seminar tugas akhir gedung h lt. 2 / selasa, 09 juli...
Post on 09-Mar-2019
214 Views
Preview:
TRANSCRIPT
Jurusan StatistikaFakultas Matematika dan Ilmu Pengetahuan Alam
Institut Teknologi Sepuluh Nopember Surabaya2013
Oleh:Dwi Joko F.R (1309100100)
Dosen Pembimbing:Drs. Kresnayana Yahya, M.Sc
SEMINAR TUGAS AKHIR
Gedung H Lt. 2 / Selasa, 09 Juli 2013
12013-07-23
2
AGENDA
TINJAUAN
PUSTAKA
METODOLOGI
PENELITIAN
ANALISIS DAN
PEMBAHASAN
KESIMPULAN DAN
SARAN
DAFTAR PUSTAKA
2013-07-23
2013-07-23 4
RISIKO PENJUALAN MOTOR
KonsumenKebijakan Perusahaan
IPMPDRB
Internal Perusahaan
Ekonomi Social
Business Partner
Lingkungan Eksternal
Daya beli
DPTenorAngsuran
Kredit Overduedll
PertanianPerindustrianPHR
Jasa Keuangan, dll
Min DP 30%
52013-07-23
Perubahan struktur Demografi suatu wilayah, daya beli
masyarakat, dan kebijakkan pemerintah tetap
memberikan pengaruh terhadap risiko kredit.
Kenapa...???
Keragaman sumber
penghasilan dan latar
belakang konsumen.
Besarnya kredit macet/FID
(First Installment Default)
2012 sebesar 3,19 persen dan
3,91 persen
Mengetahui Risiko kredit
sepeda motor di PT. X
Finance
Dibuat Pengelompokan
Berdasarkan variabel
pembentuk risiko kredit
Karakteristik konsumen
PT. X Finance
6
Manfaat Pemerintah
Informasi ----> Kebijakan
Perusahaan
Informasi dan early
warning
2013-07-23
Manfaat PenelitianB A B I
72013-07-23
Batasan PermasalahanB A B I
Data yang digunakan adalah data dari konsumen PT. X Finance yang
mengambil kredit pada bulan Januari tahun 2012
Variabel yang digunakan ditentukan PT. X Finance dalam menilai
kualitas kredit konsumen
Analisis penilaian risiko kredit dilakukan hanya untuk konsumen
di wilayah Lamongan dan Gresik
8
TINJAUAN PUSTAKAB A B II
Statistika Deskriptif
Menurut Bhattacarya dan Johnson (1977), statistik deskriptif merupakan
statistik yang digunakan untuk mendeskripsikan atau menggambarkan obyek
penelitian yang diambil dari sampel maupun populasi.
Statistik deskriptif dapat juga digunakan untuk melihat hubungan antara dua
variabel yakni karakteristik pasien dan jenis penyakit mata dengan menggunakan
tabulasi silang. Tabulasi silang merupakan metode paling sederhana untuk melihat
hubungan dua variabel (Bhattacarya dan Johnson, 1977).
2013-07-23
9
Pemeriksaan distribusi multivariat normal pada data dapat dilakukan dengan
menghitung jarak kuadrat setiap observasi atau dengan menggunakan plot
Jarak kuadrat pengamatan dapat dihitung dengan menggunakan persamaan :
dengan := jarak kuadrat setiap pengamatan= vektor data pengamatan= vektor nilai rata-rata= matriks varian kovarian
Data dapat dikatakan berdistribusi multivariat normal apabila kurang dari 50% nilai
)()'( 12xxxxd jjj
2jd
jx
x
2)5,0(
2pjd
2013-07-23
Distribusi Multivariate NormalB A B II
Analisis Faktor
10
• Analisis faktor bertujuan untuk menggambarkan hubungan-hubungan
kovarian antara beberapa variabel yang mendasari tetapi tidak teramati
kuantitas random.
• Analisis faktor digunakan untuk mereduksi variabel-variabel dengan
mentranformasikan menjadi variabel baru yang lebih sedikit.
