Pemodelan Early Warning System sebagai PenilaiTingkat Kesehatan Finansial Calon Nasabah
dengan Metoda Binary Regresi Logistik
Studi Kasus : Bank X Surabaya Branch
Oleh :Mochammad Taufan (9107.205.309)
PROGRAM MAGISTER MANAJEMEN TEKNOLOGI
BIDANG KEAHLIAN MANAJEMEN TEKNOLOGI INFORMASI
PROGRAM PASCA SARJANA
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2011
DOSEN PEMBIMBING:
Prof. Drs. Nur Iriawan, M.Ikom,Ph.D
Latar Belakang
Krisis perekonomian global yang tengah berlangsung di awal tahun 2009memberikan tantangan serius, baik bagi Deutsche Bank maupun bagi perekonomianIndonesia secara menyeluruh. Walaupun dampak dari krisis terlambat dirasakan diIndonesia, namun melemahnya perekonomian berdampak terhadap bisnis sehinggamenjadi perhatian bagi bank dan para pemegang kepentingan.
Untuk dapat memproleh gambaran tentang perkembangan finansial suatuperusahaan, perlu mengadakan analisa atau interprestasi terhadap data finansialdari perusahaan bersangkutan, dimana data finansial itu tercermin didalam laporankeuangan. Ukuran yang sering digunakan dalam analisa finansial adalah ratio.
Menurut Van Horne ( 2005 : 234) : “Rasio keuangan adalah alat yang digunakanuntuk menganalisis kondisi keuangan dan kinerja perusahaan. Kita menghitungberbagai rasio karena dengan cara ini kita bisa mendapat perbandingan yangmungkin akan berguna daripada berbagai angka mentahnya sendiri”.
Latar Belakang
Menurut Kown (2004: 108) : Rasio keuangan setidaknya dapat memberikanjawaban atas empat pertanyaan yaitu :• Bagaimana Likuiditas Perusahaan• Apakah Manajemen efektif menghasilkan laba operasi atas aktiva• Bagaimana perusahaan didanai• Apakah pemegang saham biasa mendapatkan tingkat pengembalianyang cukup.
Diperlukan juga suatu upaya untuk meminimalkan resiko yang akan terjadi denganmenggunakan suatu peringatan dini terhadap tingkat kesehatan suatu perusahaanyang disebut dengan early warning system.
Dari beberapa penelitian yang telah dilakukan, early warning system digunakan olehsektor keuangan untuk mengetahui secara dini kondisi keuangan yang berisikomembahayakan stabilitas perekonomian.
Latar Belakang
Dalam penelitian ini digunakan analisis regresi logistik binary untukmenganalisis tingkat kesehatan financial dari suatu perusahaan (nasabahdan calon nasabah).
Regresi logistik biner di gunakan ketika hanya ada 2 kemungkinan variabelrespon, Misalnya ekonomi sehat dan ekonomi tidak sehat.
Beberapa kegunaan early warning system :•Memberikan waktu tunggu untuk meningkatkan alokasi sumberpenilai yang langka.•Memungkinkan tindakan pengawasan yang tepat waktu.•Mengurangi biaya kegagalan (cost of failure).
Rumusan Masalah
• Seperti apa metode regresi binary logistik dapat memodelkan datalaporan keuangan tahunan calon nasabah pada kantor cabang Bank XSurabaya serta dapat digunakan sebagai Early Warning System?
•Bagaimana pengujian validitas model Early Warning System yangterbentuk untuk prediksi tingkat kesehatan finansial nasabah dan calonnasabah?
•Akankah hasil pemodelan Early Warning System dapat di gunakandalam pengambilan keputusan di Bank X ?
Tujuan Penelitian
•Memodelkan data laporan keuangan tahunan calon nasabah padakantor cabang Bank X Surabaya dengan metode regresi binarylogistik dan dapat digunakan sebagai Early Warning System.
•Menentukan Validitas model Early Warning System yang terbentukuntuk prediksi tingkat kesehatan finansial nasabah dan calonnasabah.
•Menganalisis dan menginterpretasikan hasil Early WarningSystem serta dapat digunakan sebagai DSS di bank X cabangsurabaya?
Batasan Penelitian
•Jumlah laporan perusahaan untuk penelitian yang digunakan terbatashanya 30 perusahaan Tbk saja, dikarenakan terbatasnya akses untukpengambilan sampel.
•Hanya di ambil 9 variabel independen dari rasio keuangan karenamerupakan standart dari bank X.
•Software yang di gunakan Minitab 14, Matlab 7 dan MS Office 2007.
