Segmentasi Nasabah dalam Pengembalian Kredit dengan Metode CHAID
SEGMENTASI NASABAH DALAM PENGEMBALIAN
KREDIT DENGAN METODE CHAID
HANIF AKBAR
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 Segmentasi Nasabah
dalam Pengembalian Kredit dengan 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, April 2013
Hanif Akbar
NIM G14070068
ABSTRAK
HANIF AKBAR. Segmentasi Nasabah dalam Pengembalian Kredit dengan
Metode CHAID. Dibimbing oleh AAM ALAMUDI dan BUNAWAN
SUNARLIM.
Kredit merupakan salah satu bagian pembentukan modal yang dilakukan
oleh lembaga keuangan dalam hal ini pihak perbankan ke masyarakat. Risiko
kredit adalah suatu kerugian yang berpotensi menimbulkan penolakan atau
ketidakmampuan konsumen kredit untuk membayar hutangnya secara penuh dan
tepat waktu. Nasabah dalam tingkat risiko kredit dipengaruhi oleh beberapa
peubah. Tetapi dalam kenyataannya, peubah yang terlalu banyak akan
menyulitkan penentuan tingkat risiko kredit bagi suatu bank di masa yang akan
datang. Karena itu perlu dilakukan penyederhanaan terhadap peubah-peubah
tersebut dengan cara memilah peubah-peubah mana saja yang pengaruhnya paling
signifikan. Metode CHAID (Chi-Square Automatic Interaction Detection) dapat
menjadi salah satu metode untuk menjawab permasalahan ini. Hasil analisis dari
penelitian ini adalah ada empat peubah penjelas yang memiliki keterkaitan
struktural dengan status kolektibilitas nasabah. Peubah-peubah tersebut adalah
jumlah angsuran, pekerjaan, jangka waktu pinjaman, dan jenis kelamin. Analisis
CHAID menghasilkan enam segmen nasabah. Dari tabel prediksi dapat
disimpulkan bahwa ketepatan prediksi untuk nasabah yang lancar sebesar 96.2%
sedangkan ketepatan prediksi nasabah yang macet sebesar 10.0%.
Kata kunci: kredit, metode CHAID, risiko kredit
ABSTRACT
HANIF AKBAR. Customer Segmentation in Return of Credit with CHAID
Method. Supervised by AAM ALAMUDI and BUNAWAN SUNARLIM.
Credit is one part of capital formation carried out by financial institutions, in
this case the banks to public. Credit risk is the potential loss of consumer credit
refusal or inability to pay its debts in full and on time. Customers in the level of
credit risk is influenced by some variables. But in reality, too many variables that
would complicate the determination level of credit risk for the bank in the future.
Because of this, it is necessary to simplify the variables in a way to sort out which
variables are the most significant influence. CHAID (Chi-Square Automatic
Interaction Detection) method is one of method can be applied to address this
problem. Results of analysis of this study is that there are four explanatory
variables that are associated with the structural status of the collectability of
customer. The variables are the number of installments, job, loan term, and gender.
CHAID analysis produces six customer segments. From the table, it can be
concluded that the classification accuracy of prediction for the current customers
by 96.2% while the predictive accuracy of customer loss amounting 10.0%.
Key words: CHAID method, credit, credit risk
SEGMENTASI NASABAH DALAM PENGEMBALIAN
KREDIT DENGAN METODE CHAID
HANIF AKBAR
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 : Segmentasi Nasabah dalam Pengembalian Kredit dengan Metode
CHAID
Nama
: Hanif Akbar
NIM
: G14070068
Disetujui oleh
Ir Aam Alamudi, MSi
Pembimbing I
Ir Bunawan Sunarlim, MS
Pembimbing II
Diketahui oleh
Dr Ir Hari Wijayanto, MS
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Agustus 2012 sampai
Desember 2012 ini ialah perbankan, dengan judul Segmentasi Nasabah dalam
Pengembalian Kredit dengan Metode CHAID.
Terima kasih penulis ucapkan kepada Bapak Ir Aam Alamudi dan Bapak
Ir Bunawan Sunarlim selaku pembimbing, serta Saudara Maylaras Agung
Handayani, Dimas Fajar Airlangga dan Agung Darmawan Yulianto yang telah
banyak memberi dukungan, saran dan membantu penulis. Ungkapan terima kasih
juga disampaikan kepada ayah, ibu, serta seluruh keluarga, atas segala doa dan
kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.
Bogor, April 2013
Hanif Akbar
DAFTAR ISI
DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
TINJAUAN PUSTAKA
1
Risiko Kredit
1
Metode CHAID
2
METODE
4
HASIL DAN PEMBAHASAN
5
Deskripsi Peubah
5
Analisis CHAID
6
Peubah-Peubah yang Berpengaruh
6
Segmentasi yang Terbentuk
8
Asosiasi yang Terbentuk
9
Prediksi Keakuratan Model
9
SIMPULAN
10
DAFTAR PUSTAKA
10
RIWAYAT HIDUP
14
DAFTAR LAMPIRAN
1
2
3
4
Gambaran Umum Peubah-Peubah Penjelas
Histogram Jumlah Angsuran
Histogram Usia
Segmentasi Nasabah Berdasarkan Dendogram Hasil Analisis CHAID
11
12
12
13
1
PENDAHULUAN
Perbankan memegang peranan penting dalam perekonomian sebab
perbankan dapat meningkatkan pertumbuhan dan perkembangan khususnya di
bidang ekonomi. Pada dasarnya bank merupakan lembaga yang menghimpun
dana dari masyarakat dalam bentuk simpanan dan menyalurkannya kembali
kepada masyarakat dalam bentuk pinjaman.
Kredit merupakan salah satu bagian pembentukan modal yang dilakukan
oleh lembaga keuangan dalam hal ini pihak perbankan ke masyarakat dalam
upaya mendorong kinerja usaha sehingga dapat dimanfaatkan untuk
meningkatkan produktivitas usaha sektor riil yang dilakukan oleh masyarakat
secara individu maupun kelompok. Dalam menjalankan fungsinya sebagai
lembaga intermediasi, bank seyogyanya mengoptimalkan penyaluran kredit
kepada para nasabah. Namun kredit yang diberikan oleh bank tidak menutup
kemungkinan mengandung risiko, sehingga dalam pelaksanaannya bank harus
memperhatikan asas-asas perkreditan yang sehat serta memiliki fundamental yang
lebih kuat.
Karakteristik nasabah dalam tingkat risiko kredit dipengaruhi oleh beberapa
peubah. Tetapi dalam kenyataannya, banyak peubah akan menyulitkan analisis.
Karena itu perlu dilakukan penyederhanaan terhadap peubah-peubah mana saja
yang pengaruhnya paling signifikan. Metode CHAID (Chi-Square Automatic
Interaction Detection) dapat menjadi salah satu metode untuk menjawab
permasalahan ini. Metode ini memiliki kemampuan memilah peubah-peubah yang
pengaruhnya signifikan terhadap peubah respon dari sekian banyak peubah yang
dimasukkan dalam analisis ini.
Tujuan penelitian ini adalah menguraikan segmentasi nasabah dalam tingkat
risiko kredit sepeda motor. Kemudian menerangkan peubah-peubah yang
pengaruhnya signifikan terhadap tingkat risiko kredit tersebut.
TINJAUAN PUSTAKA
Risiko Kredit
Risiko kredit adalah suatu kerugian yang berpotensi menimbulkan
penolakan atau ketidakmampuan konsumen kredit untuk membayar hutangnya
secara penuh dan tepat waktu (Coyle 2000). Risiko kredit didefinisikan sebagai
risiko dimana debitur atau pembeli secara kredit tidak dapat membayar hutang dan
memenuhi kewajiban seperti tertuang dalam kesepakatan, atau turunnya kualitas
debitur atau pembeli sehingga persepsi mengenai kemungkinan gagal bayar
semakin tinggi (Djohanputro 2004). Kemudian risiko kredit yang potensial
mengancam penghasilan dan modal perusahaan, yang timbul karena kegagalan
debitur (obligor) untuk memenuhi syarat yang tertuang dalam kontrak dengan
perusahaan sebagaimana yang telah diperjanjikan (Tampubolon 2005).
Ukuran nilai suatu risiko kredit terdiri dari faktor kuantitas pembukaan
kredit dan kualitas pembukaan kredit. Kuantitas pembukaan kredit tercermin
2
dalam besarnya pinjaman. Semakin besar pinjaman maka semakin besar juga
tingkat pembukaan kredit. Kualitas pembukaan kredit tercermin oleh
kemungkinan gagal bayar dari debitur atau pembeli secara kredit dan kualitas dari
jaminan yang diberikan oleh debitur atau pembeli kredit. Semakin rendah kualitas
jaminan maka semakin rendah kualitas kredit dan semakin tinggi risiko kredit
yang dihadapi (Djohanputro 2004).
Penyebab gagal bayar pada risiko kredit yaitu kebangkrutan nasabah dan
kesulitan keuangan yang dihadapi nasabah. Apabila nasabah berada pada ambang
batas kriteria kesehatan tidak dipenuhi maka memiliki potensi gagal bayar dan
menurunkan peringkat nasabah. Penurunan peringkat nasabah disebabkan
penurunan kinerja nasabah. Kelemahan kontrak kredit menyebabkan pelanggaran
kontrak kredit dan berpotensi dalam meningkatkan risiko kredit.
