PERSETUJUAN TESIS
PENGEMBANGAN MODEL DEFAULT PREDICTION UNTUK ANALISA KREDIT MIKRO
(Penerapan di sebuah lembaga keuangan mikro) Oleh
Eka Permana
NIM 23407039
(Program Studi Teknik dan Manajemen Industri)
Menyetujui Pembimbing
Tanggal Juni 2009
___________________________ Prof. Dr. Ir. Bermawi P Iskandar
iii
PEDOMAN PENGGUNAAN TESIS
Tesis S2 yang tidak dipublikasikan terdaftar dan tersedia di perpustakaan Institut Teknologi Bandung, dan terbuka untuk umum dengan ketentuan bahwa hak cipta ada pada pengarang dengan mengikuti aturan Haki yang berlaku di Institut Teknologi Bandung. Referensi kepustakaan diperkenankan dicatat, tetapi pengutipan atau peringkasan hanya dapat dilakukan seizin pengarang dan harus disertai dengan kebiasaan ilmiah untuk menyebutkan sumbernya. Memperbanyak atau menerbitkan sebagian atau seluruh tesis haruslah seizin Direktur Program Pascasarjana, Institut Teknologi Bandung.
ABSTRAK
PENGEMBANGAN MODEL DEFAULT PREDICTION UNTUK ANALISA KREDIT MIKRO
(Penerapan di sebuah lembaga keuangan mikro) Oleh
Eka Permana
NIM 23407039
(Program Studi Teknik dan Manajemen Industri)
Sampai saat ini, proses analisa kredit di lembaga keuangan mikro sebagian besar mempergunakan teknik analisa rasio keuangan serta metode skoring. Metode tersebut bersifat univariat yang memberi penjelasan secara parsial tentang rasio yang berpengaruh dalam penilaian kinerja organisasi. Disamping itu, sistem skoring yang diterapkan untuk mengelola berkas kredit tidak mempunyai standar sistem pembobotan dan tergantung dari penilaian oleh manajemen lembaga keuangan tersebut.
Penelitian ini menawarkan suatu pendekatan untuk memperbaiki proses analisa kredit tersebut dengan mempergunakan model default prediction yang merupakan pendekatan statistik. Model yang dihasilkan mempunyai 15 variabel keuangan dan non keuangan yang terangkum dalam pendekatan 5 C (Capital, Capacity, Character,
Colleteral, Condition and Constraint). Dari evaluasi literatur, asumsi dan jenis data
yang tersedia, metode yang tepat digunakan untuk membangun model default
prediction di lembaga keuangan mikro adalah regresi logistik.
Model yang menggunakan regresi logistik tersebut dibangun dan diterapkan pada lembaga keuangan mikro dengan mempergunakan data berkas kredit historikal selama 3 tahun (2004-2007). Model yang diperoleh, digunakan untuk memprediksi calon nasabah apakah akan termasuk nasabah yang berpotensi kredit macet atau lancar. Model tersebut memberikan analisa kredit secara komprehensif dengan ketepatan prediksi total sebesar 78% .
Untuk efektifitas dan kemudahan implementasi, model tersebut diintegrasikan dalam suatu aplikasi SPK (Sistem Pendukung Keputusan) berbasis web. Aplikasi ini akan menjadi alat risk assesment dalam sistem manajemen resiko di lembaga tersebut.
Penggunaan aplikasi ini, membuat model mudah digunakan serta dapat
dikembangkan lebih lanjut untuk berbagai keperluan seperti sistem sinyal dini (alarm), nota kredit, analisa crosstab maupun laporan.