Tinjauan Pustaka
Definisi Early Warning System
Sistem ini merupakan suatu mekanisme untuk mendeteksi gejala atau tanda-tanda awal yang diperkirakan dapat mempengaruhi perkembangan kemajuanfinancial suatu perusahaan. Sasaran yang dilakukan suatu early warningsystem, antara lain :•Mengidentifikasi dan mendeteksi nasabah yang diperkirakan akan gagaldalam memenuhi kewajibannya, hal ini khususnya dalam penilaian riskmanagement.
•Mendukung proses pemantauan portofolio secara keuangan, yang dalam halini penilaian terhadap laporan keuangan
•Mengidentifikasikan langkah-langkah perbaikan dan menetapkan rencanatindak lanjut.
Dasar Teori
Definisi Analisis Rasio Keuangan
Rasio merupakan suatu ekspresi matematis dari satu jumlah yangbersifat relatif terhadap yang lain. analisa Laporan Keuanganmenyangkut pemeriksaaan keterkaitan angka – angka dalam laporankeuangan dan trend angka – angka dalam beberapa periode, satutujuan dari analisis laporan keuangan menggunakan kinerjaperusahaan yang lalu untuk memperkirakan bagaimana akan terjadidimasa yang akan datang.
Rasio keuangan dapat dibagi kedalam tiga bentuk umum yang seringdipergunakan yaitu :
Rasio LikuiditasRasio Solvabilitas ( Leverage )Rasio Rentabilitas.
Dasar Teori
Rasio Likuiditas (Liquidity Ratio)Merupakan Ratio yang digunakan untuk mengukur kemampuanperusahaan dalam memenuhi kewajian financial jangka pendek yangberupa hutang – hutang jangka pendek (short time debt)
Rasio SolvabilitasRasio ini disebut juga Ratio leverage yaitu mengukur perbandingan danayang disediakan oleh pemiliknya dengan dana yang dipinjam dari krediturperusahaan tersebut. Rasio ini dimaksudkan untuk mengukur sampaiseberapa jauh aktiva perusahaan dibiayai oleh hutang rasio ini menunjukkanindikasi tingkat keamanan dari para pemberi pinjaman (Bank).
Rasio RentabilitasRasio ini disebut juga sebagai Ratio Profitabilitas yaitu rasio yang digunakanuntuk mengukur kemampuan perusahaan dalam memperoleh laba ataukeuntungan, profitabilitas suatu perusahaan mewujudkan perbandinganantara laba dengan aktiva atau modal yang menghasilkan laba tersebut.
Dasar Teori
Sistem Pendukung Keputusan (Decision Support System)Decision Support System (DSS) atau disebut juga sistem pendukung keputusanadalah suatu bagian dari sistem informasi berbasis komputer yang dipakaiuntuk mendukung pengambilan keputusan dalam suatu organisasi atauperusahaan.
Tahapan-tahapan dalam sistem pendukung keputusan (DSS) adalahsebagai berikut :•Pendefinisian masalah,•Pengumpulan data atau elemen informasi yang relevan,•Pengolahan data menjadi informasi, baik dalam bentuk laporan grafikmaupun tulisan.
Sedangkan komponen-komponen dalam sistem pendukung keputusanadalah sebagai berikut :•Database•Model base•Software system
Dasar Teori
Analisa RegresiAnalisa regresi merupakan analisa yang digunakan untuk mencari bagaimanavariabel-variabel bebas dan variabel terkait berhubungan pada hubunganfungsional atau sebab akibat. Model regresi memiliki variabel prediktor (x)dan variabel respons (y).
Regresi Logistik BinaryRegresi logistik Binary merupakan bagian dari analisis regresi yangdigunakan ketika variabel dependen (respon) merupakan variabeldikotomous. Variabel dikotomous biasanya hanya terdiri atas dua nilai, yangmewakili kemunculan atau tidak adanya suatu kejadian yang biasanya diberiangka 0 atau 1.
Karakteristik Regresi Logistik BinaryModel fungsi regresi logistik Binary memiliki karakteristik sebagai berikut :•Variabel terikat y merupakan variabel biner atau dikotom, sehingga hasilperhitungan model persamaan regresi logistik memiliki nilai yang berkisarantara 0 sampai dengan 1 (peluang kemunculan y).•Variansi y tidak konstan yang disebabkan nilai variabel terikat y bersifatbiner atau dikotom.•Perubah galat (error) pada regresi logistik tidak terdistribusi secaranormal, dimana hal ini dipengaruhi oleh nilai y yang hanya bernilai 0 atau 1.
