Perancangan Model Penyaluran Kredit Usaha Rakyat di BPD Cabang X dengan Menggunakan Agent-based Modeling and Simulation

Transkripsi

1 JURNAL TEKNIK, (2013) Perancangan Model Penyaluran Kredit Usaha Rakyat di BPD Cabang X dengan Menggunakan Agent-based Modeling and Simulation Tatbita Titin Suhariyanto, Moses Laksono Singgih, Bambang Syairudin Teknik Industri, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya moseslsinggih@gmail.com,bambangsy@yahoo.com,tatbita@gmail.com Abstrak Kredit Usaha Rakyat (KUR) merupakan program penanggulangan kemiskinan berbasis pemberdayaan ekonomi mikro dan kecil. Penelitian ini fokus pada pelaksanaan KUR di BPD Cabang X. Adanya saling ketergantungan antar pihak pelaksana KUR (bank dan debitur) dan ketidakpastian kemampuan debitur dalam mengembalikan kredit mengakibatkan tingginya nilai kredit bermasalah (Non-Performing Loan) yang terjadi di BPD Cabang X (22%). Tujuan penelitian adalah menurunkan nilai NPL melalui perancangan model berbasis agen yang dapat merepresentasikan problem eksisting dengan menggunakan Agent-based Modeling and Simulation (ABMS). Penelitian ini fokus pada kredit yang telah disalurkan kepada debitur dan tidak melibatkan perusahaan penjamin sebagai salah satu agen pemodelan. Asumsi dalam penelitian ini adalah metode perhitungan pokok tiap bulan menggunakan metode flat dan cadangan dana KUR di bank tidak tebatas. Ada dua model yang dirancang dalam penelitian ini. Model pertama adalah mengatur probabilitas debitur membayar atau tidak membayar berdasarkan periode cicilan. Skenario perbaikan yang dirancang untuk memperbaiki model simulasi 1 dilakukan dengan menambah probabilitas debitur pada kolektibiltas 2 untuk membayar kembali. Skenario ini dapat menurunkan nilai NPL antara 0%-2,4%. Model kedua adalah mengatur probabilitas debitur membayar atau tidak membayar berdasarkan kategori 5C (Character, Capacity, Capital, Condition, and Collateral) yang melekat pada masing-masing debitur. Ada dua skenario perbaikan dalam model ini. Skenario perbaikan pertama hanya melibatkan debitur kategori 1 dalam simulasi dan menghasilkan nilai NPL sebesar 0%. Skenario perbaikan kedua melibatkan debitur kategori 1 dan 2 dalam simulasi dan menghasilkan nilai NPL antara 4,6%-11,4%. Kata Kunci Kredit Usaha Rakyat (KUR), Non-Performing Loan, Model, Agent-based Modeling and Simulation I. PENDAHULUAN KREDIT Usaha Rakyat (KUR) adalah program pemerintah yang bertujuan untuk memberikan akses dan penguatan ekonomi bagi pelaku usaha berskala mikro dan kecil. KUR diberikan kepada UMKMK (Usaha Mikro, Kecil, dan Menengah dan Koperasi) yang memiliki usaha produktif yang feasible namun belum bankable sehingga UMKMK tersebut dapat menjalankan usahanya. Realisasi penyaluran KUR dari tahun dapat dilihat pada Tabel 1.1, dimana realisasi KUR pada 2012 lalu mencapai Rp 32,6 triliun. Angka ini lebih tinggi 8,67% dibandingkan target awal yang ditetapkan Kementerian Koperasi dan Usaha Kecil Menengah yang sebesar Rp 30 triliun. Sampai bulan Januari 2013, terlihat bahwa realisasi penyaluran KUR sudah mencapai Rp 5,374 triliun atau 14,9% dari target yang ditetapkan sebesar Rp 36 triliun.