Jumlah populasi N pada penelitian ini adalah 154 responden, tingkat kesalahan 0,10 atau sepuluh persen 10. Hasil yang didapatkan untuk jumlah
contoh n adalah 60,629 kemudian dibulatkan menjadi 61 responden.
3.4. Metode Pengumpulan Data
Metode yang digunakan untuk memperoleh data serta informasi dari GKV meliputi data data primer dan data sekunder. Data primer diperoleh melalui
wawancara yang dilakukan terhadap GKV yaitu teknik pengumpulan data dengan cara mengajukan berbagai pertanyaan kepada pihak GKV. Observasi yaitu teknik
pengumpulan data dengan cara mengadakan pengamatan secara langsung terhadap aktivitas GKV terutama bagian-bagian terkait dengan tujuan penelitian.
Data sekunder merupakan data primer yang telah diolah lebih lanjut. Data sekunder dapat diperoleh melalui studi literatur yang dilakukan melalui pencarian
data-data yang bersifat teoritis yang ada hubungannnya dengan objek penelitian dengan memanfaatkan berbagai laporan, data-data perusahaan modul training,
arsip, jurnal, buku-buku pendukung teori, browsing internet, studi pustaka dari perpustakaan, artikel-artikel majalah serta hasil penelitian terdahulu.
Berdasarkan data dari GKV Bogor jumlah debitur yang menunggak pada bulan tersebut mencapai 154 orang dari total debitur aktif sebanyak 688 orang.
Survei dilakukan melalui kuesioner yang diberikan kepada responden. Pertanyaan kuesioner berisi pertanyaan tertutup dan terbuka. Pertanyaan tertutup merupakan
pertanyaan yang alternatif jawabannya telah disediakan, sehingga responden hanya memilih jawaban yang dianggap paling sesuai. Pertanyaan terbuka
merupakan pertanyaan yang jawabannya tidak terdapat dalam daftar jawaban, sehingga responden memberikan pendapat.
3.5. Metode Pengolahan dan Analisis Data
Analisis data yang digunakan dalam penelitian ini terbagi menjadi analisis kuantitatif dan analisis kualitatif. Data kualitatif disajikan melalui metode
deskriptif dengan menggunakan tabulasi untuk mendukung data kuantitatif sedangkan data kuantitatif ini diolah dengan menggunakan Microsoft excell 2007
dan SPSS versi 15.
3.5.1 Analisis deskriptif
Analisis deskriptif merupakan upaya penelusuran dan pengungkapan informasi relevan yang terkandung dalam data dengan penyajian hasil dalam
bentuk yang lebih ringkas dan sederhana sehingga akhirnya mengarah pada adanya penjelasan dan penafsiran Simamora dalam Priarnani, 2005.
3.5.2 Analisis regresi logistik
Regresi logistik adalah bagian dari analisis regresi yang digunakan ketika variabel respon merupakan variabel dikotomi. Variabel dikotomi biasanya
hanya terjadi atas dua nilai yang mewakili kemunculan atau tidak adanya suatu kejadian yang biasanya diberi angka 0 atau 1.
Regresi logistik merupakan suatu model analisis untuk mengetahui pengaruh variabel prediktor yang berskala metrik kontinyu atau kategorik
nominal terhadap variabel respon yang berskala kategorik. Regresi logistik dibedakan menjadi 2 yaitu binary logistic regression regresi
logistik biner dan multinominal logistic regression regresi logistik multinominal. Regresi logistik biner digunakan ketika hanya ada 2
kemungkinan variabel respon Y dan regresi logistik multinominal digunakan ketika variabel respon lebih dari 2 kategorisasi.
Menurut Santoso 2010, metode regresi logistik adalah suatu metode analisa statistika yang mendeskripsikan hubungan sebuah peubah respon
dengan satu atau lebih peubah prediktor. Dalam analisis regresi logistiklogit biner, permodelan peluang kejadian tertentu dari kategori peubah respon
dilakukan dengan transformasi logit. Formulasi transformasi logit adalah : Logit P
i
=
log
e pi
l –pi
…………………… 2 Keterangan :
P
i
adalah peluang munculnya kejadian kategori sukses dari peubah respon orang ke-I.