Dasar Teori
Dasar Teori
Metode Maximum LikelihoodPendugaan koefisien model regresi logistik tidak dapat dilakukan denganmenggunakan metode kuadrat terkecil (ordinary least square). Hal inidikarenakan metode kuadrat terkecil mengasumsikan nilai variance errorbersifat konstan,
Secara sederhana dapat disebutkan bahwa metode ini berusaha mencari nilaikoefisien yang memaksimumkan fungsi likelihood. Dengan nilai y yang bersifatbiner, dapat digunakan Bernoulli sebagai sebaran variabel y, sehingga fungsilikelihood akan terbentuk,
Dasar Teori
Aplikasi MATLABMatlab adalah singkatan dari Matrix Laboratory, software yang dibuat
dengan menggunakan bahasa ini dibuat oleh The Mathworks.inc. Kekuatanmatlab terletak pada :
1. Kemudahan manipulasi struktur matriks.2. Jumlah routine-routine powerful yang berlimpah yang terus
berkembang.3. Kekuatan fasilitas grafik tiga dimensi yang sangat memadai.4. Sistem scripting yang memberikan keleluasaan bagi pengguna untuk
mengembangkan dan memodifikasi software untuk kebutuhan sendiri.5. Kemampuan interface( misal dengan bahasa C, word dan
mathematica).6. Dilengkapi dengan toolbox, simulink, stateflow dan sebagainya, serta
mulai melimpahnya source code di internet yang dibuat dalam matlab(contoh toolbox misalnya : signal processing, control system, neural networks dan sebagainya).
Dasar Teori
Variabel independen yang digunakan dalam penelitian ini adalah sebagai berikut :•Rasio Lancar•Rasio Cepat
Variabel independen yang digunakan dalam penelitian ini adalah sebagai berikut :•Rasio Lancar (RL1)•Rasio Cepat (RL2)•Cash Rasio Lambat (RL3)•Rasio Hutang Terhadap Ekuitas (RS1)•Rasio Hutang Terhadap Total (RS2)•Margin Laba Kotor (RR1)•Margin Laba Bersih (RR2)•Earning Power of Total Investment (RR3)•Pengembalian atas Ekuitas (RR4)
Metodologi Penelitian
Metodologi Penelitian
Studi PendahuluanStudi pendahuluan yang dilakukan pada penelitian ini terdiri dari studi literatur yangmeliputi pengkajian literatur yang berhubungan dengan modelling data, early warningsystem, regresi logistik binary dan penerapannya pada data keuangan suatuPerusahaan.
Metodologi Penelitian
Hasil Penelitian dan Pembahasan
Pertumbuhan di pasar keuangan internasional dan makin beragamnyainstrumen keuangan memungkinkan bank memiliki akses yang lebihluas terhadap sumber dana. Laju perubahan ini tidak tampak melambatkarena bank selalu terlibat dalam mengembangkan instrumen, produk,dan jasa baru. Salah satu dari produk perbankan adalah CashManagement.
Dimana Cash Management system adalah saluran distribusi elektronikbagi nasabah badan (non perorangan) atau nasabah perorangan untukmelakukan aktifitas terhadap rekeningnya di Bank dan memperolehinformasi bank melalui koneksi internet dengan mengunakan browser.