•Bentuk persamaan dari analisis faktor dapat ditulis sebagai berikut:
1121211111 ... mmFlFlFlX
2222212122 ... mmFlFlFlX
pmpmpppp FlFlFlX ...2211
: : :
2013-07-23
Analisis FaktorB A B II
11
Untuk beberapa kuantitas yang tak teramati, maka dapat diasumsikan bahwa:
1. F dan saling bebas, sehingga Cov (F, )=0(pxq)
2. E[F] =0(px1)
, Cov[F]=E[FF’]=I(pxp)
3. E[ ] =0(qx1) ,
Cov[ ]=E = = matriks diagonal
Secara garis besar tahapan-tahapan dalam melakukan analisis faktor adalah sebagai
berikut:
• Menghitung matriks korelasi antar semua variabel
• Melakukan ektraksi faktor
• Merotasi Faktor
• Estimasi loading factor dan factor score.
)(qxq]'[
p
qxq
00
0000
2
1
)(
2013-07-23
Analisis FaktorB A B II
12
Hipotesis uji barlett adalah sebagai berikut.
H0
: ρ = I (matriks korelasi merupakan matriks identitas)
H1: ρ ≠ I (matriks korelasi bukan merupakan matriks identitas)
Statistik uji
Dengan :
= rata-rata elemen diagonal pada kolom atau baris ke k dari matrik R (matrik
korelasi)
= rata-rata keseluruhan dari elemen diagonal
Daerah penolakan :
tolak H0
jika
p
i
ikk rp
r11
1
ki
ikrpp
r)1(
2
2
22
)1)(2()1(1)1(ˆ
rpp
rp
,
kr
r
;2/)2()1(2
ppT
p
k
k
ki
ik rrrrr
nT
1
22
2 )(ˆ)()1()1(
2013-07-23
Uji Barlett
(Kebebasan antar variabel)B A B II
13
Hipotesis dari KMO adalah sebagai berikut :
H0
: Jumlah data cukup untuk difaktorkan
H1: Jumlah data tidak cukup untuk difaktorkan
Statistik uji:
Dimana syarat data layak untuk dianalisis jika nilai KMO lebih besar
daripada 0,5 (Hair, et al, 2010).
Digunakan untuk melakukan pengujian kecukupan data pada analisis faktor sehingga
data layak dan cukup untuk dilakukan analisis faktor.
p
i
p
j
p
i
p
jijij
p
i
p
jij
ar
r
KMO
1 1 1 1
1 1
22
2
2013-07-23
Kaiser Meyer Olkin (KMO )B A B II
14
“Merupakan indeks untuk mengukur kecukupan sampling untuk setiap
variabel individual”
Hipotesis dari MSA adalah sebagai berikut.
H0
: Jumlah data pada variabel ke-i cukup untuk difaktorkan
H1
:Jumlah data pada variabel ke-i tidak cukup untuk difaktorkan
Statistik uji :
Jika nilai MSA > 0,5 maka variabel ke-i cukup untuk difaktorkan
p
j
p
jijij
p
jij
ar
r
MSA
1 1
1
22
2
2013-07-23
Measure of Sampling Adequency
(MSA)B A B II
15
• Cluster Analysis adalah teknik yang digunakan untuk
mengklasifikasikan observasi atau kasus (responden) dalam kelompok
yang relatif homogen yang dinamakan cluster (Sutanto, 2009).
• Pada Cluster Analysis, pengklasifikasian setiap observasi hanya boleh
masuk ke dalam satu cluster saja sehingga tidak terjadi tumpang
tindih (overlapping atau interaction).
• Metode K-means Cluster dilakukan dengan mendeskripsikan sebuah
algoritma dari metode Macquen yaitu memasukan tiap observasi
dalam suatu cluster yang mempunyai jarak sentroid atau nilai rata-
rata paling dekat
2013-07-23
K-Means ClusterB A B II
16
• kemampuan untuk memperoleh barang dan jasa
dengan memberikan janji untuk membayar pada
waktu tertentu (sesuai kesepakatan) di masa yang
akan datang
Djinarto (2000)
• penyediaan uang atau tagihan yang dapat dipersamakan
dengan itu, berdasarkan persetujuan atau kesepakatan pinjam
meminjam antara bank dengan pihak lain yang mewajibkan
pihak peminjam untuk melunasi hutangnya setelah jangka
waktu tertentu dengan jumlah bunga
UU No.7 tahun 1992
• memperoleh barang dengan membayar cicilan atau angsuran
di kemudian hari atau memperoleh pinjaman uang yang
pembayarannya dilakukan di kemudian hari dengan cicilan
atau angsuran sesuai dengan perjanjian
Kasmir(2004)
2013-07-23
Pengertian Kredit B A B II
Surat Keputusan Direksi Bank Indonesia (BI) NO.
