e. Jenis Usaha
Sebagian besar pengusahapelaku usaha mikro kecil yang menjadi sampel adalah pengusaha yang melakukan jenis kegiatan usaha pengolahan
yaitu usaha yang mengolah bahan baku menjadi barang jadi atau setengah jadi. Dari 120 sampel yang diambil, 70,8 bergerak diusaha pengolahan atau
sebanyak 85 responden. Sisanya 29,2 atau 35 responden berusaha di bidang perdagangan dan jasa.
Dari data yang diperoleh, terlihat bahwa 30,6 atau 26 responden yang memiliki usaha pengolahan, masuk pada kategori lancar, dan 59
responden lainnya tersebar hampir merata masuk pada kategori kurang lancar, diragukan dan macet yaitu masing-masing sebanyak 24,7, 21,2 dan
23,5. Untuk pelaku usaha mikro kecil yang bergerak pada jenis usaha pengolahan memang agak sulit memprediksi tingkat kelancaran arus kasnya
karena usahanya sangat tergantung pada kondisi eksternal seperti situasi pasar, kondisi makro ekonomi, ketersediaan bahan baku dan lain sebagainya.
f. Jumlah Tenaga Kerja
Responden dalam penelitian ini rata-rata memiliki tenaga kerja sebanyak 3 orang. Dari 120 responden, yang memiliki jumlah tenaga kerja 1-3
orang sebanyak 82 responden atau 68,33, sedangkan yang memiliki jumlah tenaga kerja 4-6 orang sebanyak 18 responden atau 15 dan 20 responen
lainnya memiliki tenaga kerja antara 7-13 orang. Dan sebagian besar dari mereka yang bekerja berasal dari keluarga sendiri. Hal ini dapat dipahami
karena pada umumnya usaha mikro kecil merupakan usaha home industri dengan jumlah pekerja untuk usaha mikro sebanyak 1 – 4 orang dan usaha
kecil sebanyak 5 – 19 orang. 12
Tabel 3. Tingkat Pengembalian Kredit berdasarkan Karakteristik Profil Usaha Responden
Karakteristik Profil Usaha
Lancar Kurang
Diragu- Macet
orang Mikro-Kecil
orang Lancar
kan orang
orang orang
A. Lama Usaha th 5
2 7,4
4 14,8
13 48,1
8 29,6
27 22,5
6 - 10 11
23,9 13
28,3 11
23,9 11
23,9 46
38,3 11 - 15
8 33,3
7 29,2
4 16,7
5 20,8
24 20,0
16 - 20 5
33,3 4
26,7 2
13,3 4
26,7 15
12,5 21
4 50,0
2 25,0
- 2
25,0 8
6,7 Total
30 25,0
30 25,0
30 25,0
30 25,0 120
100,0 B. Modal Awal Usaha Rp.