[1] Penyaluran KUR yang sudah melebihi target ini menunjukkan bahwa program sudah cukup efektif dalam memperkuat permodalan UMKMK. Namun, keberhasilan KUR tidak hanya diukur dari aspek kemampuan penyaluran. Menurut Syarif, ada dua permasalahan mendasar, yaitu pengembalian pinjaman dan pemanfaatan pinjaman KUR. [2] Pengembalian pinjaman KUR dinilai macet di beberapa bank. Selain itu, dari aspek pemanfaatan pinjaman, belum dilakukan evaluasi untuk memastikan apakah penyaluran KUR sudah tepat sasaran dan sudah dimanfaatkan dengan baik oleh para peminjam. Kebijakan pemerintah untuk meningkatkan penyaluran KUR berdampak pada BPD X. Sebagai BPD penyalur KUR terbesar di Indonesia, BPD X telah mampu menyalurkan KUR sebanyak Rp 3.3 triliun. Namun, dalam pelaksanaannya, bank menghadapi beberapa permasalahan. Pada tahun 2013 ini, BPD X mengurangi penyaluran KUR [3]. Sukrianto menjelaskan bahwa pengurangan penyaluran KUR ini disebabkan karena kredit macet di bank mayoritas disumbang oleh KUR sebesar 10%. Selain itu, tingkat gagal bayar mencapai 3,25% dari debitur. Presentase ini naik dibanding periode yang sama pada tahun lalu sebesar 2,96%. Kredit macet ini disebabkan sejumlah usaha bisnis yang dijalankan oleh debitur mengalami gangguan sehingga debitur sulit mengembalikan kredit. Tingginya kredit macet ini akan menyumbang peningkatan nilai Non Performing Loan (NPL) yang mengakibatkan performansi bank menjadi buruk. BPD Cabang X, salah satu cabang terbesar BPD X, telah menyalurkan KUR untuk kredit modal kerja dan investasi kepada 119 debitur. Plafond yang telah disalurkan sebesar Rp 41,593 miliar. Namun, penyaluran KUR yang besar ini tidak diikuti dengan lancarnya pengembalian kredit, sehingga nilai NPL di bank ini sebesar 57,62%. Padahal, sebuah bank dinilai memiliki performansi yang baik apabila

2 JURNAL TEKNIK, (2013) NPL di bawah 5%. Dengan melihat permasalahan tersebut, secara khusus, penelitian ini mengambil studi kasus penyaluran KUR di BPD Cabang X. Tingginya nilai NPL yang terjadi di BPD Cabang X diakibatkan adanya sejumlah UMKMK yang gagal dalam menjalankan usaha bisnisnya. Dengan kegagalan bisnis ini, UMKMK tidak dapat mengembalikan pinjaman kredit yang telah diberikan. Adanya ketidakpastian dari usaha bisnis UMKMK dan saling ketergantungan antara bank dengan UMKMK, permasalahan ini memerlukan solusi yang tepat untuk menyelesaikannya. Pemodelan adalah salah satu cara untuk menyelesaikan problem di dunia nyata dimana prototype atau eksperimen sangat sulit untuk diterapkan dalam sistem nyata [4]. Ketidakpastian dan saling ketergantungan dalam permasalahan KUR mengakibatkan kompleksitas dimana dinamisasi waktu merupakan aspek yang penting, sehingga pemodelan simulasi dapat memberikan solusi yang lebih baik [4]. Agent-based modeling and simulation (ABMS) adalah salah satu jenis simulasi yang sering digunakan untuk menyelesaikan permasalahan organisasi. Dalam beberapa kasus, ABMS merupakan pemodelan yang sesuai untuk menyelesaikan problem dalam skala besar dan memiliki keunggulan dibandingkan pemodelan simulasi konvensional [5]. Jika dibandingkan dengan discrete event simulation, pendekatan ABMS lebih umum dan unggul karena dapat menangkap permasalahan yang lebih kompleks dan dinamis [4]. ABMS ini dibangun dengan menganalisis aktor-aktor yang berpengaruh dalam sistem yang kemudian akan dijadikan agen dalam simulasi. Dari model tersebut, dapat dilakukan perbaikan terhadap perilaku agen yang tidak baik dalam sistem. II. URAIAN PENELITIAN A. Tahap Telaah Pustaka 1) Analisis