Penentuan Karakteristik Kelancaran Pembayaran Kartu Kredit menggunakan Metode CHAID
PENENTUAN KARAKTERISTIK KELANCARAN
PEMBAYARAN KARTU KREDIT MENGGUNAKAN
METODE CHAID
MERLINDA YANTHY
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Karakteristik
Kelancaran Pembayaran Kartu Kredit menggunakan Metode CHAID adalah benar
karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam
bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang
berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari
penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di
bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Agustus 2013
Merlinda Yanthy
NIM G14070082
ABSTRAK
MERLINDA YANTHY. Penentuan Karakteristik Kelancaran Pembayaran Kartu
Kredit menggunakan Metode CHAID. Dibimbing oleh BAMBANG SUMANTRI
dan DIAN KUSUMANINGRUM.
Penyaluran kredit konsumtif oleh pihak perbankan maupun lembaga
keuangan terhadap calon debitur yang tepat merupakan suatu hal penting. Hal ini
dilakukan untuk memperkecil risiko kerugian yang akan dihadapi pihak bank
maupun lembaga keuangan tersebut. Pada penelitian ini digunakan metode
CHAID (Chi-square Automatic Interaction Detector), yaitu sebuah metode
klasifikasi yang menghasilkan pohon klasifikasi non-biner untuk menentukan
faktor-faktor yang berpengaruh signifikan terhadap status pembayaran kredit
nasabah. Hasil dari penelitian ini adalah dari sepuluh peubah penjelas yang
dianalisis terdapat enam peubah penjelas yang memiliki asosiasi terhadap status
kredit. Pada kasus ini, analisis CHAID menghasilkan 14 segmen dan segmen yang
berpotensial dalam membidik nasabah target agar status pembayaran nasabah
lancar yaitu, karakteristik nasabah yang memiliki kartu kredit lain, bekerja diatas
sepuluh tahun dan berpendidikan diatas akademi (segmen dua). Melalui tabel
ketepatan klasifikasi dapat disimpulkan nasabah yang berkategori lancar,
diprediksi dengan benar 98.6%, sedangkan nasabah yang berkategori tidak lancar
diprediksi dengan benar sebesar 9.3%. Persentase total prediksi yang benar adalah
80.8%.
Kata kunci : Karakteristik nasabah, Analisis CHAID, Kartu kredit
ABSTRACT
MERLINDA YANTHY. The Determination of Credit Card Repayment
Characteristics using CHAID Method. Supervised by BAMBANG SUMANTRI
and DIAN KUSUMANINGRUM.
The delivery of consumptive credit by either banks or financial institutions
to the right debitur is important. This is done to decrease the loss risk that might
be encountered by the banks or financial institutions. CHAID (Chi-square
Automatic Interaction Detector) was used in this research, as it is a classification
method which generates non-binary classification tree to determine significant
factors that affected customer credit payment status. The result of this research
showed six from ten predictors was having association with credit status. In this
case, CHAID generates 14 segments and potential segments that pointed out
qualified customer with well customer payment status, the customer having the
characteristics of owning credit card from other banks, has been working for more
than ten years, and at least having education of undergraduate or collage (second
segment). The classification accuracy table concluded thath potential customers
predicted precicely by 98.6%, whereas not qualified customers predicted precicely
by 9.3%. The total percentage precice prediction is 80.8%.
Keywords: Customer characteristics, CHAID method, Credit card
PENENTUAN KARAKTERISTIK KELANCARAN
PEMBAYARAN KARTU KREDIT MENGGUNAKAN
METODE CHAID
MERLINDA YANTHY
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika
pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
Judul Skripsi : Penentuan Karakteristik Kelancaran Pembayaran Kartu Kredit
menggunakan Metode CHAID
Nama
: Merlinda Yanthy
NIM
: G14070082
Disetujui oleh
Ir. Bambang Sumantri
Pembimbing I
Dian Kusumaningrum, M.Si
Pembimbing II
Diketahui oleh
Dr. Ir. Hari Wijayanto, M.Si
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala
rahmat dan karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema
yang dipilih dalam penelitian ini ialah pengelompokkan, dengan judul Penentuan
Karakteristik Kelancaran Pembayaran Kartu Kredit menggunakan Metode
CHAID.
Penulis mengucapkan terima kasih kepada Bapak Ir. Bambang Sumantri dan
kepada Ibu Dian Kusumaningrum, M.Si selaku dosen pembimbing yang telah
banyak memberi bimbingan, arahan dan membangkitkan semangat kepada penulis
serta Bapak Dr. Farit Mochamad Afendi, M.Si yang telah banyak memberi saran.
Terima kasih penulis juga ucapkan kepada Dimas, Agung, Jelita, Nunu, Sugi,
Hanif, Kindy, Andy dan Rani atas bantuan dan semangatnya. Terkhusus penulis
persembahkan dan terima kasih penulis sampaikan kepada orang tua, keluarga dan
sahabat-sahabatku atas doa dan dukungannya
Semoga karya ilmiah ini bermanfaat.
Bogor, Agustus 2013
Merlinda Yanthy
DAFTAR ISI
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
1
TINJAUAN PUSTAKA
2
Kredit
2
Segmentasi Pasar
2
Metode CHAID
2
METODE
4
HASIL DAN PEMBAHASAN
4
Gambaran umum nasabah
4
Dendogram hasil analisis CHAID
6
Segmentasi nasabah
8
Ketepatan klasifikasi metode CHAID
9
SIMPULAN
9
DAFTAR PUSTAKA
10
LAMPIRAN
12
RIWAYAT HIDUP
17
DAFTAR GAMBAR
1
2
3
4
Persentase jenis kelamin nasabah lancar dan nasabah tidak lancar
Persentase pendapatan nasabah lancar dan nasabah tidak lancar
Persentase jenis pekerjaan nasabah lancar dan nasabah tidak lancar
Persentase status pekerja nasabah lancar dan nasabah tidak lancar
4
5
5
6
DAFTAR LAMPIRAN
1 Frekuensi relatif dan peubah-peubah yang digunakan
2 Diagram batang peubah-peubah yang digunakan
3 Hasil uji khi-kuadrat antara peubah respon dengan masing-masing peubah
penjelas
4 Ketepatan klasifikasi metode CHAID
5 Dendogram pemisahan hasil analisis CHAID pada taraf 5%
6 Karakteristik nasabah berdasarkan analisis CHAID
11
12
14
14
15
16
1
PENDAHULUAN
Latar Belakang
Bank mempunyai peranan yang esensial dalam penyaluran kredit kepada
pihak-pihak yang membutuhkan. Fungsi pokok kredit yaitu memenuhi pelayanan
terhadap kebutuhan masyarakat dalam rangka memperlancar perdagangan,
produksi, dan jasa-jasa bahkan konsumsi yang keseluruhannya itu ditujukan
untuk meningkatkan kesejahteraan manusia. Salah satu unsur dalam kredit adalah
adanya janji dan kesanggupan membayar dari nasabah kepada bank (Firdaus
2004).
Pemberian kredit merupakan pemberian kepercayaan dari satu pihak kepada
pihak yang lain. Hal ini berarti pemberi pinjaman kredit yakin bahwa nasabah
akan mengembalikan pinjaman kredit sesuai dengan jangka waktu yang telah
ditetapkan dan syarat-syarat yang telah disepakati oleh kedua belah pihak. Tanpa
keyakinan tersebut suatu lembaga kredit tidak akan memberikan pinjaman kredit.
Penyaluran kredit bagi suatu bank merupakan sumber utama penghasilan
bank sekaligus sumber resiko bisnis terbesar dimana adanya kemungkinan kredit
tidak lancar. Kredit tidak lancar disebabkan karena nasabah tidak mengembalikan
pinjaman uang, hal ini dapat menyebabkan kerugian pada pihak bank. Untuk
mengatasi masalah ini maka sudah seharusnya pihak bank hanya memberikan
kredit pada nasabah yang layak, sehingga bank wajib melakukan seleksi calon
nasabah. Secara umum proses seleksi calon nasabah yang dilakukan melalui
pendekatan secara demografi, geografi dan psikografi (Kotler 2003). Namun pada
penelitian ini hanya digunakan pendekatan secara demografi karena keterbatasan
data.
Analisis statistika telah banyak digunakan untuk membantu menyelesaikan
masalah-masalah dalam bidang perbankan. Penelitian Setiawati (2011) telah
dilakukan penyelusuran banyaknya unit dan lapisan tersembunyi pada jaringan
saraf tiruan untuk menentukan arsitektur paling optimal sehingga dapat
menghasilkan model klasifikasi terbaik. Analisis yang dikaji pada penelitian ini
menggunakan metode CHAID yang umumnya dikenal sebagai metode pohon
klasifikasi (Classification tree methods). Metode ini dapat menyederhanakan dari
sekian peubah-peubah penjelas yang dimasukan dalam analisis menjadi beberapa
peubah penjelas yang berpengaruh signifikan terhadap status pembayaran. Pohon
klasifikasi dapat digunakan sebagai acuan dalam segmentasi untuk mempermudah
pihak bank dalam menentukan seleksi awal nasabah pada saat pengajuan
permohonan kartu kredit.
Tujuan Penelitian
Tujuan dari penelitian ini adalah menentukan faktor-faktor yang
mempengaruhi status pembayaran kredit nasabah sehingga dapat ditentukan
segmentasi nasabah yang layak untuk diberikan kredit oleh pihak bank.
2
TINJAUAN PUSTAKA
Kredit
Kredit adalah suatu bentuk pinjaman sejumlah nilai uang atau barang antara
dua belah pihak, sehingga untuk mengembalikannya diperlukan suatu pembayaran
secara cicilan dari pihak yang meminjam kepada pihak yang meminjamkan sesuai
dengan ketentuan yang telah berlaku. Kredit konsumtif biasa diberikan oleh suatu
lembaga keuangan kepada calon nasabah yang digunakan untuk dapat memenuhi
kebutuhan pribadi ataupun kelurga agar kelangsungan hidupnya dapat terus
berlanjut (Bank Rakyat Indonesia 2004).
Segmentasi Pasar
Segmentasi pasar merupakan pengelompokkan individu menjadi beberapa
kelompok (segmen). Dimana individu yang berada dalam satu segmen memiliki
ciri-ciri atau perilaku yang relatif sama (homogen) dibandingkan dengan individu
pada kelompok lain (Kotler 2003).
Ada beberapa pendekatan yang digunakan untuk melakukan segmentasi
pasar, yaitu demografi, geografi, dan psikografi. Pendekatan demografi meliputi
peubah usia, jenis kelamin, pekerjaan, pendidikan, dan pendapatan. Pendekatan
geografi cenderung membagi konsumen berdasarkan wilayah tempat tinggal,
sedangkan pendekatan psikografi meliputi gaya hidup, sikap-sikap, dan minat
individu. Pendekatan yang digunakan dalam penelitian ini adalah pendekatan
demografi dikarenakan keterbatasan data.
