Analisa Risiko Kredit Sepeda Motor Pada PT. X Finance (Studi Kasus Kantor Cabang Wilayah Gresik dan Lamongan)

Transkripsi

1 JURNAL SAINS DAN SENI POMITS Vol., No., (13) (31-98X Print) D-31 Analisa Risiko Kredit Seeda Motor Pada PT. X Finance (Studi Kasus Kantor Cabang Wilayah Gresik dan Lamongan) Dwi Joko Fachrur Rozi dan Kresnayana Yahya Statistika, FMIPA, Institut Teknologi Seuluh Noember (ITS) Jl. Arief Rahman Hakim, Surabaya ks191@gmail.com, kresnayanayahya@gmail.com Abstrak Kemudahan dalam memeroleh embiayaan seeda motor daat menyebabkan otensi risiko kredit macet yang cuku besar bagi erusahaan-erusahaan embiayaan tidak terkecuali dengan PT. X Finance. Berdasarkan data kantor cabang di wilayah Gresik dan Lamongan tahun 1 menunukkan bahwa nilai rata-rata kredit macet/fid (First Installment Default) konsumen dalam enam bulan ertama di tahun 1 sebesar 3,19 ersen untuk wilayah Gresik dan sebesar 3,91 ersen untuk wilayah Lamongan. Maka dilakukan engelomokkan untuk mengetahui karakteristik konsumen di Gresik dan Lamongan dengan menggunakan metode K-Means Cluster dan didaatkan 3 kelomok untuk masing-masing wilayah. Karakteristik masing-masing kelomok di Gresik adalah kelomok 1 usia berkisar 4-5 tahun, enghasilan kurang dari R uta, dan harga motor on the road (OTR) dibawah R 1 uta. Kelomok usia diatas 3 tahun, enghasilan diatas R 3 uta, dan harga OTR motor berkisar R 1-15 uta. Kelomok 3 usia dibawah 3 tahun, enghasilan dibawah R uta, dan harga OTR motor berkisar R 1-15 uta. Sementara di Lamongan, kelomok 1 usia antara -3 tahun, enghasilan dibawah R uta, dan harga OTR motor berkisar R 1-15 uta. Kelomok usia diatas 3 tahun, enghasilan diatas R 3 uta, dan harga OTR motor berkisar R 15- uta. Kelomok 3 usia diatas 4 tahun, enghasilan dibawah R uta, dan harga OTR motor di bawah R 1 uta. Kata Kunci Risiko kredit, Analisis faktor, K-Means Cluster. K I. PENDAHULUAN ondisi erekonomian Indonesia yang mengalami keterurukan ada akhir tahun 1997 akibat krisis menyebabkan kurang berkembangnya berbagai sektor yang ada di Indonesia, tidak terkecuali ada sektor industri keuangan yaitu lembaga keuangan non bank. Namun ada erkembangannya dari tahun ke tahun, ertumbuhan lembaga keuangan bukan bank (Non Bank Financial Institutions) selama eriode tahun hingga eriode tahun 11 memberikan indikasi bahwa semakin membaiknya erekonomian di Indonesia. Kemudahan dalam mendaatkan embiayaan seeda motor dari erusahaan embiayaan daat menimbulkan otensi risiko kredit macet yang cuku besar bagi erusahaan embiayaan tidak terkecuali dengan PT. X Finance. Risiko kredit macet ini daat diengaruhi oleh seberaa besar tingkat daya beli masyarakat. Tingkat daya beli masyarakat daat diukur dari besarnya enghasilan yang dieroleh masyarakat di masing-masing sektor ekeraan. Berdasarkan enelitian sebelumnya mengenai analisa risiko kredit memberikan kesimulan bahwa faktor yang memengaruhi risiko kredit macet dari sisi konsumen adalah overdue, down ayment, tenor, endaatan kosumen, moral dan morale hazard [1]. Penelitian lain memberikan kesimulan bahwa untuk variabel endaatan (salary), domicile, effective rate, tenor, dan net d amount menadi variabel yang berengaruh signifikan terhada status kredit konsumen. Sementara untuk variabel gender, marital, age, dan rincial amount tidak berengaruh signifikan terhada status kredit konsumen []. II. TINJAUAN PUSTAKA A. Distribusi Multivariat Normal Pemeriksaan asumsi distribusi multivariat normal harus dienuhi untuk analisis data yang menggunakan analisis multivariat. Pemeriksaan distribusi multivariat normal ada data daat dilakukan dengan menghitung arak kuadrat setia observasi [3]. Jarak kuadrat engamatan daat dihitung dengan menggunakan ersamaan berikut. 