10 juta 15
22,4 16
23,9 19
28,4 17
25,4 67
55,8 10 - 50 juta
15 28,3
14 26,4
11 20,8
13 24,5
53 44,2
50 juta -
- -
- -
Total 30
25,0 30
25,0 30
25,0 30
25,0 120 100,0
Rata-rata Modal Usaha Rp.Juta
C. Cara Mulai Usaha Warisan Orang Tua
13 31,0
12 28,6
7 16,7
10 23,8
42 35,0
Dimulai Sendiri 17
22,1 25
32,5 15
19,5 20
26,0 77
64,2 Dibeli
- -
1 -
- 1
0,8 Total
30 25,0
37 30,8
23 19,2
30 25,0 120
100,0 D. Omset
5 juta 1
2,0 7
13,7 23
45,1 20
39,2 51
42,5 5 – 20 juta
15 29,4
19 37,3
7 13,7
10 19,6
51 42,5
21 - 36 juta 6
66,7 3
33,3 -
- 9
7,5 37 – 52 juta
7 87,5
1 12,5
- -
8 6,7
53 juta 1
- -
- -
1 0,8
Total 30
25,0 30
25,0 30
25,0 30
25,0 120 100,0
Rata-rata Omset Rp.Juta
E. Jenis Usaha Pengolahan
13 31,0
12 28,6
7 16,7
10 23,8
42 35,0
Perdagangan 17
22,1 25
32,5 15
19,5 20
26,0 77
64,2 Jasa
- -
1 -
- 1
0,8 Total
30 25,0
37 30,8
23 19,2
30 25,0 120
100,0 Rata-rata
Jenis Usaha Pengolahan
F. Jumlah Pekerja orang 1 - 3
11 13,4
24 29,3
23 28,0
24 29,3
82 68,3
3 - 6 8
44,4 4
22,2 2
11,1 4
22,2 18
15,0 7 - 9
9 60,0
2 13,3
3 20,0
1 6,7
15 12,5
10 - 13 2
40,0 -
2 40,0
1 20,0
5 4,2
Total 30
25,0 30
25,0 30
25,0 30
25,0 120 100,0
Rata-rata Pekerja org 10,6
13,2 10
12,3 11
11,7
24 12
3,9 3
3 4
3 2
Responden
3 Tingkat Pengembalian
Total Kolektibilitas
Sumber : Hasil Penelitian, 2006.
13
4.3. Analisis berbagai factor yang berkaitan dengan karakteristik usaha mikro kecil terhadap tingkat pengembalian kredit.
Berkaitan dengan tujuan dari penelitian ini, maka pada bagian ini akan dibahas mengenai hasil analisis diskriminan yang memperlihatkan ada tidak-nya
perbedaan antar grup kelompokkategori tingkat pengembaliankolektibilitas kredit dan juga untuk memperlihatkan variabel-variabel apa saja yang secara
signifikan berpengaruh terhadap teciptanya perbedaan tersebut. Untuk mengestimasi koefisien fungsi diskriminan atau membuat
modelfungsi diskriminan digunakan sampel analisis 80 responden dan untuk menguji valid tidaknya fungsi diskriminan yang diperoleh digunakan holdout
sample atau sample validasi 40 responden.
4.3.1. Pengujian Asumsi
Sebelum masuk pada pembuatan model diskriminan dilakukan pengujian terhadap asumsi yang harus dipenuhi pada analisa diskriminan yaitu bahwa varian
variabel bebas untuk tiap grup seharusnya sama. Dari hasil test of equality of covariance matrices tes persamaan matrik kovarian yang diperlihatkan pada
output log determinan, dimana angka log determinan baik untuk kategori lancar 12,050, kurang lancar 12,402, diragukan 11,701 dan macet 12,091 tidak
berbeda banyak sehingga grup matrik kavarian akan relatif sama untuk semua grup. Sehingga proses diskriminant dapat dilanjutkan.
4.3.2. Pengujian Variabel Bebas
Berdasarkan hasil uji test of equality of goup means tes persamaan rata-rata grup yaitu untuk menguji signifikansi variabel bebas, diperoleh adanya perbedaan yang
signifikan antar kelompok kolektibilitas kredit untuk variabel pendidikan khusus, wirausaha, lama usaha dan omset. Hal ini ditunjukkan dengan diperolehnya
angka sig. untuk F test pada tingkat signifikan 5 dibawah 0,05 atau pada tingkat derajat kepercayaan 95, dimana:
- Jika sig. 0,05, berarti tidak ada perbedaan antar grupkelompok;
14
- Jika sig. 0,05, berarti ada perbedaan antar grupkelompok
Dari 9 variabel yang diuji terdapat 4 variabel yang berbeda secara signifikan untuk 4 grupkelompok, yaitu Pendidikan Khusus, Wirausaha, lama
usaha dan omset. Hal ini menunjukkan bahwa tingkat pengembalian kredit oleh para pelaku usaha mikro kecil dipengaruhi oleh adanya pendidikan tambahan
bisa pelatihan atau kursus, jiwa kewirausahaan, lamanya usaha digeluti dan banyaknya omset usaha yang dihasilkan.