Log
e
adalah logaritma dengan basis bilangan
e
. Kategori sukses secara umum dalam penelitian ini merupakan kategori yang
menjadi perhatian. Model yang digunakan dalam analisis regresi logistik biner adalah :
Logit P
i
= β + β
1
x
1
+ β
2
x
2
…+ β
n
x
n
........... 3
Keterangan : Logit p
i
adalah nilai transformasi logit untuk peluang kejadian sukses atau Y = Variabel responvariabel tergantung terdiri dari :
pengembalian kredit oleh debitur GKV yang bermasalah Y = 1 penunggak yang masih mampu mengangsur,
Y= 0 penunggak yang sudah tidak mampu mengangsur. β
adalah intersep adalah model garis regresi konstanta β
1
adalah slope model garis regresi koefisien variabel prediktor ke-1 β
n
adalah slope model garis regresi koefisien variabel prediktor ke-n
x
1
adalah variabel prediktor ke-1,
x
n
adalah variabel prediktor ke-n Variabel bebas prediktor yang digunakan untuk mengetahui faktor-faktor
yang mempengaruhi pengembalian kredit bermasalah pada GKV meliputi karakteristik debitur yaitu : usia, jenis kelamin, status, pendidikan, lama
menempati tempat tinggal, kepemilikan tempat tinggal, jarak GKV dengan lokasi rumah, jumlah tanggungan keluarga, pinjaman lain, pengalaman usaha,
omset usaha, agunan, suku bunga dan jangka waktu pengembalian kredit. X
ij
= Karakteristik penunggak GKV debitur terdiri dari : X
1
= usia debitur tahun X
2
= jenis kelamin laki-laki atau perempuan X
3
= status lajang, menikah, jandaduda X
4
= pendidikan tingkatan X
5
= lama menempati tempat tinggal tahun X
6
= kepemilikan tempat tinggal milik sendiri, milik keluarga, sewa X
7
= jarak rumah dengan GKV kilometer X
8
= jumlah tanggungan keluarga orang X
9
= pinjaman lain adatidak X
10
= pengalaman usaha tahun X
11
= omset usaha rupiah X
12
= agunan rupiah X
13
= suku bunga respon besarkecil X
14
= jangka waktu kredit tahun
Regresi logistik juga menghasilkan rasio peluang odds ratios terkait dengan nilai setiap prediktor. Peluang odds dari suatu kejadian diartikan sebagai
probabilitas hasil yang muncul yang dibagi dengan probabilitas suatu kejadian tidak terjadi. Secara umum rasio peluang odds ratios merupakan sekumpulan
peluang yang dibagi oleh peluang lainnya. Rasio peluang bagi prediktor diartikan sebagai jumlah relative dimana peluang hasil meningkat rasio peluang 1 atau
turun rasio peluang 1 ketika nilai variabel prediktor meningkat sebesar 1 unit. Pengujian terhadap kelayakan model menggunakan statistik G yang
merupakan nisbah kemungkinan maksimum untuk mengetahui peran variabel prediktor dalam model secara simultanbersama-sama. Jika G X
2
p α atau p- value dari statistik G α=0,1 maka keputusannya adalah menolak H
artinya setidak-tidaknya ada satu variabel prediktor yang berpengaruh nyata terhadap
variabel respon. H
: β
1
= β
2
= ... = β
p
= 0 model tidak significant
H
1
: minimal ada satu β
i
≠ 0, i = 1, 2, ..., p model significant
Statistik uji-G didefinisikan sebagai : …………………………….… 4
Uji kebaiksuaian model goodness of fit dilakukan dengan memperhatikan nilai sebaran chi-square dari Hosmer dan Lameshow dengan hipotesis :
H = Tidak dapat perbedaan yang signifikan antara nilai observasi dengan nilai
prediksi oleh model model fit H
1
= Terdapat perbedaan yang signifikan antara nilai observasi dengan nilai prediksi oleh model model tidak fit
Jika p-value dari ketiga statistik tersebut lebih besar dari taraf nyata α=0,1 maka keputusannya adalah menerima H
yang artinya model tersebut cukup layak untuk digunakan dalam prediksi.
Pengujian terhadap signifikasi masing-masing variabel prediktor secara individu dilakukan dengan uji wald. Uji Wald menguji pengaruh dari masing
peubah bebas terhadap peubah tak bebas. Statistik Wj mengikuti sebaran normal Z, jika nilai Wj Z alpha2 two-tailed p-value dari statistik Wj lebih kecil dari
p
L L
G ln
2
taraf nyata α = 0,1 maka keputusannya adalah menolak H artinya varaiabel
prediktor ke-k tersebut berpengaruh secara nyatasignifikan terhadap variabel respon.
H : βi=0
X tidak berpengaruh nyata terhadap Y H
1
: βi≠0 X berpengaruh nyata terhadap Y
Regresi logistik tidak terbatas hanya dapat diterapkan pada kasus dimana variabel X bertipe interval atau rasio. Regresi logistik juga dapat diterapkan untuk
kasus dimana variabel X bertipe nominal atau ordinal. Hal ini analog dengan regresi linier dengan variabel dummy.
3.6. Definisi Operasional
1. Usia adalah umur debitur yang diperhitungkan dari waktu kelahiran sampai saat pengambilan kredit yang diukur dalam tahun.