32/268/KEP/DIR tanggal 27 Februari 1998 17
• Pembayaran angsuran pokok dan bunga tepat waktu.
• Memiliki mutasi rekening yang aktif.
• Bagian dari kredit yang dijamin dengan uang tunai
Kredit lancar
• Terjadi pelanggaran terhadap kontrak yang telah dijanjikan lebih dari
90 hari.
• Terjadi mutasi masalah keungan yang dihadapi debitur.
• Dokumentasi pinjaman lemah
Kredit
kurang lancar
• Terjadinya wanprestasi lebih dari 180 hari.
• Terjadi cerukan yang bersifat permanen.
• Terjadi kapitalisasi bunga.
• Dokumentasi hukum yang lemah baik untuk perjanjian maupun
pengikat pinjaman
Kredit
diragukan
• Terdapat tunggakan angsuran pokok yang telah melampaui 27 hari.
• Kerugian operasional dituntut dengan pinjaman baru.
• Jaminan tidak dapat dicairkan pada nilai waja, baik dari segi hukum
maupun segi kondisi pasar
Kredit macet
2013-07-23
Kolektibilitas KreditB A B II
182013-07-23
Penyebab Kredit MacetB A B II
1. Adanya salah urus dalam pengelolahan usaha bisnis perusahaan atau karena
kurang berpengalaman dalam bidang usaha yang ditangani.
2. Watak/karakter buruk debitur yang semula memang tidak niat/merencakan tidak
akan mengembalikan kredit misalnya unit tiba-tiba digadaikan.
3. Debitur memiliki masalah keluarga, misalnya perceraian,
kecelakaan/kematian/sakit sehingga dana yang seharusnya dialokasikan untuk
pembayaran angsuran terpaksa terpakai untuk kepentingan tersebut.
4. Debitur mengalami kegagalan dalam bidang usaha, misalnya kondisi ekonomi
yang menurun, debitur mengalami pemutusan hubungan kerja, usaha debitur
mengalami kebangkrutan, kesulitan likuiditas keuangan yang serius
Berdasarkan PT. X Finance
19
•ketidakpastian hasil sebagai akibat keputusan atau situasi saat ini
•Misanya risiko keuangan, risiko operasional, risiko strategis, dan
risiko eksternalitas
Djohanputro
(2004)
•risiko sebagai suatu rentang (continuum) yang dapat bergerak ke
arah ancaman dengan dampak negatif, yaitu tidak tercapainya
tujuan
Tampubolon
(2005)
•peluang kerugian (Risk is the chance of loss)
•kemungkinan kerugian (Risk is the possibility of loss)
•ketidakpastian (Risk is uncertainty)
Vaughan dalam
Darmawi (2004)
2013-07-23
Definisi RisikoB A B II
•Coyle (2000) suatu kerugian yang dapat berpotensi untuk menimbulkan
penolakan atau ketidakmampuan konsumen kredit untuk membayar hutangnya secara
penuh dan tepat waktu
•Djohanputro (2004) risiko dimana debitur tidak dapat membayar hutang dan
tidak dapat memenuhi kewajiban yang sesuai dengan kesepakatan, atau terjadi
penurunan kualitas debitur sehingga persepsi terhadap kemungkinan gagal bayar akan
semakin tinggi
•Tambupolon (2005) eksposur yang memiliki potensi untuk mengancam
penghasilan dan modal perusahaan, yang akan ditimbulkan karena kegagalan debitur
(obligator) untuk memenuhi syarat yang terdapat dalam kesepakatan kontrak
perusahaan
202013-07-23
Definisi Risiko KreditB A B II
21
(Djohansaputro, 2004) suatu ukuran nilai dari risiko kredit yang terdiri
dari faktor kuantitas eksposur kredit dan kualitas eksposur kredit
Exposure Kredit
Probabilitas Gagal Bayar
Kualitas Jaminan
Probabilitas Likuiditas Jaminan
Kuantitas Risiko Kredit
Kualitas Risiko Kredit
Dimensi Risiko
2013-07-23
Dimensi Risiko KreditB A B II
22
METODOLOGIB A B III
Data yang digunakan dalam penelitian ini merupakan data sekunder dari PT.
X Finance kantor cabang Gresik dan Lamongan yang terdiri 459 data
konsumen.
Data merupakan profil dari kredit konsumen yang meliputi kredit lancar,
kredit bermasalah, dan kredit macet (tarik barang) bulan Februari 2012-
Januari 2013.