1 d ( x x)' ( x x) (1) dengan : d = arak kuadrat setia engamatan x = vektor data engamatan x = vektor nilai rata-rata = matriks varian kovarian Data daat dikatakan berdistribusi multivariat normal aabila lot membentuk garis lurus atau ika 5% nilai d maka data akan mengikuti sebaran distribusi (,5) multivariat normal. B. Analisis Faktor (Factor Analysis) Analisis faktor meruakan analisis statistika yang bertuuan untuk mereduksi dimensi data dengan cara menyatakan variabel asal sebagai kombinasi linear seumlah faktor, sedemikian hingga seumlah faktor tersebut mamu menelaskan sebesar mungkin keragaman data yang delaskan

2 JURNAL SAINS DAN SENI POMITS Vol., No., (13) (31-98X Print) D-3 oleh variabel asal [3]. Analisis faktor meruakan salah satu metode yang daat digunakan untuk engukuran bermacammacam variabel yang tidak daat diukur secara langsung [4]. Persamaan analisis faktor daat dilihat berikut ini [3]. X l F l F... l F 1 1 m m () Keterangan : F = common factor ke- l = loading factor ke- dan variabel ke-i i = secific factor ke-i i rata-rata variabel ke-i Dimana: i = 1,,., = 1,,., m C. Ui Kebebasan Antar Variabel (Barlett Test) Ui kebebasan antar variabel (Barlett test) bertuuan untuk mengetahui aakah terdaat hubungan antar variabel dalam kasus multivariat. hiotesis ui barlett adalah sebagai berikut. H : ρ = I (matriks korelasi meruakan matriks identitas) H 1 : ρ I (matriks korelasi bukan meruakan matriks identitas) Statistik ui ( n 1) T (1 r) ik i k ( r r) ˆ k 1 ( r k r) Daerah enolakan: Tolak H ika T ( Sehingga variabelvariabel saling berkorelasi. 1) ( )/ ; D. Kaiser Meyer Olkin (KMO) dan Measure of Samling Adequency (MSA) Kaiser-Meyer-Olkin (KMO test) meruakan nilai korelasi antar variabel yang digunakan untuk melakukan enguian aakah data atau samel data dikatakan cuku untuk dilakukan analisis faktor atau tidak syarat data layak untuk dianalisis ika nilai KMO lebih besar dariada,5 [5]. Hiotesis dari KMO adalah sebagai berikut : H : Jumlah data cuku untuk difaktorkan H 1 : Jumlah data tidak cuku untuk difaktorkan Statistik ui: r (4) KMO i1 1 r a i1 1 i1 1 Measure of Samling Adequency (MSA) meruakan indeks untuk mengukur kecukuan samling untuk setia variabel individual. Hiotesis dari MSA adalah sebagai berikut. H : Jumlah data ada variabel ke-i cuku untuk difaktorkan H 1 :Jumlah data ada variabel ke-i tidak cuku untuk difaktorkan Statistik ui : MSA r 1 r 1 1 a (3) (4) Jika nilai MSA >,5 maka variabel ke-i cuku untuk difaktorkan [5]. E. Cluster Analysis Cluster Analysis adalah teknik yang digunakan untuk mengklasifikasikan observasi atau kasus (resonden) dalam kelomok yang relatif homogen [6]. Pada enelitian ini metode Cluster Analysis yang digunakan adalah metode non hirarki yaitu dengan metode K-means Cluster. Metode K- means Cluster dilakukan dengan mendeskrisikan sebuah algoritma dari metode Macquen yaitu memasukan tia observasi dalam suatu cluster yang memunyai arak sentroid atau nilai rata-rata aling dekat dengan langkah-langkah sebagai berikut [3]. 1. Membagi obesrvasi-observai tersebut dalam inisial cluster K sebagai titik usat. Menentukan arak setia observasi dari titik usat (sentroid) 3. Melakukan engklasifikasian observasi dalam cluster yang memunyai sentroid terdekat. 