Sedangkan pada variabel umur, pendidikan formal, tanggungan keluarga, modal dan jenis usaha diperoleh angka sig. diatas 0,05. Hal ini berarti perbedaan
antar grupkelompok atau kategori responden yang lancar, kurang lancar, diragukan dan macet tidak dipengaruhi oleh variable tersebut.
4.3.3. Analisis Terhadap Variabel Yang Membentuk Fungsi Diskriminan
Untuk memastikan bahwa keempat variabel tersebut layak dimasukkan pada fungsi diskriminan mempunyai discriminating power yang tinggi, maka
dilakukan pendekatan dengan menggunakan Stepwise discriminant analysis atau analisis diskriminan bertahap, dengan metode Mahalanobis distences. Untuk
melakukan analisis disriminan ini, seluruh variabel yang ada baik yang signifikan maupun tidak pada uji variabel bebas tetap dikutsertakan, karena pada analisis
multivariat variabel-variabel dianggap suatu kesatuan. Hasil analisis menunjukkan bahwa ternyata hanya ada 3 tiga variabel bebas saja yang akan digunakan untuk
membentuk fungsi diskriminan, yaitu variabel lama usaha, kewirausahaan dan omset yang dihasilkan sedangkan variabel pendidikan khusus ternyata tidak
masuk dalam fungsi diskriminan. Hal ini menandakan bahwa discriminating power ketiga variabel usaha, kewirausahaan dan omset memang tinggi,
sedangkan discriminating power untuk pendidikan khusus adalah rendah sehingga tidak dimasukkan dalam pembentukan fungsi diskriminan.
Dan hasil metode Mahalanobis distences diketahui bahwa terdapat perbedaan yang cukup besar antara responden yang mempunyai kriteria tingkat
pengembalian kolektibilitas lancar dengan responden yang diragukan dan macet, adanya perbedaan ini dipertegas dengan munculnya nilai F sig yang kurang dari
15
0,05. Sedangkan antara grup lancar, dengan kurang lancar, serta antara grup diragukan dengan macet memiliki perbedaan yang tidak terlalu besar.
4.3.4. Pembentukan Fungsi Diskriminan
Sebuah fungsi diskriminan berfungsi untuk menempatkan sebuah kasus pada pilihan grup tertentu, apakah akan masuk grup lancar, kuranglancar, diragukan atau
macet. Pada penelitian ini akan terbentuk 3 fungsi diskriminan karena ada 4 grup yang digunakan. Fungsi diskriminan yang terbentuk pada analisis ini adalah sebagai berikut :
a Fungsi Diskriminan 1 - Z Skor 1 =
4,794 +-1,768 Wrusaha +0,071 Lamaush +0,037 omset b Fungsi Diskriminan 2
- Z Skor 2 = -7,433 + 1,721 Wrusaha +0,084 Lamaush +0,070 omset
c Fungsi Diskriminan 3 - Z Skor 3 =
-1,444 + 0,604 Wrusaha +-0,129 Lamaush +0,071 omset Ketiga fungsi diskriminan diatas, akan menempatkan memprediksi
responden masuk pada grupkelompokkategori mana pada kolektibilitas kredit, apakah akan masuk kategori lancar, kuranglancar, diragukan atau macet.