2013-07-23
Sumber Data
2013-07-23 23
Variabel Type Data Definisi OperasionalUsia (X1) Diskret
Angsuran(X2) Kontinu Besarnya uang yang harus dibayaroleh konsumen per bulan
Pendapatan(X3) Kontinu Besarnya pendapatan yangditerima konsumen
Tenor(X4) DiskretJangka waktu pengambilan kredityang diperuntukkan kepadakonsumen
Harga OTR(X5) Kontinu Harga On The Road darikendaraan bermotor
Uang Muka(X6) KontinuBesarnya uang yang dibayarkankonsumen diawal pengambilankredit sepeda motor
Sektor Pekerjaan(X7) Kategori
Sektor dimana konsumen bekerja,meliputi:1= Pertanian2= Perdagangan, Hotel, danRestoran3= Perindustrian4= Jasa-jasa5= Pengangkutan dan Komunikasi6= Keuangan Persewaan dan JasaPerusahaan.7= Properti dan Listrik8= Lain-lain.
Variabel PenelitianB A B III
Status Rumah(X8) Kategori
Kepemilikan rumah dari konsumen, meliputi:1= Milik Sendiri2= Milik Keluarga
Persentase DP(X9) Kontinu
Prosentase uang muka/Down Payment yang dibayarkan oleh konsumen:1= 10 - < 12,5 persen2= 12,5 - < 15 persen3= 15 - < 17,5 persen4= 17,5 - < 20 persen5= 20 - < 25 persen6= 25 - < 30 persen7= ≥ 30 persen
Domisili konsumen(X10) Kategori
Lokasi tempat tinggal konsumen:1= Gresik2= Lamongan
Type Motor (X11) Kategori
Type sepada motor yang diambil oleh konsumen:1= Yamaha2= Honda3= Suzuki
2013-07-23 24
METODOLOGIB A B III
Langkah Analisis Data
1. Melakukan studi pustaka tentang risiko kredit dalam perusahaan multifinance.
2. Menentukan variabel-variabel yang mempengaruhi risiko kredit pada PT. X Finance cabang
Gresik dan Lamongan .
3. Melakukan pengumpulan data database konsumen PT. X Finance cabang Gresik dan
Lamongan berdasarkan jenis risiko kredit dan variabel prediktornya.
4. Melakukan analisa deskriptif dari data konsumen PT. X Finance cabang Gresik dan
Lamongan untuk mengetahui gambaran umum profil konsumen.
5. Melakukan tranformasi data pada variabel X1, X2, X3, X4, X5, dan X6 dengan tranformasi
Box-cox.
6. Malakukan pengelompokkan untuk variabel X1, X2, X3, X4, X5, dan X6 yang
menyebabkan risiko kredit pada PT. X Finance cabang Gresik dan Lamongan dengan
analisis faktor.
7. Mengklasifikasikan konsumen berdasarkan variabel penelitian (langkah no.6) dengan K-
means cluster analysis untuk mengetahui kelompok konsumen yang memiliki kredit lancar,
kurang lancar, dan kredit macet.
8. Menarik kesimpulan.
2013-07-23 25
METODOLOGIB A B III
Diagram AlirStudi Pustaka dan Literatur
Penentuan Variabel
Pengumpulan Data
Analisa Statistika Deskriptif
Analisis Faktor Variabel X1, X2, X3, X4, X5, dan X6
Analisis Cluster Variabel X1, X2, X3, X4, X5, dan X6
Penarikan Kesimpulan
26
ANALISIS PEMBAHASANB A B IV
Karakteristik konsumen PT. X Finance
2013-07-23
6%
30%39%
12%4% 1% 6% 1%
23%
43%
8% 12%4% 2%
8%1%
Gresik Lamongan
X< 2 Juta 2 Juta ≤ X < 3 Juta
3 Juta ≤ X < 4 Juta
X ≥ 4 Juta
38%35%
17%
10%23%
56%
15%6%
Gresik Lamongan
Wilayah Gresik sektor pekerjaan yang dominan
adalah perindustrian yaitu sebesar 39 persen.
Sementara Lamongan, sektor pekerjaan dominan
adalah sektor perdagangan yaitu sebesar 43
persen. Sektor pertanian sebesar 22 persen
Mayoritas konsumen Gresik memiliki penghasilan
kurang dari Rp 2 juta yaitu sebesar 38 persen.