Hasil Penelitian dan Pembahasan
ID P Respon RL1 RL2 RL3 RS1 RS2 RR1 RR2 RR3 RR4
PT01 0 1.5002 1.4054 0.1973 2.5126 0.6157 0.0185 0.0049 0.0340 0.1065
PT02 0 1.5103 1.1995 0.0007 0.5039 0.5039 0.2919 0.0756 0.1613 0.1205
PT03 1 2.2174 0.4536 0.1512 7.9732 0.3186 0.1705 0.0622 0.1103 1.9547
PT04 1 1.4443 0.4422 0.0615 2.0047 1.9959 0.2879 0.1123 0.7172 0.4840
PT05 1 2.1624 2.1289 0.4283 0.6816 0.4053 0.1719 0.0621 0.0208 0.0269
PT06 1 0.8977 0.5250 0.2748 3.1101 0.6676 0.2314 0.0267 0.1096 0.1217
PT07 1 7.7737 5.9407 3.4200 2.1313 0.1273 0.5673 0.1548 0.4079 4.4027
PT08 1 2.2461 1.2621 0.1441 1.9175 0.6572 0.0818 0.0154 0.0794 0.1280
PT09 1 0.9049 0.8822 0.5387 1.9526 0.6576 0.2537 0.1007 0.0450 0.1079
PT10 1 1.1741 1.0277 0.0889 7.7454 0.8830 0.0820 0.0123 0.0239 0.1395
PT11 0 1.4029 0.5845 0.1974 2.3355 0.7002 0.5310 -0.0201 -0.0232 -0.0619
PT12 1 3.6574 3.3470 2.2495 0.5075 0.3323 0.4892 0.2367 0.4178 0.4271
PT13 0 1.2699 -2.0171 0.3238 1.0307 0.5436 0.3785 0.1507 0.1785 0.2338
PT14 1 0.7141 0.6860 0.1400 0.7639 0.7639 0.3203 0.2224 0.0628 0.0624
PT15 1 2.6241 0.6901 0.3004 0.5141 0.3395 0.3003 0.1483 0.3646 0.3513
PT16 1 3.4518 1.5137 0.8156 0.3311 0.2488 0.3081 0.1021 0.1708 0.1525
PT17 1 1.7876 1.7448 0.8759 0.8645 0.4637 0.2351 0.1764 0.4844 0.6119
PT18 0 0.1448 0.0085 0.3240 3.3452 0.7699 0.3750 0.2713 0.0453 0.1579
PT19 1 1.3962 1.3320 0.3453 1.0559 0.5136 0.1552 0.0248 0.0523 0.0390
PT20 0 1.1223 0.9051 0.4710 2.1347 0.6810 0.2608 0.0009 -0.0069 0.0034
PT21 1 3.3858 2.6303 1.7865 0.3010 0.2291 0.4385 0.2067 0.3385 0.3127
PT22 1 3.3776 2.7511 1.0273 0.7214 0.3839 0.1643 0.0426 0.0295 0.0391
PT23 1 2.1765 2.1721 1.2329 2.4707 0.6842 0.5914 0.0495 0.0502 0.0896
PT24 1 1.8539 1.2163 0.2641 1.0831 0.3470 0.1913 0.2229 0.1544 0.5446
PT25 1 2.9830 2.1518 1.4109 0.2907 0.2252 0.2758 0.0778 0.1735 0.1846
PT26 1 2.2250 2.1425 0.9000 1.6843 0.6236 0.3966 0.2178 0.2524 0.3822
PT27 1 1.3217 0.9993 0.3176 1.2141 0.4974 0.2239 0.0947 0.1903 0.2778
PT28 1 2.4783 0.3319 0.0595 1.5752 0.6117 0.1880 0.0403 0.0548 0.1382
PT29 0 1.4567 0.9927 1.5260 0.5272 0.5272 0.4070 -0.1708 -0.1334 -0.1641
PT30 1 0.4883 0.4749 0.0436 18.2607 0.5701 0.9899 0.1639 0.1419 3.3983
Tabel Laporan Keuangan Tahun 2008
Hasil Penelitian dan Pembahasan
Masalah multikolinearitas menjadi serius apabila digunakan untukmengkaji hubungan antara variabel bebas (x) dengan variabel respon(y) karena simpangan baku koefisien regresi tidak signifikan, sehinggasulit memisahkan pengaruh dari masing-masing variabel bebas.Terdapat beberapa cara untuk dapat mendeteksi adanyamultikolinearitas, Salah satunya sebagai berikut :Dengan melihat pada matriks korelasi (korelasi antar variabelindependen), yaitu jika p-value korelasi antar variabel kurang dari 0,05atau 5%, diduga terdapat gejala multikolinearitas.