Berdasarkan SE-09/PJ.42/1999, pengertian kredit yang digolongkan “lancar”
dan “macet” disesuaikan dengan pengertian yang telah ditetapkan oleh
Bank Indonesia.
Kredit digolongkan sebagai kredit “lancar” apabila memenuhi kriteria
sebagai berikut :
1 Pembayaran angsuran pokok dan/atau bunga tepat waktu.
2 Memiliki mutasi rekening yang aktif.
3 Bagian dari kredit yang dijamin dengan agunan tunai (cash collateral).
Kredit digolongkan sebagai kredit “macet” apabila memenuhi kriteria
sebagai berikut :
1 Terdapat tunggakan angsuran pokok dan/atau bunga yang telah melampaui
270 hari.
2 Kerugian operasional ditutup dengan pinjaman baru.
3 Dari segi hukum maupun kondisi pasar, jaminan tidak dapat dicairkan pada
nilai wajar.
Metode CHAID
Metode CHAID (Chi-Square Automatic Interaction Detection) merupakan
salah satu tipe dari metode AID (Automatic Interaction Detection). Teknik
pemecahan gugus menjadi beberapa anak gugus dilakukan sedemikian rupa
sehingga keragaman nilai peubah tak bebas dalam anak gugus menjadi minimum
dan keragaman nilai peubah tak bebas antar anak gugus menjadi maksimum
(Ratner 2000). Lalu dalam perkembangannya CHAID banyak digunakan dalam
proses segmentasi pasar di dunia marketing.
Proses pemecahan dilakukan secara iteratif dimulai dari peubah bebas yang
mempunyai asosiasi paling kuat dengan peubah tak bebas yang digambarkan oleh
besarnya nilai p berdasarkan uji Chi-Square. Dalam proses ini juga akan
dilakukan penggabungan kategori-kategori dalam satu peubah bebas yang tidak
memiliki asosiasi yang nyata dengan peubah tak bebas.
Secara singkat algoritma CHAID adalah sebagai berikut (Kass 1980) :
1 Buat tabulasi silang untuk masing-masing kategori peubah penjelas dengan
kategori peubah respon.
3
2 Buat sub tabulasi silang berukuran 2 x d yang mungkin tersusun. Notasi d
adalah banyaknya kategori peubah respon. Kemudian tentukan nilai �ℎ2 ��
semua subtabel tersebut. Dengan α ditetapkan, tentukan nilai �ℎ2 �� yang
terkecil. Jika � 2�� �� < ��2 maka kedua kategori peubah penjelas yang
memiliki � 2�� �� digabung menjadi satu kategori. Untuk peubah numerik
maka harus diubah menjadi peubah kategorik dengan cara
mengkategorikannya terlebih dahulu. Sedangkan 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 ditentukan �ℎ2 �� terbesar. Jika �ℎ2 �� terbesar > ��2
maka pembagian biner berlaku. Kembali ke tahap kedua.
4 Setelah diperoleh penggabungan optimal untuk setiap peubah
penjelas, hitung nilai p untuk masing-masing tabel yang terbentuk. Nilai p
dari tabel yang mengalami pengurangan kategori dikalikan dengan koreksi
Bonferoni sesuai dengan tipe peubahnya. Jika nilai p terkecil < α maka
peubah tersebut merupakan peubah penjelas yang pengaruhnya paling nyata
bagi peubah respon.
5 Jika pada tahap keempat diperoleh peubah yang pengaruhnya paling nyata,
kembali ke tahap pertama untuk setiap bagian data hasil pemisahan.
Statistik uji yang digunakan adalah � 2 dengan rumus :
� =
2
�
�
dengan :
r : total baris
c : total kolom
i : indeks baris
j : indeks kolom
� : nilai sel baris ke-i kolom ke-j
� : nilai harapan sel baris ke-i kolom ke-j
� − �
�
²
� 2 menyebar menurut sebaran Khi-Kuadrat berderajat bebas :
db = (c – 1) (r – 1)
dengan :
r : total baris
c : total kolom
Koreksi Bonferoni untuk tabel yang mengalami pengurangan kategori sesuai
dengan tipe peubahnya :
a Peubah bebas
�=
�−1
=0
−1
�− �
! �− !
Peubah bebas adalah variabel independen yang kategori di dalamnya dapat
dikombinasikan atau digabungkan ketika keduanya berdekatan atau tidak (data
nominal). Contohnya pekerjaan dan jenis kelamin.
4
b Peubah monoton
�=
�−1
�−1
Peubah monoton adalah variabel independen yang kategori di dalamnya dapat
dikombinasikan atau digabungkan oleh CHAID hanya jika keduanya berdekatan
satu sama lain atau mengikuti urutan aslinya (data ordinal). Contohnya usia dan
tingkat pendidikan.
c Peubah float
�−2
�−2
+r
�=
�−1
�−2
Peubah float adalah variabel independen yang kategori di dalamnya berupa
kategori ordinal kecuali untuk satu kategori yang posisinya dalam urutan tidak
pasti. Penggabungan dilakukan sebagaimana peubah ordinal kecuali nilai kategori
float yang dapat berkombinasi bebas dengan kategori lain.
METODE
Data yang digunakan dalam penelitian ini merupakan data sekunder yang
diperoleh dari PT. Ganesha Cipta Informatika. Data ini merupakan data contoh
nasabah kredit motor pada tahun 2008 di salah satu bank swasta yaitu Bank XYZ.
Data terdiri dari 1963 nasabah dengan 8 peubah penjelas dan satu peubah
respon. Peubah respon yang ada adalah status kolektibilitas nasabah berupa status
“lancar” (0) untuk debitur yang tidak bermasalah (kedit lancar), dan “macet” (1)
untuk debitur yang bermasalah (kredit macet). Peubah-peubah penjelas yang
dimasukkan sebagai faktor penduga risiko kredit adalah :
a Jangka waktu pinjaman, tipe monoton : 12, 18, 24, 30, 36 (bulan).
b Jumlah angsuran, tipe monoton : rupiah.
c Usia, tipe monoton : tahun.
d Kepemilikan tempat tinggal, tipe bebas : 0 = milik orang tua, 1 = milik
sendiri, 2 = institusi, 3 = kredit, 4 = sewa, 5 = lainnya.
e Tingkat pendidikan, tipe float : 0 = lainnya, 1 = SMP, 2 = SMA, 3 = diploma,
4 = S1, 5 = S2/S3.
f Jenis kelamin, tipe bebas : 0 = laki-laki, 1 = perempuan.
g Status pernikahan, tipe bebas : 0 = menikah, 1 = tidak menikah, 2 = janda,
3 = duda.
h Pekerjaan, tipe bebas : 0 = pegawai swasta, 1 = pegawai negeri sipil,
2 = wiraswasta, 3 = profesional, 4 = lainnya.
Analisis CHAID dilakukan dengan software statistika. Hasil dari analisis
CHAID akan ditampilkan dalam sebuah diagram pohon.
5
HASIL DAN PEMBAHASAN
Gambaran Umum Nasabah
Data yang tersedia berjumlah 1963 nasabah. Peubah status kolektibilitas
nasabah termasuk dalam peubah bebas yang dibedakan menjadi dua kategori,
yaitu nasabah yang status kolektibilitasnya lancar berjumlah 1653 (84.21%) dan
nasabah yang status kolektibilitasnya macet sebanyak 310 (15.79%).
Gambaran umum peubah-peubah penjelas disajikan pada Lampiran 1.
Komposisi nasabah berdasarkan jangka waktu pinjaman, jumlah angsuran, dan
usia menggunakan data asli sehingga tidak dilakukan pengkategorian seperti
peubah-peubah yang lainnya. Pada umumnya nasabah berdasarkan jangka waktu
pinjaman memiliki jangka waktu 36 bulan sebesar 1142 nasabah (58.18%) dan
jangka waktu 24 bulan sebanyak 498 nasabah (25.37%). Komposisi nasabah
berdasarkan jumlah angsurannya dapat dilihat melalui histogram pada Lampiran 2.
Dari histogram tersebut dapat diketahui bahwa nasabah pada umumnya meminjam
kredit kepada bank dengan jumlah angsuran antara Rp 100.000 sampai dengan
Rp 1.000.000 dengan jumlah nasabah sebesar 1758 nasabah (89.70%). Komposisi
nasabah berdasarkan usia dapat dilihat melalui histogram pada Lampiran 3. Dari
histogram tersebut dapat diketahui bahwa nasabah yang meminjam kredit pada
bank pada umumnya berusia 58 tahun sebesar 150 nasabah.
Sebagian besar nasabah memiliki kepemilikan tempat tinggal milik orang
tua sebanyak 929 nasabah (47.33%) dan milik sendiri sebesar 853 nasabah
(43.45%). Sedangkan sisanya yaitu institusi (1.78%), kredit (1.88%), sewa
(3.21%), dan lainnya (2.34%). Pada peubah penjelas tingkat pendidikan terdapat
kategori “lainnya”. Pada kategori “lainnya” tidak disebutkan masuk kategori yang
mana dari keseluruhan kategori yang ada dalam peubah tingkat pendidikan.
