ANALISIS RESIKO KREDIT UMKM DENGAN

ANALISIS DAYA TAHAN

HILDA YOHANA

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2011
 PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI

Dengan ini saya menyatakan bahwa tesis Analisis Resiko Kredit UMKM
dengan Analisis Daya Tahan adalah karya saya dengan arahan dari komisi
pembimbing dan belum diajukan dalam bentuk apapun 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 tesis ini.

Bogor, Juli 2011

Hilda Yohana
NIM G151090101
 ABSTRACT

HILDA YOHANA.The Risk Analysis of Bussiness Credit with Survival Analysis.

Under direction of HARI WIJAYANTO, and I MADE SUMERTAJAYA.

Nonperforming loans are credit risks faced by each bank which provide
credit services. The Bank implementing Credit Scoring methods in testing the
customer worthiness to minimize credit risk. In general, Credit Scoring is a method
of credit risk analysis aimed to assess and differentiate level of credit risk. In the
field of statistics, some analysis methods commonly used to distinguish this level
of credit risk including discriminant analysis, logistic regression, artificial neural
networks and regression trees. Observational data, used in such methods, is the
complete data or data that do not contain censored observations. Statistical method
which handles problems, such as censored data is called Survival Analysis.
Survival analysis is using Cox regression to identify characteristics of customers
who are at risk of default, loan repayment term durability, as well as the chance the
customer will experience the risk of default. In this study, characteristics that are
both significantly affect a credit crunch on the third business scale is gender ( ),
interest rate ( ), type of interest rates ( ), Return on Asset ( ) and business reputation
( ). Based on the value of its hazard ratio, gender differences and the interest rate is
an indicator that gives customers the greatest influence in determining the level of
a one's credit failure.

Keywords : credit risk, credit scoring, survival analysis, Cox regression model
 RINGKASAN

HILDA YOHANA. Analisis Resiko Kredit UMKM dengan Analisis Daya Tahan.
Dibimbing oleh HARI WIJAYANTO, dan I MADE SUMERTAJAYA.

Bank merupakan suatu lembaga keuangan yang berfungsi sebagai perantara

keuangan dari dua pihak, yakni pihak yang kelebihan dana dan yang membutuhkan
dana. Bank menghimpun dana dari masyarakat dalam bentuk simpanan yaitu
tabungan, giro dan deposito, dan menyalurkannya kembali dalam bentuk kredit dan
atau bentuk-bentuk lainnya dalam rangka meningkatkan taraf hidup rakyat banyak.
Menurut informasi data dari Badan Pusat Statistika (BPS) dan Bank Indonesia
(BI), penyaluran kredit khususnya kredit UMKM mengalami
peningkatan setiap tahunnya. Pada dasarnya peningkatan pemberian kredit tentu
saja akan menimbulkan suatu resiko, yaitu timbulnya kredit bermasalah (Kasmir,
2002).Untuk meminimalisir resiko ini, pihak Bank menerapkan suatu sistem uji
kelayakan kredit yang disebut dengan Credit Scoring atau dikenal juga dengan
istilah Credit Risk Rating dengan menggunakan analisis 5C, yaitu penilaian
terhadap Character (watak), Capacity (kemampuan), Capital (modal), Collateral
(jaminan), Condition of Economy (kondisi ekonomi). Secara umum, Credit
Scoring merupakan suatu metode analisis resiko kredit yang bertujuan untuk
menilai dan
membedakan tingkat resiko kredit.
Dalam bidang statistika, ada beberapa metode analisis yang dapat
digunakan untuk membedakan tingkat resiko kredit, diantaranya analisis
diskriminan, regresi logistik, jaringan syaraf tiruan, dan regresi pohon. Metode-
metode ini hanya mampu mengelompokan atau membedakan nasabah ke dalam
kategori nasabah gagal bayar dan lancar bayar, atau mengelompokan nasabah
dengan kategori kredit resiko rendah, dapat diterima, dan resiko tinggi. Metode
tersebut dapat digunakan jika data pengamatannya merupakan data lengkap atau
data yang tidak mengandung pengamatan tersensor (pengamatan yang tidak dapat
diamati secara keseluruhan). Metode statistika yang dapat menangani
permasalahan data yang bersifat tersensor adalah analisis daya tahan (survival
analysis).
Analisis daya tahan menggunakan regresi Cox digunakan untuk
mengetahui karakteristik-karakteristik nasabah yang signifikan mempengaruhi
terjadinya kredit bermasalah. Selain itu juga dapat diketahui besarnya peluang
seseorang akan mengalami gagal bayar, dan efisiensi dari jangka waktu seseorang
dalam memenuhi kewajiban kreditnya.
Data yang digunakan pada penelitian ini merupakan data sekunder, yakni
data nasabah kredit UMKM pada salah satu Bank konvensional di Indonesia, Bank
X. Peubah penjelas yang digunakan pada penelitian ini merupakan faktor-faktor
resiko atau karakteristik nasabah yang dinilai dalam Credit Scoring, ditambah
dengan faktor jenis kelamin, tingkat suku bunga, dan sifat suku bunga yang diduga
ikut mempengaruhi resiko terjadinya gagal bayar. Peubah respon yang diamati
adalah periode cicilan yang telah dibayarkan hingga periode Februari 2011.
 Ada sebanyak 49.912 nasabah Bank X yang diamati dalam penelitian ini,
dan ada sebanyak 7,69% nasabah yang mengalami gagal bayar, dengan 5,18%
diantaranya berasal dari nasabah dengan skala usaha mikro, 0,97% dari nasabah
skala usaha kecil, dan 1,54% dari nasabah skala usaha menengah.
Dengan analisis regresi Cox proportional hazard diperoleh model regresi
untuk ketiga skala usaha, dimana setiap model dicirikan dengan faktor resiko yang
berbeda-beda. Untuk setiap kategori skala usaha, diperoleh faktor resiko yang
berbeda. Namun ada 4 faktor resiko yang sama-sama mempengaruhi terjadinya
kredit macet pada ketiga skala tersebut yaitu jenis kelamin , tingkat suku
bunga , sifat suku bunga , Return of Asset dan reputasi bisnis .
Untuk mengetahui perbandingan besarnya resiko yang akan dialami nasabah satu
dengan nasabah lainnya yang memiliki karakteristik yang berbeda dapat dilihat
dari nilai hazard rasionya. Dari penelitian yang telah dilakukan, perbedaan jenis
kelamin nasabah dan tingkat suku bunga yang diberikan merupakan indikator yang
paling dominan mempengaruhi tingkat kegagalan kredit seseorang dibandingkan
dengan karakteristik yang lainnya.
Goodness-of-fit test digunakan untuk menguji kesesuaian antara model
regresi Cox dengan data yang digunakan. Nilai untuk skala usaha mikro, kecil
dan menengah masing-masing adalah 28,676 ; 28,0267 dan 30,4279. Nilai ini lebih
kecil dibandingkan dengan nilai sebesar 31,4104. Hal ini berarti
model regresi Cox proportional hazard yang diperoleh sudah sesuai dan cocok
digunakan dalam kasus penelitian ini.
Untuk mengetahui ketahanan (efisiensi) jangka waktu pelunasan kredit
setiap nasabah dengan karakteristik yang berbeda-beda dapat dilihat dari nilai
dugaan peluang survivalnya. Semakin besar nilai peluang survival seorang nasabah
dengan karakteristik tertentu, maka semakin besar pula peluang nasabah tersebut
akan lancar bayar hingga akhir periode jangka waktu yang ditentukan.

