Kajian Dampak Kredit Usaha Rakyat

Gambar 3.2 Proses pengambilan sampel responden usaha mikro dan bank unit Untuk menjawab tujuan pertama yaitu menganalisa perilaku atau faktor faktor yang mempengaruhi usaha mikro untuk meminjam kredit atau akses kredit dan tujuan kedua untuk menganalisis faktor faktor yang mempengaruhi pengembalian kredit digunakan analisis statistik deskriptif untuk mengetahui gambaran umum karakteristik debitur kredit usaha mikro baik dalam meminjam maupun mengembalikan kredit dan analisa regresi logit biner untuk mengetahui faktor faktor yang signifikan mempengaruhi. Untuk tujuan ketiga, yaitu untuk menghitung dampak KUR terhadap pendapatan usaha mikro dengan model probit dengan metode prospensity score matching. Sedangkan untuk menjawab tujuan keempat dilihat dari viabilitas finansial dari sisi efisiensi dan non performance loan nya penyalur kredit, secara deskriptif dengan melihat kinerja penyalur KUR secara umum dan viabilitasnya dilihat dari hasil operasional bank-bank unit dengan pendekatan data envelopment analysis. Tabel 3.1 Rancangan model analisis data No. Tujuan Penelitian Alat analisis Sumber data 1. Menganalisis faktor-faktor yang mempengaruhimendorong usaha mikro untuk mengakses KUR. Deskriptif Regresi logistik logit Primer; survey 332 RT usaha mikro dengan KUR dan tanpa KUR 2. Menganalisis faktor-faktor yang mempengaruhi usaha mikro dalam pengembalian KUR Deskriptif Regresi logistik logit Primer; survey 155 RT usaha mikro KUR Penyaluran KUR Terbesar JAWA TENGAH 15,12 Kabupaten Pati Tahap 1 Purposive Tahap II Purposive Kec. Dukuhseti Kec.Margorejo Tahap III Purposive 18 Desa, setiap desa 10-13 RT usaha mikro KUR dan tanpa KUR 12 Desa setiap desa 10-13 RT usaha mikro KUR dan tanpa KUR 35 bank unit penyalur KUR 37 No. Tujuan Penelitian Alat analisis Sumber data 3. Mengkaji dampak KUR pada pendapatan rumah tangga usaha mikro dengan menganalisis perbedaan pada usaha mikro yang mendapat KUR dengan usaha mikro yang tidak menggunakan KUR Deskriptif Regresi probit dengan pendekatan propensity score matching Primer; survey 332 RT usaha mikro dengan KUR dan tanpa KUR 4. Menganalisis efisiensi dan efektifitas bank-bank unit penyalur KUR. Deskriptif Pendekatan DEA data envelopment analysis Sekunder; 35 unit Bank umum nasional penyalur KUR 5. Mendiskripsikan kaitan efisiensi penyaluran KUR dengan perwilayahan Peta wilayah Pati yang dioverlay dengan tingkat efisiensi Data Sekunder 35 unit bank

3.2.4 Regresi Logistik Biner

Analisis regresi logistik merupakan suatu teknik untuk menganalisis data yang peubah responnya memiliki dua atau lebih kategori dengan satu atau lebih peubah bebas yang berskala kategorik atau kontinu. Juanda 2009 menjelaskan untuk generalisasi secara umum, misalkan kita ingin menduga model regresi logistik ganda multiple logistic regression model dengan k-1 peubah bebas. Model regresi logistik dibentuk dengan menyatakan nilai PY=1 | maka logit dari model regresi logistik gandanya adalah: gx i = In = 1 dan model regresi logistik gandanya: Px i = = 2 Secara umum jika sebuah peubah berskala nominal atau ordinal mempunyai k kemungkinan nilai, maka diperlukan k-1 peubah boneka dummy variable, sehingga model transformasi logitnya menjadi: gx i = β β ∑ 3 dimana: u : 1,2,3…,k j-1 D ju : k j-1 peubah boneka : koefisien peubah boneka : peubah bebas ke-j dengan tingkatan k j Pendugaan parameter dalam regresi logistik menggunakan metode kemungkinan maksimum maximum likehood estimation. Jika antara amatan yang satu dengan yang lain diasumsikan bebas maka fungsi kemungkinan yang diperoleh adalah: ℓβ = ∑x 1 ∑x 2 … ∑x n = ∏ ∑ Prinsip prosedur MLE adalah menentukan dugaan yang nilainya akan memaksimumkan persamaan peluang bersama n pengamatan, untuk mempermudahkan perhitungan, dilakukan transformasi dengan logaritma natural, sehingga mendapatkan fungsi log likehood berikut; ℓβ = In ℓβ = ∑ { [ ] [ ] Untuk menentukan dugaan β yang memaksimumkan ℓβ kita diferensialkan persamaan diatas terhadap masing masing parameter α dan β, lalu disamakan dengan 0. Pengujian terhadap parameter parameter model dilakukan baik secara simultan maupun secara parsial. Menurut Juanda 2009 selanjutnya menguji apakah model logit tersebut secara simultan atau keseluruhan dapat menjelaskan keputusan pilihan kualitatif Y yaitu dengan menggunakan uji likehood ratio , dengan hipotesis: H : β 1 = …= β k = 0 H 1 : minimal ada β j ≠0, untuk j = 2, 3,…k Statistik uji G menyebar menurut sebaran Khi-kuadrat dengan derajat bebas k-1 dirumuskan sebagai berikut; G = -2In[ ] = 2In[ ] ≈ = 2[In likehood_Model UR – In likehood_Model R ] Dengan mengasumsikan H benar, statistic uji G akan mengikuti sebaran Khi kuadrat dengan derajat bebas k-1. Keputusan tolak H jika G . Pengujian parameter secara parsial menggunakan uji Wald. Hipotesis yang akan diuji adalah: H : βj = 0 untuk I = 2,3,…k pengubah xj tidak berpengaruh nyata H 1 : βj ≠0; I = 1,2…..k pengubah xj berpengaruh nyata Statistik uji yang digunakan adalah: W = ̂