Pendidikan tertinggi nasabah pada umumnya adalah S1 sebanyak 941 nasabah
(48.24%), sedangkan Diploma sebesar 541 nasabah (27.56%), nasabah
berpendidikan SMA sebesar 17.88%, S2/S3 sebanyak 5.40%, dan sisanya
memiliki persentase yang sangat kecil.
Sebagian besar nasabah adalah nasabah perempuan sebanyak 999 nasabah
(50.89%) dan sisanya nasabah berjenis kelamin laki-laki sebesar 49.11%. Nasabah
yang menikah cenderung besar yaitu lebih dari setengah jumlah nasabah sebesar
1512 nasabah (77.02%), kemudian sebanyak 423 nasabah tidak menikah (21.55%),
sedangkan sisanya sangat kecil persentasenya. Sebanyak 79.72% nasabah (1565
nasabah) memiliki pekerjaan sebagai pegawai swasta, pegawai negeri sebesar
17.12% (336 nasabah), dan untuk jenis pekerjaan yang lain persentasenya
sangat kecil.
Analisis CHAID
Analisis CHAID menghasilkan suatu dendogram yang memetakan
penggabungan berdasarkan hubungan terstruktur peubah respon dengan peubahpeubah penjelasnya seperti tampak pada Gambar 1. Dendogram pemisahan
6
tersebut diperoleh dari analisis dengan nilai kritis yang ditetapkan pada taraf nyata
(α = 0.05). Dari hasil analisis CHAID terhadap delapan peubah penjelas, hanya
empat peubah penjelas yang memiliki pengaruh nyata dengan status kolektibilitas
nasabah. Peubah-peubah tersebut adalah jumlah angsuran, pekerjaan, jangka
waktu pinjaman, dan jenis kelamin. Terlihat bahwa dari 1963 nasabah, sebanyak
1653 nasabah memiliki status kolektibilitas lancar sedangkan 310 nasabah
memiliki status kolektibilitas macet. Analisis CHAID mengasilkan tiga pokok
pembahasan yang penting, yaitu :
1 Peubah-peubah yang berpengaruh
2 Segmentasi nasabah
3 Asosiasi yang terbentuk
Peubah-Peubah yang Berpengaruh
Peubah utama yang memiliki pengaruh dengan status kolektibilitas nasabah
adalah jumlah angsuran. Peubah penjelas jumlah angsuran dikategorikan ke dalam
dua kelompok, yaitu kelompok pertama adalah kurang dari atau sama dengan
Rp 726.867 sebanyak 1571 nasabah (80%) dan kelompok kedua adalah lebih
besar dari Rp 726.867 sebanyak 392 nasabah (20%). Persentase tersebut diambil
dari jumlah total keseluruhan nasabah yaitu 1963 nasabah. Pada kelompok
pertama terlihat bahwa persentase kelompok jumlah angsuran kurang dari atau
sama dengan Rp 726.867 yang memiliki status kolektibilitas lancar sebanyak
82.3% (1293 nasabah) dan status kolektibilitas yang macet sebesar 17.7% (278
nasabah). Kemudian kelompok kedua jumlah angsuran lebih besar dari
Rp 726.867, nasabah yang memiliki status kolektibilitas lancar sebanyak 360
nasabah (91.8%) dan nasabah yang memiliki status kolektibilitas macet sebesar 32
nasabah (8.2%).
Pada kelompok jumlah angsuran kurang dari atau sama dengan Rp 726.867,
nasabah dibedakan berdasarkan jenis pekerjaan, yaitu pegawai swasta dan
wiraswasta serta pegawai negeri sipil, lainnya, dan profesional. Dari total 1259
nasabah yang termasuk ke dalam kelompok pertama, sebanyak 1015 nasabah
(80.6%) memiliki status kolektibilitas lancar dan sebesar 19.4% (244 nasabah)
memiliki status kolektibilitas macet. Kemudian kelompok kedua terdiri dari
pegawai negeri sipil, lainnya dan profesional memiliki status kolektibilitas lancar
sebesar 89.1% (278 nasabah) dan nasabah yang memiliki status kolektibilitas
macet sebesar 10.9% (34 nasabah).
Peubah jangka waktu pinjaman memiliki pengaruh pada kelompok nasabah
dengan pekerjaan pegawai swasta dan wiraswasta. Peubah penjelas jangka waktu
pinjaman dikategorikan ke dalam tiga kelompok, yaitu kelompok pertama adalah
jangka waktu pinjaman kurang dari atau sama dengan 24 bulan, kelompok kedua
adalah jangka waktu pinjaman 30 bulan, dan kelompok ketiga adalah jangka
waktu pinjaman lebih dari 30 bulan. Kelompok pertama terdiri dari 387 nasabah
dan memiliki status kolektibilitas lancar sebesar 82.4% (319 nasabah) serta 17.6%
(68 nasabah) memiliki status kolektibilitas macet. Pada dendogram hasil analisis
CHAID untuk jangka waktu pinjaman 30 bulan memiliki status kolektibilitas
lancar yaitu 66.7% (62 nasabah) dan nasabah yang memiliki status kolektibilitas
macet sebanyak 33.3% (31 nasabah). Kemudian kelompok yang terakhir adalah
7
8
jangka waktu pinjaman lebih dari 30 bulan, nasabah yang memiliki status
kolektibilitas lancar adalah 81.4% (634 nasabah) sedangkan status
kolektibilitasnya macet sebesar 18.6% (145 nasabah).
Peubah jenis kelamin memiliki pengaruh pada kelompok nasabah dengan
pekerjaan pegawai negeri sipil, lainnya dan profesional. Peubah penjelas jenis
kelamin dikategorikan dalam dua kategori, yaitu laki-laki dan perempuan. Lakilaki berjumlah 157 nasabah dan perempuan sebesar 155 nasabah. Persentase status
kolektibilitas nasabah lancar untuk laki-laki adalah 84.7% (133 nasabah) dan
status kolektibilitas macet 15.3% (24 nasabah), sedangkan untuk perempuan,
nasabahnya memiliki status kolektibilitas lancar 93.5% (145 nasabah) dan yang
macet 6.5% (10 nasabah).
Segmentasi yang Terbentuk
Pada dendogram terlihat bahwa analisis CHAID menghasilkan enam segmen
nasabah. Rincian tentang segmentasi nasabah dapat dilihat pada Lampiran 4.
Segmen pertama yaitu nasabah yang memiliki jumlah angsuran kurang dari atau
sama dengan Rp 726.867, pekerjaan pegawai swasta dan wiraswasta serta jangka
waktu pinjaman kurang dari atau sama dengan 24 bulan. Segmen kedua adalah
nasabah yang memiliki jumlah angsuran kurang dari atau sama dengan
Rp 726.867, pekerjaan pegawai swasta dan wiraswasta serta jangka waktu
pinjaman 30 bulan. Segmen ketiga yaitu nasabah yang memiliki jumlah angsuran
kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai swasta dan
wiraswasta serta jangka waktu pinjaman lebih dari 30 bulan. Segmen keempat
adalah nasabah yang memiliki jumlah angsuran kurang dari atau sama dengan
Rp 726.867, pekerjaan pegawai negeri sipil, lainnya dan profesional serta jenis
kelamin laki-laki. Segmen kelima yaitu nasabah yang memiliki jumlah angsuran
kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai negeri sipil, lainnya
dan profesional serta jenis kelamin perempuan. Segmen yang keenam adalah
nasabah yang memiliki jumlah angsuran lebih dari Rp 726.867.
Persentase terbesar nasabah yang memiliki status kolektibilitas nasabah
lancar adalah pada segmen kelima. Segmen ini adalah nasabah yang memiliki
jumlah angsuran kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai
negeri sipil, lainnya dan profesional serta jenis kelamin perempuan dengan
persentase pengembalian lancar 93.5%. Segmen ini merupakan segmen dengan
pengembalian lancar tertinggi.
Segmen kedua yaitu segmen dengan nasabah yang memiliki jumlah
angsuran kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai swasta
dan wiraswasta serta jangka waktu pinjaman 30 bulan merupakan segmen dengan
persentase pengembalian lancar paling rendah dengan persentase lancarnya hanya
sebesar 66.7%, persentase ini di bawah 70% artinya bahwa bank dalam hal ini
perlu lebih berhati-hati dalam pemberian kredit kepada nasabah dengan ciri-ciri
demikian. Adapun kelima segmen lainnya memiliki persentase lancar nasabahnya
lebih dari 70%.
9
Asosiasi yang Terbentuk
Peubah penjelas yang memiliki keterkaitan atau asosiasi langsung terhadap
status kolektibilitas nasabah, yaitu peubah penjelas jumlah angsuran kurang dari
atau sama dengan Rp 726.867 dan peubah penjelas jumlah angsuran lebih besar
dari Rp 726.867. Pada dendogram tampak adanya asosiasi antara jumlah angsuran
dengan pekerjaan, yaitu bahwa jumlah angsuran kurang dari atau sama dengan
Rp 726.867 pada umumnya memiliki pekerjaan pegawai swasta dan wiraswasta.
Terlihat pula adanya asosiasi antara pekerjaan dengan jangka waktu pinjaman,
yaitu bahwa pekerjaan pegawai swasta dan wiraswasta pada umumnya memiliki
jangka waktu pinjaman lebih dari 30 bulan.