Metode CHAID
Metode CHAID (Chi-square Automatic Interaction Detection) merupakan
salah satu tipe dari pohon keputusan yang menggunakan kriteria khi kuadrat
dalam pengoperasiannya. CHAID menghasilkan pohon non biner yang dapat
diterapkan pada masalah klasifikasi. Metode CHAID digunakan sebagai metode
eksplorasi nonparametrik untuk mengetahui peubah-peubah penjelas yang
dominan menjelaskan peubah respon (Alamudi et al. 1998).
Pada prinsipnya cara kerja metode CHAID adalah dengan cara memisahkan
data menjadi kelompok-kelompok melalui tahap-tahap tertentu. Tahapan ini
diawali dengan membagi data menjadi beberapa kelompok berdasarkan satu
peubah penjelas yang pengaruhnya paling signifikan terhadap peubah respon.
Masing-masing kelompok yang diperoleh lalu diperiksa secara terpisah untuk
membaginya lagi menjadi beberapa kelompok berdasarkan peubah penjelas.
Dengan demikian melalui metode CHAID dapat diketahui peubah-peubah
penjelas yang pengaruhnya paling signifikan terhadap peubah respon. Algoritma
CHAID adalah sebagai berikut (Kass 1980):
1. Membuat tabulasi silang untuk masing-masing kategori peubah penjelas
dengan kategori peubah respon.
3
2. Membuat sub tabulasi silang berukuran 2xd yang mungkin tersusun. d
adalah banyaknya kategori peubah respon. Lalu cari nilai
semua
subtabel tersebut. Dengan ditetapkan, cari nilai
yang terkecil.
Jika
, maka kedua kategori peubah penjelas yang memiliki
digabung menjadi satu kategori. Untuk peubah ordinal,
penggabungan hanya dapat dilakukan terhadap kategori yang berurutan.
3. Jika terdapat kategori gabungan yang terdiri dari tiga atau lebih kategori
asal, maka harus dilakukan pembagian biner terhadap kategori gabungan
tersebut. Dari pembagian ini dicari
terbesar. Jika
terbesar >
, maka pembagian biner berlaku. Kembali ke tahap dua.
4. Setelah diperoleh penggabungan optimal untuk setiap peubah penjelas,
hitung nilai-p untuk masing-masing tabel yang terbentuk. Tabel yang
mengalami pengurangan kategori, nilai-pnya dikalikan dengan koreksi
Bonferoni sesuai dengan tipe peubahnya. Jika nilai-p terkecil < , maka
peubah tersebut merupakan peubah penjelas yang pengaruhnya paling
signifikan bagi peubah respon.
5. Jika pada tahap 4 diperoleh peubah yang pengaruhnya paling signifikan,
kembali ke tahap 1 untuk setiap bagian data hasil pemisahan.
Statistik uji yang digunakan adalah dengan rumus:
(
)
]
∑∑[
dimana:
total baris
total kolom
indeks baris
indeks kolom
nilai sel baris ke-i kolom ke-j
nilai harapan sel baris ke-i kolom ke-j
Koreksi Bonferoni untuk tabel yang mengalami pengurangan kategori
sesuai dengan tipe peubahnya:
1. Peubah nominal:
2. Peubah ordinal:
∑
3. Peubah float:
(
(
)
)
(
)
4
METODE
Data yang digunakan merupakan data sekunder nasabah Bank Mandiri
tahun 2008-2009 mengenai status kelancaran pembayaran utang kartu kredit
nasabah sebagai peubah respon. Data tersebut terdiri dari 4131 amatan dengan 10
peubah penjelas dan satu peubah respon, yaitu status pembayaran nasabah.
Peubah respon dikategorikan lancar untuk nasabah yang tidak bermasalah dan
tidak lancar untuk nasabah yang bermasalah. Peubah penjelas yang digunakan
yaitu usia, pendidikan, jenis kelamin, status pernikahan, status pekerja, jenis
pekerjaan, pendapatan, kepemilikan rumah, lama bekerja dan kepemilikan kartu
kredit lain. Deskripsi lebih lanjut dari masing-masing peubah penjelas dapat
dilihat pada Lampiran 1.
HASIL DAN PEMBAHASAN
Gambaran Umum Nasabah
Banyaknya nasabah pembayaran kartu kredit yang digunakan pada
penelitian ini sebanyak 4131 orang. Secara keseluruhan, persentase nasabah
dengan status pembayaran kredit lancar dalam penelitian ini adalah sebesar 80%,
sedangkan persentase nasabah dengan status pembayaran kredit tidak lancar
sebesar 20%. Mayoritas nasabah yang dianalisis berada di kategori usia sekitar
30-39 tahun, sudah menikah, berpendidikan S1, memiliki rumah sendiri, status
karyawan sebagai karyawan tetap di perusahaan swasta, dan berpendapatan 60179 juta pertahun. Selain itu secara keseluruhan sebagian besar nasabah memiliki
kartu kredit lain (Lampiran 1)
Mayoritas nasabah kartu kredit berjenis kelamin pria, yaitu sebesar 53.1%.
Berdasarkan Gambar 1 dapat dilihat bahwa sebagian nasabah yang berstatus
lancar dan nasabah yang berstatus tidak lancar berjenis kelamin pria. Hal ini dapat
terlihat dari persentase jenis kelamin pria sebesar 50.92 % pada nasabah yang
berstatus lancar dan persentase jenis kelamin pria pada nasabah berstatus tidak
lancar sebesar 62.07%. Persentase nasabah tidak lancar pria lebih besar
dibandingkan wanita.
62,07
50,92 49,08
37,93
lancar
tidak lancar
pria
wanita
Gambar 1 Persentase jenis kelamin nasabah lancar dan nasabah tidak lancar
5
Dilihat dari segi pendapatan, persentase nasabah tidak lancar terbesar terjadi
pada nasabah dengan penghasilan pertahun antara 25 sampai dengan 59 juta.
Gambar 2 menunjukkan bahwa semakin besar penghasilan nasabah maka semakin
kecil persentase resiko tidak lancar. Pada kelompok penghasilan kurang dari 25
juta pertahun persentase tidak lancar kecil dikarenakan nasabah pada kelompok
ini hanya sedikit dibandingkan kelompok lainnya.
34,07
43,17
38,12
31,59
16,67
14,88
9,8
1,39
9,9
0,49
lancar
=500jt
Gambar 2 Persentase pendapatan nasabah lancar dan nasabah tidak lancar
Mayoritas nasabah kartu kredit bekerja sebagai pegawai swasta sebesar
56.3% dan berstatus pekerja tetap sebesar 75.8%. Gambar 3 menunjukkan bahwa
sebagian besar nasabah lancar dan tidak lancar memiliki pekerjaan sebagai
pegawai swasta. Hal ini dapat dilihat dari persentase nasabah lancar yang bekerja
sebagai pegawai swasta sebesar 55.57% dan nasabah tidak lancar yang bekerja
sebagai pegawai swasta sebesar 59.39%. Sebesar 75.23% nasabah lancar berstatus
pegawai tetap, sedangkan pada nasabah tidak lancar sebesar 78.05% (Gambar 4).
Dari segi pendidikan mayoritas nasabah memiliki pendidikan terakhir S1 sebesar
49.8%. Pada Lampiran 2 menunjukkan nasabah lancar dan nasabah tidak lancar
tertinggi memiliki pendidikan terakhir S1 dengan persentase 50.08 % dan 48.78%.
Sebanyak 75.4 % nasabah memiliki status pernikahan menikah, 74.88 %,
diantaranya berstatus nasabah tidak lancar dan 75.48 % berstatus nasabah lancar
59,39
55,57
38,66
4,89 0,88
3,05 0,24
lancar
pemerintah
37,32
tidak lancar
profesional
wirausaha
swasta
Gambar 3 Persentase jenis pekerjaan nasabah lancar dan nasabah tidak lancar
6
78,05
75,23
24,31
0,45
21,71
0,24
lancar
kontrak
tidak lancar
tetap
lainnya
Gambar 4 Persentase status pekerja nasabah lancar dan nasabah tidak lancar
Berdasarkan usia nasabah sebagian besar nasabah berusia 30 sampai dengan
39 tahun sebesar 40.6%. Sebagian besar nasabah lancar dan tidak lancar memiliki
usia antara 30 sampai dengan 39 tahun. Hal ini dapat dilihat dari persentase
nasabah lancar yang berusia 30 sampai dengan 39 tahun sebesar 39.08% dan
nasabah tidak lancar yang berusia 30 sampai dengan 39 tahun sebesar 46.71%.
Mayoritas nasabah memiliki lama bekerja kurang dari lima tahun sebesar 36.2 %.
Hal ini menunjukkan bahwa semakin lama bekerja nasabah maka semakin kecil
persentase resiko tidak lancar. Berdasarkan kepemilikan rumah, sebagian besar
nasabah memiliki rumah sendiri sebesar 59 %. Pada nasabah lancar yang memiliki
rumah sendiri sebesar 60,95% dan pada nasabah tidak lancar sebesar 50.98%.
Sebesar 91.2 % nasabah memiliki kartu kredit lain, dimana 94.53% merupakan
nasabah lancar dan 77.93% nasabah tidak lancar (Lampiran 2)
Berdasarkan hasil uji khi-kuadrat peubah respon dengan peubah-peubah
penjelasnya ada delapan peubah yang memiliki asosiasi dengan status pembayaran
kredit pada taraf 5% (Lampiran 3). Peubah penjelas tersebut adalah kepemilikan
rumah, pendidikan, jenis kelamin, jenis pekerjaan, pendapatan, usia, lama bekerja
dan kepemilikan kartu kredit lain. Peubah-peubah tersebut dianggap dapat
membedakan kedua kelompok nasabah dengan baik. Sehingga dapat digunakan
dalam pembentukan pohon klasifikasi.
Dendogram Hasil Analisis CHAID
Analisis CHAID menghasilkan suatu dendogram yang menggambarkan
pengelompolan berdasarkan hubungan terstruktur peubah respon dengan peubah
penjelas yang signifikan pada taraf 5 %. Dari 10 peubah penjelas yang dianalisis
terdapat 6 peubah penjelas yang memiliki pengaruh nyata dengan status
pembayaran kredit. Peubah tersebut adalah kepemilikan kartu kredit lain, lama
bekerja, pendidikan, kepemilikan rumah, usia, dan jenis kelamin (Lampiran 5).
Peubah pertama yang dipilih dalam memisahkan kategori status pembayaran
adalah kepemilikan kartu kredit lain dengan nilai p = 0.000. Dari 3769 nasabah
yang mempunyai kartu kredit lain terdapat 3130 nasabah (83%) yang berstatus
7
lancar dan 639 nasabah (17%) yang berstatus tidak lancar. Sedangkan dari 362
nasabah yang tidak mempunyai kartu kredit lain antara nasabah lancar dan
nasabah tidak lancar seimbang yakni 50 %.