4. Menentukan sentroid yang baru sebagai rata-rata dalam cluster. 5. Melakukan langkah 3-4 hingga tidak terdaat lagi engulangan roses. F. Pengertian Kredit Kata kredit berasal dari bahasa Romawi yaitu credere yang artinya keercayaan dan kebenaran. Unsur keercayaan menyangkut karakter dari emohon kredit [7]. Kredit berarti memeroleh barang dengan membayar cicilan atau angsuran di kemudian hari atau memeroleh inaman uang yang embayarannya dilakukan di kemudian hari dengan cicilan atau angsuran sesuai dengan eranian [8]. G. Kolektibilitas Kredit Kolektibilitas kredit adalah suatu embayaran okok atau bunga inaman oleh nasabah. Sebagaimana terlihat dalam tata usaha bank berdasarkan Surat Keutusan Direksi Bank Indonesia (BI) NO. 3/68/KEP/DIR tanggal 7 Februari 1998, maka kolektibilitas kredit daa dibedakan menadi. 1. Kredit lancar Kredit lancar adalah kredit yang engembalian okok inaman dan embayaran bunganya tear waktu, erkembangan rekening baik dan tidak ada tunggakan serta sesuai dengan ersyaratan kredit.. Kredit kurang lancar Kredit yang engembalian okok inaman atau embayaran bunganya terdaat tunggakan teah melamaui 9 hari samai 18 hari dari waktu yang telah diseakati. 3. Kredit diragukan Kredit yang engembalian okok inaman dan embayaran bunganya terdaat tunggakan yang telah melamaui 18 hari samai 7 hari dari waktu yang telah diseakati. 4. Kredit macet Kredit macet memiliki kriteria sebagai berikut. 1. Terdaat tunggakan angsuran okok yang telah melamaui 7 hari.

3 JURNAL SAINS DAN SENI POMITS Vol., No., (13) (31-98X Print) D-33. Kerugian oerasional dituntut dengan inaman baru. 3. Jaminan tidak daat dicairkan ada nilai waa, baik dari segi hukum mauun segi kondisi asar. H. Risiko Kredit Risiko kredit adalah suatu kerugian yang daat berotensi untuk menimbulkan enolakan atau ketidakmamuan konsumen kredit untuk membayar hutangnya secara enuh dan teat waktu [9]. Risiko kredit sebagai eksosur yang memiliki otensi untuk mengancam enghasilan dan modal erusahaan, yang akan ditimbulkan karena kegagalan konsumen (obligator) untuk memenuhi syarat yang terdaat dalam keseakatan kontrak erusahaan [1]. A. Sumber Data III. METODOLOGI PENELITIAN Data yang digunakan dalam enelitian ini meruakan data sekunder dari konsumen PT. X Finance yang terdiri dari rofils kredit dari 459 konsumen di Gresik dan Lamongan, meliuti kredit lancar, kredit bermasalah, dan kredit macet (tarik barang) dalam angka waktu 1 tahun dari Bulan Februari tahun 1-Januari tahun 13. B. Variabel Penelitian C. Berikut adalah variabel yang digunakan dalam enelitian. Metode Analisis Data Langkah-langkah dalam analisis data adalah sebagai berikut. 1. Melakukan studi ustaka tentang risiko kredit dalam erusahaan multifinance.. Menentukan variabel-variabel yang memengaruhi risiko kredit ada PT. X Finance cabang Gresik dan Lamongan. 3. Melakukan engumulan data database konsumen PT. X Finance cabang Gresik dan Lamongan berdasarkan rofil kredit dan variabel rediktornya. 4. Melakukan analisa deskritif dari data konsumen PT. X Finance cabang Gresik dan Lamongan untuk mengetahui gambaran umum rofil konsumen. 5. Melakukan tranformasi data ada variabel X1, X, X3, X4, dan X5 dengan tranformasi box-cox. 6. Malakukan engelomokkan untuk variabel X1, X, X3, X4, X5, dan X6 hasil dari tranformasi box-cox dengan analisis faktor. 