Analisis Model Peramalan Kredit. Kendaraan Bermotor. Astra Credit Companies (ACC)

Transkripsi

1 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 kuantitatif karena berdasarkan data dari hasil pengukuran, dan

2 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 ( Y pred ) 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, membuat semakin ketatnya persaingan ini.

3 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 data-datanya, desain penelitiannya, dan juga tujuan penelitiannya.

4 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 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 dari kredit yang bermasalah (macet).

5 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 permasalahanpermasalahan mengenai hubungan antara dua kelompok variabel tersebut. Dalam menggunakan metode analisis diskriminan, variabel tersebut diuji terlebih dahulu menggunakan uji normalitas, apabila berdistribusi normal maka dapat melakukan analisis diskriminan.

6 2.4. Hasil Penelitian Model Peramalan Status Kredit Kendaraan Bermotor Tabel 4.9 Model Peramalan Status Kredit Kendaraan Bermotor Casewise Statistics Highest Group Second Highest Group Discriminant Scores P(D>d Squared Squared G=g) Mahalanobis Mahalanobis Case Actual Predicted Distance to Distance to Number Group Group p df P(G=g D=d) Centroid Group P(G=g D=d) Centroid Function ** ** **

7 ** ** ** ** ** ** ** ** *misclassified case Tabel 4.10 Model Peramalan Status Kredit Kendaraan Diprediksi Lunas Diprediksi Kredit Lunas Case Number Actual Group Predicted Group

8 Tabel 4.11 Model Peramalan Status Kredit Kendaraan Diprediksi Macet Diprediksi Kredit Macet Case Number Actual Group Predicted Group

9 Tabel 4.12 Model Peramalan Status Kredit Kendaraan Area Kritis Area Kritis Case Number Actual Group Predicted Group

10 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 Results a Predicted Group Membership Y KREDIT MACET KREDIT LUNAS Total Original Count KREDIT MACET KREDIT LUNAS % KREDIT MACET KREDIT LUNAS a. 72.5% of original grouped cases correctly classified. Interprestasi Hasil : Dari hasil klasifikasi di atas, dapat disimpulkan bahwa model peramalan status kredit kendaraan bermotor memiliki tingkat akurasi sebesar 72.5%

11 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 monitoring kredit kendaraan bermotor dilakukan dengan ketat.

12 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 : PT Semesta Asa Bersama.

13 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, 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, Purwanto, Wawan, H. (2011). Risiko Manajemen Perbankan. Jakarta : CMB Press

14 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 Analysis. Tenth Edition. USA : Mc Graw Hill