Lamongan sebagian besar penghasilan
konsumennya berkisar Rp 2 juta sampai Rp 3 juta
yaitu sebesar 56 persen
27
ANALISIS PEMBAHASANB A B IV
Karakteristik konsumen PT. X Finance
2013-07-23
Mayoritas konsumen di Gresik memilih
membeli motor dengan harga berkisar Rp
10 juta sampai Rp 15 juta yaitu sebesar 62
persen
Sebagian besar konsumen di Lamogan memilih
membeli motor dengan harga berkisar Rp 10
juta sampai Rp 15 juta yaitu sebesar 40
persen
X < 10 Jt19%
10 Jt ≤ X < 15 jt62%
15 Jt ≤ X < 20 jt16%
X ≥ 20 Jt3%
X < 10 Jt27%
10 Jt ≤ X < 15 jt40%
15 Jt ≤ X < 20 jt31%
X ≥ 20 Jt2%
28
Karakteristik konsumen PT. X FinanceB A B IV
2013-07-23
X < 12 12 ≤ X < 24 24 ≤ X < 36 X ≥ 36
1%
18%
63%
18%
4%14%
51%
31%
Gresik Lamongan
X < 20 20 ≤ X < 30 30 ≤ X < 40 40 ≤ X < 50 X ≥ 50
1%
26%
31%28%
14%
0
22%
31% 29%
17%
Gresik Lamongan
Konsumen di Gresik dan Lamongan mayoritas
memilih mengambil kredit dalam jangka
waktu 24 bulan hingga 36 bulan (2-3 tahun)
yaitu sebesar 63 persen dari total konsumen.
Mayoritas konsumen di Gresik dan Lamongan
berusia 30 tahun hingga 40 tahun yakni sebesar
31 persen. Namun dari sisi konsumen diusia muda,
penduduk di Gresik lebih berani mengambil kredit
yaitu sebesar 1 persen dari total konsumen di
Gresik
292013-07-23
X < 12,5%
12,5% ≤ X < 15%
15% ≤ X < 17,5%
17,5% ≤ X < 20%
20% ≤ X < 25%
25% ≤ X < 30%
X ≥ 30%
6%
21%
9% 9%
21%
13%
22%
6%
14%
8%
15%20%
12%
22%
Gresik Lamongan
Karakteristik konsumen PT. X FinanceB A B IV
Pada tahun 2012 ada kebijakan besaran DP
sehingga mayoritas konsumen di wilayah
Gresik dan Lamongan memilih membayar
DP diatas 30 persen yaitu sebesar 22
persen dari total konsumen masing-masing
wilayah.
302013-07-23
Karakteristik konsumen PT. X FinanceB A B IV
Status rumah :
Gresik rumah milik keluarga, yaitu sebanyak
140 orang.
Lamongan rumah milik sendiri yaitu sebesar
120 orang
Gresik Lamongan
138120
140
61
Milik Sendiri Milik Keluarga
Yamaha Honda Suzuki
167
107
448
126
7
Gresik Lamongan
Merk Motor :
Gresik 167 orang yang mengambil kredit sepeda
motor merk yamaha.
Lamongan 126 orang memilih motor merk honda.
31
Asumsi Distribusi Multivariate NormalB A B IV
2013-07-23
Asumsi Distribusi Multivariate Normal
(Gresik)
Data berdistribusi multivariatenormal karena nilai 0,874101 > 0.5
20151050
90
80
70
60
50
40
30
20
10
0
q
dj
Scatterplot of dj vs q
20151050
60
50
40
30
20
10
0
q
dj
Scatterplot of dj vs q
Asumsi Distribusi Multivariate Normal
(Lamongan)
Data berdistribusi multivariatenormal karena nilai 0,861878 > 0.5
32
Nilai Uji Kecukupan Data Kaiser Meyer Olkin (KMO)
dan Uji BarlettB A B IV
2013-07-23
Kaiser-Meyer-Olkin
Measure of Sampling
Adequacy.
0.524
Bartlett's Test of
Sphericity
Approx. Chi-Square 253.17
Df 10
Sig. 0.000
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy.0.526
Bartlett's Test of SphericityApprox. Chi-Square 334.581
Df 10Sig. 0.000
Nilai KMO untuk data di Gresik dan
Lamongan masing masing sebesar 0,526
dan 0,524 yang lebih besar dari 0,5maka dapat disimpulkan jumlah data
telah cukup untuk difaktorkan.