Kredit Prinsip analisis kredit dalam dunia perbankan dikenal dengan konsep 5C (Character, Capacity, Capital, Condition, and Collateral). Prinsip ini digunakan untuk mengevaluasi kelayakan calon debitur, apakah calon debitur tersebut pantas mendapatkan kredit atau tidak. Berikut ini adalah penjabaran masing-masing aspek 5C. Character (Watak) Karakter pemohon kredit merupakan aspek yang paling diutamakan dari seluruh aspek 5C. Hal ini terkait dengan bagaimana kemauan pemohon kredit untuk mengembalikan kredit. Informasi tentang karakter pemohon kredit dapat diperoleh dengan cara mengumpulkan informasi dari referensi debitur dan bank-bank lain tentang perilaku, kejujuran, pergaulan, dan ketaatannya memenuhi pembayaran transaksi. Capacity (Kemampuan) Kemampuan membayar kredit berkaitan dengan bagaimana cara pemohon kredit dapat mengolah usaha bisnisnya sehingga mampu membayar kredit. Capital (Modal) Modal dari calon debitur harus dianalisis mengenai besar dan struktur modalnya yang terlihat dari neraca lajur perusahaan calon debitur. Condition (Kondisi) Analisis kondisi yang harus dilakukan melingkupi kondisi regional, nasional maupun internasional. Collateral (Jaminan) Penilaian yang perlu dilakukan dalam aspek jaminan meliputi nilai jaminan dimasa depan (future value) dan tingkat kemudahan mengkonversi menjadi uang tunai (marketability). 2) Performing Loan Performing loan merupakan jenis kredit dimana nasabah mengembalikan kredit dengan lancar atau terjadi tunggakan sampai dengan 90 hari [6]. Performing loan dibagi menjadi dua yaitu kredit lancar dan kredit dalam perhatian khusus. Kredit lancar yaitu kredit yang dibayar tanpa menunggak. Sedangkan kredit dalam perhatian khusus adalah kredit yang tertunggak baik angsuran, pinjaman pokok, dan pembayaran bunga, namun tunggakannya tidak melebihi 90 hari. [7] Tabel 1Jenis Performing Loan Kategori Rentang Waktu Jenis Kredit Kolektibilitas Pembayaran Kredit Kolektibilitas 1 Kredit Lancar Setiap tanggal jatuh tempo Kolektibilitas 2 Kredit dalam Perhatian Khusus Kurang dari 90 hari 3) Non Performing Loan (NPL) NPL merupakan rasio atau perbandingan yang digunakan untuk mengukur kemampuan bank (kreditur) dalam menanggung risiko kegagalan pembayaran kredit oleh debitur. Nilai NPL merupakan cerminan dari risiko kredit. Dengan kata lain, semakin kecil nilai NPL maka semakin kecil pula risiko kredit yang harus ditanggung oleh bank. Oleh karena itu, sebelum pemberian kredit harus dilakukan analisis yang tepat dan selektif dalam memberikan kredit. Berdasarkan ketentuan dari Bank Indonesia, kredit bermasalah digolongkan menjadi tiga tipe, yaitu kredit kurang lancar, kredit diragukan, dan kredit macet. Tabel 2Jenis Non Performing Loan Kategori Rentang Waktu Jenis Kredit Kolektibilitas Pembayaran Kredit Kolektibilitas 3 Kredit Kurang Lancar 91 hari hari Kolektibilitas 4 Kredit Diragukan 121 hari hari Kolektibilitas 5 Kredit Macet Lebih dari 180 hari Nilai NPL dapat dihitung dari perbandingan antara kredit bermasalah dengan total kredit yang disalurkan oleh bank Kemudian, dari perhitungan rasio tersebut, terdapat dua kategori nilai NPL. NPL yang sehat memiliki rasio di bawah 5%. Sedangkan NPL yang tidak sehat memiliki rasio di atas 5% [7]. Jumlah Kredit Bermasalah NPL x100% (2.1) Total Kredit 4) Agent-based Modeling and Simulation Agent-based modeling