7. Mengklasifikasikan konsumen berdasarkan variabel baru yang terbentuk dari hasil analisis faktor dengan K- means cluster analysis untuk mengetahui kelomok konsumen yang memiliki kredit lancar (low risk), kurang lancar (medium risk)), dan kredit macet (high risk). Variabel Usia (X1) Angsuran(X) Pendaatan(X3) Tenor(X4) Harga OTR(X5) Uang Muka(X6) Sektor Pekeraan(X7) Status Rumah(X8) Persentase DP(X9) Domisili konsumen(x1) Tabel 1 Variabel Penelitian Definisi Oerasional Besarnya uang yang harus dibayar oleh konsumen er bulan Besarnya endaatan yang diterima konsumen Jangka waktu engambilan kredit yang dieruntukkan keada konsumen Harga On The Road dari kendaraan bermotor Besarnya uang yang dibayarkan konsumen diawal engambilan kredit seeda motor Sektor dimana konsumen bekera, meliuti: 1= Pertanian Meliuti: Perikanan, erkebunan, eternakan = Perdagangan, Hotel, dan Restoran 3= Perindustrian 4= Jasa-asa Meliuti: Adm dan asa emerintahan, ertahanan, Sosmas, hiburan&rekreasi, erorangan,dll 5= Pengangkutan dan Komunikasi 6= Keuangan Persewaan dan Jasa Perusahaan. 7= Proerti dan Listrik 8= Lain-lain. Keemilikan rumah dari konsumen, meliuti: 1= Milik Sendiri = Milik Keluarga Prosentase uang muka/down Payment yang dibayarkan oleh konsumen: 1= 1 - < 1,5 ersen = 1,5 - < 15 ersen 3= 15 - < 17,5 ersen 4= 17,5 - < ersen 5= - < 5 ersen 6= 5 - < 3 ersen 7= 3 ersen Lokasi temat tinggal konsumen: 1= Gresik = Lamongan

4 JURNAL SAINS DAN SENI POMITS Vol., No., (13) (31-98X Print) D-34 Tye Motor (X11) Tye seada motor yang diambil oleh konsumen: 1= Yamaha = Honda 3= Suzuki 8. Diagram Jalur Diagram alir dalam enelitian ini, ditunukkan ada gambar 1. IV. ANALISIS PEMBAHASAN A. Karakteristik Konsumen PT. X Finance Karakteristik konsumen PT. X Finance berdasarkan sektor ekeraan delaskan ada gambar. Gambar menunukkan ersentase dari sektor ekeraan konsumen PT. X Finance di wilayah Gresik dan Lamongan dimana mayoritas konsumen untuk wilayah Gresik bekera di sektor erindustrian yaitu sebesar 39 ersen dari total konsumen.sementara konsumen di wilayah Lamongan sektor ekeraan konsumen yang aling dominan adalah sektor erdagangan yaitu sebesar 43 ersen dari total konsumen, selanutnya diikuti sektor ertanian yang meliuti erkebunan, erikanan, eternakan sebesar ersen. Karakteristik konsumen di Gresik dan Lamongan berdasarkan endaatan daat dilihat ada gambar 3. Gambar 3 menunukkan ersentase dari endaatan konsumen PT. X Finance di wilayah Gresik dan Lamongan, daat dilihat bahwa mayoritas konsumen di wilayah Gresik memiliki enghasilan yang kurang dari R uta yaitu sebesar 38 ersen dari total konsumen. Sementara untuk konsumen dengan enghasilan yang berkisar R uta samai R 3 uta ruiah yaitu sebesar 35 ersen, enghasilan konsumen yang berkisar R 3 uta samai R 4 uta sebesar 17 ersen, dan konsumen dengan enghasilan lebih dari R 4 uta sebesar 1 ersen. Sementara konsumen di wilayah Lamongan sebagian besar enghasilan konsumennya berkisar R uta samai R 3 uta yaitu sebesar 56 ersen dari total keseluruhan konsumen di wilayah Lamongan, sementara konsumen dengan enghasilan dibawah R uta hanya sebesar 3 ersen, konsumen yang memiliki enghasilan berkisar R 3 uta samai R 4 uta sebesar 15 ersen, dan konsumen dengan enghasilan diatas R 4 uta hanya sebesar 6 ersen. Gambar 3 menunukkan ersentase dari endaatan konsumen PT. X Finance di wilayah Gresik dan Lamongan, daat dilihat bahwa mayoritas konsumen di wilayah Gresik memiliki