Fungsi Z skor 1 akan memilah responden dengan katagori lancar atau kurang lancar, Fungsi Z skor 2 akan memilah responden dengan katagori kurang
lancar atau diragukan, sedangkan Fungsi Z skor 3 akan memilah responden dengan katagori diragukan atau macet. Pada kasus diskriminan 2 faktor, hal
tersebut mudah dilakukan karena hanya ada satu fungsi diskriminan, serta hanya ada 2 kode tipe. Dengan menetapkan Z cu sebagai batas skor, maka
pemasukan input segera menempatkan kasus pada tipe tertentu. Namun untuk kasus pada penelitian ini menggunakan 4 tipe kelompok kolektibilitas kredit,
sehingga perhitungannya akan lebih kompleks. Untuk itu Territorial Map atau peta wilayah akan membantu penempatkan sebuah data pada tipekelompok
tertentu. Territorial Map atau peta wilayah pada dasarnya memetakan mapping batas-batas setiap kode berdasar sumbu X fungsi diskriminan 1, sumbu Y
fungsi diskriminan 2 dan sumbu Z fungsi diskriminan 3 sehingga dengan melihat koordinat sebuah kasus skor diskriminan yang diperoleh pada masing-
masing fungsi maka akan dengan mudah melihat kasus atau data tersebut masuk 16
pada grupkelompok mana. Didalam territorial map, setiap centroid kelompok nilai rata-rata skor fungsi diskriminan untuk suatu kelompok tertentu ditandai
dengan asterisk . Batas kelompok ditunjukkan dengan angka yang sesuai dengan nomor kelompok. Centroid kelompok 1 dibatasi dengan angka 1, begitu
juga untuk centroid kelompok 2, 3 dan 4. Tabel 4. Nilai Rata-rata Skor Fungsi Diskriminan Untuk Setiap
GrupKelompok Kolektibilitas Kredit KOLEKTIBILITAS
Fungsi 1
2 3
1 1,593
,419 ,072
2 ,813
-,423 -,125
3 -,897
-,522 ,106
4 -1,510
,525 -,053
Sumber : Hasil Penelitian, 2006 17
Gambar 1. Grafik Territorial Map
Fungsi Diakriminan 2 -6,0 -4,0 -2,0 ,0 2,0 4,0 6,0
6,0 41
41 41
41 41
41 4,0 41
41 41
41 41
41 2,0 41
41 41
41 44211
4443322211 ,0 44333 32 2211
44433 32 2211 444333 32 221
444333 32 211 444333 32 2211
444333 32 2211 -2,0 44333 32 2211
44433 32 221 444333 32 211
4333 32 2211 3 32 2211
32 2211 -4,0 32 221
32 211 32 22
32 32
32 -6,0 32
18
4.3.5. Menilai Validitas Analisis Diskriminan
Untuk mengetahui sejauh mana klasifikasi yang telah ditentukan sudah tepat atau berapa persen terjadi kesalahan pada proses klasifikasi tersebut, dapat
dilihat dari hasil metode case wise results dan metode leave-one-out cross validation. Hasil yang diperoleh sebagai berikut :
Tabel 5. Hasil Klasifikasi Fungsi Diskriminan pada Sampel Analisis
Total 1
2 3
4 DATA AWAL: Jumlah
1 8
10 1
1 20
Responden 2
3 15
1 1
20 3
2 11
7 20
4 1
1 18
20 1
40 50
5 5
100 2
15 75
5 5
100 3
10 55
35 100
4 5
5 90
100 VALIDASI
Jumlah 1
8 10
1 1
20 SILANG
Responden 2
3 13
3 1
20 3
3 10
7 20
4 2
3 15
20 1
40 50
5 5
100 2
15 65
15 5
100 3
15 50
35 100
4 10
15 75
100 Sumber : Hasil Penelitian, 2006
Keterangan : a. 65,0 responden diprediksi atau diklasifikasikan secara tepat sesuai data aslinya.
b. 57,5 dari hasil validasi silang diklasifikasikan secara tepat sesuai data aslinya. KOLEKTIBILITAS
Prediksi Keanggotaan Grup
Pada tabel 5 diatas, terlihat bahwa ketepatan prediksi dari modelfungsi diskriminan adalah : 8 + 15 + 11 + 18 80 = 0,65 atau 65. Hal ini berarti
65 dari 80 data yang diolah telah dimasukkan pada grup yang sesuai dengan data semula atau dapat juga dikatakan 65 dari data telah terklasifikasi dengan
benar. Sedangkan hasil pengklasifikasian dengan metode leave-one-out cross validation kode b, didapat angka ketepatan klasifikasi data sebesar 57,5.