adalah sebuah model dimana agen dapat berinteraksi berulang kali. Sebagai contoh, ketika agen mengoptimalkan perilaku kolektif mereka melalui pertukaran informasi sederhana yang sering dilakukan koloni semut. Cara ini bertujuan untuk memperoleh hasil akhir yang dinginkan yaitu sistem yang optimal. ABMS merupakan sebuah pendekatan baru untuk memodelkan suatu sistem dengan menggambarkan interaksi antar agent secara autonomous (mandiri) [5]. ABMS dapat diterapkan dalam area yang luas dengan memodelkan perilaku agent. Karena keunggulan ABMS dibanding

3 JURNAL TEKNIK, (2013) pemodelan konvensional, ABMS mendapatkan perhatian khusus dari kalangan peneliti selama 10 tahun terakhir ini. ABMS yang fokus pada interaksi agen membuat sistem simulasi ini dipilih untuk menyelesaikan masalah KUR yang melibatkan banyak stakeholder. Pada dasarnya, stakeholder yang terlibat dalam KUR saling berkaitan dan memiliki pola perilaku masing-masing. Dengan memodelkan sistem penyaluran KUR dengan ABMS dapat diketahui perilaku agen yang bermasalah, sehingga dapat dilakukan pengembangan skenario perbaikan. Alasan mengapa metode ABMS dipilih untuk memecahkan permasalahan KUR adalah beragamnya perilaku UMKMK dalam hal pengembalian kredit dan ketidakpastian yang dihadapi UMKMK dalam mengembalikan kredit. B. Metodologi Penelitian Dalam penelitian ini dilakukan tiga tahapan, yaitu: 1. Tahapan Pendahuluan Pada tahap ini akan dilakukan studi lapangan dan studi literatur. Studi lapangan dilakukan untuk mengetahui kondisi permasalahan pada pelaksanaan Kredit Usaha Rakyat (KUR) di BPD Cabang X. Informasi dari studi lapangan meliputi aktor-aktor yang berpengaruh dalam pelaksanaan KUR dan permasalahan mendasar dari pelaksanaan KUR.Studi literatur dilakukan untuk mendapatkan referensi terkait pendalaman permasalahan penelitian dan penentuan solusi perancangan model. 2. Tahapan Pengumpulan dan Pengolahan Data Pengumpulan data dilakukan untuk mendapatkan data yang dipakai sebagai input tahap pengolahan data dan tahap perancangan model. Data-data yang akan dikumpulkan antara lain visi misi dan struktur organisasi perusahaan, data UMKMK yang mengajukan KUR di BPD Cabang X, data kondisi usaha UMKMK yang mendapatkan KUR, dan data pembayaran angsuran kredit. Sebelum merancang model simulasi, perancangan model konseptual dilakukan terlebih dahulu untuk mengetahui gambaran sistem secara keseluruhan. Perancangan model konseptual dilakukan dengan mengidentifikasi agen yang terlibat dan menggambarkan hubungan interaksi antar agen. Pembuatan model konseptual dilakukan dengan Data Flow Diagram (DFD) agar dapat mengetahui aliran data antar agen. Untuk membangun model simulasi, terlebih dahulu perlu dilakukan perancangan diagram causal loop, identifikasi peran tiap agen, dan penilaian terhadap peran tiap agen. Perancangan model simulasi dilakukan dengan menggunakan bantuan software netlogo. Kemudian, melakukan uji validasi dengan menggunakan t-test.untuk mencapai tujuan dalam penelitian ini, langkah awal yang dilakukan dalam merancang skenario perbaikan adalah mengidentifikasi hal-hal yang dapat meningkatkan nilai NPL. Kemudian, dirancang beberapa skenario perbaikan yang dapat menurunkan nilai NPL.Dari beberapa skenario perbaikan tersebut dilakukan uji signifikansi dilakukan menggunakan ANOVA (Analysis of Variance) dengan bantuan