Kata kunci : credit scoring, resiko kredit, analisis daya tahan, model regresi Cox
ANALISIS RESIKO KREDIT UMKM DENGAN
ANALISIS DAYA TAHAN

HILDA YOHANA

Tesis
Sabagai salah satu syarat untuk memperoleh gelar
Magister Sains pada
Program Studi Statistika

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2011
 © Hak Cipta milik IPB, tahun 2011
Hak Cipta dilindungi Undang-undang

Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan
atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan
pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan
kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan
kepentingan yang wajar bagi IPB
Dilarang mengumumkan dan memperbanyak sebagian atau seluruh Karya
tulis dalam bentuk apa pun tanpa izin IPB
Judul Tesis : Analisis Resiko Kredit UMKM dengan Analisis Daya Tahan
Nama : Hilda Yohana
NIM : G151090101

Disetujui

Komisi Pembimbing

Dr. Ir. Hari Wijayanto, MS Dr. Ir. I Made Sumertajaya, M.Si

Ketua Anggota

Diketahui,

Ketua Program Studi Statistika Dekan Sekolah Pascasarjana IPB

Dr. Ir. Erfiani, M.Si Dr. Ir. Dahrul Syah, M.Sc. Agr.

Tanggal Ujian : 30 Juni 2011 Tanggal Lulus :

Penguji Luar Komisi pada Ujian Tesis: Dr. Ir. Erfiani, M.Si
 PRAKATA

Puji dan syukur penulis ucapkan kehadirat Allah SWT karena berkat
rahmat dan hidayah-Nya penulis dapat menyelesaikan karya ilmiah ini. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Maret 2011 ini ialah resiko
kredit, dengan judul Analisis Resiko Kredit UMKM dengan Analisis Daya Tahan.

Terimakasih Penulis ucapkan kepada :

1. Bapak Dr. Ir. Hari Wijayanto, MS selaku ketua komisi pembimbing dan Bapak
Dr. Ir. I Made Sumertajaya, M.Si selaku anggota komisi pembimbing yang telah
memberikan bimbingan dan arahan pada penyusunan karya ilmiah ini. Serta
terimakasih untuk Ibu Dr.Ir.Erfiani, M.Si dan Ibu Dr.Ir. Anik Djuraidah, M.Si
atas kritikan dan sarannya yang membangun untuk penyusunan karya ilmiah ini
ke arah yang lebih baik lagi.
2. Anggota keluarga tercinta, ayah, ibu, uda, abang, dan adikku yang senantiasa
memberikan dorongan semangat, doa dan kasih sayangnya.
3. Teman-teman S2 dan S3 Statistika IPB atas sumbangan sarannya.
Peneliti berharap semoga karya ilmiah ini dapat memberikan manfaat bagi
pembacanya.