Dengan diperolehnya angka ketepatan yang cukup tinggi tersebut yaitu masih diatas 50, menunjukkan maka modelfungsi diskriminan yang dihasilkan sudah
layak untuk membedakan keempat grupkelompok tingkat pengembalian kreditkolektibilitas. Menurut Supranto 2004, apabila kelompok mempunyai
19
objek yang sama the same sample size, persentase klasifikasi yang tepat karena kebetulan ialah angka 1 satu dibagi dengan banyaknya kelompok equal
chance. Pada penelitian ini terdapat 4 kelompok, sehingga 14 = 0,25. Hasil ketepatan prediksi dari modelfungsi diskriminan adalah 65 lebih besar dari
25, sehingga hasil analisis dianggap memuaskan. Oleh karena angka ketepatan klasifikasi tersebut berasal dari sampel
analisis data yang digunakan untuk keperluan estimasi juga untuk validasi sehingga dikhawatirkan kesahihannya kevalidannya maka untuk pengujian model
dilakukan dengan menggunakan holdout sample atau sampel validasi. Caranya adalah koefisien atau timbangan weight fungsi diskriminan yang diestimasi
dengan menggunakan analisis sampel dikalikan dengan nilai variabel prediktor didalam sampel validasi untuk menghasilkan skor nilai diskriminan. Hasil skor
yang diperoleh akan menentukan apakah responden pada holdout sampel masuk kategori lancar, kurang lancar, diragukan atau macet dengan bantuan grafik
territoral mapping. Hasil analisis menunjukkan bahwa the hit ratio yaitu persentase
objekkasus yang secara tepat diklasifikasi oleh fungsi diskriminan sebesar 7 + 6 + 7 +840 =0,70 atau 70.
Tabel 6. Hasil Klasifikasi Fungsi Diskriminan pada Sampel Validasi Holdout Sample
Total 1
2 3
4 DATA AWAL:
Jumlah 1
7 3
10 Respoden
2 1
6 2
1 10
3 1
7 2
10 4
2 8
10 1
70 30
100 2
10 70
10 10
100 3
10 70
20 100
4 20
80 100
Sumber : Hasil Penelitian, 2006 KOLEKTIBILITAS
Prediksi Keanggotaan Grup
Pada kasus ini terlihat bahwa terdapat perbaikan nilai validasi dari 65,0 pada analisis sampel menjadi 70,0 pada sampel validasi atau holdout
20
sample, semakin tinggi nilai validasi tentu semakin bagus karena akan semakin tepat fungsi diskriminan dalam membedakan keempat kelompok kolektibilitas
kredit. Dan hal ini menunjukkan juga bahwa fungsi diskriminan yang telah dibentuk juga territorial map yang telah dibuat, sudah layak dan valid untuk
digunakan dalam mengklasifikasi responden masuk pada grupkelompokkategori mana dalam kolektibilitas kredit.
4.3.6. Pembahasan
Dari hasil analisis diskriminan diatas menunjukkan bahwa terdapat beberapa variabel dari karakteristik pelaku usaha mikro kecil dan profil usahanya
yang dapat membedakan atau mendiskriminasi responden pada kriteria pengelompokkan tingkat pengembalian kreditkolektibilitas. Hal tersebut
memberikan gambaran bahwa ukuran risiko kredit untuk segmen usaha mikro- kecil tidak hanya cukup menggunakan indikator keuangan tetapi juga sangat
tergantung pada pemahaman calon debitur yang meliputi karakteristik pengusaha mikro-kecil itu sendiri maupun profil usaha yang digelutinya.
Adapun variabel-variabel yang mempunyai discriminating power atau kemampuan mendiskriminasi tinggi, sehingga mampu membedakan objek atau
responden pada kriteria kategori lancar dan non lancar kurang lancar, diragukan dan macet adalah variabel wirausaha, lama usaha dan omset yang dihasilkan.
Terpilihnya ketiga variabel tersebut dapat dijelaskan sebagai berikut :
a. Wirausaha.
Kategori