software SPSS. pengambilan kesimpulan dari penelitian dan pemberian saran berdasarkan penelitian yang telah dilakukan. C. Perancangan Model Konseptual dan Causal Loop Diagram Dalam data flow diagram, model digambarkan berdasarkan sudut pandang dari bank. Entitas eksternal yang terlibat dalam sistem adalah Unit Mikro Kecil (UMK) dan Jamkrindo. Dimulai dari UMK mengajukan KUR dengan membawa berkas-berkas pengajuan yang dibutuhkan. Pengajuan KUR ini diterima oleh bagian operasional kredit, kemudian bagian tersebut mencatatnya dan terjadi penyimpanan data pengajuan KUR yang masih dalam status pending. Data ini digunakan oleh bagian operasional kredit untuk menganalisis kelayakan usaha calon debitur. Dari hasil analisis tersebut, dapat diperoleh data calon debitur layak dan tidak layak. Data calon debitur yang layak akan digunakan oleh komite untuk memberikan persetujuan berapa jumlah plafond yang harus diberikan. Apabila telah mencapai kesepakatan jumlah plafond, maka bagian operasional kredit akan menyalurkan KUR tersebut dan memberikan surat realisasi KUR yang berisi perjanjian antara bank dan debitur, serta sejumlah uang sesuai besarnya plafond yang telah disepakati. Proses selanjutnya adalah pembuatan laporan penjaminan oleh bagian operasional kredit yang diserahkan kepada Jamkrindo dalam bentuk laporan penjaminan debitur dan Jamkrindo akan memberikan polis penjaminan berupa surat. Kemudian, kewajiban UMK untuk mengembalikan angsuran sesuai tanggal jatuh tempo dan pencatatan pembayaran kredit dilakukan oleh bagian operasional kredit. Jika ada kredit bermasalah, maka bank dapat mengajukan laporan klaim kepada Jamkrindo dan Jamkrindo akan memberikan uang klaim kepada bank. Karena fokus pada debitur yang sudah mendapatkan KUR, maka proses yang akan disimulasikan adalah penyaluran KUR dan pencatatan pembayaran kredit. Dari model di bawah ini, terdapat aliran data pihak Jamkrindo yang digambarkan dengan garis putus-putus. Garis ini menandakan bahwa pihak Jamkrindo belum terlibat secara langsung dalam sistem. Dalam sistem eksisting, pihak Jamkrindo belum terlibat dalam pemberian uang klaim karena beberapa kendala administrasi yang dialami oleh bank. Namun, secara teori, pihak Jamkrindo seharusnya terlibat dalam proses pemberian uang klaim. 3. Tahapan Analisis dan Penarikan Kesimpulan Tahap ini merupakan tahap analisis dan interpretasi dari model yang dirancang berdasarkan kondisi eksisting dan skenario perbaikan yang dirancang. Langkah terakhir adalah

4 JURNAL TEKNIK, (2013) Operasional Kredit Mencatat pembayaran kredit DS4 Data pembayaran kredit 4 Operasional Kredit Menyalurkan KUR sebesar jumlah plafond yang telah disepakati DS1 Data pengajuan KUR (pending) Data nasabah tidak DS2 layak DS3 Data nasabah layak Gambar 1 Model Konseptual Penyaluran KUR dalam Data Flow Diagram Perancangan causal loop diagram dilakukan untuk mengetahui hubungan sebab akibat dalam sebuah sistem. Dalam causal loop diagramini, dimulai dari kemampuan debitur dalam mengembalikan kredit yang dipengaruhi oleh performansi aspek 5C debitur. Semakin baik performansinya, maka akan meningkatkan kemampuan debitur dalam membayar kredit. Performansi yang baik dalam aspek 5C berarti debitur memiliki karakter, kapabilitas, modal, kondisi usaha, dan jaminan yang baik. Performansi 5C ini mempengaruhi besarnya kredit bermasalah