Bogor, Juli 2011

Hilda Yohana
 RIWAYAT HIDUP

Penulis dilahirkan di Padang pada tanggal 3 Desember 1987 dari ayah

Fauzi AR dan ibu Dra.Helmiyarti. Penulis merupakan anak ketiga dari empat
bersaudara.
Tahun 2005 penulis lulus dari SMU N 3 Padang, dan pada tahun yang sama
penulis diterima di Universitas Andalas, jurusan Matematika, Fakultas Matematika
dan Ilmu Pengetahuan Alam.
Pada tahun 2009 penulis lulus dari Universitas Andalas, dan pada tahun
yang sama penulis diterima di sekolah pascasarjana Institut Pertanian Bogor
dengan program studi Statistika.
 DAFTAR ISI
Halaman

DAFTAR TABEL................................................................................................vi
DAFTAR GAMBAR...........................................................................................vii
DAFTAR LAMPIRAN......................................................................................viii
PENDAHULUAN
Latar Belakang..............................................................................................1
Tujuan Penelitian..........................................................................................2
TINJAUAN PUSTAKA
Kredit............................................................................................................3
Bunga Kredit................................................................................................4
Teori Analisis Resiko Kredit........................................................................4
Kualitas Kredit..............................................................................................6
Analisis Daya Tahan.....................................................................................7
Definisi dalam Analisis Daya Tahan............................................................8
Model Regresi Cox Proportional Hazard.....................................................9
Pendugaan Fungsi Survival........................................................................10
Pendugaan Parameter Regresi Cox............................................................10
Pengujian Kontribusi Peubah.....................................................................11
Uji Kesesuaian Model................................................................................12
Hazard Ratio...............................................................................................12
METODOLOGI PENELITIAN
Data.............................................................................................................14
Metode Analisis..........................................................................................15
HASIL DAN PEMBAHASAN
Deskripsi Data............................................................................................17
Analisis Karakteristik Nasabah yang Mempengaruhi Kredit Macet..........22
Uji Kesesuaian Model................................................................................24
Analisis Perbandingan Resiko....................................................................25
Aplikasi Penerapan.....................................................................................28
SIMPULAN DAN SARAN
Kesimpulan.................................................................................................30
Saran...........................................................................................................30
DAFTAR PUSTAKA..........................................................................................31
LAMPIRAN.........................................................................................................32
 DAFTAR TABEL

Halaman

1 Gambaran umum data nasabah kredit UMKM Bank X.............................17

2 Tabulasi Silang antara status kredit dengan jenis kelamin.........................18

3 Tabulasi Silang antara status kredit dengan sifat suku bunga....................19

4 Tabulasi Silang antara status kredit dengan finansial nasabah...................19

5 Tabulasi Silang antara status kredit dengan karakter nasabah...................20

6 Tabulasi Silang antara status kredit dengan kondisis bisnis.......................21

7 Tabulasi Silang antara status kredit dengan manajemen usaha..................22

8 Nilai dugaan koefisien regresi....................................................................23

9 Faktor-faktor resiko yang signifikan mempengaruhi kredit macet............24

10 Uji kesesuaian model..................................................................................24

11 Hazard ratio untuk setiap perbedaan karakteristik.....................................25

 DAFTAR GAMBAR

Halaman

1 Jenis-jenis sensor..........................................................................................8

2 Kemungkinan kejadian yang terjadi...........................................................14

3 Persentase nasabah yang mengalami gagal bayar dan lancar bayar...........18

 DAFTAR LAMPIRAN

Halaman

1 Definisi peubah penjelas.............................................................................32

2 Nilai dugaan parameter...............................................................................35
3 Contoh perhitungan manual peluang survival............................................36
4 Cox-Snell residuals (validation model checking)......................................37
LAMPIRAN
 PENDAHULUAN

Latar Belakang
Bank merupakan suatu lembaga keuangan yang berfungsi sebagai
perantara keuangan dari dua pihak, yakni pihak yang kelebihan dana dan yang
membutuhkan dana. Menurut Undang-undang No.10 Tahun 1998 tentang
perbankan, Bank adalah suatu lembaga keuangan yang tugas utamanya
menghimpun dana dari masyarakat dalam bentuk simpanan yaitu tabungan, giro
dan deposito, dan menyalurkannya kembali dalam bentuk kredit dan atau bentuk-
bentuk lainnya dalam rangka meningkatkan taraf hidup rakyat banyak.
Menurut informasi data dari Badan Pusat Statistika (BPS) dan Bank
Indonesia (BI), penyaluran kredit khususnya kredit modal kerja (kredit usaha)
mengalami peningkatan setiap tahunnya. Hal ini membuktikan bahwa tidak
sedikit dari masyarakat yang memanfaatkan fasilitas kredit untuk menunjang dan
meningkatkan perekonomian mereka.
Menurut Kasmir (2002), peningkatan pemberian kredit akan
menimbulkan suatu resiko, yaitu timbulnya kredit bermasalah (Non Performing
Loan). Kredit bermasalah disebabkan oleh 2 pihak, yaitu pihak Bank dan pihak
penerima kredit (debitur). Jika ditinjau dari pihak debitur, kredit bermasalah
dapat disebabkan oleh kegagalan debitur dalam memenuhi kewajiban kreditnya.
Dari pihak Bank, kredit bermasalah diantaranya dapat disebabkan oleh kesalahan
pihak Bank dalam menilai karakteristik calon debiturnya ataupun kurang teliti
dan cermat dalam menganalisis potensi resiko yang akan ditimbulkan oleh calon
debiturnya.
Untuk meminimalisir resiko terjadinya kredit bermasalah, pihak Bank
menerapkan suatu sistem uji kelayakan kredit yang disebut dengan Credit
Scoring atau dikenal juga dengan istilah Credit Risk Rating. Prinsip analisis
resiko kredit yang digunakan pada metode ini adalah analisis 5C (The Five C’s of
Credit Analysis), yaitu penilaian terhadap Character (watak), Capacity
(kemampuan), Capital (modal), Collateral (jaminan), Condition of Economy
(kondisi ekonomi). Secara umum, Credit Scoring merupakan suatu metode