Interaksi antar peubah tampak jelas pada dendogram, bahwa peubah
pekerjaan berpengaruh hanya pada kelompok dengan jumlah angsuran kurang dari
atau sama dengan Rp 726.867. Jangka waktu pinjaman berpengaruh hanya pada
kelompok dengan pekerjaan pegawai swasta dan wiraswasta. Kemudian jenis
kelamin berpengaruh hanya pada kelompok dengan pekerjaan pegawai negeri sipil,
lainnya, dan profesional.
Prediksi Keakuratan Model
Salah satu cara untuk mengetahui keakuratan model yang diperoleh dari
hasil analisis CHAID adalah melalui tabel prediksi. Tabel prediksi ini dapat
dilihat pada Tabel 1. Berdasarkan Tabel 1 dapat disimpulkan bahwa dari 1653
nasabah yang berkategori lancar, diprediksi dengan benar sebanyak 1591 nasabah
atau 96.2%, sedangkan dari 310 nasabah yang berkategori macet, diprediksi
dengan benar sebanyak 31 nasabah atau 10.0%. Jadi dapat disimpulkan bahwa
ketepatan prediksi nasabah yang berkategori lancar lebih baik dari nasabah yang
berkategori macet. Persentase total prediksi yang benar dari 1963 nasabah adalah
82.6%. Dari 279 nasabah yang diprediksi lancar tetapi kenyataannya macet maka
bank akan mengalami kerugian karena bank menampung nasabah yang
berkategori macet sebagai nasabah yang berkategori lancar. Sedangkan dari 62
nasabah yang diprediksi macet 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 macet. Secara keseluruhan, model ini baik dan dapat digunakan oleh
bank di masa yang akan datang sebagai bahan pertimbangan dalam memberikan
kredit kepada nasabahnya.
10
Tabel 1 Tabel prediksi model pada cut off 0.70
Observasi
Lancar
Macet
Total
Persentase
Total
Prediksi
Lancar Macet
1591
62
279
31
1870
93
95.0%
Total
1653
310
1963
5.0%
Persentase
Benar
96.2%
10.0%
82.6%
SIMPULAN
Ada empat peubah penjelas yang memiliki keterkaitan struktural dengan
status kolektibilitas nasabah. Peubah-peubah tersebut adalah jumlah angsuran,
pekerjaan, jangka waktu pinjaman, dan jenis kelamin. Peubah utama yang
berpengaruh dengan status kolektibilitas nasabah adalah jumlah angsuran. Peubah
penjelas yang memiliki asosiasi langsung terhadap peubah respon, yaitu peubah
penjelas jumlah angsuran kurang dari atau sama dengan Rp 726.867 dan peubah
penjelas jumlah angsuran lebih besar dari Rp 726.867.
Analisis CHAID menghasilkan enam segmen nasabah. Persentase terbesar
nasabah yang memiliki status kolektibilitas nasabah lancar adalah pada segmen
kelima. Terdapat satu segmen yang perlu mendapat perhatian oleh bank untuk
diberikan kredit yaitu pada segmen kedua. Melalui tabel prediksi dapat
disimpulkan bahwa dari 1653 nasabah yang berkategori lancar, diprediksi dengan
benar sebanyak 1591 nasabah atau 96.2%, sedangkan dari 310 nasabah yang
berkategori macet, diprediksi dengan benar sebanyak 31 nasabah atau 10.0%.
Persentase total prediksi yang benar dari 1963 nasabah adalah 82.6%.
DAFTAR PUSTAKA
Coyle B. 2000. Framework For Credit Risk Management. CIB Publishing. United
Kingdom.
Djohanputro B. 2004. Manajemen Risiko Korporat Terintegrasi. Penerbit PPM.
Jakarta.
Kass GV. 1980. An Exploratory Technique for Investigating Large Quantities of
Categorial Data. Appl. Statist. 29, No.2: 119-127.
Ratner B. 2000. “CHAID for Interpreting A Logistic Regression Model”. DM
[Internet]. Tersedia pada: http://www.dmstat.com/regression.html.
Tampubolon R. 2005. Risk and System Based Internal Auditing. PT. Elex Media
Komputindo. Jakarta.
11
Lampiran 1 Gambaran umum peubah-peubah penjelas
No.
Peubah
1
Jangka Waktu
Pinjaman
2
Jumlah Angsuran
3
Usia
4
Kepemilikan Tempat
Tinggal
5
Tingkat Pendidikan
6
Jenis Kelamin
7
Status Pernikahan
8
Pekerjaan
Tipe
Gambaran Umum
12 Bulan = 4.64%
18 Bulan = 5.91%
Monoton 24 Bulan = 25.37%
30 Bulan = 5.91%
36 Bulan = 58.18%
Rata-rata = Rp 637.341
Median = Rp 484.871
Monoton Simpangan Baku = 706.424
Minimun = Rp 178.263
Maksimum = Rp 7.634.370
Rata-rata
= 55.504 Tahun
Median
= 56 Tahun
Monoton Simpangan Baku = 5.558
Minimum
= 30 Tahun
Maksimum
= 73 Tahun
Milik Orang Tua = 47.33%
Milik Sendiri
= 43.45%
Institusi
= 1.78%
Bebas
Kredit
= 1.88%
Sewa
= 3.21%
Lainnya
= 2.34%
Lainnya = 0.61%
SMP
= 0.31%
SMA
= 17.88%
Float
Diploma = 27.56%
S1
= 48.24%
S2/S3
= 5.40%
Laki-Laki = 49.11%
Bebas
Perempuan = 50.89%
Menikah
= 77.02%
Tidak Menikah = 21.55%
Bebas
Janda
= 1.27%
Duda
= 0.15%
Pegawai Swasta
= 79.72%
Pegawai Negeri Sipil = 17.12%
Wiraswasta
= 0.71%
Bebas
Profesional
= 1.32%
Lainnya
= 1.12%
12
Lampiran 2 Histogram Jumlah Angsuran
Histogram Jumlah Angsuran
800
700
Frekuensi
600
500
400
300
200
100
0
0
1200000
2400000
3600000
4800000
6000000
7200000
Jumlah Angsuran
Lampiran 3 Histogram Usia
Histogram usia
160
140
Frekuensi
120
100
80
60
40
20
0
30
36
42
48
54
Usia
60
66
72
13
Lampiran 4 Segmentasi nasabah berdasarkan dendogram hasil analisis CHAID
No.
Segmen
1
Segmen
ke-1
2
Segmen
ke-2
3
Segmen
ke-3
4
Segmen
ke-4
5
Segmen
ke-5
6
Segmen
ke-6
Deskripsi
Nasabah yang memiliki jumlah
angsuran kurang dari atau sama
dengan Rp 726.867, pekerjaan
pegawai swasta dan wiraswasta
serta jangka waktu pinjaman
kurang dari atau sama dengan
24 bulan
Nasabah yang memiliki jumlah
angsuran kurang dari atau sama
dengan Rp 726.867, pekerjaan
pegawai swasta dan wiraswasta
serta jangka waktu pinjaman
30 bulan
Nasabah yang memiliki jumlah
angsuran kurang dari atau sama
dengan Rp 726.867, pekerjaan
pegawai swasta dan wiraswasta
serta jangka waktu pinjaman lebih
dari 30 bulan
Nasabah yang memiliki jumlah
angsuran kurang dari atau sama
dengan Rp 726.867, pekerjaan
pegawai negeri sipil, lainnya dan
profesional serta jenis kelamin
laki-laki
Nasabah yang memiliki jumlah
angsuran kurang dari atau sama
dengan Rp 726.867, pekerjaan
pegawai negeri sipil, lainnya
dan
profesional
serta
jenis
kelamin perempuan
Nasabah yang memiliki jumlah
angsuran lebih dari Rp 726.867
Jumlah Nasabah
yang Memiliki
Status
Kolektibilitas
Lancar
Persentase
319
82.4%
62
66.7%
634
81.4%
133
84.7%
145
93.5%
360
91.8%
14
RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal 21 Agustus 1990 dari pasangan
Bapak Karno, S.H, M.Hum dan Ibu Sumarsi. Penulis merupakan anak pertama
dari dua bersaudara. Penulis telah berhasil menyelesaikan pendidikannya di
Sekolah Dasar Negeri (SDN) 05 Pagi Sunter Agung pada tahun 2001. Jenjang
pendidikan selanjutnya penulis tempuh di Sekolah Menengah Pertama Negeri
(SMPN) 30 Jakarta dan lulus tahun 2004. Penulis menamatkan pendidikannya di
Sekolah Menengah Atas Negeri (SMAN) 13 Jakarta pada tahun 2007 dan pada
tahun yang sama penulis diterima sebagai mahasiswa Departemen Statistika,
Institut Pertanian Bogor (IPB) melalui Seleksi Masuk Perguruan Tinggi
Negeri (SNMPTN).
Selama masa perkuliahan, penulis aktif dalam kegiatan organisasi
Himpunan Profesi Gamma Sigma Beta (GSB) seperti Statistika Ria tahun 2009,
Sport and Art Statistics 2009, Welcome Ceremony Statistics (WCS) 2010 dan
Pesta Sains 2010. Penulis telah melaksanakan Praktik Lapang di Departemen
Statistika, Institut Pertanian Bogor.