dan kredit lancar. Semakin baik performansi 5C debitur dapat meningkatkan jumlah kredit lancar dan mengurangi kredit bermasalah. Kemampuan debitur dalam membayar kredit mengurangi tingkat kemacetan pembayaran kredit. Semakin tinggi tingkat kemacetan, maka akan mempengaruhi banyaknya sistem evaluasi/monitoring yang harus dilakukan. Sistem evaluasi/monitoring yang intensif dapat mengurangi tingkat kemacetan. Tingkat kemacetan yang rendah dapat meningkatkan nilai kredit lancar dan kredit lancar yang tinggi dapat menurunkan nilai NPL. Namun sebaliknya, tingkat kemacetan yang tinggi mengakibatkan jumlah kredit bermasalah yang semakin meningkat. Kredit bermasalah yang tinggi disebabkan oleh keterlambatan pembayaran kredit yang lama. Keterlambatan pembayaran kredit akan mempengaruhi tingkat kemacetan pembayaran kredit. Semakin terlambat kredit tersebut dibayar, maka tingkat kemacetan semakin tinggi. Semakin besar kredit yang lancar, maka akan mengurangi nilai NPL. Sebaliknya, semakin besar kredit bermasalah akan menyebabkan besarnya nilai NPL. Nilai NPL ini akan memperbesar uang klaim yang harus diberikan. Dengan adanya uang klaim dapat mengurangi nilai NPL dan jumlah kredit bermasalah. Seperti penjelasan pada model konseptual DFD, peran Jamkrindo belum dirasakan pada sistem eksisting. Oleh karena itu, pembayaran klaim digambarkan dengan garis putus-putus. Causal loop diagram ini telah diverifikasi oleh expert judgement dari pihak BPD Cabang X. D. Perancangan Alur Algoritma Pemrograman Alur algoritma pemrograman yang digunakan untuk membangun simulasi dimulai dari data aspek 5C dari tiap debitur yang mendapatkan kredit. Selanjutnya, debitur tersebut mendapatkan plafond sesuai dengan kesepakatan ketika akad kredit. Untuk mengetahui pokok tiap bulan, maka dilakukan perhitungan besarnya plafond dibagi dengan lama angsuran. Debitur wajib membayar sebesar pokok tiap bulan yang sudah ditentukan tersebut. Apabila debitur membayar tepat waktu atau tepat ketika jatuh tempo, maka akan dihitung baki debetnya. Baki debet adalah sisa yang harus dibayar oleh debitur. Nilai ini diperoleh dari plafond dikurangi dengan pokok yang telah dibayar. Selanjutnya, baki debet dari debitur ini dikategorikan sebagai baki debet K1. Kemudian, apabila debitur terlambat 1 sampai 90 hari maka harus dihitung terlebih dahulu, jumlah keterlambatan atau tunggakannya (K). Nilai K diperoleh dari jumlah keterlambatan dibagi 30 hari, sehingga akan diperoleh jumlah keterlambatan sebesar k bulan. Pokok yang telah dibayar dihitung dari pokok tiap bulan dikalikan dengan jumlah bulan dimana debitur tersebut membayar tepat waktu (n - Kn bulan). Selanjutnya, baki debet diperoleh dari plafond dikurangi pokok yang telah dibayar. Baki debet debitur yang terlambat 1 sampai 90 hari ini akan dikategorikan sebagai baki debet K2. Begitu seterusnya pada debitur yang terlambat hari, hari, dan lebih dari 180 hari. Baki debet debitur yang terlambat hari akan dikategorikan sebagai baki debet K3. Baki debet debitur yang terlambat hari akan dikategorikan sebagai baki debet K4. Baki debet debitur yang terlambat lebih dari 180 hari akan dikategorikan sebagai baki debet K5. Selanjutnya, nilai NPL diperoleh dari total baki debet K3, baki debet K4, dan baki debet K5 dibagi dengan total baki debet keseluruhan. Nilai NPL ini akan dihitung per 30 hari.