enghasilan yang kurang dari R uta yaitu sebesar 38 ersen dari total konsumen. Sementara untuk konsumen dengan enghasilan yang berkisar R uta samai R 3 uta ruiah yaitu sebesar 35 ersen, enghasilan konsumen yang berkisar R 3 uta samai R 4 uta sebesar 17 ersen, dan konsumen dengan enghasilan lebih dari R 4 uta sebesar 1 ersen. Sementara konsumen di wilayah Lamongan sebagian besar enghasilan konsumennya berkisar R uta samai R 3 uta yaitu sebesar 56 ersen dari total keseluruhan konsumen di Studi Pustaka dan Literatur Gambar 1 Diagram Alir Penelitian Gresik Lamongan 43% 39% 3% 3% 1% 6% 8% 1% 4% 1% 6% 8% 4% % 1% 1% Gambar Persentase sektor ekeraan konsumen PT. X Finance 38% 35% 56% 3% Penentuan Variabel Pengumulan Data Analisa Statistika Deskritif Tranformasi Box-cox dan Analisis Faktor Variabel X1, X, X3, X4, X5, dan X6 Analisis K-means Cluster Variabel baru hasil dari analisis faktor Penarikan Kesimulan Gresik X< Juta Juta X < 3 Juta Lamongan 17% 15% 3 Juta X < 4 Juta 1% 6% X 4 Juta Gambar 3 Persentase endaatan konsumen PT. X Finance wilayah Lamongan, sementara konsumen dengan enghasilan dibawah R uta hanya sebesar 3 ersen, konsumen yang memiliki enghasilan berkisar R 3 uta samai R 4 uta

5 d d JURNAL SAINS DAN SENI POMITS Vol., No., (13) (31-98X Print) D-35 sebesar 15 ersen, dan konsumen dengan enghasilan diatas R 4 uta hanya sebesar 6 ersen. B. Asumsi Distribusi Multivariat Normal Penguian asumsi distribusi multivariat normal daat dilihat ada gambar 4. Gambar 4 menunukkan bahwa data dari masing-masing variabel di setia wilayah telah memenuhi asumsi distribusi multivariat normal. Hal ini terlihat lot telah membentuk garis lurus. C. Analisis Faktor untuk Wilayah Gresik Penguian KMO dan Barlett test daat dilihat ada tabel. Tabel menunukkan bahwa nilai KMO sebesar.56 yang berarti nilai KMO >.5, sehingga daat memberikan kesimulan bahwa data dari variabel risiko kredit layak dan cuku untuk dilakukan analisis faktor. Sementara untuk enguian Barlett daat dilihat dari nilai -value (sig.) sebesar. dimana nilainya kurang dari α =.5, dengan demikian daat dikatakan bahwa terdaat korelasi antara variabel indeenden embentuk risiko kredit. Tabel 3 menelaskan banyaknya faktor yang terbentuk sebanyak faktor. Faktor 1 meruakan kemamuan konsumen dimana indicator-indikatornya memiliki kontribusi besar dan berengaruh terhada risiko kredit seeda motor PT. X Finance di wilayah Gresik. Indikator yang masuk dalam faktor 1 meliuti Income konsumen, harga on the road seeda motor, uang muka, dan angsuran yang dibayarkan konsumen setia bulannya. Faktor meruakan faktor sosial konsumen yang menadi faktor endukung dengan engaruh yang kecil terhada risiko kredit seeda motor, yaitu usia. D. Analisis Faktor untuk Wilayah Lamongan Penguian KMO dan Barlett test daat dilihat ada tabel berikut. Tabel 4 menunukkan bahwa nilai KMO sebesar.54 yang berarti nilai KMO >.5, sehingga daat memberikan kesimulan bahwa data dari variabel risiko kredit layak dan cuku untuk dilakukan analisis faktor. Sementara untuk enguian Barlett daat dilihat dari nilai -value (sig.) sebesar. dimana nilainya kurang dari α =.5, dengan demikian daat dikatakan bahwa terdaat korelasi antara variabel indeenden embentuk risiko kredit. Berdasarkan Tabel 5 diatas indikator yang masuk dalam faktor 1 meliuti harga on the road dari seeda motor, uang muka yang dibayarkan konsumen diawal, dan angsuran yang dibayarkan konsumen setia bulannya. Faktor 