Pada uji Bartlett’s diperoleh nilai
signifikansi nol yang memenuhi syarat
kurang dari alfa (0,05) sehingga
dapat diketahui bahwa variabel-
variabel yang digunakan saling
berkorelasi. Hasil ini menunjukkan
bahwa analisis faktor boleh
dilanjutkan.
33
Nilai Eigenvalue Variabel Risiko KreditB A B IV
2013-07-23
Nilai Eigenvalue Gresik
Component Total % of Variance Cumulative %
1 2.034 40.673 40.6732 1.069 21.388 62.0613 0.964 19.286 81.3474 0.743 14.859 96.2065 0.190 3.794 100.000
Component Total % of Variance Cumulative %
1 2.248 44.9582 1.042 20.8303 0.854 17.071 82.8604 0.680 13.607 96.4675 0.177 3.533 100.000
Nilai Eigenvalue Lamongan
Dari semua variabel pembentuk risiko
kredit di Gresik dan Lamongan berturut-
turut tereduksi menjadi dua faktorkarena terdapat dua faktor yang
memiliki total eigenvalue dari matrik
korelasi antar variabel yang diatas 1
Pada nilai persen cumulative Gresik
dan Lamongan masing-masing
menunjukkan bahwa faktor yang
terbentuk mampu menjelaskan
sebesar 62.061% dan 65.788% dari
variabel awal
34
Nilai Loading factor Variabel B A B IV
2013-07-23
VariabelComponent
1 2Box_Usia -0.084 0.902
Box_income -0.504 -0.491Box_otr 0.925 -0.066
Box_uangmuka -0.310 -0.168Box_angsuran 0.895 -0.031
VariabelComponent
1 2Box_Usia 0.178 0.881
Box_income 0.436 -0.492Box_otr -0.890 -0.067
Box_uangmuka 0.706 0.061Box_angsuran 0.854 -0.142
Gresik
Lamongan
35
K-Means Cluster Gresik & LamonganB A B IV
2013-07-23
Cluster
1 72
2 110
3 96
Cluster
1 55
2 71
3 55
Dari hasil analisis K-means cluster
terdapat 3 cluster dengan jumlah
masing-masing anggotanya sebanyak:
Gresik Cluster 1 sebanyak 72
anggota, cluster 2 sebanyak 110
anggota, cluster 3 sebanyak 96
orang.
Lamongan Cluster 1 sebanyak 55
anggota, cluster 2 sebanyak 71
anggota, cluster 3 sebanyak 55
orang.
36
Karakteristik Cluster berdasarkan usiaB A B IV
2013-07-23
X < 20 20 ≤ X < 30
30 ≤ X < 40
40 ≤ X < 50
X ≥ 50
08%
22%
44%31%
0 4%
44%53%
69%
100%87%
34%
3% 0
Kelompok 1 Kelompok 2 Kelompok 3
X < 20 20 ≤ X < 30
30 ≤ X < 40
40 ≤ X < 50
X ≥ 50
0
88%
33%
2% 00 3%
35%57%
65%
010%
32%42%
35%
Kelompok 1 Kelompok 2 Kelompok 3
Gresik Kelompok 1 mayoritas anggotanya
berada pada usia antara 40 sampai 50 tahun
yaitu sebesar 44 persen. Kelompok 2 cenderung
memiliki usia diatas 30 tahun. Sedangkan
kelompok 3 memiliki kecenderungan usia
dibawah 30 tahun
Lamongan Kelompok 1 mayoritas
anggotanya berada pada usia antara antara 20
sampai 30 tahun. Kelompok 2 cenderung
memiliki usia diatas 30 tahun. Sedangkan
kelompok 3 memiliki kecenderungan usia 40
tahun sampai 50 tahun
372013-07-23
X< 2 Juta 2 Juta ≤ X < 3 Juta
3 Juta ≤ X < 4 Juta
X ≥ 4 Juta
35%23% 19% 14%13%
43%
63%
86%
51%
34%
19%
0%
Kelompok 1 Kelompok 2 Kelompok 3
X< 2 Juta
2 Juta ≤ X < 3 Juta
3 Juta ≤ X < 4 Juta
X ≥ 4 Juta
43%
31%
19%
0%
12%
36%
70%
100%
45%
32%
11%
0%
Kelompok 3 Kelompok 2 Kelompok 1
Karakteristik Cluster berdasarkan PenghasilanB A B IV
Gresik Kelompok 1 penghasilannya berkisar Rp 2 juta, sementara kelompok 2
memiliki penghasilan diatas Rp 3 juta, dan kelompok 3 penghasilannya sebesar Rp 2
