -3.2717 PT18 0 -3.2568 -0.5752 PT04 1 -1.8237 -1.4720 PT19 1 -0.7163 -1.8771 PT05 1 -0.1708 -2.8225 PT20 0 -1.8326 -1.5841 PT06 1 -2.8759 -1.3067 PT21 1 0.4500 -4.4228 PT07 1 -0.9653 -11.3616 PT22 1 0.0434 -4.1623 PT08 1 -1.4806 -2.4252 PT23 1 -1.8740 -3.3216 PT09 1 -1.6955 -1.4758 PT24 1 -0.7755 -2.2777 PT10 1 -7.3184 -2.1996 PT25 1 0.3600 -3.7075 PT11 0 -2.0386 -1.4920 PT26 1 -1.1655 -3.2556 PT12 1 0.3639 -5.2241 PT27 1 -0.9498 -1.7366 PT13 0 -1.0623 0.0997 PT28 1 -1.2160 -1.9729 PT14 1 -0.6051 -0.9639 PT29 0 -0.1228 -1.9623 PT15 1 -0.1437 -2.3497 PT30 1 -18.2001 -3.7840

Hasil Penelitian dan Pembahasan

Persamaan untuk laporan keuangan tahun 2008 adalah :

Logit P(i) = β₀ + (-1.83213) PC2

dengan β₀ = -2.67901

Persamaan PCA untuk laporan keuangan adalah :

PC2 = (-0.6365) RL1 + (-0.5873) RL2 + (-0.3185) RL3 + (-0.1075) RS1 + 0.0743 RS2 + (-0.0323) RR1 + (-0.0084) RR2 + (-0.0306) RR3 + (-0.3597) RR4

Hasil Penelitian dan Pembahasan

Logit P(i) = β₀ + (-1.83213) PC2

= -2.67901 + (-1.83213) (-3.8) = -2.67901 + 6.962094

= 4.283084

Didapat hasil logit P(i)= 4.283084, yang mana hasil tersebut di masukkan

kedalam rumus standar dari regresi binary logistik yang merupakan standar rumus dari regresi binary logistik peluang nilai Y=1 adalah 0,98 dan melebihi

standart dari bank X yaitu 0,70. Dari hal ini dapat di simpulkan nasabah dengan kode PN01 DITERIMA menjadi Nasabah Bank X.

P(Y=1) = 2,71828 4.283084 _{/ 1 + (2,71828} 4.283084 ₎

= 72.46 / 1 + 72.46 = 72.46 / 73.46 = 0.98

Kesimpulan

Kesimpulan-kesimpulan yang dapat diambil dari penelitian mengenai pemodelan regresi logistik yang digunakan untuk alat bantu pengambilan keputusan di Bank X, antara lain :

Metode regresi logistik binary dapat memodelkan data laporan keuangan

tahunan calon nasabah pada kantor cabang Bank X Surabaya dan model regresi logistik yang terbentuk dapat digunakan sebagai Early Warning System

Pengujian validitas model Early Warning System yang terbentuk untuk

prediksi pada tahun-tahun berikutnya

Terbentuk analisis dan interpretasi hasil pemodelan Early Warning System

dan memanfaatkan model tersebut dalam pengambilan keputusan di Bank X

Saran

Untuk penampilan arsitektur aplikasi yang di buat hanya memuat 9 variabel dari 3 rasio utama laporan keuangan, Oleh karenanya bila ditambahkan dengan rasio keuangan yang lain maka informasi kebutuhan laporan keuangan yang lebih akurat dapat lebih mudah digunakan untuk membuat suatu keputusan.

Penutup