Selanjutnya nasabah yang tidak mempunyai kartu kredit lain dipisahkan
menjadi tiga kelompok berdasarkan lama bekerja. Kelompok pertama meliputi
159 nasabah yang memiliki pengalaman sampai dengan lima tahun yang terdiri
dari 82 nasabah (51.6%) berstatus lancar. Kelompok kedua meliputi 124 nasabah
yang terdiri dari 48 nasabah (38.7%) berstatus lancar. Kelompok ketiga meliputi
79 nasabah terdiri dari 51 nasabah (64.6%) berstatus lancar.
Kategori nasabah yang mempunyai kartu kredit lain dipisahkan berdasarkan
lama bekerja, dari 3130 nasabah ada sebanyak 2666 nasabah yang memiliki
pengalaman kerja sampai dengan sepuluh tahun dan 1103 nasabah memiliki
pengalama kerja diatas sepuluh tahun. Nasabah yang memiliki pengalaman kerja
sampai dengan sepuluh tahun sebanyak 2156 nasabah (80.9%) berstatus lancar
dan 510 nasabah (19.1%) berstatus tidak lancar. Sedangkan nasabah yang
memiliki pengalaman kerja diatas sepuluh tahun sebanyak 974 nasabah (88.3%)
berstatus lancar dan 129 nasabah (11.7%) berstatus tidak lancar.
Nasabah yang memiliki kartu kredit lain dan memiliki pengalaman kerja
sampai dengan sepuluh tahun dibagi menjadi empat kelompok berdasarkan
pendidikan terakhir, yaitu nasabah yang memiliki pendidikan terakhir sampai
dengan SLTA, akademi, S1 dan diatas S1. Nasabah yang berpendidikan diatas S1
memiliki persentase nasabah lancar sebesar 89.9 %, jumlah tersebut lebih besar
dibandingkan pada kelompok lain.
Pada kelompok nasabah yang memiliki kartu kredit lain dan memiliki
pengalaman kerja sampai dengan sepuluh tahun dan berpendidikan sampai
dengan SLTA dibagi menjadi dua kelompok berdasarkan kepemilikan rumah.
Kelompok pertama adalah nasabah yang memiliki rumah sendiri, rumah dinas dan
rumah kost sebesar 240 orang. Kelompok kedua adalah nasabah yang tinggal
bersama orang tua dan lainnya sebesar 92 orang. Pengelompokkan ini
menunjukkan bahwa nasabah yang memiliki rumah sendiri, rumah dinas dan
rumah kost memiliki karakteristik yang homogen. Kehomogenan juga terdapat
pada nasabah yang tinggal bersama orang tua dan lainnya. Nasabah lancar pada
kelompok pertama sebesar 87.5 %, jumlah tersebut lebih besar dibandingkan
dengan kelompok kedua. Untuk nasabah tidak lancar kelompok pertama lebih
sedikit kemungkinan terjadi kredit tidak lancar dibandingkan kelompok dua, yakni
sebesar 12.5 %. Selanjutnya kelompok pertama dibagi kembali menjadi dua
kelompok berdasarkan jenis kelamin, yaitu pria dan wanita. Nasabah dengan
status nasabah lancar lebih besar pada kelompok wanita sebesar 91.9 % dan
memiliki resiko kredit tidak lancar lebih kecil dibandingkan kelompok pria.
Pada kelompok nasabah memiliki kartu kredit lain dan memiliki
pengalaman kerja sampai dengan sepuluh tahun berpendidikan akademi dibagi
menjadi dua berdasarkan usia nasabah. Pada kelompok pertama nasabah yang
berusia sampai dengan 39 tahun kelompok dua nasabah berusia diatas 39 tahun.
Nasabah lancar pada kelompok kedua lebih besar daripada kelompok kedua, yaitu
sebesar 83.1 %. Nasabah tidak lancar pada kelompok dua memiliki persentase
16.9 %, persentase tersebut lebih kecil dibandingkan nasabah tidak lancar pada
kelompok pertama. Berikutnya kelompok nasabah yang memiliki kartu kredit lain,
memiliki pengalaman kerja sampai dengan sepuluh tahun dan berpendidikan S1
8
dipisah lagi menjadi dua kelompok berdasarkan jenis kelamin yaitu pria dan
wanita. Dari kelompok nasabah wanita lebih kecil kemungkinan kredit tidak
lancar dibandingkan kelompok pria karena memiliki persentase nasabah lancar
yang besar dan nasabah tidak lancar yang kecil.
Pada kelompok nasabah yang memiliki kartu kredit lain dan memiliki
pengalaman kerja diatas sepuluh tahun dibagi menjadi dua kelompok berdasarkan
pendidikan, yaitu nasabah berpendidikan sampai dengan akademi dan diatas
akademi. Pada kelompok nasabah berpendidikan diatas akademi, persentase
nasabah lancar 91.5% dan nasabah tidak lancar 8.5%. Nilai tersebut lebih besar
dari nasabah berpendidikan sampai dengan akademi dengan nasabah lancar
sebesar 85.3% dan nasabah tidak lancar 14.7%. Selanjutnya nasabah yang
berpendidikan sampai dengan akademi dibagi menjadi dua kelompok berdasarkan
jenis kelamin, yaitu pria dan wanita. Persentase nasabah lancar pada kelompok
wanita lebih besar dibandingkan kelompok pria yakni sebesar 89% dan memiliki
resiko kecil kredit tidak lancar dengan nasabah tidak lancar sebesar 11%.
Peubah kepemilikan kartu kredit lain memiliki keterkaitan langsung
terhadap status kelancaran pembayaran, yaitu nasabah yang kepemilikan kartu
kredit lainnya dan nasabah yang tidak mempunyai kartu kredit lainnya. Pada
dendogram terlihat adanya asosiasi antara kepemilikan kartu kredit lainnya
dengan pengalaman kerja nasabah yang membagi nasabah menjadi beberapa
kelompok.
Pada dendogram terlihat interaksi antar peubah, yaitu peubah pendidikan
hanya berpengaruh pada kelompok nasabah yang memiliki kartu kredit lain.
Peubah kepemilikan rumah berpengaruh hanya pada kelompok nasabah yang
berpendidikan sampai dengan SLTA. Selanjutnya peubah bebas usia berpengaruh
hanya pada kelompok nasabah yang berpendidikan akademi.
Segmentasi Nasabah
Analisis CHAID menghasilkan empat belas segmen klasifikasi kelancaran
pembayaran nasabah kartu kredit. Dari keempat belas segmen dan diurutkan
berdasarkan resiko terjadinya status pembayaran tidak lancar paling kecil
(Lampiran 6). Tingkat resiko dihitung dengan membandingkan jumlah nasabah
tidak lancar dengan jumlah seluruh nasabah pada segmen tersebut.
Bank dapat menjadikan segmen-segmen tersebut menjadi prioritas
menentukan nasabah baru yang dapat memperkecil pembayaran yang tidak lancar,
maka akan dipilih segmen-segmen dengan jumlah nasabah yang resiko tidak
lancar terkecil dan besar segmen jumlah nasabah terbesar. Berdasarkan hasil
analisis CHAID, segmen pertama merupakan segmen yang memiliki resiko tidak
lancar yang paling rendah. Segmen sembilan merupakan segmen yang paling
besar jumlah nasabahnya,namun tingkat resiko tidak lancar tinggi. Segmen dua
belas sampai segmen empat belas adalah segmen yang memiliki tingkat resiko
yang paling tinggi diantara segmen yang lain. Ketiga segmen tersebut adalah
segmen dimana nasabah tidak memiliki kartu kredit lain dengan perbedaaan
berdasarkan lama bekerja nasabah. Jika nasabah tidak mempunyai kartu kredit
lain maka seberapapun lama bekerja nasabah pada ketiga segmen tersebut
cenderung tidak lancar. Nasabah yang memiliki kartu kredit lain yang memiliki
9
tingkat resiko dibawah 20 % cenderung lancar. Sedangkan nasabah yang memiliki
kartu kredit lain yang memiliki tingkat resiko diatas 20 % perlu dilakukan tinjauan
ulang terhadap nasabah pada kelompok tersebut. Dengan membandingkan resiko
tidak lancar dan besar segmen, diketahui bahwa segmen yang memenuhi untuk
dijadikan acuan dalam membidik nasabah target adalah segmen kedua. Segmen
kedua memiliki jumlah nasabah yang besar dan memiliki resiko tidak lancar yang
kecil dapat dijadikan acuan calon nasabah agar status pembayaran kartu kredit
tidak lancar dapat diminimalisir. Nasabah segmen kedua ini mempunyai
karakteristik sebagai nasabah yang memiliki kartu kredit lain, memiliki
pengalaman kerja diatas sepuluh tahun dan berpendidikan diatas akademi.
Segmen kedua ini menunjukkan bahwa peubah penjelas seperti usia, kepemilikan
rumah, dan jenis kelamin tidak menjadi patokan lancar atau tidak lancar status
pembayaran nasabah.
Ketepatan Klasifikasi Metode CHAID
Salah satu cara untuk mengetahui keakuratan klasifikasi yang diperoleh dari
hasil analisis CHAID adalah melalui tabel ketepatan klasifikasi (Lampiran 4).
Dari 3311 nasabah yang berkategori lancar diprediksi benar sebanyak 3263
nasabah (98.6%), sedangkan dari 820 nasabah yang berkategori tidak lancar
diprediksi dengan benar sebesar 76 nasabah (9.3%). Jadi dapat disimpulkan
bahwa ketepatan prediksi nasabah yang berkategori lancar lebih baik dari nasabah
yang berkategori tidak lancar. Persentase total prediksi yang benar dari 4131
nasabah adalah 80.8%. Dari 744 nasabah yang diprediksi lancar tetapi
kenyataannya tidak lancar maka bank akan mengalami kerugian karena bank
menampung nasabah yang berkategori tidak lancar sebagai nasabah yang
berkategori lancar. Sedangkan dari 48 nasabah yang diprediksi tidak lancar tetapi
kenyataannya lancar maka nasabah tersebut akan kehilangan kesempatan untuk
diberikan kredit oleh bank karena nasabah yang berkategori lancar tersebut masuk
ke dalam kelompok nasabah yang berkategori tidak lancar. Secara keseluruhan,
model ini baik dan dapat digunakan oleh bank di masa yang akan datang sebagai
bahan pertimbangan dalam memberikan kredit kepada nasabahnya
SIMPULAN
Uji khi-kuadrat antara peubah respons dengan peubah-peubah penjelasnya
belum cukup untuk mengidentifikasi faktor-faktor yang mempengaruhi status
kelancaran pembayaran kartu kredit karena analisis tersebut masih bersifat parsial.