1
analisis resiko kredit yang bertujuan untuk menilai dan membedakan tingkat
resiko kredit.
Dalam bidang statistika, ada beberapa metode analisis yang dapat
digunakan untuk membedakan tingkat resiko kredit, diantaranya analisis
diskriminan, regresi logistik, jaringan syaraf tiruan, dan regresi pohon. Metode-
metode ini hanya mampu mengelompokan atau membedakan nasabah ke dalam
kategori nasabah gagal bayar dan lancar bayar, atau mengelompokan nasabah
dengan kategori kredit resiko rendah, dapat diterima, dan resiko tinggi. Metode
tersebut dapat digunakan jika data pengamatannya merupakan data lengkap atau
data yang tidak mengandung pengamatan tersensor.
Metode statistika yang dapat menangani permasalahan data yang bersifat
tersensor adalah analisis daya tahan (survival analysis). Penanganan masalah data
tersensor dalam penelitian ini sangatlah diperlukan, mengingat adanya
keterbatasan waktu penelitian dan sebagian data yang diperoleh merupakan data
pengamatan yang tidak dapat diamati secara keseluruhan (data tersensor).
Dengan analisis daya tahan menggunakan regresi Cox, nantinya dapat
diketahui karakteristik-karakteristik nasabah yang signifikan mempengaruhi
terjadinya kredit bermasalah. Selain itu juga dapat diketahui besarnya peluang
seseorang akan mengalami gagal bayar, dan efisiensi dari jangka waktu seseorang
dalam memenuhi kewajiban kreditnya.

Tujuan Penelitian
Tujuan dari penelitian ini adalah
1. Mengidentifikasi faktor-faktor resiko yang signifikan mempengaruhi
terjadinya kredit bermasalah pada nasabah berdasarkan skala usaha.
2. Mengidentifikasi ketahanan atau efisiensi jangka waktu pelunasan kredit
nasabah berdasarkan nilai dugaan peluang survivalnya.
 TINJAUAN PUSTAKA

Kredit
Kredit adalah kemampuan untuk melaksanakan suatu pemberian atau
mengadakan suatu pinjaman dengan suatu janji pembayarannya akan dilakukan
pada suatu jangka waktu yang disepakati. Menurut UU RI no.7 tahun 1992
tentang perbankan, kredit adalah penyediaan uang atau tagihan yang dapat
dipersamakan dengan itu berdasarkan persetujuan atau kesepakatan pinjam-
meminjam antara bank dengan pihak lain, yang mewajibkan pihak pinjam
meminjam untuk melunasi hutangnya setelah jangka waktu tertentu dengan
sejumlah bunga imbalan atau pembagian hasil keuntungan.
Secara umum, ada tiga macam jenis kredit, yaitu :
1. Kredit Usaha
Kredit usaha adalah kredit yang digunakan untuk membiayai perputaran
usaha atau bisnis sehingga dapat menghasilkan sesuatu yang produktif,
seperti usaha perdagangan, usaha industri rumah tangga, usaha jasa
konsultasi, dan lain-lain.
2. Kredit Konsumsi
Kredit konsumsi adalah kredit yang digunakan untuk membeli sesuatu yang
sifatnya konsumtif, seperti membeli rumah atau kendaraan pribadi. Karena
uang tersebut oleh nasabah akan digunakan untuk tujuan konsumtif, maka
risiko bagi bank bahwa nasabahnya tidak mampu membayar pinjamannya
akan menjadi lebih besar sehingga pada umumnya suku bunga yang
dibebankan kepada nasabah untuk kredit konsumsi akan lebih besar
ketimbang bunga kredit untuk tujuan usaha.
3. Kredit Serba Guna
Kredit serba guna adalah kredit usaha rakyat yang bisa digunakan untuk
tujuan apa saja, bisa untuk konsumsi maupun untuk usaha. Salah satu produk
kredit serba guna yang sering dipasarkan adalah kredit tanpa agunan.
 Kredit Usaha Mikro Kecil dan Menengah (UMKM) merupakan kredit
modal kerja dengan jumlah nasabah terbanyak di Indonesia. Usaha mikro
didefinisikan sebagai usaha produktif milik orang perorangan dan/atau badan
usaha milik perorangan dengan plafon kredit maksimum 100 juta, usaha kecil
dengan plafon kredit lebih besar 100 juta dan maksimum 500 juta, sedangkan
usaha menengah memiliki plafon besar dari 500 juta dan maksimum 10 miliar
rupiah.