juta
Lamongan Kelompok 1 penghasilannya berkisar Rp 2 juta, sementara
kelompok 2 memiliki penghasilan diatas Rp 3 juta, dan kelompok 3 penghasilan
sebesar Rp 2 juta
38
Karakteristik Cluster berdasarkan OTR & Kondisi motor B A B IV
2013-07-23
0
20
40
60
80
X < 10 Jt 10 Jt ≤ X < 15 jt
15 Jt ≤ X < 20 jt
X ≥ 20 Jt
45
27
0 01
75
27
77
71
18
0
Kelompok 1 Kelompok 2 Kelompok 3
Kelompok 1 Kelompok 2 Kelompok 3
6%
53%
41%
59%
17%23%
Baru Lama
Gresik Kelompok 1 memilih harga di bawah Rp 10 juta dengan kondisi motor
Bekas/lama. Kelompok 2 memilih harga sepeda berkisar Rp 10 juta sampai Rp 15 juta dengan
kondisi motor baru, dan kelompok 3 memilih harga berkisar Rp 10 juta sampai Rp 15 juta
dengan kondisi motor baru.
392013-07-23
0 10 20 30 40 50 60
Kelompok 1
Kelompok 2
Kelompok 3
44%
51%
5%
15%
27%
58%
Lama Baru
X < 10 Jt 10 Jt ≤ X < 15 jt
15 Jt ≤ X < 20 jt
X ≥ 20 Jt
3
30
20
25
2837
1
40
15
0 0
Kelompok 1 Kelompok 2 Kelompok 3
Karakteristik Cluster berdasarkan OTR & Kondisi motor B A B IV
Lamongan Kelompok 1 memilih
harga di berkisar Rp 10 juta sampai Rp 15
juta dengan kondisi motor baru.
Kelompok 2 memilih harga sepeda
berkisar berkisar Rp 15 juta sampai Rp 20
juta dengan kondisi motor baru, dan
kelompok 3 memilih harga berkisar
dibawah Rp 10 juta dengan kondisi
motor bekas/lama.
40
Karakteristik Cluster secara UmumB A B IV
2013-07-23
Indikator Kelompok 1 Kelompok 2 Kelompok 3
Usia 40-50 tahun >30 tahun < 30 tahun
Pendapatan < Rp 2 juta > Rp 3 juta < Rp 2 juta
Kondisi Motor Bekas Baru Baru
Harga OTR < Rp 10 juta Rp 10-15 juta Rp 10-15 juta
Indikator Kelompok 1 Kelompok 2 Kelompok 3
Usia 20-30 tahun > 30 tahun > 40 tahun
Pendapatan < Rp 2 juta > Rp 3 juta < Rp 2 juta
Kondisi Motor Baru Baru Bekas
Harga OTR Rp 10-15 juta Rp 15-20 juta < Rp 10 juta
Gresik
Lamongan
41
KESIMPULAN & SARANB A B V
Wilayah Gresik dan Lamongan memiliki karakteristik yang hampir sama dari
segi harga On The Road (OTR), jangka waktu kredit (tenor), usia konsumen,
dan presentase down payment (DP). Sementara dari segi sektor pekerjaan
konsumen, tipe motor, status rumah, dan pendapatan konsumen antara
wilayah Gresik dan Lamongan memiliki perbedaan.
Hasil analisis faktor secara keseluruhan untuk masing-masing wilayah terbentuk
2 faktor. Wilayah Gresik indikator masing-masing faktor yaitu faktor 1 dengan
indikator pendapatan, uang muka, angsuran, dan harga on the road. Faktor 2
dengan indikator usia. Sementara wilayah Lamongan masing-masing indikator
untuk faktor 1 meliputi harga on the road, uang muka, dan angsuran. Faktor 2
meliputi usia dan pendapatan.
Kesimpulan
2013-07-23
42
KESIMPULAN & SARANB A B V
Wilayah Gresik untuk kelompok 1 memiliki karakteristik usia berkisar 40-50 tahun,
penghasilan kurang dari Rp 2 juta, dan harga motor on the road dibawah Rp 10
juta (motor bekas). Kelompok 2 usia diatas 30 tahun, penghasilan diatas Rp 3 juta,
dan harga on the road motor berkisar Rp 10-15 juta (baru). Kelompok 3 usia
dibawah 30 tahun, penghasilan dibawah Rp 2 juta, dan harga on the road motor
berkisar Rp 10-15 juta (baru).