Untuk itu diperlukan suatu uji simultan yaitu analisis CHAID. Dari sepuluh
peubah penjelas yang dianalisis terdapat enam peubah penjelas yang memiliki
keterkaitan struktural terhadap status pembayaran nasabah. Peubah tersebut adalah
kepemilikan kartu kredit lain, lama bekerja, pendidikan, kepemilikan rumah, usia,
dan jenis kelamin.
Hasil akhir analisis CHAID ini digunakan untuk menentukan segmentasi
nasabah potensial yang dapat dijadikan prioritas target nasabah yang ingin
membuat kartu kredit. Pada kasus ini, analisis CHAID menghasilkan 14 segmen
10
dan segmen yang berpotensial dalam membidik nasabah target agar status
pembayaran nasabah lancar adalah segmen dua dengan karakteristik nasabah yang
memiliki kartu kredit lain, memiliki pengalaman kerja diatas sepuluh tahun dan
berpendidikan diatas akademi. Segmen dua belas sampai dengan segmen empat
belas dikelompokkan menjadi satu kelompok. Dimana nasabah yang tidak
mempunyai kartu kredit lain, lama bekerja tidak berpengaruh karena nasabah pada
kelompok ini cenderung tidak lancar. Prioritas target nasabah kartu kredit baru
berdasarkan tingkat resiko tidak lancar yang paling minimun
DAFTAR PUSTAKA
Alamudi A, Aji HW, Aunuddin. 1998. Eksplorasi Struktur Data Menggunakan
Metode CHAID. Forum Statistika dan Komputasi. Institut Pertanian Bogor.
ISSN: 0853 8115.
Bank Rakyat Indonesia. 2008. Kredit Konsumtif [internet]. [diacu 2013 Januari
12]. Tersedia dari: www.bri.co.id
Faridhan, Y. E. 2003. Metode Klasifikasi Berstruktur Pohon dengan Algoritma
CRUISE, QUEST, dan CHAID [tesis]. Bogor (ID): Institut Pertanian Bogor.
Firdaus, Rachmat H, dan Maya Arianti. 2004. Manajemen Perkreditan Bank
Umum. Bandung : Alfabeta.
Kotler P. 2003. Marketing Management. Eleventh Edition. New Jersey: Pearson
Education
Kunto, Y S. Dan S. N. Hasana. 2006. Analisis CHAID sebagai Alat Bantu
Statistika untuk Segmentasi Pasar [internet]. [diacu 2013 Jan 20]. Tersedia
dari: http://fportfolio.petra.ac.id/user_files/05-011/MAR06010205.pdf
Setiawati P A. 2011. Penelusuran banyaknya unit dan lapisan tersembunyi
jaringan saraf tiruan pada data tidak seimbang [skripsi]. Bogor (ID): Institut
Pertanian Bogor.
11
Lampiran 1 Frekuensi relatif dan peubah-peubah yang digunakan
Peubah
Skala
pengukuran
Keterangan
Frekuensi
relatif (%)
Status pembayaran
kredit
Nominal
0 : Lancar
1 : Tidak Lancar
80.2
19.8
Usia
Ordinal
0 : < 30 tahun
1 : 30–39 tahun
2 : 40–49 tahun
3 : > 50 tahun
23.0
40.6
23.7
12.7
Pendidikan
Ordinal
0 : SLTP
1 : SLTA
2 : Akademi
3 : S1
4 : S2
0.2
16.0
28.1
49.8
6.0
Jenis kelamin
Nominal
0 : Pria
1 : Wanita
53.1
46.9
Status pernikahan
Nominal
0 : Lajang
1 : Menikah
2 : Cerai
24.2
75.4
0.5
Status pekerja
Nominal
0 : kontrak
1 : tetap
2 : lainnya
0.4
75.8
23.8
Jenis pekerjaan
Nominal
0 : pemerintah
1 : profesional
2 :wirausaha
3 : swasta
4.5
0.8
38.4
56.3
Pendapatan
(Rupiah)
Ordinal
0 : < 25 juta
1 : 25-59 juta
2 : 60-179 juta
3 :180– 490 juta
4 : > 500 juta
1.2
35.9
36.8
16.3
9.8
Kepemilikan
rumah
Nominal
0 : milik sendiri
1: rumah orang
tua/mertua
2: rumah dinas /instansi
3: sewa/kontrak /kost
4 : lainnya
59.0
37.4
1.5
1.6
0.4
12
Lampiran 1 Frekuensi relatif dan peubah-peubah yang digunakan (lanjutan)
Peubah
Skala
pengukuran
Keterangan
Frekuensi
relatif (%)
Lama bekerja
Ordinal
0 : < 5 tahun
1 : 5 – 10 tahun
2: 11 – 20 tahun
3: > 20 tahun
36.2
35.2
18.9
9.7
Kepemilikan kartu
kredit lain
Nominal
0: tidak
1 : ya
8.8
91.2
Lampiran 2 Diagram batang peubah-peubah yang digunakan
a. Persentase pendidikan nasabah lancar dan nasabah tidak lancar
75,48
74,88
24,63
24,07
0,49
0,45
lancar
tidak lancar
lajang
menikah
cerai
b. Persentase status pernikahan nasabah lancar dan nasabah tidak lancar
50,08
48,78
35,85
26,13
16,79
12,68
6,80
0,21
2,68
0,00
lancar
sltp
tidak lancar
slta
akademi
s1
s2
13
c.
Persentase usia nasabah lancar dan nasabah tidak lancar
46,71
39,08
25,24
24,80
22,47
19,15
13,7
8,9
lancar
=50th
d. Persentase lama bekerja nasabah lancar dan nasabah tidak lancar
40,61 40,24
35,06 33,98
20,30
13,41
10,7
5,7
lancar
20th
e. Persentase kepemilikan rumah nasabah lancar dan tidak lancar
60,95
50,98
45,61
35,40
1,36 1,90 0,39
lancar
milik sendiri
rumah dinas/instansi
lainnya
2,07 0,73 0,61
tidak lancar
rumah orangtua/mertua
sewa/kontrak/kost
14
f. Persentase kepemilikan kartu kredit lain nasabah lancar dan tidak lancar
94,53
77,93
22,07
5,47
lancar
tidak lancar
tidak punya
punya
Lampiran 3 Hasil uji khi-kuadrat antara peubah respon dengan masing-masing
peubah penjelas
Peubah penjelas
(kategori)
Kepemilikan rumah
Pendidikan
Jenis kelamin
Status pernikahan
Status pekerja
Jenis pekerjaan
Pendapatan
Usia
Lama bekerja
Kartu kredit
*Nyata pada α = 5%
2
db
Nilai-p
37.741
49.665
32.824
.135
3.261
10.444
28.510
32.134
45.850
226.700
4
4
1
2
2
3
4
3
3
1
0.000*
0.000*
0.000*
0.935
0.196
0.015*
0.000*
0.000*
0.000*
0.000*
Lampiran 4 Ketepatan klasifikasi metode CHAID
Aktual
Lancar
Tidak lancar
Total
Persentase total
Lancar
3263
744
4007
97.0%
Prediksi
Tidak lancar
48
76
124
3.0%
Total
3311
820
4131
Persentase
benar
98.6%
9.3%
80.8%
15
Lampiran 5 Dendogram pemisahan hasil analisis CHAID pada taraf 5%
16
Lampiran 6 Karakteristik nasabah berdasarkan analisis CHAID
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Karakteristik nasabah
Mempunyai kartu kredit lain, lama bekerja kurang
atau dengan 10 tahun, pendidikan kurang atau sama
dengan SLTA, rumah milik sendiri, dinas, sewa/kost,
jenis kelamin wanita
Memiliki kartu kredit lain, bekerja diatas sepuluh
tahun dan pendidikan diatas akademi
Mempunyai kartu kredit lain, lama bekerja kurang
atau dengan 10 tahun dan pendidikan diatas S1
Memiliki kartu kredit lain, bekerja diatas sepuluh
tahun dan pendidikan kurang atau sama dengan
akademi dan jenis kelamin wanita
Mempunyai kartu kredit lain, lama bekerja kurang
atau dengan 10 tahun, pendidikan S1 dan jenis
kelamin wanita
Mempunyai kartu kredit lain, lama bekerja kurang
atau dengan 10 tahun, pendidikan akademi dan
berusia diatas 39 tahun
Mempunyai kartu kredit lain, lama bekerja kurang
atau dengan 10 tahun, pendidikan kurang atau sama
dengan SLTA, rumah milik sendiri, dinas, sewa/kost,
dan jenis kelamin pria
Memiliki kartu kredit lain, bekerja diatas sepuluh
tahun dan pendidikan kurang atau sama dengan
akademi dan jenis kelamin pria
Mempunyai kartu kredit lain, lama bekerja kurang
atau dengan 10 tahun, pendidikan S1 dan jenis
kelamin pria
Mempunyai kartu kredit lain, lama bekerja kurang
atau dengan 10 tahun, pendidikan akademi dan
berusia kurang atau sama dengan 39 tahun
Mempunyai kartu kredit lain, lama bekerja kurang
atau dengan 10 tahun, pendidikan kurang atau sama
dengan SLTA, dan rumah orangtua/mertua, lainnya
Tidak mempunyai kartu kredit lain dan lama bekerja
diatas sepuluh tahun
Tidak mempunyai kartu kredit lain dan lama bekerja
kurang atau sama dengan lima tahun
Tidak mempunyai kartu kredit lain dan lama bekerja
lima sampai sepuluh tahun
Tingkat
resiko
8.13 %
Besar
segmen
2.98
8.49 %
12.83
10.14 %
3.58
11.00 %
7.04
13.19 %
15.42
16.88 %
3.87
17.09 %
2.83
18.44 %
6.83
21.36 %
19.27
26.81 %
14.35
27.17 %
2.23
35.44 %
1.91
48.43 %
3.85
61.29 %
3.00
17
RIWAYAT HIDUP
Penulis dilahirkan di Bogor pada tanggal 17 April 1989 dari pasangan
Bapak Yakobus Samosir dan Ibu Hotma Ida Sinaga. Penulis merupakan anak
pertama dari tiga bersaudara
Tahun 2001 penulis lulus dari SD Negeri Cantang Jaya Bogor, kemudian
melanjutkan studi di SMP Negeri 2 Bogor hingga tahun 2004. Selanjutnya
penulis menyelesaikan pendidikannya di SMA Negeri 3 Bogor dan lulus pada
tahun 2007. Pada tahun yang sama penulis diterima IPB melalui jalur SPMB
sebagai mahasiswa Departemen Statistika Fakultas Matematika dan Ilmu
Pengetahuan Alam
Selama di IPB penulis aktif di kepanitiaan Acara kampus , diantaranya
Statistika Ria, Welcome Ceremony Statistics, serta Pesta Sains Nasional dan
Natal CIVA. Penulis menjalankan tugas Praktek Lapang di Infomedia Nusantara
selama
dua
bulan
sebagai
staf
Quality
Assurance
DMRC.