Bunga Kredit
Bunga kredit yang diberikan pihak Bank kepada nasabahnya merupakan
wujud balas jasa atas fasilitas kredit yang diberikan. Ada dua jenis perhitungan
(sifat) bunga kredit yang diterapkan oleh Bank, yaitu :
1. Bunga efektif, yakni bunga pinjaman selalu dihitung dari sisa pokok
pinjaman.
2. Bunga flat, yakni bunga pinjaman selalu dihitung dari pokok awal
pinjaman, dengan demikian jumlah bunga yang dibayarkan setiap
bulannya adalah sama.

Teori Analisis Resiko Kredit

Resiko kredit adalah resiko yang timbul akibat kegagalan debitur dalam
memenuhi kewajibannya. Menurut Graddy (1985), dalam proses analisa resiko
kredit terdapat 5 aspek utama mengenai debitur yang perlu dianalisa, yaitu:
1. Character (watak)
Penilaian watak atau kepribadian calon debitur dimaksudkan untuk
mengetahui kejujuran dan itikad baik calon debitur untuk melunasi atau
mengembalikan pinjamannya.
2. Capacity (kapasitas)
Hal ini berkaitan dengan menilai kemampuan debitur dalam membayar
kewajibannya kepada kreditur.
3. Capital (modal)
Menganalisis aspek permodalan dilakukan guna memastikan bahwa calon
debitur mempunyai modal yang cukup dalam menunjang pembiayaan proyek
atau usaha calon debitur yang bersangkutan.
4. Collateral (jaminan)
Jaminan digunakan untuk menutup risiko kredit macet, Bank harus
memastikan agunan yang diserahkan calon debitur cukup berkualitas dan
memiliki surat-surat yang lengkap.
5. Condition of Economy (kondisi ekonomi)
Hal ini berhubungan dengan keadaan usaha yang dibiayai yang dipengaruhi
oleh lingkungan ekonomi atau kondisi pasar, sehingga dapat diketahui
prospek pemasaran dari hasil usaha debitur.

Selain prinsip 5C, Bank juga menerapkan prinsip 7P, dimana prinsip ini
pada dasarnya merupakan perluasan dan pengembangan dari prinsip 5C. Prinsip
7P tersebut adalah sebagai berikut :
1. Personality, yaitu menilai calon debitur dari segi kepribadiannya, seperti
riwayat hidup, pergaulan dengan masyarakat, dan hal-hal lain yang erat
kaitannya dengan calon debitur.
2. Party, yaitu menggolongkan nasabah ke golongan tertentu berdasarkan
modal, loyalitas, dan karakternya, sehingga nasabah akan mendapatkan
fasilitas kredit yang berbeda dari bank. Kredit untuk pengusaha lemah
berbeda dengan kredit dengan pengusaha yang kuat modalnya, baik dari segi
jumlah, bunga, dan persyaratan lainnya.
3. Purpose, yaitu untuk mengetahui tujuan nasabah dalam mengambil kredit,
termasuk jenis kredit yang diinginkan nasabah.
4. Prospect, yaitu untuk menilai usaha nasabah di masa yang akan datang
(menguntungkan atau tidak).
5. Payment, merupakan ukuran bagaimana nasabah membayar kreditnya dengan
mencari tahu dari sumber penghasilan debitur.
6. Profitability, yaitu untuk menganalisis kemampuan nasabah dalam
menghasilkan laba.
7. Protection, tujuannya adalah menjaga agar kredit yang diberikan bank dapat
memperoleh perlindungan. Perlindungan dapat berupa jaminan barang atau
jaminan.

Selain penilaian terhadap prinsip 5C dan 7P tersebut, ada beberapa faktor

lainnya yang perlu diperhatikan dalam menganalisis resiko kredit. Faktor-faktor
tersebut diantaranya, tingkat suku bunga, lamanya jangka waktu pembayaran, dan
besar kecilnya jumlah pinjaman. Menurut Stiglitz dan Weiss (1981), terdapat
hubungan antara tingkat suku bunga dengan ekspektasi pengembalian kredit.
Sedangkan menurut Merton (1974), besarnya resiko kegagalan kredit salah
satunya juga ditentukan oleh faktor besar kecilnya jumlah pinjaman, untuk itu
perlu dilakukan pengelompokan nasabah berdasarkan jumlah pinjaman. Selain
itu, lamanya jangka waktu pelunasan juga ikut mempengaruhi terjadinya kredit
macet. Dalam teorinya, semakin lama jangka waktu pengembalian kredit, maka
resiko untuk terjadinya kredit macet juga semakin besar.

Kualitas Kredit
Berdasarkan keputusan Bank Indonesia (SK Direksi No.7/2/PBI/2005),
kualitas kredit terbagi dalam beberapa kualifikasi, yaitu :
1. Kredit lancar
2. Kredit dalam perhatian khusus, apabila terjadi tunggakan selama < 90 hari
3. Kredit kurang lancar, apabila terjadi tunggakan selama 90-180 hari
4. Kredit diragukan, apabila terjadi tunggakan selama 180-270 hari
5. Kredit macet, apabila terjadi tunggakan selama > 270 hari

Dalam analisa resiko kredit, kualitas kredit (3), (4) dan (5) merupakan
kualitas kredit dengan kategori kredit bermasalah. Artinya, nasabah dengan
kategori ini digolongkan pada nasabah gagal bayar.