Kata kunci : Analisa kredit, Lembaga keuangan mikro (micro finance), Default
prediction, Regresi logistik, Diskriminan analisis, Sistem pendukung keputusan (SPK), Risk assesment.
v
ABSTRACT
THE DEVELOPMENT OF A DEFAULT PREDICTION MODEL FOR MICRO FINANCE CREDIT ANALYSIS
(Implementation at a microfinance organization) By
Eka Permana
NIM 23407039
(Program Studi Teknik dan Manajemen Industri)
Up to now, the credit analysis process at microfinance organization has been using a financial ratio analysis and scoring method. This method is a univariate method and gives partial description about measures contributing to the organization performance. Meanwhile the scoring method used to manage the credit data has not standardized weigthing system. The scoring system depends on the management jugment in each financial organization.
This research introduces an improved approach for the credit analysis process by using a statistical method to develop default prediction model. Model developed incorporated 15 financial and non financial variables that represent 5C (Capital,
Capacity, Character, Colleteral, Condition and Constraint) approach. From the
literature study, asumption and data type available lead to the logistic regression as an appropriate statistical method to develop a default prediction model.
The model developed was implemented at a microfinance organization using historical credit data for 3 years (2004-2007). Result of the model provides a classification debtor candidate as a default or a non default debtor group. Model gives a comprehensive credit analyst with a total hit ratio 78%.
For ease and effective implementation, the result model is integrated to a web base
DSS (Desicion Support System) application. This application used as a risk
assesment tool for credit risk in a risk management system and framework. The use
of application makes the model more easy to implement and can be further
developed for other purposes such as alarm system, a credit note, crosstab analysis and report.
Keywords: Credit analysis, Microfinance organization, Default prediction,
Logistic regression, Multivariate discriminant analysis, Desicion support system (DSS), Risk assesment.
vii
KATA PENGANTAR
Syukur Alhamdulilah, segala puji bagi Allah SWT. Atas segala rahmat dan hidayah yang diberikan Nya sehingga penulis dapat menyelesaikan tesis ini sesuai rencana. Penulis ingin mengucapkan terima kasih sebagai ungkapan kepada pihak-pihak yang baik secara langsung maupun tidak langsung telah membantu terselesaikannya tesis ini. Ucapan terima kasih diberikan kepada :
1. Profesor Dr. Ir. Bermawi P. Iskandar selaku pembimbing yang telah meluangkan waktu, tenaga dan pikiran dalam memberi arahan dalam penulisan tesis ini
2. Ir. Agustinus Imam Istiyadi MBA dan Dr. Suprayogi, ST, Ph.D selaku penguji yang telah memberikan masukan berharga untuk memperbaiki tesis ini.
3. Staf pengajar Program Pasca Sarjana dan Manajemen Industri Institut
Teknologi Bandung yang telah memberikan ilmu yang sangat bermanfaat 4. Staff karyawan dan tata usaha Program Pasca Sarjana dan Manajemen
Industri Institut Teknologi Bandung yang selalu membantu dengan tulus. 5. Kedua orang tua saya serta mertua yang telah mendukung selama ini.
Khususnya untuk Bapak Subandi Alm terima kasih atas segalanya.
6. Keluargaku tercinta: Aminah, Dzaky Muhamad Rafi dan Yasmin Rifda Kamila yang selalu memberikan inspirasi, serta menumbuhkan keberanian dalam melangkah
7. Bapak Hendi Supendi selaku Direktur BPR LPK Jalan Cagak yang selalu membantu dan memberikan pencerahan.
8. Teman-teman S2 TMI ITB 2007: Retno, Adam, Rinto, Tatang dll terima kasih banyak atas dukungan dan persahabatan.
9. Teman-teman satu perjuangan dalam bimbingan: Diah, Nova, Rifa, Asti dll Ayo terus semangat!
10. Teman-teman lain dan semua pihak yang tidak dapat di sebutkan satu persatu.
Ucapan terima kasih tidak akan dapat membalas semua yang telah kalian berikan, Semoga Allah SWT akan membalasnya.