PEMBAYARAN KARTU KREDIT MENGGUNAKAN
METODE CHAID
MERLINDA YANTHY
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Karakteristik
Kelancaran Pembayaran Kartu Kredit menggunakan Metode CHAID adalah benar
karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam
bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang
berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari
penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di
bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Agustus 2013
Merlinda Yanthy
NIM G14070082
ABSTRAK
MERLINDA YANTHY. Penentuan Karakteristik Kelancaran Pembayaran Kartu
Kredit menggunakan Metode CHAID. Dibimbing oleh BAMBANG SUMANTRI
dan DIAN KUSUMANINGRUM.
Penyaluran kredit konsumtif oleh pihak perbankan maupun lembaga
keuangan terhadap calon debitur yang tepat merupakan suatu hal penting. Hal ini
dilakukan untuk memperkecil risiko kerugian yang akan dihadapi pihak bank
maupun lembaga keuangan tersebut. Pada penelitian ini digunakan metode
CHAID (Chi-square Automatic Interaction Detector), yaitu sebuah metode
klasifikasi yang menghasilkan pohon klasifikasi non-biner untuk menentukan
faktor-faktor yang berpengaruh signifikan terhadap status pembayaran kredit
nasabah. Hasil dari penelitian ini adalah dari sepuluh peubah penjelas yang
dianalisis terdapat enam peubah penjelas yang memiliki asosiasi terhadap status
kredit. Pada kasus ini, analisis CHAID menghasilkan 14 segmen dan segmen yang
berpotensial dalam membidik nasabah target agar status pembayaran nasabah
lancar yaitu, karakteristik nasabah yang memiliki kartu kredit lain, bekerja diatas
sepuluh tahun dan berpendidikan diatas akademi (segmen dua). Melalui tabel
ketepatan klasifikasi dapat disimpulkan nasabah yang berkategori lancar,
diprediksi dengan benar 98.6%, sedangkan nasabah yang berkategori tidak lancar
diprediksi dengan benar sebesar 9.3%. Persentase total prediksi yang benar adalah
80.8%.
Kata kunci : Karakteristik nasabah, Analisis CHAID, Kartu kredit
ABSTRACT
MERLINDA YANTHY. The Determination of Credit Card Repayment
Characteristics using CHAID Method. Supervised by BAMBANG SUMANTRI
and DIAN KUSUMANINGRUM.
The delivery of consumptive credit by either banks or financial institutions
to the right debitur is important. This is done to decrease the loss risk that might
be encountered by the banks or financial institutions. CHAID (Chi-square
Automatic Interaction Detector) was used in this research, as it is a classification
method which generates non-binary classification tree to determine significant
factors that affected customer credit payment status. The result of this research
showed six from ten predictors was having association with credit status. In this
case, CHAID generates 14 segments and potential segments that pointed out
qualified customer with well customer payment status, the customer having the
characteristics of owning credit card from other banks, has been working for more
than ten years, and at least having education of undergraduate or collage (second
segment). The classification accuracy table concluded thath potential customers
predicted precicely by 98.6%, whereas not qualified customers predicted precicely
by 9.3%. The total percentage precice prediction is 80.8%.
Keywords: Customer characteristics, CHAID method, Credit card
PENENTUAN KARAKTERISTIK KELANCARAN
PEMBAYARAN KARTU KREDIT MENGGUNAKAN
METODE CHAID
MERLINDA YANTHY
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Statistika
pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
Judul Skripsi : Penentuan Karakteristik Kelancaran Pembayaran Kartu Kredit
menggunakan Metode CHAID
Nama
: Merlinda Yanthy
NIM
: G14070082
Disetujui oleh
Ir. Bambang Sumantri
Pembimbing I
Dian Kusumaningrum, M.Si
Pembimbing II
Diketahui oleh
Dr. Ir. Hari Wijayanto, M.Si
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala
rahmat dan karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema
yang dipilih dalam penelitian ini ialah pengelompokkan, dengan judul Penentuan
Karakteristik Kelancaran Pembayaran Kartu Kredit menggunakan Metode
CHAID.
Penulis mengucapkan terima kasih kepada Bapak Ir. Bambang Sumantri dan
kepada Ibu Dian Kusumaningrum, M.Si selaku dosen pembimbing yang telah
banyak memberi bimbingan, arahan dan membangkitkan semangat kepada penulis
serta Bapak Dr. Farit Mochamad Afendi, M.Si yang telah banyak memberi saran.
Terima kasih penulis juga ucapkan kepada Dimas, Agung, Jelita, Nunu, Sugi,
Hanif, Kindy, Andy dan Rani atas bantuan dan semangatnya. Terkhusus penulis
persembahkan dan terima kasih penulis sampaikan kepada orang tua, keluarga dan
sahabat-sahabatku atas doa dan dukungannya
Semoga karya ilmiah ini bermanfaat.
Bogor, Agustus 2013
Merlinda Yanthy
DAFTAR ISI
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
1
TINJAUAN PUSTAKA
2
Kredit
2
Segmentasi Pasar
2
Metode CHAID
2
METODE
4
HASIL DAN PEMBAHASAN
4
Gambaran umum nasabah
4
Dendogram hasil analisis CHAID
6
Segmentasi nasabah
8
Ketepatan klasifikasi metode CHAID
9
SIMPULAN
9
DAFTAR PUSTAKA
10
LAMPIRAN
12
RIWAYAT HIDUP
17
DAFTAR GAMBAR
1
2
3
4
Persentase jenis kelamin nasabah lancar dan nasabah tidak lancar
Persentase pendapatan nasabah lancar dan nasabah tidak lancar
Persentase jenis pekerjaan nasabah lancar dan nasabah tidak lancar
Persentase status pekerja nasabah lancar dan nasabah tidak lancar
4
5
5
6
DAFTAR LAMPIRAN
1 Frekuensi relatif dan peubah-peubah yang digunakan
2 Diagram batang peubah-peubah yang digunakan
3 Hasil uji khi-kuadrat antara peubah respon dengan masing-masing peubah
penjelas
4 Ketepatan klasifikasi metode CHAID
5 Dendogram pemisahan hasil analisis CHAID pada taraf 5%
6 Karakteristik nasabah berdasarkan analisis CHAID
11
12
14
14
15
16
1
PENDAHULUAN
Latar Belakang
Bank mempunyai peranan yang esensial dalam penyaluran kredit kepada
pihak-pihak yang membutuhkan. Fungsi pokok kredit yaitu memenuhi pelayanan
terhadap kebutuhan masyarakat dalam rangka memperlancar perdagangan,
produksi, dan jasa-jasa bahkan konsumsi yang keseluruhannya itu ditujukan
untuk meningkatkan kesejahteraan manusia. Salah satu unsur dalam kredit adalah
adanya janji dan kesanggupan membayar dari nasabah kepada bank (Firdaus
2004).
Pemberian kredit merupakan pemberian kepercayaan dari satu pihak kepada
pihak yang lain. Hal ini berarti pemberi pinjaman kredit yakin bahwa nasabah
akan mengembalikan pinjaman kredit sesuai dengan jangka waktu yang telah
ditetapkan dan syarat-syarat yang telah disepakati oleh kedua belah pihak. Tanpa
keyakinan tersebut suatu lembaga kredit tidak akan memberikan pinjaman kredit.
Penyaluran kredit bagi suatu bank merupakan sumber utama penghasilan
bank sekaligus sumber resiko bisnis terbesar dimana adanya kemungkinan kredit
tidak lancar. Kredit tidak lancar disebabkan karena nasabah tidak mengembalikan
pinjaman uang, hal ini dapat menyebabkan kerugian pada pihak bank. Untuk
mengatasi masalah ini maka sudah seharusnya pihak bank hanya memberikan
kredit pada nasabah yang layak, sehingga bank wajib melakukan seleksi calon
nasabah. Secara umum proses seleksi calon nasabah yang dilakukan melalui
pendekatan secara demografi, geografi dan psikografi (Kotler 2003). Namun pada
penelitian ini hanya digunakan pendekatan secara demografi karena keterbatasan
data.
Analisis statistika telah banyak digunakan untuk membantu menyelesaikan
masalah-masalah dalam bidang perbankan. Penelitian Setiawati (2011) telah
dilakukan penyelusuran banyaknya unit dan lapisan tersembunyi pada jaringan
saraf tiruan untuk menentukan arsitektur paling optimal sehingga dapat
menghasilkan model klasifikasi terbaik. Analisis yang dikaji pada penelitian ini
menggunakan metode CHAID yang umumnya dikenal sebagai metode pohon
klasifikasi (Classification tree methods). Metode ini dapat menyederhanakan dari
sekian peubah-peubah penjelas yang dimasukan dalam analisis menjadi beberapa
peubah penjelas yang berpengaruh signifikan terhadap status pembayaran. Pohon
klasifikasi dapat digunakan sebagai acuan dalam segmentasi untuk mempermudah
pihak bank dalam menentukan seleksi awal nasabah pada saat pengajuan
permohonan kartu kredit.
Tujuan Penelitian
Tujuan dari penelitian ini adalah menentukan faktor-faktor yang
mempengaruhi status pembayaran kredit nasabah sehingga dapat ditentukan
segmentasi nasabah yang layak untuk diberikan kredit oleh pihak bank.
2
TINJAUAN PUSTAKA
Kredit
Kredit adalah suatu bentuk pinjaman sejumlah nilai uang atau barang antara
dua belah pihak, sehingga untuk mengembalikannya diperlukan suatu pembayaran
secara cicilan dari pihak yang meminjam kepada pihak yang meminjamkan sesuai
dengan ketentuan yang telah berlaku. Kredit konsumtif biasa diberikan oleh suatu
lembaga keuangan kepada calon nasabah yang digunakan untuk dapat memenuhi
kebutuhan pribadi ataupun kelurga agar kelangsungan hidupnya dapat terus
berlanjut (Bank Rakyat Indonesia 2004).
Segmentasi Pasar
Segmentasi pasar merupakan pengelompokkan individu menjadi beberapa
kelompok (segmen). Dimana individu yang berada dalam satu segmen memiliki
ciri-ciri atau perilaku yang relatif sama (homogen) dibandingkan dengan individu
pada kelompok lain (Kotler 2003).
Ada beberapa pendekatan yang digunakan untuk melakukan segmentasi
pasar, yaitu demografi, geografi, dan psikografi. Pendekatan demografi meliputi
peubah usia, jenis kelamin, pekerjaan, pendidikan, dan pendapatan. Pendekatan
geografi cenderung membagi konsumen berdasarkan wilayah tempat tinggal,
sedangkan pendekatan psikografi meliputi gaya hidup, sikap-sikap, dan minat
individu. Pendekatan yang digunakan dalam penelitian ini adalah pendekatan
demografi dikarenakan keterbatasan data.