Analisis Daya Tahan

Analisis daya tahan (survival snalysis) merupakan suatu metode statistika
yang digunakan untuk menganalisis data yang diperoleh dari catatan waktu yang
dicapai suatu objek sampai terjadinya suatu peristiwa tertentu (Kleinbaum, 2005).
Data survival adalah data tentang pengamatan jangka waktu dari awal
pengamatan sampai terjadinya suatu peristiwa (survival time) dimana peristiwa
tersebut dapat berupa kegagalan, kematian, timbulnya gejala, dan lain-lain (Lee,
1992).
Dalam analisis daya tahan dikenal beberapa istilah, yaitu : (Lee, 1992)
1. Waktu awal yaitu waktu pada saat terjadinya kejadian awal, seperti waktu
seseorang divonis menderita kanker, waktu pemberian perlakuan dan lain-
lain.
2. Waktu kegagalan (failure time) yaitu waktu pada saat terjadinya kejadian
akhir seperti kematian, kegagalan dan lain-lain.
3. Data tersensor adalah data yang tidak bisa diamati secara utuh, karena adanya
individu yang hilang ataupun dengan alasan lain, sehingga tidak dapat
diambil datanya atau sampai akhir pengamatan individu tersebut belum
mengalami peristiwa tertentu. Jika berada dalam keadaan sebaliknya maka
data tersebut disebut data tidak tersensor.

Ketidaklengkapan data pengamatan akibat adanya beberapa objek

pengamatan tidak dapat terobservasi pada rentang waktu penelitian disebut
dengan censoring. Ada beberapa jenis censoring (sensor), diantaranya :
1. Right censoring (sensor kanan)
Sensor yang terjadi dikarenakan objek pengamatan belum mengalami
kegagalan hingga akhir periode penelitian, sedangkan waktu awal dari objek
pengamatan dapat diamati secara penuh.
2. Left censoring (sensor kiri)
Sensor yang terjadi dikarenakan ketika waktu awal dari objek pengamatan
tidak teramati pada awal penelitian sementara kegagalan dapat diamati secara
penuh sebelum penelitian berakhir.
3. Double censoring (sensor kiri kanan)
Sensor yang terjadi dikarenakan ketika waktu awal dari objek pengamatan
tidak teramati pada awal penelitian dan kegagalan terjadi setelah periode
penelitian berakhir.
 Jenis-jenis sensor tersebut dapat disajikan dalam Gambar 1 berikut :

X 1

X 2

X 3

T0 T1
Gambar 1 Jenis-jenis sensor

Keterangan : (1) Sensor kanan, (2) Sensor kiri, (3) Sensor kiri kanan

Definisi dalam Analisis Daya Tahan

Dalam analisis daya tahan, terdapat beberapa definisi yang dijadikan
dasar dalam melakukan analisis. Sebaran waktu survival biasanya dinyatakan
dalam tiga fungsi, yaitu :
1. Fungsi survival, adalah fungsi yang menyatakan peluang seseorang
dapat bertahan hingga atau lebih dari waktu , yaitu : (Lee, 1992)

2. Fungsi kepekatan (density function) (1)

Misalkan T adalah peubah acak positif dan kontinu mengenai waktu
survival, dan adalah waktu amatan yang merupakan periode cicilan
kredit yang sudah dibayarkan hingga Februari 2011, dan adalah
fungsi kepekatan peluang dari T, maka fungsi sebaran kumulatif
(cumulative distribution function) dari T, didefinisikan sebagai
peluang seorang nasabah mengalami gagal bayar sebelum waktu , yaitu :

(2)
sedangkan fungsi kepekatan peluang didefinisikan sebagai limit dari
peluang seorang nasabah akan mengalami gagal bayar pada selang
sampai , yaitu :
(3)
 dan dapat ditunjukkan bahwa, jika fungsi survival , maka

fungsi kepekatan peluang dari T adalah dengan .

(Collet, 1994).
3. Fungsi hazard (hazard function) didefinisikan sebagai limit dari peluang
seseorang akan mengalami gagal bayar pada selang waktu yang pendek
dengan syarat bahwa seseorang itu telah bertahan hingga waktu ,
yaitu: (Collet, 1994)

(4)

dan dapat ditunjukkan bahwa , yaitu :

Model Regresi Cox Proportional Hazard

Analisis regresi Cox adalah suatu metode statistika yang digunakan untuk
melihat hubungan dan pengaruh dari beberapa karakteristik (peubah penjelas)
terhadap waktu survivalnya (peubah respon), yang dinyatakan dalam suatu fungsi
hazard atau model regresi Cox proportional hazard, yaitu : (Cox dan Oakes,
1984)

(5)

dengan
: = waktu hingga kejadian tertentu terjadi
= peubah penjelas atau kovariat
fungsi hazard dasar (baseline hazard function)
= vektor koefisien regresi
Pendugaan Fungsi Survival
Pendugaan fungsi survival dalam model regresi Cox menggunakan
penduga Breslow, yang didefinisikan sebagai berikut :

(6)

dan dapat ditentukan dengan formulasi sebagai berikut

dengan jumlah kegagalan pada dan himpunan individu-individu yang masih

bertahan hingga waktu .