1 meruakan faktor kemamuan konsumen. Indikator faktor diantaranya adalah usia konsumen dan endaatan konsumen menadi faktor endukung dengan engaruh yang kecil terhada risiko kredit seeda motor di wilayah Lamongan. Faktor meruakan faktor sosial ekonomi konsumen. E. K-Means Clsuter untuk Wilayah Gresik Berdasarkan hasil analisis K-means cluster didaatkan umlah anggota masing-masing kelomok sebagai berikut. Berdasarkan Tabel 6 bahwa sebanyak 7 orang konsumen di wilayah Gresik berada ada cluster/kelomok 1, sedangkan sebanyak 11 orang konsumen berada ada kelomok, dan sebanyak 96 orang konsumen masuk dalam kelomok Scatterlot of d vs q 1 (a) 15 Gambar 4 Plot asumsi distribusi multivariat normal untuk (a) Gresik (b) Lamongan Tabel Nilai Ui Kecukuan Data Kaiser Meyer Olkin (KMO) dan Ui Barlett Nilai ui Nilai KMO-MSA Barlett,56. Tabel 3 Nilai Loading Factor dengan Rotasi Varimax untuk wilayah Gresik Comonent Variabel 1 (b) Box_Usia Box_income Box_otr Box_uangmuka Box_angsuran Karakteristik masing-masing kelomok di Gresik daat dilihat ada tabel 7. Tabel 7 menunukkan bahwa secara umum kelomok 3 akan memiliki risiko kredit macet yang lebih besar dariada kelomok lain. Ini daat dilihat dari data laoran kantor cabang wilayah Gresik bahwa ada tahun 1 nilai FID untuk motor baru sebesar 3.36 ersen dibanding motor bekas yang hanya 3.18 ersen. Penghasilan kelomok 3 yang kurang dari R uta er bulan dan emilihan kredit untuk seeda motor baru inilah yang daat dadikan PT. X Finance untuk memberikan erhatian khusus dalam emberian kredit nantinya. F. K-Means Clsuter untuk Wilayah Lamongan Berdasarkan hasil analisis K-means cluster didaatkan umlah anggota masing-masing kelomok ada tabel 8. Tabel 8 menunukkan bahwa dari keseluruhan konsumen PT. X Finance di wilayah Lamongan sebanyak 55 orang konsumen di wilayah Lamongan berada ada cluster/kelomok 1, sedangkan sebanyak 71 orang konsumen berada ada kelomok, dan sebanyak 55 orang konsumen masuk dalam kelomok 3. Karakteristik masing-masing kelomok daat dilihat ada tabel 9. Tabel 9 menunukkan bahwa secara umum kelomok 1 akan memiliki risiko kredit macet yang lebih besar dariada kelomok lain. Ini daat dilihat dari data laoran kantor cabang wilayah Lamongan bahwa ada tahun 1 nilai FID untuk motor baru sebesar 3.73 ersen dibanding motor bekas yang hanya 3.7 ersen. Kondisi tersebut mengindikasikan bahwa risiko kredit macet di Lamongan banyak teradi ada embelian motor baru. Karakteristik enghasilan kelomok 1 yang kurang dari R uta er bulan dan emilihan kredit Scatterlot of d vs q 1 15

6 JURNAL SAINS DAN SENI POMITS Vol., No., (13) (31-98X Print) D-36 untuk seeda motor baru inilah yang daat dadikan PT. X Finance untuk memberikan erhatian khusus dalam emberian kredit nantinya. V. KESIMPULAN DAN SARAN Berdasarkan hasil analisis tersebut didaatkan kesimulan sebagai berikut. 1. Konsumen di Gresik dan Lamongan memiliki karakteristik yang hamir sama dari segi harga On The Road (OTR), angka waktu kredit (tenor), usia konsumen, dan resentase down ayment (DP). Sementara dari segi sektor ekeraan konsumen, tie motor, status rumah, dan endaatan konsumen memiliki erbedaan.. Hasil analisis faktor untuk masing-masing wilayah terbentuk faktor. Wilayah Gresik indikator masingmasing faktor yaitu faktor 1 dengan indikator endaatan, uang muka, angsuran, dan harga on the road. Faktor dengan indikator usia. Sementara di Lamongan masing-masing indikator untuk faktor 1 meliuti harga on the road, uang muka, dan angsuran. Faktor meliuti usia dan endaatan. 