Wilayah Lamongan untuk kelompok 1 memiliki karakteristik usia konsumen antara
20-30 tahun, penghasilan dibawah Rp 2 juta, dan harga on the road motor
berkisar Rp 10-15 juta (baru). Kelompok 2 usia diatas 30 tahun, penghasilan diatas
Rp 3 juta, dan harga on the road motor berkisar Rp 15-20 juta. Kelompok 3 usia
konsumen diatas 40 tahun, penghasilan dibawah Rp 2 juta, dan harga on the road
motor di bawah Rp 10 juta (motor bekas).
Kesimpulan
2013-07-23
Sebaiknya dalam penelitian selanjutnya perlu ditambahkan variabel-
variabel dan indikator-indikator lain sebagai pembentuk risiko kredit
sepeda motor. Serta dapat diselesaikan dengan metode statistika yang
lain.
Saran
KESIMPULAN & SARANB A B V
432013-07-23
Daftar Pustaka• Bank Indonesia. (1998). Arsip Peraturan Bank Indonesia di Bidang Perbankan.
http://www.bi.go.id/biweb/utama/peraturan/skdir32268.pdf.[05 April 2013].
• Bapepam-LK. (2011). Laporan Tahunan Industri Perusahaan Pembiayaan 2011.
http://www.bapepam.go.id/p3/other_p3/Finance_Company_Annual_Report_2011.pdf.[27 Januari 2013].
• [BPS] Badan Pusat Statistik. (2011). Produk Domestik Regional Bruto Kabupaten Gresik Tahun 2010,
Pemerintah Kabupaten Gresik, Jawa Timur.
• [BPS] Badan Pusat Statistik. (2011). Produk Domestik Regional Bruto Kabupaten Lamongan Tahun 2010,
Pemerintah Kabupaten Lamongan, Jawa Timur.
• Coyle, B. (2000). Framework For Credit Risk Management. United Kingdom: CIB Publishing.
• Djinarto, B. (2000). Banking Asset Liability Management. Jakarta: Gramedia Pustaka Utama.
• Djohanputro, B. (2004). Manajemen Risiko Korporat Terintegrasi. Jakarta: Penerbit PPM.
• Efendi, R. (2007). Analisis Manajemen Risiko Kredit Sepeda Motor Honda Pada Perusahaan Multifinance
di Indonesia (Studi Kasus Pada PT. PQR Finance). Fakultas Ekonomi dan Manajemen IPB, Bogor.
• Hair, J.F., Anderson, R.E., Tatham, R.L., and Black, W.C. (2006). Multivariate Data Analysis, Sixth Edition.
UK: Prentice Hall International.
442013-07-23
Daftar Pustaka• Johnson, N. And Winchern, D. (2002). Applied Multivariate Statistical Analysis. USA: Prentice Hall
Englewood Cliffs, N.J.
• Kasmir. (2004). Manajemen Perbankan. Jakarta: PT. Raja Grafindo Persada.
• Kountur, R. (2004). Manajemen Risiko Operasional. Jakarta: Penerbit PPM.
• Kuncoro, M. dan Suhardjono. (2002). Manajemen Perbankan: Teori dan Aplikasi. Yogyakarta:
BPFE.
• PT. X Finance. (2011). Laporan Tahunan PT. X Finance 2011. Jakarta: PT. X Finance.
• Sharma, S. (1996). Applied Multivariate Techniques. New York: John Wiley & Sons, Inc.
• Suciati, D. (2008). Prediksi Kondisi Financial Distress Kredit Pemilikan Motor. Fakultas Ekonomi,
Departemen Manajemen UI, Depok.
• Sutanto, H. T. (2009). Cluster Analysis. Seminar Nasional Matematika dan Pendidikan Matematika
(hal. 681-689). Yogyakarta: Jurusan Pendidikan Matematika FMIPA UNY.
• Tambupolon, R. (2005). Risk and Sytem Based Internal Auditing. Jakarta: PT. Elex Komputindo.
• Wikipedia. (2011). Definisi Jarak. definisi jarak diakses melalui http://id.wikipedia.org/wiki/Jarak.
Jumat, 20 Maret 2013 jam 23.30
452013-07-23
top related