Pendugaan Parameter Regresi Cox

Pendugaan parameter pada model regresi Cox dilakukan dengan
memaksimumkan fungsi partial-likelihoodnya. Misalkan suatu data terdiri dari
pengamatan, merupakan fungsi kepekatan peluang individu ke pada waktu
survival dan merupakan fungsi survivalnya, maka fungsi partial-likelihoodnya
dapat didefinisikan sebagai : (Hossmer dan Lemeshow, 1997)

(7)

dengan

Jika persamaan (7) di -kan, maka diperoleh

Penduga parameter dapat diperoleh dengan memaksimumkan fungsi ln-partial

likelihood, yaitu =0
Akan diturunkan terhadap , , …, yaitu :

Karena persamaan di atas sulit untuk diselesaikan, maka pendugaan parameter

dilakukan dengan metode Newton-Raphson, yaitu :
1. Tentukan nilai

2. Hitung
dengan

Hitung untuk sampai konvergen,

Pengujian Kontribusi Peubah

Pengujian kontribusi peubah bertujuan untuk memeriksa apakah peubah
penjelas memiliki pengaruh yang nyata di dalam model. Pengujian yang dapat
digunakan adalah uji-G dan uji Wald. Uji-G merupakan uji rasio kemungkinan
(likelihood ratio test) yang bertujuan untuk menguji peranan peubah penjelas
pada model secara bersama-sama dengan statistik uji , dimana

adalah model dengan peubah penjelas tereduksi dan A adalah model tanpa
peubah penjelas. Statistik uji ini mengikuti sebaran  dengan derajat bebas .
Uji Wald digunakan untuk menguji pengaruh parameter pada model secara

terpisah, dengan hipotesis dan stattistik uji

, jika
 maka ditolak pada taraf nyata , artinya parameter regresi tersebut
signifikan secara statistik pada taraf nyata . (Collet,1994)

Uji Kesesuaian Model

Pengujian kesesuaian model (goodness-of-fit test) bertujuan untuk
mengetahui apakah model regresi Cox proportional hazard sesuai dan cocok
digunakan untuk contoh kasus penelitian ini. Statistik uji yang digunakan untuk
uji kesesuaian model ini yaitu : (Schoenfeld, 1980)
score test (model extended-Cox) – score test (model proportional hazard)
dengan model extended-Cox :

Jika maka terima : , artinya model

regresi Cox proportional hazard sesuai dan cocok untuk digunakan dalam
menggambarkan data yang sebenarnya.

Hazard Ratio
Interpretasi terhadap perbandingan resiko dari suatu individu terhadap
individu lainnya adalah dengan menggunakan hazard ratio. Hazard ratio juga
digunakan untuk mengetahui adanya peningkatan atau penurunan resiko yang
dialami oleh suatu individu yang dikenai perlakuan atau kondisi tertentu. Misal,
terdapat 2 individu dengan karakteristik yang berbeda yaitu individu dengan
karakteristik dan individu dengan karakteristik . Perbandingan terhadap tingkat
resiko kegagalan yang dialami kedua individu tersebut dapat diformulasikan
sebagai berikut :
Interpretasi terhadap nilai hazard ratio didefinisikan sebagai resiko terjadinya
kegagalan pada individu pertama dengan kategori adalah sebesar kali
resiko terjadinya kegagalan pada individu kedua dengan kategori . Untuk Z
yang bersifat kontinu, HR diinterpretasikan sebagai untuk setiap kenaikan atau
penurunan nilai Z sebesar 1 satuan, maka akan menaikan atau menurunkan resiko
kegagalan sebesar kali.
 METODOLOGI PENELITIAN

Sumber Data
Data yang digunakan pada penelitian ini adalah data sekunder, yaitu data
nasabah kredit UMKM pada salah satu Bank konvensional di Indonesia, Bank X
dengan periode kredit mulai Januari 2003 hingga Februari 2011. Data pada
penelitian ini terdiri dari (disajikan dalam Gambar 2) :
1. Data tidak tersensor, yaitu nasabah yang telah berstatus gagal bayar hingga
akhir periode penelitian.
2. Data tersensor, yaitu nasabah yang kreditnya sudah lunas (2b) maupun
nasabah yang kreditnya belum selesai tapi masih berstatus lancar bayar
hingga akhir periode penelitian (2a).

X (1)

(2a)
(2b)

Okt Jan Feb 2011

2010 2011
Gambar 2 Kemungkinan kejadian yang terjadi

Pada penelitian ini, jenis data tersensornya merupakan sensor kanan dan
setiap nasabah memiliki waktu awal kredit yang berbeda, sedangkan kejadian
akhir yang dialami nasabah juga berbeda-beda.
Peubah respon yang diamati pada penelitian ini adalah periode cicilan
kredit yang telah dibayarkan hingga Februari 2011, dan peubah penjelas yang
digunakan adalah
1. yaitu jenis kelamin debitur
2. yaitu tingkat suku bunga pertahun
3. yaitu sifat suku bunga
4. yaitu kondisi finansial debitur, diantaranya Current Ratio (CR), Quick
Ratio (QR), EBITDA, Equity Ratio (ER), Returns on Asset (ROA), Profit
Margin (PM), dan Sales Growth (SG).
5. yaitu karakter debitur, diantaranya tingkat kepercayaan,
pengeloaan rekening, reputasi bisnis, dan prilaku debitur.
6. yaitu kondisi bisnis debitur, diantaranya kualitas produk, strategi pemasaran,
lokasi usaha, dan permintaan dan persaingan.
7. yaitu manajemen pengelolaan usaha debitur, diantaranya kualifikasi
komersial, dan kualifikasi teknis.
Penjelasan mengenai definisi dan pengkodean masing-masing peubah
penjelas yang digunakan disajikan pada Lampiran 1.