3. Hasil analisis K-means cluster didaatkan 3 kelomok dengan karakteristik yang berbeda-beda untuk setia wilayah. Wilayah Gresik untuk kelomok 1 memiliki karakteristik usia berkisar 4-5 tahun, enghasilan kurang dari R uta, dan harga motor on the road (OTR) dibawah R 1 uta. Kelomok usia diatas 3 tahun, enghasilan diatas R 3 uta, dan harga OTR motor berkisar R 1-15 uta. Kelomok 3 usia dibawah 3 tahun, enghasilan dibawah R uta, dan harga OTR motor berkisar R 1-15 uta. 4. Wilayah Lamongan untuk kelomok 1 memiliki karakteristik usia konsumen antara -3 tahun, enghasilan dibawah R uta, dan harga OTR motor berkisar R 1-15 uta. Kelomok usia diatas 3 tahun, enghasilan diatas R 3 uta, dan harga OTR motor berkisar R 15- uta. Kelomok 3 usia konsumen diatas 4 tahun, enghasilan dibawah R uta, dan harga OTR motor di bawah R 1 uta. DAFTAR PUSTAKA [1] Efendi, R. (7). Analisis Manaemen Risiko Kredit Seeda Motor Honda Pada Perusahaan Multifinance di Indonesia (Studi Kasus Pada PT. PQR Finance). Fakultas Ekonomi dan Manaemen IPB, Bogor. [] Suciati, D. (8). Prediksi Kondisi Financial Distress Kredit Pemilikan Motor. Fakultas Ekonomi, Deartemen Manaemen UI, Deok. [3] Johnson, N. And Winchern, D. (). Alied Multivariate Statistical Analysis. USA: Prentice Hall Englewood Cliffs, N.J. [4] Sharma, S. (1996). Alied Multivariate Techniques. New York: John Wiley & Sons, Inc. Tabel 4 Nilai Ui Kecukuan Data Kaiser Meyer Olkin (KMO) dan Ui Barlett Nilai KMO-MSA Nilai ui Barlett,54. Tabel 5 Nilai Loading Factor dengan Rotasi Varimax untuk wilayah Lamongan Comonent Variabel 1 Box_Usia Box_income Box_otr Box_uangmuka Box_angsuran Tabel 6 Jumlah anggota masing-masing cluster di Gresik Klaster Jumlah Anggota Tabel 7 Karakteristik masing-masing kelomok di Gresik Indikator Kelomok 1 Kelomok Kelomok 3 1. Usia 4-5 tahun >3 tahun < 3 tahun. Sektor ekeraan Perdagangan Perindustrian Perindustrian 3. Persen DP %-5% >3% 1,5%-15% 4. Pendaatan < R uta > R 3 uta < R uta 5. Tie motor Yamaha Honda Honda 6. Kondisi Motor Bekas Baru Baru 7. Harga OTR < R 1 uta R 1-15 t R 1-15 uta Tabel 8 Jumlah anggota masing-masing cluster untuk wilayah Lamongan Klaster Jumlah Anggota Tabel 9 Karakteristik secara umum masing-masing kelomok di Lamongan Indikator Kelomok 1 Kelomok Kelomok 3 1. Usia -3 tahun > 3 tahun > 4 tahun. Sektor ekeraan Perdagangan Perdagangan Perdagangan 3. Pendaatan < R uta > R 3 uta < R uta UCAPAN TERIMA KASIH 4. Persen DP >3% >3% 17.5%-5% 5. Tie motor Yamaha Yamaha Yamaha Penulis mengucakan terima kasih keada ITS khususnya 6. Kondisi urusan Statistika yang telah membimbing enulis dalam Baru Baru Bekas Motor mengerakan Tugas Akhir sebagai syarat klulusan 7. Harga OTR R 1-15 uta R 15- uta < R 1 uta [5] Hair, J. F., R.E. Anderson, R.L. Thatam, dan W.C. Black. (6). Multivariate Data Analysis, sixth edition. UK: Prentice Hall International. [6] Sutanto, H. T. (9). Cluster Analysis. Seminar Nasional Matematika dan Pendidikan Matematika (hal ). Yogyakarta: Jurusan Pendidikan Matematika FMIPA UNY. [7] Dinarto, B. (). Banking Asset Liability Management. Jakarta: Gramedia Pustaka Utama. [8] Kasmir. (4). Manaemen Perbankan. Jakarta: PT. Raa Grafindo Persada. [9] Coyle, B. (). Framework For Credit Risk Management. United Kingdom: CIB Publishing. [1] Tambuolon, R. (5). Risk and Sytem Based Internal Auditing. Jakarta: PT. Elex Komutindo.