5 JURNAL TEKNIK, (2013) E. Perancangan Model Simulasi dan Skenario Perbaikan dengan Agent-based Modeling and Simulation Ada dua model simulasi yang dirancang dalam penelitian ini. Model simulasi 1 adalah model yang dirancang berdasarkan probabilitas bayar atau tidak membayar para debitur di setiap periode cicilan. Misalkan, pada periode cicilan pertama, debitur memiliki probabilitas membayar sebesar 100%, maka semua debitur akan membayar pokok pada periode cicilan pertama. Berdasarkan data historis, kecenderungan debitur selalu membayar pokok pada cicilan pertama hingga cicilan kesembilan. Oleh karena itu, pihak bank perlu memantau pergerakan debitur yang umur cicilannya berkisar pada periode cicilan kesepuluh. Periode ini merupakan periode kritis dimana peluang debitur untuk tidak membayar akan semakin besar. Kenaikan tren probabilitas debitur yang tidak membayar ini juga diikuti dengan kecenderungan debitur yang sekali tidak membayar, maka periode selanjutnya, debitur tersebut juga tidak membayar. Kecenderungan inilah yang menyebabkan bertambahnya debitur pada kolektibilitas 3, 4, dan 5 dari waktu ke waktu. Bertambahnya debitur pada kategori ini akan meningkatkan nilai non performing loan. Melihat kondisi ini, maka skenario perbaikan yang diusulkan adalah melakukan monitoring pada debitur yang sudah berada pada kolektibilitas 2. Usulan ini merupakan usulan preventif untuk mencegah debitur masuk ke dalam kategori kredit bermasalah. Grafik perbandingan nilai NPL model simulasi dibandingkan dengan NPL skenario perbaikan berbeda signifikan. Dengan monitoring yang dilakukan pihak bank pada debitur kolektibilitas 2, dapat menekan nilai NPL dibawah 0%-2,4%. Nilai NPL di bawah 5% ini akan membuat penilaian performansi bank menjadi baik. Selain itu, dengan adanya monitoring dari pihak bank, dapat membuat nilai NPL stabil dari waktu ke waktu. Gambar 4 menunjukkan grafik perbandingan nilai NPL pada model simulasi eksisting dengan nilai NPL pada skenario perbaikan. Non Performing Loan Grafik Perbandingan NPL Model 1 dengan Skenario Perbaikan analis kredit pihak bank. Tabel 4 menunjukkan lima kombinasi kategori 5C. Tabel 3Kombinasi Kategori 5C Kategori Character Capacity Capital Condition Collateral (C1) (C2) (C3) (C4) (C5) 1 Yes Yes Yes Yes Yes 2 No Yes Yes Yes Yes 3 No No Yes Yes Yes 4 No No No Yes Yes 5 No No No No Yes Dari hasil simulasi, ternyata kategori 5C yang melekat pada setiap debitur sangat mempengaruhi nilai NPL. Ketika debitur dengan kategori 3, 4, dan 5 berjumlah banyak, maka akan meningkatkan nilai NPL. Namun sebaliknya, ketika banyak debitur pada kategori 1 maupun 2, nilai NPL dapat diturunkan. Skenario perbaikan yang direkomendasi untuk model simulasi ini ada dua. Skenario pertama (Skenario Perbaikan 2.1) adalah dengan memperketat penerimaan debitur, sehingga pihak bank hanya menerima debitur yang memiliki kategori 5C Yes-Yes-Yes-Yes-Yes (kategori 1). Skenario ini dapat menurunkan nilai NPL hingga 0% karena semua debitur membayar pokok tiap bulan secara tepat waktu. Skenario perbaikan kedua (Skenario Perbaikan 2.2) adalah pengembangan skenario pertama. Skenario ini lebih melonggarkan penerimaan debitur, sehingga debitur yang diterima adalah debitur pada kategori 1 dan kategori 2. Skenario ini dapat menurunkan nilai NPL hingga 8%. Nilai ini dirasa masih cukup tinggi karena melebihi 5%. Nilai NPL yang tetap tinggi ini disebabkan adanya potensi debitur yang tidak membayar, yaitu debitur pada kategori 2. Gambar 5.3 menunjukkan grafik perbandingan nilai NPL dari model simulasi eksting dengan dua skenario perbaikan. Non Performing Loan Grafik Perbandingan NPL Model Simulasi 2 dengan Skenario Perbaikan 2.1 dan Skenario Perbaikan Model Simulasi 2 Skenario Perbaikan 2.1 Skenario Perbaikan 2.2 Gambar 3 Grafik Perbandingan NPL Model Simulasi 2 dengan Skenario Perbaikan 2.1 dan Skenario Perbaikan 2.2 Model 1 Skenario 1 Gambar 2 Grafik Perbandingan Nilai NPL Model Simulasi 1 dengan NPL Skenario Perbaikan 1 Konsep model simulasi 2 dirancang dengan mengatur pergerakan para debitur berdasarkan kategori 5C. Kategori 5C ini merupakan lima kategori yang dianalisis bank ketika debitur mengajukan kredit, yaitu Character (Watak), Capacity (Kemampuan), Capital (Modal), Condition (Kondisi), dan Collateral (Jaminan). Pada model simulasi eksisting, ada lima kombinasi kategori 5C yang diperoleh dari hasil observasi