KREDIT DENGAN METODE CHAID
HANIF AKBAR
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 Segmentasi Nasabah
dalam Pengembalian Kredit dengan 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, April 2013
Hanif Akbar
NIM G14070068
ABSTRAK
HANIF AKBAR. Segmentasi Nasabah dalam Pengembalian Kredit dengan
Metode CHAID. Dibimbing oleh AAM ALAMUDI dan BUNAWAN
SUNARLIM.
Kredit merupakan salah satu bagian pembentukan modal yang dilakukan
oleh lembaga keuangan dalam hal ini pihak perbankan ke masyarakat. Risiko
kredit adalah suatu kerugian yang berpotensi menimbulkan penolakan atau
ketidakmampuan konsumen kredit untuk membayar hutangnya secara penuh dan
tepat waktu. Nasabah dalam tingkat risiko kredit dipengaruhi oleh beberapa
peubah. Tetapi dalam kenyataannya, peubah yang terlalu banyak akan
menyulitkan penentuan tingkat risiko kredit bagi suatu bank di masa yang akan
datang. Karena itu perlu dilakukan penyederhanaan terhadap peubah-peubah
tersebut dengan cara memilah peubah-peubah mana saja yang pengaruhnya paling
signifikan. Metode CHAID (Chi-Square Automatic Interaction Detection) dapat
menjadi salah satu metode untuk menjawab permasalahan ini. Hasil analisis dari
penelitian ini adalah ada empat peubah penjelas yang memiliki keterkaitan
struktural dengan status kolektibilitas nasabah. Peubah-peubah tersebut adalah
jumlah angsuran, pekerjaan, jangka waktu pinjaman, dan jenis kelamin. Analisis
CHAID menghasilkan enam segmen nasabah. Dari tabel prediksi dapat
disimpulkan bahwa ketepatan prediksi untuk nasabah yang lancar sebesar 96.2%
sedangkan ketepatan prediksi nasabah yang macet sebesar 10.0%.
Kata kunci: kredit, metode CHAID, risiko kredit
ABSTRACT
HANIF AKBAR. Customer Segmentation in Return of Credit with CHAID
Method. Supervised by AAM ALAMUDI and BUNAWAN SUNARLIM.
Credit is one part of capital formation carried out by financial institutions, in
this case the banks to public. Credit risk is the potential loss of consumer credit
refusal or inability to pay its debts in full and on time. Customers in the level of
credit risk is influenced by some variables. But in reality, too many variables that
would complicate the determination level of credit risk for the bank in the future.
Because of this, it is necessary to simplify the variables in a way to sort out which
variables are the most significant influence. CHAID (Chi-Square Automatic
Interaction Detection) method is one of method can be applied to address this
problem. Results of analysis of this study is that there are four explanatory
variables that are associated with the structural status of the collectability of
customer. The variables are the number of installments, job, loan term, and gender.
CHAID analysis produces six customer segments. From the table, it can be
concluded that the classification accuracy of prediction for the current customers
by 96.2% while the predictive accuracy of customer loss amounting 10.0%.
Key words: CHAID method, credit, credit risk
SEGMENTASI NASABAH DALAM PENGEMBALIAN
KREDIT DENGAN METODE CHAID
HANIF AKBAR
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 : Segmentasi Nasabah dalam Pengembalian Kredit dengan Metode
CHAID
Nama
: Hanif Akbar
NIM
: G14070068
Disetujui oleh
Ir Aam Alamudi, MSi
Pembimbing I
Ir Bunawan Sunarlim, MS
Pembimbing II
Diketahui oleh
Dr Ir Hari Wijayanto, MS
Ketua Departemen
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Agustus 2012 sampai
Desember 2012 ini ialah perbankan, dengan judul Segmentasi Nasabah dalam
Pengembalian Kredit dengan Metode CHAID.
Terima kasih penulis ucapkan kepada Bapak Ir Aam Alamudi dan Bapak
Ir Bunawan Sunarlim selaku pembimbing, serta Saudara Maylaras Agung
Handayani, Dimas Fajar Airlangga dan Agung Darmawan Yulianto yang telah
banyak memberi dukungan, saran dan membantu penulis. Ungkapan terima kasih
juga disampaikan kepada ayah, ibu, serta seluruh keluarga, atas segala doa dan
kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.
Bogor, April 2013
Hanif Akbar
DAFTAR ISI
DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
TINJAUAN PUSTAKA
1
Risiko Kredit
1
Metode CHAID
2
METODE
4
HASIL DAN PEMBAHASAN
5
Deskripsi Peubah
5
Analisis CHAID
6
Peubah-Peubah yang Berpengaruh
6
Segmentasi yang Terbentuk
8
Asosiasi yang Terbentuk
9
Prediksi Keakuratan Model
9
SIMPULAN
10
DAFTAR PUSTAKA
10
RIWAYAT HIDUP
14
DAFTAR LAMPIRAN
1
2
3
4
Gambaran Umum Peubah-Peubah Penjelas
Histogram Jumlah Angsuran
Histogram Usia
Segmentasi Nasabah Berdasarkan Dendogram Hasil Analisis CHAID
11
12
12
13
1
PENDAHULUAN
Perbankan memegang peranan penting dalam perekonomian sebab
perbankan dapat meningkatkan pertumbuhan dan perkembangan khususnya di
bidang ekonomi. Pada dasarnya bank merupakan lembaga yang menghimpun
dana dari masyarakat dalam bentuk simpanan dan menyalurkannya kembali
kepada masyarakat dalam bentuk pinjaman.
Kredit merupakan salah satu bagian pembentukan modal yang dilakukan
oleh lembaga keuangan dalam hal ini pihak perbankan ke masyarakat dalam
upaya mendorong kinerja usaha sehingga dapat dimanfaatkan untuk
meningkatkan produktivitas usaha sektor riil yang dilakukan oleh masyarakat
secara individu maupun kelompok. Dalam menjalankan fungsinya sebagai
lembaga intermediasi, bank seyogyanya mengoptimalkan penyaluran kredit
kepada para nasabah. Namun kredit yang diberikan oleh bank tidak menutup
kemungkinan mengandung risiko, sehingga dalam pelaksanaannya bank harus
memperhatikan asas-asas perkreditan yang sehat serta memiliki fundamental yang
lebih kuat.
Karakteristik nasabah dalam tingkat risiko kredit dipengaruhi oleh beberapa
peubah. Tetapi dalam kenyataannya, banyak peubah akan menyulitkan analisis.
Karena itu perlu dilakukan penyederhanaan terhadap peubah-peubah mana saja
yang pengaruhnya paling signifikan. Metode CHAID (Chi-Square Automatic
Interaction Detection) dapat menjadi salah satu metode untuk menjawab
permasalahan ini. Metode ini memiliki kemampuan memilah peubah-peubah yang
pengaruhnya signifikan terhadap peubah respon dari sekian banyak peubah yang
dimasukkan dalam analisis ini.
Tujuan penelitian ini adalah menguraikan segmentasi nasabah dalam tingkat
risiko kredit sepeda motor. Kemudian menerangkan peubah-peubah yang
pengaruhnya signifikan terhadap tingkat risiko kredit tersebut.
TINJAUAN PUSTAKA
Risiko Kredit
Risiko kredit adalah suatu kerugian yang berpotensi menimbulkan
penolakan atau ketidakmampuan konsumen kredit untuk membayar hutangnya
secara penuh dan tepat waktu (Coyle 2000). Risiko kredit didefinisikan sebagai
risiko dimana debitur atau pembeli secara kredit tidak dapat membayar hutang dan
memenuhi kewajiban seperti tertuang dalam kesepakatan, atau turunnya kualitas
debitur atau pembeli sehingga persepsi mengenai kemungkinan gagal bayar
semakin tinggi (Djohanputro 2004). Kemudian risiko kredit yang potensial
mengancam penghasilan dan modal perusahaan, yang timbul karena kegagalan
debitur (obligor) untuk memenuhi syarat yang tertuang dalam kontrak dengan
perusahaan sebagaimana yang telah diperjanjikan (Tampubolon 2005).
Ukuran nilai suatu risiko kredit terdiri dari faktor kuantitas pembukaan
kredit dan kualitas pembukaan kredit. Kuantitas pembukaan kredit tercermin
2
dalam besarnya pinjaman. Semakin besar pinjaman maka semakin besar juga
tingkat pembukaan kredit. Kualitas pembukaan kredit tercermin oleh
kemungkinan gagal bayar dari debitur atau pembeli secara kredit dan kualitas dari
jaminan yang diberikan oleh debitur atau pembeli kredit. Semakin rendah kualitas
jaminan maka semakin rendah kualitas kredit dan semakin tinggi risiko kredit
yang dihadapi (Djohanputro 2004).
Penyebab gagal bayar pada risiko kredit yaitu kebangkrutan nasabah dan
kesulitan keuangan yang dihadapi nasabah. Apabila nasabah berada pada ambang
batas kriteria kesehatan tidak dipenuhi maka memiliki potensi gagal bayar dan
menurunkan peringkat nasabah. Penurunan peringkat nasabah disebabkan
penurunan kinerja nasabah. Kelemahan kontrak kredit menyebabkan pelanggaran
kontrak kredit dan berpotensi dalam meningkatkan risiko kredit.