Selanjutnya penulis sangat menyadari bahwa tesis ini masih jauh dari sempurna. Untuk itu penulis menerima kritik dan saran yang dapat memberikan perbaikan terhadap tesis ini. Semoga tesis ini dapat bermanfaat bagi semua pihak
Bandung, Juni 2009
D
DA
AF
FT
TA
AR
R
IS
I
SI
I
COVER... i
LEMBAR PENGESAHAN………... ii
PEDOMAN PENGGUNAAN TESIS………... iii
ABSTRAK... iv
ABSTRACT... v
PERUNTUKAN... vi
KATA PENGANTAR... vii
DAFTAR ISI... viii
DAFTAR LAMPIRAN... xi
DAFTAR GAMBAR ... xii
DAFTAR TABEL... xiii
BAB I PENDAHULUAN... 1
I.1 Latar Belakang... 1
I.2 Perumusan Masalah ... 8
I.3 Tujuan Penelitian... 8
I.4 Manfaat Penelitian... 8
I.5 Batasan Penelitian... 11
I.6 Asumsi... 11
I.7 Sistematika Penulisan... 11
BAB II LITERATUR... 13
II.1. Manajemen Resiko... 13
II.1.1. Pengertian Resiko... 13
II.1.2. Pandangan lama dan Baru Mengenai Resiko... 14
II.1.3. Pengertian Manajemen Resiko... 15
II.1.4. Framework Manajemen Resiko... 16
1). Framework Manajemen Resiko COSO... 16
2). Framework Manajemen Resiko Australia/NZ Std ... 23
3). Framework Basell II... 25
ix
II.2.1. Jenis Default Prediction... 29
II.3. Metode Statistik untuk Klasifikasi... 31
II.3.1. Analisa Diskriminan... 31
II.3.2. Regresi Logistik... 35
II.3.3. Metoda Probit... 35
II.4. Metode Klasifikasi lainnya... 45
II.4.1. Jaringan Syaraf Tiruan... 45
II.4.2. Pohon Keputusan... 47
II.4.3. Metoda Risk of Ruin... 48
II.5. Kredit... 49
II.5.1. Definisi ... 49
II.5.2. Analisa Kredit... 50
II.5.3. Persiapan Analisa Kredit... 52
II.5.4. Pengumpulan Informasi... 53
II.5.5. Penetapan Titik Kritis Projek ... 53
II.5.6. Analisa Setiap Aspek Kredit ... 54
II.6. Sistem Pendukung Keputusan... 55
II.6.1. Definisi ... 55
II.6.2. Manfaat SPK... 56
II.6.3. Arsitektur SPK ... 57
II.6.4. Komponen SPK... 57
BAB III METODOLOGI PENELITIAN...……… 59
III.1. Studi Pendahuluan... 59
III.2. Perumusan Masalah dan Tujuan Penelitan ... 61
III.3. Formulasi Model... 61
III.3.1. Pendefinisian Sistem Relevan ... 61
III.3.2. Pencarian Data dan Formulasi Model... 62
III.3.3. Verifikasi dan Validasi Model……... 63
III.4. Implementasi dan Analisa………... 63
III.5. Kesimpulan dan Saran………... 63
BAB IV FORMULASI MODEL………... 64
IV.1.1. Sekilas Organisasi... 64
IV.1.2. Struktur Organisasi... 65
IV.1.3. Flow Proses Kredit ... 66
IV.2. Pendefinisian Konseptual Sistem ... 66
IV.2.1. Wide dan Narrow System …... 66
IV.2.2. Stockholder Problem ... 68
IV.2.3. Element Permasalahan………... 69
IV.3. Tahapan Pembangunan Model……….…... 69
IV.4. Prosedur untuk tahap 1 ...….……….…... 71
IV.4.1. Langkah-langkah pembentukan model... 71
IV.4.2. Kriteria pemilihan model... 71
IV.5. Pemilihan Metoda Statistik Model….……….…... 72
IV.5.1. Model Default Prediction……... 72
IV.5.2. Pemilihan Metode... 73
a. Analisa Diskriminan... 73
b. Model Analisa Regresi Logistik... 74
c. Analisa Discriminan atau Regresi Logistik ... 74
d. Model Default Prediction Analisa Kredit BPR... 75
IV.6. Pemilihan Variabel... 76
IV.7. Pengumpulan Data... 78
IV.7.1. Sumber Data... 78
IV.7.2. Populasi dan Sampling... 78
IV.7.3. Informasi dalam Berkas Kredit... 79
IV.8. Pengolahan Data Awal... 81
IV.9. Estimasi Model Regresi Logistik ... 86
IV.9.1. Model Bases Variabel... 87
IV.9.2. Metode Enter... 89
IV.9.3. Motode Stepwise... 91
IV.9.4. Formulasi Model... 92
IV.9.5. Evaluasi Nilai Cutt Off... 94
IV.10. Verifikasi Model... 99
xi
BAB V IMPLEMENTASI DAN ANALIS... 102
V.1. Pembangunan Aplikasi Analisa Kredit ... 102
V.1.1. Arsitektur Sistem... 103
a. Dialog (Interface Software) (DGMS) ... 104
b. Database mendukung sistem (DBMS) ... 105
c. Model Base memberikan kemampuan analis. (MBMS) ... 106
d. Managemen Pengetahuan ... 106
V.1.2. Modul Analisa Kredit... 106
a. Modul Login... 107 b. Modul Utama... 107 c. Modul Input/Edit... 107 d. Modul Proses…... 108 e. Modul Laporan…... 109 f. Modul Administrasi... 109
V.2. Aplikasi Analisa Kredit sebagai Alat Risk Assesment ... 109
V.2.1. Framework Manajemen Resiko... 109
V.2.2. Penilaian Resiko... 110
V.2.3. Risk Response... 111
V.2.4 Aktivitas pengendali resiko... 112
V.2.5. Informasi dan Komunikasi... 113
V.2.6. Monitoring... 113
V.3. Perubahan Prosedur... 113
V.3.1. Format data isian nasabah kredit... 114
V.3.2. Format Nota Kredit Baru... 114
V.3.3. SOP Proses Kredit... 114
V.3.4 SOP Respon terhadap hasil analisa... 114
V.4 Analisa dan Pembahasan... 114
V.4.1. Analisa Variabel Model... 114
V.4.2. Format Nota Kredit Baru... 117
V.4.3. Analisa Model dan Kegagalan Model... 121
V.4.4 Analisa Prediksi NPL... ... 125
BAB VI KESIMPULAN DAN SARAN...……… 128
VI.1. Kesimpulan... 128
VI.2. Saran... 130
DAFTAR PUSTAKA... 131 LAMPIRAN
xiii
D
DA
A
FT
F
TA
AR
R
LA
L
AM
MP
PI
IR
RA
AN
N
Lampiran A Data Mentah dan Pengolahannya A.1 Data Mentah Dari Berkas Kredit
A.2 Data Pengolahan Hasil Konversi kepada bentuk Nominal A.3 Data Pengolahan Hasil Konversi kepada bentuk Ordinal
Lampiran B Hasil Pengolahan Software SPSS B.1 Motode Enter
B.2 Metode Stepwise Backward B.3 Metode Stepwise Forward
Lampiran C Contoh Aplikasi Analisa Kredit C.1 Menu Login dan Menu Utama C.2 Menu Input (5 C dan data Bank)
C.3 Menu Admin (Set up scoring/model dan Master Data) C.4 Menu Laporan
D
DA
AF
FT
TA
AR
R
GA
G
AM
MB
BA
A
R
R
Gambar II.1 Hubungan resiko dan tingkat keuntungan... 15
Gambar II.2 Manajemen Resiko Model COSO... 18
Gambar II.3 Gambar Pemetaan dan Kuantifiasi Resiko... 20
Gambar II.4 Konsep Manjemen Resiko AS/ NZS4360:2004... 23
Gambar II.5 Tiga Pilar Basel II... 26
Gambar II.6 Bagan CAR... 26
Gambar II.7 Ilustrasi analisa diskriminan dengan dua variabel x1dan x2.. 33