6 JURNAL TEKNIK, (2013) III. SIMPULAN/RINGKASAN Simpulan yang didapatkan dari penelitian ini antara lain adalah : 1) Perancangan model berbasis agen dilakukan dengan dua konsep. Konsep model pertama adalah mengatur probabilitas debitur membayar atau tidak membayar berdasarkan periode cicilan. Konsep model kedua adalah mengatur probabilitas debitur membayar atau tidak membayar berdasarkan kategori 5C yang melekat pada masing-masing debitur. Kedua model ini telah dilakukan uji verifikasi, uji validasi internal, dan uji validasi eksternal. Dari hasil uji tersebut, dapat disimpulkan bahwa model telah berdistribusi normal dan menyerupai sistem nyata. 2) Ada tiga skenario perbaikan yang dirancang dalam penelitian ini. Skenario perbaikan 1 dirancang untuk memperbaiki model simulasi 1 dengan melakukan menambah probabilitas debiturkolektibilitas 2 untuk membayar kembali. Skenario ini dapat menurunkan nilai NPL antara 0% sampai 2,4%. Skenario perbaikan 2.1 dan 2.2 dirancangn untuk memperbaiki model simulasi 2. Skenario perbaikan 2.1 hanya melibatkan debitur kategori 1 dalam simulasi dan menghasilkan nilai NPL sebesar 0%. Skenario perbaikan 2.2 melibaykan debitur kategori 1 dan 2 dalam simulasi dan menurunkan nilai NPL antara 4,6% sampai 11,4%. Kemudian, dirancang peta skenario perbaikan untuk mengetahui kelebihan dan kekurangan masing-masing skenario. [Accessed March 28, 2013] [4] Borshchev, A. & Filippov, A., From System Dynamics and Discrete Event to Practical Agent Based Modeling : Reasons, Techniques, Tools. [5] Macal, C.M. & North, M.J., Agent-Based Modeling and Simulation. In Proceedings of the 2009 Winter Simulation Conference. Argonne, United States of America, pp [6] Ismail Akuntansi Bank. Jakarta : Penerbit Kencana. [7] Bank Indonesia, Peraturan Bank Indonesia Nomor 6/9/PBI/2004 tentang Tindak Lanjut Pengawasan dan Penetapan Status Bank. Saran atau rekomendasi yang dapat diberikan untuk perbaikan dan penelitian selanjutnya adalah: 1) Perlu dilakukan penelitian lebih lanjut mengenai analisis 5C (Character, Capacity, Capital, Condition, dan Collateral) agar dapat membuat model simulasi yang lebih mendalam. 2) Model dapat dikembangkan untuk melakukan perhitungan pokok tiap bulan yang tidak menggunakan metode flat. 3) Model dapat dikembangkan dengan menambah agen baru, seperti perusahaan penjamin dan pemerintah. UCAPAN TERIMA KASIH Penulis Tatbita Titin Suhariyanto berterima kasih kepada Bapak Moses L. Singgih selaku dosen pembimbing dan Bapak Bambang Syairudin selaku dosen ko-pembimbing yang sudah memberikan arahan dan ilmu bagi penulis. Pak Adjin Supriyantono dan Mbak Desak Made Shanti Sidan selaku bagian operasional kredit bank yang telah memberikan arahan dan dukungan untuk penulis. Serta semua pihak yang telah membantu dan mendukung dalam penyelesaian Tugas Akhir ini. DAFTAR PUSTAKA [1] Komite Kredit Usaha Rakyat, Sebaran Penyaluran Kredit Usaha Rakyat Periode November FEBRUARI Available at: [Accessed March 28, 2013] [2] Syarif, T., Prospek dan Kendala KUR dalam Mendukung Perkuatan Permodalan UKMK, Bidang Pengkajian Sumberdaya dan UKM dan Koperasi, Kementrian Negara Koperasi dan UKM. [3] Sukrianto, H., Banyak Kredit Macet, Bank Jatim Kurangi Penyaluran KUR. economy.okezone.com, p.1. Available at: