C36 = Jenis Produk C37 = Jangka Waktu Fasilitas
C38 = Jenis Agunan C39 = Posisi Klaim
Nilai harapan variabel respon diartikan sebagai kolektibilitas atau kualitas pengembalian kredit. Semua rating yang telah diubah menjadi
nilai interval akan dikalikan dengan nilai bobot dari setiap variabelnya dan dilihat nilai maksimumnya berada dimana berarti disitulah kelompok
debitur itu ditempatkan. Bobot dapat diartikan sebagai nilai dugaan keterkaitan
setiap parameter
variabel penilaian
terhadap kolektibilitasnya.
4.3. Variabel Kelayakan
Kredit Bank
XYZ Terhadap Tingkat Kolektibilitas Debitur Menggunakan Analisis Diskriminan
4.3.1. Klasifikasi Pola Pengembalian Kredit
Analisis Diskriminan merupakan alat analisis yang mampu mengelompokkan setiap objek ke dalam dua atau lebih kelompok
berdasarkan pada kriteria sejumlah variabel bebas. Tahapan awal dalam analisis diskriminan yaitu memilih variabel yang layak
valid untuk dianalisis lebih lanjut. Tahap ini dilakukan dengan cara menyaring seleksi variabel yang telah memenuhi asumsi-
asumsi analisis diskriminan. Selanjutnya variabel yang telah divalidasi akan diolah menghasilkan lima klasifikasi. Uji klasifikasi
dilakukan dengan menggunakan data debitur itu sendiri. Fungsi pembeda yang dihasilkan akan digunakan untuk mengetahui
klasifikasi debitur terhadap pengembalian kreditnya. Setelah diketahui fungsi pembeda dari masing-masing klasifikasi maka akan
dilihat dimana nilai maksimum dari masing-masing debitur. Terjadi misklasifikasi sejumlah 43 data debitur dari hasil pengalian bobot
variabel dengan rating tiap debitur.
Tabel 4. Klasifikasi Pengembalian Kredit
Pada output bagian ketiga adalah tabel Summary of Classification
yang menampilkan informasi penempatan data. Pada tabel tersebut menunjukkan bahwa 149 data debitur Lancar, 10 data
debitur Dalam Perhatian Khusus, 2 data debitur Kurang Lancar, 6 data debitur Diragukan dan 9 data debitur Macet tepat perkiraan.
Sedangkan 14 data debitur diperkirakan Lancar pada kenyataannya adalah Dalam Perhatian Khusus, 3 data debitur diperkirakan Lancar
pada kenyataannya Kurang Lancar, 8 data debitur diperkirakan Lancar pada kenyataannya Diragukan dan terdapat 9 data debitur
diperkirakan Lancar mengalami kemacetan pada kenyataannya. Hal ini disebabkan oleh ketidakhati-hatian account officer terhadap
objektivitas penilaian rating data debitur, profil risiko debitur dan perkembangan usaha yang tidak menentu juga menyebabkan
kesalahan penafsiran dalam memberikan rating oleh account officer. Dapat diartikan pula bahwa dari 183 data debitur Lancar dan
terdapat 34 kasus debitur tidak tepat perkiraan, ini berarti persentase jumlah data yang dikelompokkan dengan benar pada kelompok 1
sebesar 81.4. Kelompok dua, 1 data debitur yang diperkirakan oleh
account officer Dalam Perhatian Khusus yang pada kenyataannya
adalah Lancar, juga terdapat 1 data yang diperkirakan Dalam Perhatian Khusus pada kenyataannya adalah Macet. Hal ini
dikarenakan faktor
eksternal yang
berfluktuatif terhadap
Summary of classification True Group
Put into Group 1 2 3 4 5 1 149 1 1 1 2
2 14 10 0 0 3 3 3 0 2 0 0
4 8 0 0 6 0 5 9 1 0 0 9
Total N 183 12 3 7 14 N correct 149 10 2 6 9
Proportion 0.814 0.833 0.667 0.857 0.643 N = 219 N Correct = 176 Proportion Correct = 0.804
perkembangan usaha debitur, karena apabila debitur itu mengajukan kredit pada tahun 2004 dan account officer menilai secara layak
untuk mendapatkan kredit tetapi pada tahun 2008 debitur tersebut masuk ke dalam klasifikasi macet. Kemungkinan itu bisa saja terjadi
yang disebabkan pada tahun tersebut terjadi krisis global yang dapat mengurangi laba perusahaan. Ini berarti persentase jumlah data
yang benar dikelompokkan pada kelompok 2 sebesar 83.3. Terdapat pula 1 data debitur yang diperkirakan Kurang
Lancar tetapi pada kenyataannya data tersebut Lancar pada kelompok 3, sehingga kredit Kurang Lancar mempunyai perkiraan
sebesar 66.7. Pada katagori Diragukan juga terdapat 1 kesalahan
penempatan data debitur yang diperkirakan Diragukan pada kenyataannya adalah Lancar. Dapat diartikan bahwa kolektibilitas
Diragukan mempunyai persentase perkiraan secara tepat sebesar 85.7. Terakhir kolektibilitas katagori Macet mempunyai
misklasifikasi yaitu 2 data debitur yang diperkirakan Macet pada kenyataannya adalah Lancar dan 3 data debitur yang diperkirakan
Macet pada kenyataannya Dalam Perhatian Khusus, sehingga kredit Macet mempunyai ketepatan perkiraan sebesar 64.3. Secara
keseluruhan, persamaan ini memiliki ketepatan perkiraan sebesar 80.4. Kesalahan penempatan klasifikasi pada kasus ini terjadi
karena kurang signifikannya variabel yang dapat membedakan secara jelas dan tepat klasifikasi kolektibilitas debitur. Jadi
sebenarnya terjadi overlap pada sebaran normal debitur, sehingga menyebabkan terjadinya kesalahan dalam penempatan klasifikasi.
Kesalahan penempatan klasifikasi dapat dilihat pada Lampiran 8. Data pengolahan telah diolah kembali dengan mengganti
true group menjadi predicted group maka diperoleh hasil yang lebih
baik yaitu 97.3 dengan tingkat kesalahan penempatan kelompok hanya 2.7. Kesalahan dalam penempatan kolektibilitas tersebut
dapat menjadi arahan untuk account officer dalam menentukan
kolektibilitas debiturnya. Dengan begitu jumlah misklasifikasi yang ada semakin sedikit yaitu hanya enam debitur, analisis kepekaan ini
dapat menghindari kesalahan penempatan kelompok yang terjadi. Dapat dilihat pada tabel dibawah ini :
Tabel 5. Hasil Penggantian True Group Menjadi Predicted Group
Summary of classification True Group
Put into Group 1 2 3 4 5 1 150 0 0 0 0
2 1 26 0 0 0 3 1 0 5 0 1
4 1 0 0 14 0 5 1 1 0 0 18
Total N 154 27 5 14 19 N correct 150 26 5 14 18
Proportion 0.974 0.963 1.000 1.000 0.947
N = 219 N Correct = 213 Proportion Correct = 0.973
4.3.2. Kelancaran Pengembalian Kredit