Metode CHAID
Metode CHAID (Chi-square Automatic Interaction Detection) merupakan
salah satu tipe dari pohon keputusan yang menggunakan kriteria khi kuadrat
dalam pengoperasiannya. CHAID menghasilkan pohon non biner yang dapat
diterapkan pada masalah klasifikasi. Metode CHAID digunakan sebagai metode
eksplorasi nonparametrik untuk mengetahui peubah-peubah penjelas yang
dominan menjelaskan peubah respon (Alamudi et al. 1998).
Pada prinsipnya cara kerja metode CHAID adalah dengan cara memisahkan
data menjadi kelompok-kelompok melalui tahap-tahap tertentu. Tahapan ini
diawali dengan membagi data menjadi beberapa kelompok berdasarkan satu
peubah penjelas yang pengaruhnya paling signifikan terhadap peubah respon.
Masing-masing kelompok yang diperoleh lalu diperiksa secara terpisah untuk
membaginya lagi menjadi beberapa kelompok berdasarkan peubah penjelas.
Dengan demikian melalui metode CHAID dapat diketahui peubah-peubah
penjelas yang pengaruhnya paling signifikan terhadap peubah respon. Algoritma
CHAID adalah sebagai berikut (Kass 1980):
1. Membuat tabulasi silang untuk masing-masing kategori peubah penjelas
dengan kategori peubah respon.
3
2. Membuat sub tabulasi silang berukuran 2xd yang mungkin tersusun. d
adalah banyaknya kategori peubah respon. Lalu cari nilai
semua
subtabel tersebut. Dengan ditetapkan, cari nilai
yang terkecil.
Jika
, maka kedua kategori peubah penjelas yang memiliki
digabung menjadi satu kategori. Untuk peubah ordinal,
penggabungan hanya dapat dilakukan terhadap kategori yang berurutan.
3. Jika terdapat kategori gabungan yang terdiri dari tiga atau lebih kategori
asal, maka harus dilakukan pembagian biner terhadap kategori gabungan
tersebut. Dari pembagian ini dicari
terbesar. Jika
terbesar >
, maka pembagian biner berlaku. Kembali ke tahap dua.
4. Setelah diperoleh penggabungan optimal untuk setiap peubah penjelas,
hitung nilai-p untuk masing-masing tabel yang terbentuk. Tabel yang
mengalami pengurangan kategori, nilai-pnya dikalikan dengan koreksi
Bonferoni sesuai dengan tipe peubahnya. Jika nilai-p terkecil < , maka
peubah tersebut merupakan peubah penjelas yang pengaruhnya paling
signifikan bagi peubah respon.
5. Jika pada tahap 4 diperoleh peubah yang pengaruhnya paling signifikan,
kembali ke tahap 1 untuk setiap bagian data hasil pemisahan.
Statistik uji yang digunakan adalah dengan rumus:
(
)
]
∑∑[
dimana:
total baris
total kolom
indeks baris
indeks kolom
nilai sel baris ke-i kolom ke-j
nilai harapan sel baris ke-i kolom ke-j
Koreksi Bonferoni untuk tabel yang mengalami pengurangan kategori
sesuai dengan tipe peubahnya:
1. Peubah nominal:
2. Peubah ordinal:
∑
3. Peubah float:
(
(
)
)
(
)
4
METODE
Data yang digunakan merupakan data sekunder nasabah Bank Mandiri
tahun 2008-2009 mengenai status kelancaran pembayaran utang kartu kredit
nasabah sebagai peubah respon. Data tersebut terdiri dari 4131 amatan dengan 10
peubah penjelas dan satu peubah respon, yaitu status pembayaran nasabah.
Peubah respon dikategorikan lancar untuk nasabah yang tidak bermasalah dan
tidak lancar untuk nasabah yang bermasalah. Peubah penjelas yang digunakan
yaitu usia, pendidikan, jenis kelamin, status pernikahan, status pekerja, jenis
pekerjaan, pendapatan, kepemilikan rumah, lama bekerja dan kepemilikan kartu
kredit lain. Deskripsi lebih lanjut dari masing-masing peubah penjelas dapat
dilihat pada Lampiran 1.
HASIL DAN PEMBAHASAN
Gambaran Umum Nasabah
Banyaknya nasabah pembayaran kartu kredit yang digunakan pada
penelitian ini sebanyak 4131 orang. Secara keseluruhan, persentase nasabah
dengan status pembayaran kredit lancar dalam penelitian ini adalah sebesar 80%,
sedangkan persentase nasabah dengan status pembayaran kredit tidak lancar
sebesar 20%. Mayoritas nasabah yang dianalisis berada di kategori usia sekitar
30-39 tahun, sudah menikah, berpendidikan S1, memiliki rumah sendiri, status
karyawan sebagai karyawan tetap di perusahaan swasta, dan berpendapatan 60179 juta pertahun. Selain itu secara keseluruhan sebagian besar nasabah memiliki
kartu kredit lain (Lampiran 1)
Mayoritas nasabah kartu kredit berjenis kelamin pria, yaitu sebesar 53.1%.
Berdasarkan Gambar 1 dapat dilihat bahwa sebagian nasabah yang berstatus
lancar dan nasabah yang berstatus tidak lancar berjenis kelamin pria. Hal ini dapat
terlihat dari persentase jenis kelamin pria sebesar 50.92 % pada nasabah yang
berstatus lancar dan persentase jenis kelamin pria pada nasabah berstatus tidak
lancar sebesar 62.07%. Persentase nasabah tidak lancar pria lebih besar
dibandingkan wanita.
62,07
50,92 49,08
37,93
lancar
tidak lancar
pria
wanita
Gambar 1 Persentase jenis kelamin nasabah lancar dan nasabah tidak lancar
5
Dilihat dari segi pendapatan, persentase nasabah tidak lancar terbesar terjadi
pada nasabah dengan penghasilan pertahun antara 25 sampai dengan 59 juta.
Gambar 2 menunjukkan bahwa semakin besar penghasilan nasabah maka semakin
kecil persentase resiko tidak lancar. Pada kelompok penghasilan kurang dari 25
juta pertahun persentase tidak lancar kecil dikarenakan nasabah pada kelompok
ini hanya sedikit dibandingkan kelompok lainnya.
34,07
43,17
38,12
31,59
16,67
14,88
9,8
1,39
9,9
0,49
lancar
=500jt
Gambar 2 Persentase pendapatan nasabah lancar dan nasabah tidak lancar
Mayoritas nasabah kartu kredit bekerja sebagai pegawai swasta sebesar
56.3% dan berstatus pekerja tetap sebesar 75.8%. Gambar 3 menunjukkan bahwa
sebagian besar nasabah lancar dan tidak lancar memiliki pekerjaan sebagai
pegawai swasta. Hal ini dapat dilihat dari persentase nasabah lancar yang bekerja
sebagai pegawai swasta sebesar 55.57% dan nasabah tidak lancar yang bekerja
sebagai pegawai swasta sebesar 59.39%. Sebesar 75.23% nasabah lancar berstatus
pegawai tetap, sedangkan pada nasabah tidak lancar sebesar 78.05% (Gambar 4).
Dari segi pendidikan mayoritas nasabah memiliki pendidikan terakhir S1 sebesar
49.8%. Pada Lampiran 2 menunjukkan nasabah lancar dan nasabah tidak lancar
tertinggi memiliki pendidikan terakhir S1 dengan persentase 50.08 % dan 48.78%.
Sebanyak 75.4 % nasabah memiliki status pernikahan menikah, 74.88 %,
diantaranya berstatus nasabah tidak lancar dan 75.48 % berstatus nasabah lancar
59,39
55,57
38,66
4,89 0,88
3,05 0,24
lancar
pemerintah
37,32
tidak lancar
profesional
wirausaha
swasta
Gambar 3 Persentase jenis pekerjaan nasabah lancar dan nasabah tidak lancar
6
78,05
75,23
24,31
0,45
21,71
0,24
lancar
kontrak
tidak lancar
tetap
lainnya
Gambar 4 Persentase status pekerja nasabah lancar dan nasabah tidak lancar
Berdasarkan usia nasabah sebagian besar nasabah berusia 30 sampai dengan
39 tahun sebesar 40.6%. Sebagian besar nasabah lancar dan tidak lancar memiliki
usia antara 30 sampai dengan 39 tahun. Hal ini dapat dilihat dari persentase
nasabah lancar yang berusia 30 sampai dengan 39 tahun sebesar 39.08% dan
nasabah tidak lancar yang berusia 30 sampai dengan 39 tahun sebesar 46.71%.
Mayoritas nasabah memiliki lama bekerja kurang dari lima tahun sebesar 36.2 %.
Hal ini menunjukkan bahwa semakin lama bekerja nasabah maka semakin kecil
persentase resiko tidak lancar. Berdasarkan kepemilikan rumah, sebagian besar
nasabah memiliki rumah sendiri sebesar 59 %. Pada nasabah lancar yang memiliki
rumah sendiri sebesar 60,95% dan pada nasabah tidak lancar sebesar 50.98%.
Sebesar 91.2 % nasabah memiliki kartu kredit lain, dimana 94.53% merupakan
nasabah lancar dan 77.93% nasabah tidak lancar (Lampiran 2)
Berdasarkan hasil uji khi-kuadrat peubah respon dengan peubah-peubah
penjelasnya ada delapan peubah yang memiliki asosiasi dengan status pembayaran
kredit pada taraf 5% (Lampiran 3). Peubah penjelas tersebut adalah kepemilikan
rumah, pendidikan, jenis kelamin, jenis pekerjaan, pendapatan, usia, lama bekerja
dan kepemilikan kartu kredit lain. Peubah-peubah tersebut dianggap dapat
membedakan kedua kelompok nasabah dengan baik. Sehingga dapat digunakan
dalam pembentukan pohon klasifikasi.
Dendogram Hasil Analisis CHAID
Analisis CHAID menghasilkan suatu dendogram yang menggambarkan
pengelompolan berdasarkan hubungan terstruktur peubah respon dengan peubah
penjelas yang signifikan pada taraf 5 %. Dari 10 peubah penjelas yang dianalisis
terdapat 6 peubah penjelas yang memiliki pengaruh nyata dengan status
pembayaran kredit. Peubah tersebut adalah kepemilikan kartu kredit lain, lama
bekerja, pendidikan, kepemilikan rumah, usia, dan jenis kelamin (Lampiran 5).
Peubah pertama yang dipilih dalam memisahkan kategori status pembayaran
adalah kepemilikan kartu kredit lain dengan nilai p = 0.000. Dari 3769 nasabah
yang mempunyai kartu kredit lain terdapat 3130 nasabah (83%) yang berstatus
7
lancar dan 639 nasabah (17%) yang berstatus tidak lancar. Sedangkan dari 362
nasabah yang tidak mempunyai kartu kredit lain antara nasabah lancar dan
nasabah tidak lancar seimbang yakni 50 %.