Berdasarkan SE-09/PJ.42/1999, pengertian kredit yang digolongkan “lancar”
dan “macet” disesuaikan dengan pengertian yang telah ditetapkan oleh
Bank Indonesia.
Kredit digolongkan sebagai kredit “lancar” apabila memenuhi kriteria
sebagai berikut :
1 Pembayaran angsuran pokok dan/atau bunga tepat waktu.
2 Memiliki mutasi rekening yang aktif.
3 Bagian dari kredit yang dijamin dengan agunan tunai (cash collateral).
Kredit digolongkan sebagai kredit “macet” apabila memenuhi kriteria
sebagai berikut :
1 Terdapat tunggakan angsuran pokok dan/atau bunga yang telah melampaui
270 hari.
2 Kerugian operasional ditutup dengan pinjaman baru.
3 Dari segi hukum maupun kondisi pasar, jaminan tidak dapat dicairkan pada
nilai wajar.
Metode CHAID
Metode CHAID (Chi-Square Automatic Interaction Detection) merupakan
salah satu tipe dari metode AID (Automatic Interaction Detection). Teknik
pemecahan gugus menjadi beberapa anak gugus dilakukan sedemikian rupa
sehingga keragaman nilai peubah tak bebas dalam anak gugus menjadi minimum
dan keragaman nilai peubah tak bebas antar anak gugus menjadi maksimum
(Ratner 2000). Lalu dalam perkembangannya CHAID banyak digunakan dalam
proses segmentasi pasar di dunia marketing.
Proses pemecahan dilakukan secara iteratif dimulai dari peubah bebas yang
mempunyai asosiasi paling kuat dengan peubah tak bebas yang digambarkan oleh
besarnya nilai p berdasarkan uji Chi-Square. Dalam proses ini juga akan
dilakukan penggabungan kategori-kategori dalam satu peubah bebas yang tidak
memiliki asosiasi yang nyata dengan peubah tak bebas.
Secara singkat algoritma CHAID adalah sebagai berikut (Kass 1980) :
1 Buat tabulasi silang untuk masing-masing kategori peubah penjelas dengan
kategori peubah respon.
3
2 Buat sub tabulasi silang berukuran 2 x d yang mungkin tersusun. Notasi d
adalah banyaknya kategori peubah respon. Kemudian tentukan nilai �ℎ2 ��
semua subtabel tersebut. Dengan α ditetapkan, tentukan nilai �ℎ2 �� yang
terkecil. Jika � 2�� �� < ��2 maka kedua kategori peubah penjelas yang
memiliki � 2�� �� digabung menjadi satu kategori. Untuk peubah numerik
maka harus diubah menjadi peubah kategorik dengan cara
mengkategorikannya terlebih dahulu. Sedangkan 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 ditentukan �ℎ2 �� terbesar. Jika �ℎ2 �� terbesar > ��2
maka pembagian biner berlaku. Kembali ke tahap kedua.
4 Setelah diperoleh penggabungan optimal untuk setiap peubah
penjelas, hitung nilai p untuk masing-masing tabel yang terbentuk. Nilai p
dari tabel yang mengalami pengurangan kategori dikalikan dengan koreksi
Bonferoni sesuai dengan tipe peubahnya. Jika nilai p terkecil < α maka
peubah tersebut merupakan peubah penjelas yang pengaruhnya paling nyata
bagi peubah respon.
5 Jika pada tahap keempat diperoleh peubah yang pengaruhnya paling nyata,
kembali ke tahap pertama untuk setiap bagian data hasil pemisahan.
Statistik uji yang digunakan adalah � 2 dengan rumus :
� =
2
�
�
dengan :
r : total baris
c : total kolom
i : indeks baris
j : indeks kolom
� : nilai sel baris ke-i kolom ke-j
� : nilai harapan sel baris ke-i kolom ke-j
� − �
�
²
� 2 menyebar menurut sebaran Khi-Kuadrat berderajat bebas :
db = (c – 1) (r – 1)
dengan :
r : total baris
c : total kolom
Koreksi Bonferoni untuk tabel yang mengalami pengurangan kategori sesuai
dengan tipe peubahnya :
a Peubah bebas
�=
�−1
=0
−1
�− �
! �− !
Peubah bebas adalah variabel independen yang kategori di dalamnya dapat
dikombinasikan atau digabungkan ketika keduanya berdekatan atau tidak (data
nominal). Contohnya pekerjaan dan jenis kelamin.
4
b Peubah monoton
�=
�−1
�−1
Peubah monoton adalah variabel independen yang kategori di dalamnya dapat
dikombinasikan atau digabungkan oleh CHAID hanya jika keduanya berdekatan
satu sama lain atau mengikuti urutan aslinya (data ordinal). Contohnya usia dan
tingkat pendidikan.
c Peubah float
�−2
�−2
+r
�=
�−1
�−2
Peubah float adalah variabel independen yang kategori di dalamnya berupa
kategori ordinal kecuali untuk satu kategori yang posisinya dalam urutan tidak
pasti. Penggabungan dilakukan sebagaimana peubah ordinal kecuali nilai kategori
float yang dapat berkombinasi bebas dengan kategori lain.
METODE
Data yang digunakan dalam penelitian ini merupakan data sekunder yang
diperoleh dari PT. Ganesha Cipta Informatika. Data ini merupakan data contoh
nasabah kredit motor pada tahun 2008 di salah satu bank swasta yaitu Bank XYZ.
Data terdiri dari 1963 nasabah dengan 8 peubah penjelas dan satu peubah
respon. Peubah respon yang ada adalah status kolektibilitas nasabah berupa status
“lancar” (0) untuk debitur yang tidak bermasalah (kedit lancar), dan “macet” (1)
untuk debitur yang bermasalah (kredit macet). Peubah-peubah penjelas yang
dimasukkan sebagai faktor penduga risiko kredit adalah :
a Jangka waktu pinjaman, tipe monoton : 12, 18, 24, 30, 36 (bulan).
b Jumlah angsuran, tipe monoton : rupiah.
c Usia, tipe monoton : tahun.
d Kepemilikan tempat tinggal, tipe bebas : 0 = milik orang tua, 1 = milik
sendiri, 2 = institusi, 3 = kredit, 4 = sewa, 5 = lainnya.
e Tingkat pendidikan, tipe float : 0 = lainnya, 1 = SMP, 2 = SMA, 3 = diploma,
4 = S1, 5 = S2/S3.
f Jenis kelamin, tipe bebas : 0 = laki-laki, 1 = perempuan.
g Status pernikahan, tipe bebas : 0 = menikah, 1 = tidak menikah, 2 = janda,
3 = duda.
h Pekerjaan, tipe bebas : 0 = pegawai swasta, 1 = pegawai negeri sipil,
2 = wiraswasta, 3 = profesional, 4 = lainnya.
Analisis CHAID dilakukan dengan software statistika. Hasil dari analisis
CHAID akan ditampilkan dalam sebuah diagram pohon.
5
HASIL DAN PEMBAHASAN
Gambaran Umum Nasabah
Data yang tersedia berjumlah 1963 nasabah. Peubah status kolektibilitas
nasabah termasuk dalam peubah bebas yang dibedakan menjadi dua kategori,
yaitu nasabah yang status kolektibilitasnya lancar berjumlah 1653 (84.21%) dan
nasabah yang status kolektibilitasnya macet sebanyak 310 (15.79%).
Gambaran umum peubah-peubah penjelas disajikan pada Lampiran 1.
Komposisi nasabah berdasarkan jangka waktu pinjaman, jumlah angsuran, dan
usia menggunakan data asli sehingga tidak dilakukan pengkategorian seperti
peubah-peubah yang lainnya. Pada umumnya nasabah berdasarkan jangka waktu
pinjaman memiliki jangka waktu 36 bulan sebesar 1142 nasabah (58.18%) dan
jangka waktu 24 bulan sebanyak 498 nasabah (25.37%). Komposisi nasabah
berdasarkan jumlah angsurannya dapat dilihat melalui histogram pada Lampiran 2.
Dari histogram tersebut dapat diketahui bahwa nasabah pada umumnya meminjam
kredit kepada bank dengan jumlah angsuran antara Rp 100.000 sampai dengan
Rp 1.000.000 dengan jumlah nasabah sebesar 1758 nasabah (89.70%). Komposisi
nasabah berdasarkan usia dapat dilihat melalui histogram pada Lampiran 3. Dari
histogram tersebut dapat diketahui bahwa nasabah yang meminjam kredit pada
bank pada umumnya berusia 58 tahun sebesar 150 nasabah.
Sebagian besar nasabah memiliki kepemilikan tempat tinggal milik orang
tua sebanyak 929 nasabah (47.33%) dan milik sendiri sebesar 853 nasabah
(43.45%). Sedangkan sisanya yaitu institusi (1.78%), kredit (1.88%), sewa
(3.21%), dan lainnya (2.34%). Pada peubah penjelas tingkat pendidikan terdapat
kategori “lainnya”. Pada kategori “lainnya” tidak disebutkan masuk kategori yang
mana dari keseluruhan kategori yang ada dalam peubah tingkat pendidikan.