2. Jenis kelamin mencakup kategori perempuan atau laki-laki yang diukur dengan satuan.
3. Status merupakan identitas mengenai menikah, janda atau lajang yang diukur dengan satuan.
4. Pendidikan adalah tingkatan pendidikan formal yang pernah dilalui oleh debitur yang diukur dengan tingkatan.
5. Kepemilikan tempat tinggal adalah kepemilikan tempat tinggal debitur dalam kategori milik sendiri, milik orang tua atau milik orang lain.
6. Lama menempati tempat tinggal merupakan ukuran seberapa lama debitur tinggal dalam suatu lingkungan masyarakat dan diukur dengan satuan.
7. Jarak GKV dengan lokasi rumah, jarak ini merupakan jarak rumah debitur dengan GKV yang diukur dalam kilometer.
8. Jumlah tanggungan keluarga adalah jumlah anggota keluarga debitur termasuk istri atau suami, anak kandung serta saudara lainnya yang masih tinggal dalam
satu rumah dan masih dalam tanggungan debitur serta diukur dalam jumlah orang.
9. Pinjaman lain menyatakan seberapa banyak debitur memiliki pinjaman di tempat lain selain di GKV seperti cicilan kendaraan, kartu kredit dan lain-lain
yang diukur dengan satuan rupiah.
10. Pengalaman usaha adalah lamanya debitur telah menjalankan usahanya yang diukur dalam tahun.
11. Omzet usaha adalah rata-rata pendapatan debitur per bulan dan dapat juga ditambah dari penghasilan pasangan join income yang diperoleh dari
pendapatan usahanya yang diukur dalam rupiah. 12. Agunan dapat diartikan sebagai nilai dari jaminan yang diberikan debitur
kepada GKV yang diukur dalam rupiah. 13. Suku bunga adalah tingkat bunga imbal jasa yang dibayarkan pada periode
waktu tertentu dan diukur dengan satuan tinggi atau rendah. 14. Jangka waktu pengembalian kredit merupakan lama pengambilan kredit yang
telah disepakati dengan GKV yang diukur dengan satuan bulan. 15. Kredit tidak lancar merupakan kredit dengan pembayaran bunga dan pokok
yang mengalami penundaan dalam periode waktu tertentu.
IV. HASIL DAN PEMBAHASAN
4.1. Verena Multi Finance
Gerai Kredit Verena merupakan lembaga pembiayaan yang ditujukan terhadap usaha mikro. Kategori usaha mikro adalah pedagang wiraswasta yang
memiliki usaha menengahkecilmikro UMKM. GKV merupakan usaha baru yang dikembangkan oleh PT Verena Multi Finance Tbk selain pembiayaan mobil
barubekas, barang penunjang usaha industri alat berat serta dana tunai dengan jaminan BPKB quick cash.
PT Verena Multi Finance Tbk memiliki kantor pusat di Gedung Bank Panin lantai 3, jln pacenongan raya no 84 Jakarta Pusat 10120. Gerai Kredit
Verena Bogor berlokasi di jalan Otoiskandardinata no 10, RT 03 RW 01 Babakan Pasar, Bogor Tengah 16161. Pada saat ini memiliki satu buah outlet kantor
cabang pembantu yang berlokasi di jalan Hankam RT 02 RW 04 Desa Leuwimalang Cisarua Bogor 16750. GKV dibentuk pertama kali pada tanggal 01
juli 2009. Pada saat ini PT Verena Multi Finance Tbk memiliki 11 kantor cabang yang tersebar di pulau jawa meliputi GKV Bogor, GKV Bekasi, GKV Depok,
GKV Tangerang, GKV Cileungsi, GKV Ciputat, GKV Yogyakarta, GKV Solo, GKV Semarang, GKV Malang, GKV Surabaya.
Visi Verena Multi Finance Tbk adalah menjadi perusahaan pembiayaan dengan total asset 6 triliun pada tahun 2013 dan memberikan nilai tambah bagi
stakeholder. Misi Verena Multi Finance Tbk adalah memberikan pelayanan yang prima dengan SDM yang kompeten untuk meningkatkan loyalitas pelanggan.
Selain memiliki visi dan misi, perusahaan ini juga memiliki nilai-nilai yang
mencakup integtitas, gigih dan pantang menyerah, tim yang solid dan lebih
mudah-cepat-aman. Motto PT Verena Multi Finance Tbk adalah benar diawal selamat sampai akhir.
Ruang lingkup target pembiayaan GKV terbagi dalam dua kategori yaitu pengembangan usaha yang sudahsedang berjalan sudah dimiliki dan usaha baru
yang akan dibuka jenis usaha yang sama ditempat lain atau jenis usaha yang berbeda. Penilaian terhadap pemberian kredit untuk kedua kategori ini sama.