Selanjutnya nasabah yang tidak mempunyai kartu kredit lain dipisahkan
menjadi tiga kelompok berdasarkan lama bekerja. Kelompok pertama meliputi
159 nasabah yang memiliki pengalaman sampai dengan lima tahun yang terdiri
dari 82 nasabah (51.6%) berstatus lancar. Kelompok kedua meliputi 124 nasabah
yang terdiri dari 48 nasabah (38.7%) berstatus lancar. Kelompok ketiga meliputi
79 nasabah terdiri dari 51 nasabah (64.6%) berstatus lancar.
Kategori nasabah yang mempunyai kartu kredit lain dipisahkan berdasarkan
lama bekerja, dari 3130 nasabah ada sebanyak 2666 nasabah yang memiliki
pengalaman kerja sampai dengan sepuluh tahun dan 1103 nasabah memiliki
pengalama kerja diatas sepuluh tahun. Nasabah yang memiliki pengalaman kerja
sampai dengan sepuluh tahun sebanyak 2156 nasabah (80.9%) berstatus lancar
dan 510 nasabah (19.1%) berstatus tidak lancar. Sedangkan nasabah yang
memiliki pengalaman kerja diatas sepuluh tahun sebanyak 974 nasabah (88.3%)
berstatus lancar dan 129 nasabah (11.7%) berstatus tidak lancar.
Nasabah yang memiliki kartu kredit lain dan memiliki pengalaman kerja
sampai dengan sepuluh tahun dibagi menjadi empat kelompok berdasarkan
pendidikan terakhir, yaitu nasabah yang memiliki pendidikan terakhir sampai
dengan SLTA, akademi, S1 dan diatas S1. Nasabah yang berpendidikan diatas S1
memiliki persentase nasabah lancar sebesar 89.9 %, jumlah tersebut lebih besar
dibandingkan pada kelompok lain.
Pada kelompok nasabah yang memiliki kartu kredit lain dan memiliki
pengalaman kerja sampai dengan sepuluh tahun dan berpendidikan sampai
dengan SLTA dibagi menjadi dua kelompok berdasarkan kepemilikan rumah.
Kelompok pertama adalah nasabah yang memiliki rumah sendiri, rumah dinas dan
rumah kost sebesar 240 orang. Kelompok kedua adalah nasabah yang tinggal
bersama orang tua dan lainnya sebesar 92 orang. Pengelompokkan ini
menunjukkan bahwa nasabah yang memiliki rumah sendiri, rumah dinas dan
rumah kost memiliki karakteristik yang homogen. Kehomogenan juga terdapat
pada nasabah yang tinggal bersama orang tua dan lainnya. Nasabah lancar pada
kelompok pertama sebesar 87.5 %, jumlah tersebut lebih besar dibandingkan
dengan kelompok kedua. Untuk nasabah tidak lancar kelompok pertama lebih
sedikit kemungkinan terjadi kredit tidak lancar dibandingkan kelompok dua, yakni
sebesar 12.5 %. Selanjutnya kelompok pertama dibagi kembali menjadi dua
kelompok berdasarkan jenis kelamin, yaitu pria dan wanita. Nasabah dengan
status nasabah lancar lebih besar pada kelompok wanita sebesar 91.9 % dan
memiliki resiko kredit tidak lancar lebih kecil dibandingkan kelompok pria.
Pada kelompok nasabah memiliki kartu kredit lain dan memiliki
pengalaman kerja sampai dengan sepuluh tahun berpendidikan akademi dibagi
menjadi dua berdasarkan usia nasabah. Pada kelompok pertama nasabah yang
berusia sampai dengan 39 tahun kelompok dua nasabah berusia diatas 39 tahun.
Nasabah lancar pada kelompok kedua lebih besar daripada kelompok kedua, yaitu
sebesar 83.1 %. Nasabah tidak lancar pada kelompok dua memiliki persentase
16.9 %, persentase tersebut lebih kecil dibandingkan nasabah tidak lancar pada
kelompok pertama. Berikutnya kelompok nasabah yang memiliki kartu kredit lain,
memiliki pengalaman kerja sampai dengan sepuluh tahun dan berpendidikan S1
8
dipisah lagi menjadi dua kelompok berdasarkan jenis kelamin yaitu pria dan
wanita. Dari kelompok nasabah wanita lebih kecil kemungkinan kredit tidak
lancar dibandingkan kelompok pria karena memiliki persentase nasabah lancar
yang besar dan nasabah tidak lancar yang kecil.
Pada kelompok nasabah yang memiliki kartu kredit lain dan memiliki
pengalaman kerja diatas sepuluh tahun dibagi menjadi dua kelompok berdasarkan
pendidikan, yaitu nasabah berpendidikan sampai dengan akademi dan diatas
akademi. Pada kelompok nasabah berpendidikan diatas akademi, persentase
nasabah lancar 91.5% dan nasabah tidak lancar 8.5%. Nilai tersebut lebih besar
dari nasabah berpendidikan sampai dengan akademi dengan nasabah lancar
sebesar 85.3% dan nasabah tidak lancar 14.7%. Selanjutnya nasabah yang
berpendidikan sampai dengan akademi dibagi menjadi dua kelompok berdasarkan
jenis kelamin, yaitu pria dan wanita. Persentase nasabah lancar pada kelompok
wanita lebih besar dibandingkan kelompok pria yakni sebesar 89% dan memiliki
resiko kecil kredit tidak lancar dengan nasabah tidak lancar sebesar 11%.
Peubah kepemilikan kartu kredit lain memiliki keterkaitan langsung
terhadap status kelancaran pembayaran, yaitu nasabah yang kepemilikan kartu
kredit lainnya dan nasabah yang tidak mempunyai kartu kredit lainnya. Pada
dendogram terlihat adanya asosiasi antara kepemilikan kartu kredit lainnya
dengan pengalaman kerja nasabah yang membagi nasabah menjadi beberapa
kelompok.
Pada dendogram terlihat interaksi antar peubah, yaitu peubah pendidikan
hanya berpengaruh pada kelompok nasabah yang memiliki kartu kredit lain.
Peubah kepemilikan rumah berpengaruh hanya pada kelompok nasabah yang
berpendidikan sampai dengan SLTA. Selanjutnya peubah bebas usia berpengaruh
hanya pada kelompok nasabah yang berpendidikan akademi.
Segmentasi Nasabah
Analisis CHAID menghasilkan empat belas segmen klasifikasi kelancaran
pembayaran nasabah kartu kredit. Dari keempat belas segmen dan diurutkan
berdasarkan resiko terjadinya status pembayaran tidak lancar paling kecil
(Lampiran 6). Tingkat resiko dihitung dengan membandingkan jumlah nasabah
tidak lancar dengan jumlah seluruh nasabah pada segmen tersebut.
Bank dapat menjadikan segmen-segmen tersebut menjadi prioritas
menentukan nasabah baru yang dapat memperkecil pembayaran yang tidak lancar,
maka akan dipilih segmen-segmen dengan jumlah nasabah yang resiko tidak
lancar terkecil dan besar segmen jumlah nasabah terbesar. Berdasarkan hasil
analisis CHAID, segmen pertama merupakan segmen yang memiliki resiko tidak
lancar yang paling rendah. Segmen sembilan merupakan segmen yang paling
besar jumlah nasabahnya,namun tingkat resiko tidak lancar tinggi. Segmen dua
belas sampai segmen empat belas adalah segmen yang memiliki tingkat resiko
yang paling tinggi diantara segmen yang lain. Ketiga segmen tersebut adalah
segmen dimana nasabah tidak memiliki kartu kredit lain dengan perbedaaan
berdasarkan lama bekerja nasabah. Jika nasabah tidak mempunyai kartu kredit
lain maka seberapapun lama bekerja nasabah pada ketiga segmen tersebut
cenderung tidak lancar. Nasabah yang memiliki kartu kredit lain yang memiliki
9
tingkat resiko dibawah 20 % cenderung lancar. Sedangkan nasabah yang memiliki
kartu kredit lain yang memiliki tingkat resiko diatas 20 % perlu dilakukan tinjauan
ulang terhadap nasabah pada kelompok tersebut. Dengan membandingkan resiko
tidak lancar dan besar segmen, diketahui bahwa segmen yang memenuhi untuk
dijadikan acuan dalam membidik nasabah target adalah segmen kedua. Segmen
kedua memiliki jumlah nasabah yang besar dan memiliki resiko tidak lancar yang
kecil dapat dijadikan acuan calon nasabah agar status pembayaran kartu kredit
tidak lancar dapat diminimalisir. Nasabah segmen kedua ini mempunyai
karakteristik sebagai nasabah yang memiliki kartu kredit lain, memiliki
pengalaman kerja diatas sepuluh tahun dan berpendidikan diatas akademi.
Segmen kedua ini menunjukkan bahwa peubah penjelas seperti usia, kepemilikan
rumah, dan jenis kelamin tidak menjadi patokan lancar atau tidak lancar status
pembayaran nasabah.
Ketepatan Klasifikasi Metode CHAID
Salah satu cara untuk mengetahui keakuratan klasifikasi yang diperoleh dari
hasil analisis CHAID adalah melalui tabel ketepatan klasifikasi (Lampiran 4).
Dari 3311 nasabah yang berkategori lancar diprediksi benar sebanyak 3263
nasabah (98.6%), sedangkan dari 820 nasabah yang berkategori tidak lancar
diprediksi dengan benar sebesar 76 nasabah (9.3%). Jadi dapat disimpulkan
bahwa ketepatan prediksi nasabah yang berkategori lancar lebih baik dari nasabah
yang berkategori tidak lancar. Persentase total prediksi yang benar dari 4131
nasabah adalah 80.8%. Dari 744 nasabah yang diprediksi lancar tetapi
kenyataannya tidak lancar maka bank akan mengalami kerugian karena bank
menampung nasabah yang berkategori tidak lancar sebagai nasabah yang
berkategori lancar. Sedangkan dari 48 nasabah yang diprediksi tidak lancar tetapi
kenyataannya lancar maka nasabah tersebut akan kehilangan kesempatan untuk
diberikan kredit oleh bank karena nasabah yang berkategori lancar tersebut masuk
ke dalam kelompok nasabah yang berkategori tidak lancar. Secara keseluruhan,
model ini baik dan dapat digunakan oleh bank di masa yang akan datang sebagai
bahan pertimbangan dalam memberikan kredit kepada nasabahnya
SIMPULAN
Uji khi-kuadrat antara peubah respons dengan peubah-peubah penjelasnya
belum cukup untuk mengidentifikasi faktor-faktor yang mempengaruhi status
kelancaran pembayaran kartu kredit karena analisis tersebut masih bersifat parsial.