Hasil Penelitian dan Pembahasan
Tabel Uji Kolerasi Laporan Keuangan Tahun 2008
RL1 RL2 RL3 RS1 RS2 RR1 RR2 RR3RL2 0.819
0.000RL3 0.812 0.817
0.000 0.000RS1 -0.268 -0.199 -0.265
0.152 0.293 0.158RS2 -0.482 -0.407 -0.452 0.120
0.007 0.026 0.012 0.526RR1 0.122 0.140 0.349 0.471 -0.074
0.522 0.460 0.059 0.009 0.699RR2 0.127 0.120 0.152 0.019 -0.099 0.284
0.504 0.529 0.422 0.919 0.604 0.128
RR3 0.379 0.268 0.297 -0.116 0.225 0.162 0.551
0.039 0.151 0.110 0.541 0.233 0.394 0.002RR4 0.500 0.408 0.401 0.573 -0.222 0.540 0.266 0.320
0.005 0.025 0.028 0.001 0.239 0.002 0.156 0.085
Hasil Penelitian dan Pembahasan
Analisa PCA dengan MINITAB14 pada Data Rasio Laporan Keuangan 2008
Hasil Penelitian dan Pembahasan
Tabel Koefisien Komponen Pokok Data Rasio Keuangan tahun 2008
Variabel PC1 PC2
RL1 0.1269 -0.6365
RL2 0.0951 -0.5873
RL3 0.0682 -0.3185
RS1 -0.9730 -0.1075
RS2 -0.0137 0.0743
RR1 -0.0240 -0.0323
RR2 -0.0005 -0.0084
RR3 0.0064 -0.0306
RR4 -0.1506 -0.3597
Hasil Penelitian dan Pembahasan
Tabel Variabel Dependen dan Score Komponen Pokok Untuk Pemodelan Regresi Logistik Tahun 2008
ID P Respon PC1 PC2 ID P Respon PC1 PC2
PT01 0 -2.1320 -2.1073 PT16 1 0.2826 -3.4338
PT02 0 -0.2156 -1.7410 PT17 1 -0.4898 -2.7439
PT03 1 -7.7253 -3.2717 PT18 0 -3.2568 -0.5752
PT04 1 -1.8237 -1.4720 PT19 1 -0.7163 -1.8771
PT05 1 -0.1708 -2.8225 PT20 0 -1.8326 -1.5841
PT06 1 -2.8759 -1.3067 PT21 1 0.4500 -4.4228
PT07 1 -0.9653 -11.3616 PT22 1 0.0434 -4.1623
PT08 1 -1.4806 -2.4252 PT23 1 -1.8740 -3.3216
PT09 1 -1.6955 -1.4758 PT24 1 -0.7755 -2.2777
PT10 1 -7.3184 -2.1996 PT25 1 0.3600 -3.7075
PT11 0 -2.0386 -1.4920 PT26 1 -1.1655 -3.2556
PT12 1 0.3639 -5.2241 PT27 1 -0.9498 -1.7366
PT13 0 -1.0623 0.0997 PT28 1 -1.2160 -1.9729
PT14 1 -0.6051 -0.9639 PT29 0 -0.1228 -1.9623
PT15 1 -0.1437 -2.3497 PT30 1 -18.2001 -3.7840
Hasil Penelitian dan Pembahasan
Persamaan untuk laporan keuangan tahun 2008 adalah :Logit P(i) = β0 + (-1.83213) PC2
dengan β0 = -2.67901
Persamaan PCA untuk laporan keuangan adalah :PC2 = (-0.6365) RL1 + (-0.5873) RL2 + (-0.3185) RL3 + (-0.1075) RS1 + 0.0743 RS2 + (-0.0323) RR1 + (-0.0084) RR2 + (-0.0306) RR3 + (-0.3597) RR4
Laporan Rasio Keuangan Nasabah Baru
Hasil Penelitian dan Pembahasan
Logit P(i) = β0 + (-1.83213) PC2= -2.67901 + (-1.83213) (-3.8)= -2.67901 + 6.962094= 4.283084
Didapat hasil logit P(i)= 4.283084, yang mana hasil tersebut di masukkankedalam rumus standar dari regresi binary logistik yang merupakan standarrumus dari regresi binary logistik peluang nilai Y=1 adalah 0,98 dan melebihistandart dari bank X yaitu 0,70. Dari hal ini dapat di simpulkan nasabah dengankode PN01 DITERIMA menjadi Nasabah Bank X.
P(Y=1) = 2,71828 4.283084 / 1 + (2,71828 4.283084 ) = 72.46 / 1 + 72.46= 72.46 / 73.46= 0.98
GUI
Kesimpulan
Kesimpulan-kesimpulan yang dapat diambil dari penelitian mengenaipemodelan regresi logistik yang digunakan untuk alat bantu pengambilankeputusan di Bank X, antara lain :Metode regresi logistik binary dapat memodelkan data laporan keuangantahunan calon nasabah pada kantor cabang Bank X Surabaya dan modelregresi logistik yang terbentuk dapat digunakan sebagai Early Warning SystemPengujian validitas model Early Warning System yang terbentuk untukprediksi pada tahun-tahun berikutnyaTerbentuk analisis dan interpretasi hasil pemodelan Early Warning Systemdan memanfaatkan model tersebut dalam pengambilan keputusan di Bank X
Saran
Untuk penampilan arsitektur aplikasi yang di buat hanya memuat 9 variabel dari3 rasio utama laporan keuangan, Oleh karenanya bila ditambahkan denganrasio keuangan yang lain maka informasi kebutuhan laporan keuangan yanglebih akurat dapat lebih mudah digunakan untuk membuat suatu keputusan.
Penutup
THANK YOU