Pendidikan tertinggi nasabah pada umumnya adalah S1 sebanyak 941 nasabah
(48.24%), sedangkan Diploma sebesar 541 nasabah (27.56%), nasabah
berpendidikan SMA sebesar 17.88%, S2/S3 sebanyak 5.40%, dan sisanya
memiliki persentase yang sangat kecil.
Sebagian besar nasabah adalah nasabah perempuan sebanyak 999 nasabah
(50.89%) dan sisanya nasabah berjenis kelamin laki-laki sebesar 49.11%. Nasabah
yang menikah cenderung besar yaitu lebih dari setengah jumlah nasabah sebesar
1512 nasabah (77.02%), kemudian sebanyak 423 nasabah tidak menikah (21.55%),
sedangkan sisanya sangat kecil persentasenya. Sebanyak 79.72% nasabah (1565
nasabah) memiliki pekerjaan sebagai pegawai swasta, pegawai negeri sebesar
17.12% (336 nasabah), dan untuk jenis pekerjaan yang lain persentasenya
sangat kecil.
Analisis CHAID
Analisis CHAID menghasilkan suatu dendogram yang memetakan
penggabungan berdasarkan hubungan terstruktur peubah respon dengan peubahpeubah penjelasnya seperti tampak pada Gambar 1. Dendogram pemisahan
6
tersebut diperoleh dari analisis dengan nilai kritis yang ditetapkan pada taraf nyata
(α = 0.05). Dari hasil analisis CHAID terhadap delapan peubah penjelas, hanya
empat peubah penjelas yang memiliki pengaruh nyata dengan status kolektibilitas
nasabah. Peubah-peubah tersebut adalah jumlah angsuran, pekerjaan, jangka
waktu pinjaman, dan jenis kelamin. Terlihat bahwa dari 1963 nasabah, sebanyak
1653 nasabah memiliki status kolektibilitas lancar sedangkan 310 nasabah
memiliki status kolektibilitas macet. Analisis CHAID mengasilkan tiga pokok
pembahasan yang penting, yaitu :
1 Peubah-peubah yang berpengaruh
2 Segmentasi nasabah
3 Asosiasi yang terbentuk
Peubah-Peubah yang Berpengaruh
Peubah utama yang memiliki pengaruh dengan status kolektibilitas nasabah
adalah jumlah angsuran. Peubah penjelas jumlah angsuran dikategorikan ke dalam
dua kelompok, yaitu kelompok pertama adalah kurang dari atau sama dengan
Rp 726.867 sebanyak 1571 nasabah (80%) dan kelompok kedua adalah lebih
besar dari Rp 726.867 sebanyak 392 nasabah (20%). Persentase tersebut diambil
dari jumlah total keseluruhan nasabah yaitu 1963 nasabah. Pada kelompok
pertama terlihat bahwa persentase kelompok jumlah angsuran kurang dari atau
sama dengan Rp 726.867 yang memiliki status kolektibilitas lancar sebanyak
82.3% (1293 nasabah) dan status kolektibilitas yang macet sebesar 17.7% (278
nasabah). Kemudian kelompok kedua jumlah angsuran lebih besar dari
Rp 726.867, nasabah yang memiliki status kolektibilitas lancar sebanyak 360
nasabah (91.8%) dan nasabah yang memiliki status kolektibilitas macet sebesar 32
nasabah (8.2%).
Pada kelompok jumlah angsuran kurang dari atau sama dengan Rp 726.867,
nasabah dibedakan berdasarkan jenis pekerjaan, yaitu pegawai swasta dan
wiraswasta serta pegawai negeri sipil, lainnya, dan profesional. Dari total 1259
nasabah yang termasuk ke dalam kelompok pertama, sebanyak 1015 nasabah
(80.6%) memiliki status kolektibilitas lancar dan sebesar 19.4% (244 nasabah)
memiliki status kolektibilitas macet. Kemudian kelompok kedua terdiri dari
pegawai negeri sipil, lainnya dan profesional memiliki status kolektibilitas lancar
sebesar 89.1% (278 nasabah) dan nasabah yang memiliki status kolektibilitas
macet sebesar 10.9% (34 nasabah).
Peubah jangka waktu pinjaman memiliki pengaruh pada kelompok nasabah
dengan pekerjaan pegawai swasta dan wiraswasta. Peubah penjelas jangka waktu
pinjaman dikategorikan ke dalam tiga kelompok, yaitu kelompok pertama adalah
jangka waktu pinjaman kurang dari atau sama dengan 24 bulan, kelompok kedua
adalah jangka waktu pinjaman 30 bulan, dan kelompok ketiga adalah jangka
waktu pinjaman lebih dari 30 bulan. Kelompok pertama terdiri dari 387 nasabah
dan memiliki status kolektibilitas lancar sebesar 82.4% (319 nasabah) serta 17.6%
(68 nasabah) memiliki status kolektibilitas macet. Pada dendogram hasil analisis
CHAID untuk jangka waktu pinjaman 30 bulan memiliki status kolektibilitas
lancar yaitu 66.7% (62 nasabah) dan nasabah yang memiliki status kolektibilitas
macet sebanyak 33.3% (31 nasabah). Kemudian kelompok yang terakhir adalah
7
8
jangka waktu pinjaman lebih dari 30 bulan, nasabah yang memiliki status
kolektibilitas lancar adalah 81.4% (634 nasabah) sedangkan status
kolektibilitasnya macet sebesar 18.6% (145 nasabah).
Peubah jenis kelamin memiliki pengaruh pada kelompok nasabah dengan
pekerjaan pegawai negeri sipil, lainnya dan profesional. Peubah penjelas jenis
kelamin dikategorikan dalam dua kategori, yaitu laki-laki dan perempuan. Lakilaki berjumlah 157 nasabah dan perempuan sebesar 155 nasabah. Persentase status
kolektibilitas nasabah lancar untuk laki-laki adalah 84.7% (133 nasabah) dan
status kolektibilitas macet 15.3% (24 nasabah), sedangkan untuk perempuan,
nasabahnya memiliki status kolektibilitas lancar 93.5% (145 nasabah) dan yang
macet 6.5% (10 nasabah).
Segmentasi yang Terbentuk
Pada dendogram terlihat bahwa analisis CHAID menghasilkan enam segmen
nasabah. Rincian tentang segmentasi nasabah dapat dilihat pada Lampiran 4.
Segmen pertama yaitu nasabah yang memiliki jumlah angsuran kurang dari atau
sama dengan Rp 726.867, pekerjaan pegawai swasta dan wiraswasta serta jangka
waktu pinjaman kurang dari atau sama dengan 24 bulan. Segmen kedua adalah
nasabah yang memiliki jumlah angsuran kurang dari atau sama dengan
Rp 726.867, pekerjaan pegawai swasta dan wiraswasta serta jangka waktu
pinjaman 30 bulan. Segmen ketiga yaitu nasabah yang memiliki jumlah angsuran
kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai swasta dan
wiraswasta serta jangka waktu pinjaman lebih dari 30 bulan. Segmen keempat
adalah nasabah yang memiliki jumlah angsuran kurang dari atau sama dengan
Rp 726.867, pekerjaan pegawai negeri sipil, lainnya dan profesional serta jenis
kelamin laki-laki. Segmen kelima yaitu nasabah yang memiliki jumlah angsuran
kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai negeri sipil, lainnya
dan profesional serta jenis kelamin perempuan. Segmen yang keenam adalah
nasabah yang memiliki jumlah angsuran lebih dari Rp 726.867.
Persentase terbesar nasabah yang memiliki status kolektibilitas nasabah
lancar adalah pada segmen kelima. Segmen ini adalah nasabah yang memiliki
jumlah angsuran kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai
negeri sipil, lainnya dan profesional serta jenis kelamin perempuan dengan
persentase pengembalian lancar 93.5%. Segmen ini merupakan segmen dengan
pengembalian lancar tertinggi.
Segmen kedua yaitu segmen dengan nasabah yang memiliki jumlah
angsuran kurang dari atau sama dengan Rp 726.867, pekerjaan pegawai swasta
dan wiraswasta serta jangka waktu pinjaman 30 bulan merupakan segmen dengan
persentase pengembalian lancar paling rendah dengan persentase lancarnya hanya
sebesar 66.7%, persentase ini di bawah 70% artinya bahwa bank dalam hal ini
perlu lebih berhati-hati dalam pemberian kredit kepada nasabah dengan ciri-ciri
demikian. Adapun kelima segmen lainnya memiliki persentase lancar nasabahnya
lebih dari 70%.
9
Asosiasi yang Terbentuk
Peubah penjelas yang memiliki keterkaitan atau asosiasi langsung terhadap
status kolektibilitas nasabah, yaitu peubah penjelas jumlah angsuran kurang dari
atau sama dengan Rp 726.867 dan peubah penjelas jumlah angsuran lebih besar
dari Rp 726.867. Pada dendogram tampak adanya asosiasi antara jumlah angsuran
dengan pekerjaan, yaitu bahwa jumlah angsuran kurang dari atau sama dengan
Rp 726.867 pada umumnya memiliki pekerjaan pegawai swasta dan wiraswasta.
Terlihat pula adanya asosiasi antara pekerjaan dengan jangka waktu pinjaman,
yaitu bahwa pekerjaan pegawai swasta dan wiraswasta pada umumnya memiliki
jangka waktu pinjaman lebih dari 30 bulan.