Untuk itu diperlukan suatu uji simultan yaitu analisis CHAID. Dari sepuluh
peubah penjelas yang dianalisis terdapat enam peubah penjelas yang memiliki
keterkaitan struktural terhadap status pembayaran nasabah. Peubah tersebut adalah
kepemilikan kartu kredit lain, lama bekerja, pendidikan, kepemilikan rumah, usia,
dan jenis kelamin.
Hasil akhir analisis CHAID ini digunakan untuk menentukan segmentasi
nasabah potensial yang dapat dijadikan prioritas target nasabah yang ingin
membuat kartu kredit. Pada kasus ini, analisis CHAID menghasilkan 14 segmen
10
dan segmen yang berpotensial dalam membidik nasabah target agar status
pembayaran nasabah lancar adalah segmen dua dengan karakteristik nasabah yang
memiliki kartu kredit lain, memiliki pengalaman kerja diatas sepuluh tahun dan
berpendidikan diatas akademi. Segmen dua belas sampai dengan segmen empat
belas dikelompokkan menjadi satu kelompok. Dimana nasabah yang tidak
mempunyai kartu kredit lain, lama bekerja tidak berpengaruh karena nasabah pada
kelompok ini cenderung tidak lancar. Prioritas target nasabah kartu kredit baru
berdasarkan tingkat resiko tidak lancar yang paling minimun
DAFTAR PUSTAKA
Alamudi A, Aji HW, Aunuddin. 1998. Eksplorasi Struktur Data Menggunakan
Metode CHAID. Forum Statistika dan Komputasi. Institut Pertanian Bogor.
ISSN: 0853 8115.
Bank Rakyat Indonesia. 2008. Kredit Konsumtif [internet]. [diacu 2013 Januari
12]. Tersedia dari: www.bri.co.id
Faridhan, Y. E. 2003. Metode Klasifikasi Berstruktur Pohon dengan Algoritma
CRUISE, QUEST, dan CHAID [tesis]. Bogor (ID): Institut Pertanian Bogor.
Firdaus, Rachmat H, dan Maya Arianti. 2004. Manajemen Perkreditan Bank
Umum. Bandung : Alfabeta.
Kotler P. 2003. Marketing Management. Eleventh Edition. New Jersey: Pearson
Education
Kunto, Y S. Dan S. N. Hasana. 2006. Analisis CHAID sebagai Alat Bantu
Statistika untuk Segmentasi Pasar [internet]. [diacu 2013 Jan 20]. Tersedia
dari: http://fportfolio.petra.ac.id/user_files/05-011/MAR06010205.pdf
Setiawati P A. 2011. Penelusuran banyaknya unit dan lapisan tersembunyi
jaringan saraf tiruan pada data tidak seimbang [skripsi]. Bogor (ID): Institut
Pertanian Bogor.
11
Lampiran 1 Frekuensi relatif dan peubah-peubah yang digunakan
Peubah
Skala
pengukuran
Keterangan
Frekuensi
relatif (%)
Status pembayaran
kredit
Nominal
0 : Lancar
1 : Tidak Lancar
80.2
19.8
Usia
Ordinal
0 : < 30 tahun
1 : 30–39 tahun
2 : 40–49 tahun
3 : > 50 tahun
23.0
40.6
23.7
12.7
Pendidikan
Ordinal
0 : SLTP
1 : SLTA
2 : Akademi
3 : S1
4 : S2
0.2
16.0
28.1
49.8
6.0
Jenis kelamin
Nominal
0 : Pria
1 : Wanita
53.1
46.9
Status pernikahan
Nominal
0 : Lajang
1 : Menikah
2 : Cerai
24.2
75.4
0.5
Status pekerja
Nominal
0 : kontrak
1 : tetap
2 : lainnya
0.4
75.8
23.8
Jenis pekerjaan
Nominal
0 : pemerintah
1 : profesional
2 :wirausaha
3 : swasta
4.5
0.8
38.4
56.3
Pendapatan
(Rupiah)
Ordinal
0 : < 25 juta
1 : 25-59 juta
2 : 60-179 juta
3 :180– 490 juta
4 : > 500 juta
1.2
35.9
36.8
16.3
9.8
Kepemilikan
rumah
Nominal
0 : milik sendiri
1: rumah orang
tua/mertua
2: rumah dinas /instansi
3: sewa/kontrak /kost
4 : lainnya
59.0
37.4
1.5
1.6
0.4
12
Lampiran 1 Frekuensi relatif dan peubah-peubah yang digunakan (lanjutan)
Peubah
Skala
pengukuran
Keterangan
Frekuensi
relatif (%)
Lama bekerja
Ordinal
0 : < 5 tahun
1 : 5 – 10 tahun
2: 11 – 20 tahun
3: > 20 tahun
36.2
35.2
18.9
9.7
Kepemilikan kartu
kredit lain
Nominal
0: tidak
1 : ya
8.8
91.2
Lampiran 2 Diagram batang peubah-peubah yang digunakan
a. Persentase pendidikan nasabah lancar dan nasabah tidak lancar
75,48
74,88
24,63
24,07
0,49
0,45
lancar
tidak lancar
lajang
menikah
cerai
b. Persentase status pernikahan nasabah lancar dan nasabah tidak lancar
50,08
48,78
35,85
26,13
16,79
12,68
6,80
0,21
2,68
0,00
lancar
sltp
tidak lancar
slta
akademi
s1
s2
13
c.
Persentase usia nasabah lancar dan nasabah tidak lancar
46,71
39,08
25,24
24,80
22,47
19,15
13,7
8,9
lancar
=50th
d. Persentase lama bekerja nasabah lancar dan nasabah tidak lancar
40,61 40,24
35,06 33,98
20,30
13,41
10,7
5,7
lancar
20th
e. Persentase kepemilikan rumah nasabah lancar dan tidak lancar
60,95
50,98
45,61
35,40
1,36 1,90 0,39
lancar
milik sendiri
rumah dinas/instansi
lainnya
2,07 0,73 0,61
tidak lancar
rumah orangtua/mertua
sewa/kontrak/kost
14
f. Persentase kepemilikan kartu kredit lain nasabah lancar dan tidak lancar
94,53
77,93
22,07
5,47
lancar
tidak lancar
tidak punya
punya
Lampiran 3 Hasil uji khi-kuadrat antara peubah respon dengan masing-masing
peubah penjelas
Peubah penjelas
(kategori)
Kepemilikan rumah
Pendidikan
Jenis kelamin
Status pernikahan
Status pekerja
Jenis pekerjaan
Pendapatan
Usia
Lama bekerja
Kartu kredit
*Nyata pada α = 5%
2
db
Nilai-p
37.741
49.665
32.824
.135
3.261
10.444
28.510
32.134
45.850
226.700
4
4
1
2
2
3
4
3
3
1
0.000*
0.000*
0.000*
0.935
0.196
0.015*
0.000*
0.000*
0.000*
0.000*
Lampiran 4 Ketepatan klasifikasi metode CHAID
Aktual
Lancar
Tidak lancar
Total
Persentase total
Lancar
3263
744
4007
97.0%
Prediksi
Tidak lancar
48
76
124
3.0%
Total
3311
820
4131
Persentase
benar
98.6%
9.3%
80.8%
15
Lampiran 5 Dendogram pemisahan hasil analisis CHAID pada taraf 5%
16
Lampiran 6 Karakteristik nasabah berdasarkan analisis CHAID
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Karakteristik nasabah
Mempunyai kartu kredit lain, lama bekerja kurang
atau dengan 10 tahun, pendidikan kurang atau sama
dengan SLTA, rumah milik sendiri, dinas, sewa/kost,
jenis kelamin wanita
Memiliki kartu kredit lain, bekerja diatas sepuluh
tahun dan pendidikan diatas akademi
Mempunyai kartu kredit lain, lama bekerja kurang
atau dengan 10 tahun dan pendidikan diatas S1
Memiliki kartu kredit lain, bekerja diatas sepuluh
tahun dan pendidikan kurang atau sama dengan
akademi dan jenis kelamin wanita
Mempunyai kartu kredit lain, lama bekerja kurang
atau dengan 10 tahun, pendidikan S1 dan jenis
kelamin wanita
Mempunyai kartu kredit lain, lama bekerja kurang
atau dengan 10 tahun, pendidikan akademi dan
berusia diatas 39 tahun
Mempunyai kartu kredit lain, lama bekerja kurang
atau dengan 10 tahun, pendidikan kurang atau sama
dengan SLTA, rumah milik sendiri, dinas, sewa/kost,
dan jenis kelamin pria
Memiliki kartu kredit lain, bekerja diatas sepuluh
tahun dan pendidikan kurang atau sama dengan
akademi dan jenis kelamin pria
Mempunyai kartu kredit lain, lama bekerja kurang
atau dengan 10 tahun, pendidikan S1 dan jenis
kelamin pria
Mempunyai kartu kredit lain, lama bekerja kurang
atau dengan 10 tahun, pendidikan akademi dan
berusia kurang atau sama dengan 39 tahun
Mempunyai kartu kredit lain, lama bekerja kurang
atau dengan 10 tahun, pendidikan kurang atau sama
dengan SLTA, dan rumah orangtua/mertua, lainnya
Tidak mempunyai kartu kredit lain dan lama bekerja
diatas sepuluh tahun
Tidak mempunyai kartu kredit lain dan lama bekerja
kurang atau sama dengan lima tahun
Tidak mempunyai kartu kredit lain dan lama bekerja
lima sampai sepuluh tahun
Tingkat
resiko
8.13 %
Besar
segmen
2.98
8.49 %
12.83
10.14 %
3.58
11.00 %
7.04
13.19 %
15.42
16.88 %
3.87
17.09 %
2.83
18.44 %
6.83
21.36 %
19.27
26.81 %
14.35
27.17 %
2.23
35.44 %
1.91
48.43 %
3.85
61.29 %
3.00
17
RIWAYAT HIDUP
Penulis dilahirkan di Bogor pada tanggal 17 April 1989 dari pasangan
Bapak Yakobus Samosir dan Ibu Hotma Ida Sinaga. Penulis merupakan anak
pertama dari tiga bersaudara
Tahun 2001 penulis lulus dari SD Negeri Cantang Jaya Bogor, kemudian
melanjutkan studi di SMP Negeri 2 Bogor hingga tahun 2004. Selanjutnya
penulis menyelesaikan pendidikannya di SMA Negeri 3 Bogor dan lulus pada
tahun 2007. Pada tahun yang sama penulis diterima IPB melalui jalur SPMB
sebagai mahasiswa Departemen Statistika Fakultas Matematika dan Ilmu
Pengetahuan Alam
Selama di IPB penulis aktif di kepanitiaan Acara kampus , diantaranya
Statistika Ria, Welcome Ceremony Statistics, serta Pesta Sains Nasional dan
Natal CIVA. Penulis menjalankan tugas Praktek Lapang di Infomedia Nusantara
selama
dua
bulan
sebagai
staf
Quality
Assurance
DMRC.