Gambar II.8 Fungsi Logistik... 36
Gambar II.9 Arsitektur JST... 46
Gambar II.10 Contoh Pohon Keputusan... 48
Gambar II.11 Arsitektur SPK... 57
Gambar III.1 Metodologi Penelitian... 60
Gambar IV.1 Struktur Organisasi PD BPR LPK Jalan Cagak... 65
Gambar IV.2 Alur Proses Kredit PD LPK Jalan Cagak Subang... 66
Gambar IV.3 Sistem besar dan kecil... 67
Gambar IV.4 Hubungan Input Sistem Output dan Tahapan Model... 70
Gambar IV.5 Hubungan Variabel, Parameter dan Output... 77
Gambar IV.6 Proses pengolahan data awal... 82
Gambar V.1 Arsitektur Sistem SPK untuk Analisa Kredit... 104
Gambar V.2 Diagram contex level 0 Aplikasi analisa kredit... 106
Gambar V.3 Tampilan Welcom page ... 106
Gambar V.4 Tampilan Main Menu... ... 107
Gambar V.5 Grafik probabilitas responden ... 121
Gambar V.6 Grafik Sigmoid model ... 123
xv
D
DA
AF
FT
TA
AR
R
TA
T
AB
BE
EL
L
Tabel I.1 Daftar beberapa peneliti pelopor dalam bidang default
prediction... 2
Tabel I.2 Daftar beberapa peneliti terkait bidang default prediction di Indonesia... 4
Tabel I.3 Posisi Penelitian di perbandingkan dengan penelitian sebelumnya... 10
Tabel II.1 Pengelompokan metodalogi default prediction... 31
Tabel II.2 Tabel Klasifikasi... 34
Tabel II.3 Perbandingan multiple regresión dan regresi logistik... 42
Tabel IV.1 Data Informasi pada berkas kredit historikal……... 79
Tabel IV.2 Perbandingan antara variabel pada data historikal... 79
Tabel IV.3 Evaluasi Data Awal Berkas Kredit………... 82
Tabel IV.4 Data hasil konversi nominal ke ordinal data berkas kredit... 84
Tabel IV.5 Evaluasi kekuatan pembeda dengan nilai odds setiap Variabel terpilih... 87
Tabel IV.6 Hasil SPSS perhitungan nilai -2LL... 88
Tabel IV.7 Hasil SPSS Klasifikasi Model Null (base) ... 88
Tabel IV.8 Hasil SPSS Variabel tidak dalam persamaan base... 88
Tabel IV.9 Hasil test Omnibus (Chi Square)... 89
Tabel IV.10 Kesimpulan Model Enter dan HL Test... 89
Tabel IV.11 Daftar variabel dalam persamaan metoda enter... 91
Tabel IV.12 Hasil klasifikasi metoda enter... 91
Tabel IV.13 Evaluasi Alternatif Model... ... 93
Tabel IV.14 Enumerasi nilai cut off untuk evaluasi model... 94
Tabel IV.15 Hasil Hit rasio Model Enter 15 Variabel dengan Cut off 0.6 ... 96
Tabel IV.16 Hasil SPSS evaluasi model dengan program excell... 97
Tabel IV.17 Hasil uji kolinearitas untuk verifikasi model... 99
Tabel IV.18 Hasil hit rasio Model Enter 15 Variabel dengan Cut off 0.6 pada data hold sample (24 kasus)... 100
Tabel IV.19 Hasil Evaluasi Hold Sample pada Excel... 101
Tabel V.2 Hasil Uji Sensitivitas Model Enter………... 117
Tabel V.3 Hasil Uji Wald pada variabel model enter………... 119
Tabel V.4 Pemetaan Variabel………... 120
Tabel V.5 Tabel analisa kesalahan prediksi per variabel…... 125