Interaksi antar peubah tampak jelas pada dendogram, bahwa peubah
pekerjaan berpengaruh hanya pada kelompok dengan jumlah angsuran kurang dari
atau sama dengan Rp 726.867. Jangka waktu pinjaman berpengaruh hanya pada
kelompok dengan pekerjaan pegawai swasta dan wiraswasta. Kemudian jenis
kelamin berpengaruh hanya pada kelompok dengan pekerjaan pegawai negeri sipil,
lainnya, dan profesional.
Prediksi Keakuratan Model
Salah satu cara untuk mengetahui keakuratan model yang diperoleh dari
hasil analisis CHAID adalah melalui tabel prediksi. Tabel prediksi ini dapat
dilihat pada Tabel 1. Berdasarkan Tabel 1 dapat disimpulkan bahwa dari 1653
nasabah yang berkategori lancar, diprediksi dengan benar sebanyak 1591 nasabah
atau 96.2%, sedangkan dari 310 nasabah yang berkategori macet, diprediksi
dengan benar sebanyak 31 nasabah atau 10.0%. Jadi dapat disimpulkan bahwa
ketepatan prediksi nasabah yang berkategori lancar lebih baik dari nasabah yang
berkategori macet. Persentase total prediksi yang benar dari 1963 nasabah adalah
82.6%. Dari 279 nasabah yang diprediksi lancar tetapi kenyataannya macet maka
bank akan mengalami kerugian karena bank menampung nasabah yang
berkategori macet sebagai nasabah yang berkategori lancar. Sedangkan dari 62
nasabah yang diprediksi macet 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 macet. Secara keseluruhan, model ini baik dan dapat digunakan oleh
bank di masa yang akan datang sebagai bahan pertimbangan dalam memberikan
kredit kepada nasabahnya.
10
Tabel 1 Tabel prediksi model pada cut off 0.70
Observasi
Lancar
Macet
Total
Persentase
Total
Prediksi
Lancar Macet
1591
62
279
31
1870
93
95.0%
Total
1653
310
1963
5.0%
Persentase
Benar
96.2%
10.0%
82.6%
SIMPULAN
Ada empat peubah penjelas yang memiliki keterkaitan struktural dengan
status kolektibilitas nasabah. Peubah-peubah tersebut adalah jumlah angsuran,
pekerjaan, jangka waktu pinjaman, dan jenis kelamin. Peubah utama yang
berpengaruh dengan status kolektibilitas nasabah adalah jumlah angsuran. Peubah
penjelas yang memiliki asosiasi langsung terhadap peubah respon, yaitu peubah
penjelas jumlah angsuran kurang dari atau sama dengan Rp 726.867 dan peubah
penjelas jumlah angsuran lebih besar dari Rp 726.867.
Analisis CHAID menghasilkan enam segmen nasabah. Persentase terbesar
nasabah yang memiliki status kolektibilitas nasabah lancar adalah pada segmen
kelima. Terdapat satu segmen yang perlu mendapat perhatian oleh bank untuk
diberikan kredit yaitu pada segmen kedua. Melalui tabel prediksi dapat
disimpulkan bahwa dari 1653 nasabah yang berkategori lancar, diprediksi dengan
benar sebanyak 1591 nasabah atau 96.2%, sedangkan dari 310 nasabah yang
berkategori macet, diprediksi dengan benar sebanyak 31 nasabah atau 10.0%.
Persentase total prediksi yang benar dari 1963 nasabah adalah 82.6%.
DAFTAR PUSTAKA
Coyle B. 2000. Framework For Credit Risk Management. CIB Publishing. United
Kingdom.
Djohanputro B. 2004. Manajemen Risiko Korporat Terintegrasi. Penerbit PPM.
Jakarta.
Kass GV. 1980. An Exploratory Technique for Investigating Large Quantities of
Categorial Data. Appl. Statist. 29, No.2: 119-127.
Ratner B. 2000. “CHAID for Interpreting A Logistic Regression Model”. DM
[Internet]. Tersedia pada: http://www.dmstat.com/regression.html.
Tampubolon R. 2005. Risk and System Based Internal Auditing. PT. Elex Media
Komputindo. Jakarta.
11
Lampiran 1 Gambaran umum peubah-peubah penjelas
No.
Peubah
1
Jangka Waktu
Pinjaman
2
Jumlah Angsuran
3
Usia
4
Kepemilikan Tempat
Tinggal
5
Tingkat Pendidikan
6
Jenis Kelamin
7
Status Pernikahan
8
Pekerjaan
Tipe
Gambaran Umum
12 Bulan = 4.64%
18 Bulan = 5.91%
Monoton 24 Bulan = 25.37%
30 Bulan = 5.91%
36 Bulan = 58.18%
Rata-rata = Rp 637.341
Median = Rp 484.871
Monoton Simpangan Baku = 706.424
Minimun = Rp 178.263
Maksimum = Rp 7.634.370
Rata-rata
= 55.504 Tahun
Median
= 56 Tahun
Monoton Simpangan Baku = 5.558
Minimum
= 30 Tahun
Maksimum
= 73 Tahun
Milik Orang Tua = 47.33%
Milik Sendiri
= 43.45%
Institusi
= 1.78%
Bebas
Kredit
= 1.88%
Sewa
= 3.21%
Lainnya
= 2.34%
Lainnya = 0.61%
SMP
= 0.31%
SMA
= 17.88%
Float
Diploma = 27.56%
S1
= 48.24%
S2/S3
= 5.40%
Laki-Laki = 49.11%
Bebas
Perempuan = 50.89%
Menikah
= 77.02%
Tidak Menikah = 21.55%
Bebas
Janda
= 1.27%
Duda
= 0.15%
Pegawai Swasta
= 79.72%
Pegawai Negeri Sipil = 17.12%
Wiraswasta
= 0.71%
Bebas
Profesional
= 1.32%
Lainnya
= 1.12%
12
Lampiran 2 Histogram Jumlah Angsuran
Histogram Jumlah Angsuran
800
700
Frekuensi
600
500
400
300
200
100
0
0
1200000
2400000
3600000
4800000
6000000
7200000
Jumlah Angsuran
Lampiran 3 Histogram Usia
Histogram usia
160
140
Frekuensi
120
100
80
60
40
20
0
30
36
42
48
54
Usia
60
66
72
13
Lampiran 4 Segmentasi nasabah berdasarkan dendogram hasil analisis CHAID
No.
Segmen
1
Segmen
ke-1
2
Segmen
ke-2
3
Segmen
ke-3
4
Segmen
ke-4
5
Segmen
ke-5
6
Segmen
ke-6
Deskripsi
Nasabah yang memiliki jumlah
angsuran kurang dari atau sama
dengan Rp 726.867, pekerjaan
pegawai swasta dan wiraswasta
serta jangka waktu pinjaman
kurang dari atau sama dengan
24 bulan
Nasabah yang memiliki jumlah
angsuran kurang dari atau sama
dengan Rp 726.867, pekerjaan
pegawai swasta dan wiraswasta
serta jangka waktu pinjaman
30 bulan
Nasabah yang memiliki jumlah
angsuran kurang dari atau sama
dengan Rp 726.867, pekerjaan
pegawai swasta dan wiraswasta
serta jangka waktu pinjaman lebih
dari 30 bulan
Nasabah yang memiliki jumlah
angsuran kurang dari atau sama
dengan Rp 726.867, pekerjaan
pegawai negeri sipil, lainnya dan
profesional serta jenis kelamin
laki-laki
Nasabah yang memiliki jumlah
angsuran kurang dari atau sama
dengan Rp 726.867, pekerjaan
pegawai negeri sipil, lainnya
dan
profesional
serta
jenis
kelamin perempuan
Nasabah yang memiliki jumlah
angsuran lebih dari Rp 726.867
Jumlah Nasabah
yang Memiliki
Status
Kolektibilitas
Lancar
Persentase
319
82.4%
62
66.7%
634
81.4%
133
84.7%
145
93.5%
360
91.8%
14
RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal 21 Agustus 1990 dari pasangan
Bapak Karno, S.H, M.Hum dan Ibu Sumarsi. Penulis merupakan anak pertama
dari dua bersaudara. Penulis telah berhasil menyelesaikan pendidikannya di
Sekolah Dasar Negeri (SDN) 05 Pagi Sunter Agung pada tahun 2001. Jenjang
pendidikan selanjutnya penulis tempuh di Sekolah Menengah Pertama Negeri
(SMPN) 30 Jakarta dan lulus tahun 2004. Penulis menamatkan pendidikannya di
Sekolah Menengah Atas Negeri (SMAN) 13 Jakarta pada tahun 2007 dan pada
tahun yang sama penulis diterima sebagai mahasiswa Departemen Statistika,
Institut Pertanian Bogor (IPB) melalui Seleksi Masuk Perguruan Tinggi
Negeri (SNMPTN).
Selama masa perkuliahan, penulis aktif dalam kegiatan organisasi
Himpunan Profesi Gamma Sigma Beta (GSB) seperti Statistika Ria tahun 2009,
Sport and Art Statistics 2009, Welcome Ceremony Statistics (WCS) 2010 dan
Pesta Sains 2010. Penulis telah melaksanakan Praktik Lapang di Departemen
Statistika, Institut Pertanian Bogor.