Metode Analisis
Tahapan analisis yang dilakukan dalam penelitian ini adalah
1. Pendiskripsian data, yaitu membuat sebaran data dengan chart dan tabulasi
silang.
2. Pendugaan parameter setiap peubah dengan memaksimumkan fungsi partial-
likelihoodnya.
3. Pembentukan model regresi Cox proportional hazard.
4. Seleksi model terbaik untuk menentukan faktor-faktor resiko yang signifikan
mempengaruhi terjadinya kredit bermasalah menggunakan forward selection,
dengan tahapan sebagai berikut :
1. Misalkan ada sebanyak p peubah penjelas,............................Hitung

dengan adalah ln-partial

likelihood untuk model dengan peubah penjelas , adalah model

tanpa peubah penjelas. Peubah penjelas yang pertama kali masuk ke
dalam model adalah peubah penjelas yang paling berpengaruh
signifikan, yaitu peubah dengan nilai yang paling besar, misal
peubah tersebut adalah . Jika , dengan kriteria

signifikan yang dipilih dan , maka proses

dilanjutkan ke langkah 2.
 2. Hitung dengan adalah ln- partial

likelihood untuk model dengan peubah penjelas dan ,

adalah model dengan peubah penjelas . Peubah penjelas
kedua yang masuk dalam model adalah peubah penjelas dengan nilai
paling besar, misal . Jika , dengan

, maka proses dilanjutkan ke langkah 3.

3. Langkah ke 3 dimulai dengan model dengan peubah penjelas dan .

Hitung , dan seterusnya. Proses dihentikan hingga tidak ada lagi
peubah yang berpengaruh signifikan yang masuk dalam model.
4. Menguji pengaruh setiap peubah dalam model dengan uji Wald, yaitu dengan
melihat pengaruh peubah dalam model secara terpisah.
5. Melakukan uji kesesuaian model. Uji ini bertujuan untuk melihat kesesuaian
antara model regresi dengan data yang digunakan. Pengujian dilakukan
dengan membandingkan nilai score test dan nilai..............Jika nilai score
test
lebih kecil dari nilai , maka dapat disimpulkan bahwa model regresi
Cox proportional hazard sudah sesuai dan cocok digunakan untuk contoh
kasus penelitian ini.
6. Menghitung nilai hazard ratio dari setiap peubah penjelas yang berpengaruh
untuk mengetahui perbandingan tingkat resiko terjadinya gagal bayar antara
satu individu dengan individu lainnya.
7. Menghitung peluang survival dengan menggunakan penduga Breslow untuk
mengidentifikasi ketahanan (efisiensi) jangka waktu kredit.
 HASIL DAN PEMBAHASAN

Deskripsi Data
Kredit UMKM Bank X merupakan kredit dengan jumlah nasabah
terbanyak dibandingkan dengan jenis kredit lainnya. Jasa layanan kredit usaha
pada Bank ini diantaranya meliputi sektor usaha dibidang jasa, konstruksi,
pengangkutan, perdagangan, perikanan, perindustrian, perkebunan, pertanian,
peternakan, dan sarana. Gambaran umum tentang nasabah kredit UMKM Bank X
dilihat dari skala usaha maupun sektor usahanya disajikan dalam Tabel 1 berikut :
Tabel 1 Gambaran umum tentang data nasabah UMKM Bank X
Skala usaha Mikro Kecil Menengah
Lancar Gagal Lancar Gagal Lancar Gagal Total
Sektor usaha
bayar bayar bayar bayar bayar bayar
Jasa 4195 208 528 22 142 37 5132
Kostruksi 41 5 77 10 34 9 176
Pengangkutan 110 6 50 2 16 5 189
Perdagangan 24984 2051 9629 389 1937 654 39644
Perikanan 96 11 10 1 5 2 125
Perindustrian 1186 124 448 39 182 45 2024
Perkebunan 122 12 23 2 6 2 167
Pertanian 1111 60 31 3 7 4 1216
Pertenakan 271 33 110 14 21 8 457
Sarana 684 77 9 1 8 3 782
Total 32800 2587 10915 483 2367 769 49.912

Dari 49.912 nasabah kredit UMKM Bank X, sebanyak 3.839 nasabahnya

mengalami gagal bayar. Ini artinya sebesar 7,69% dari total nasabah yang pada
awalnya memenuhi kualifikasi resiko kredit rendah ataupun yang dapat
ditoleransi pada akhirnya mengalami gagal bayar. Sebanyak 5,18% diantaranya
berasal dari nasabah dengan skala usaha mikro, 0,97% dan 1,54% berasal dari
skala usaha kecil dan menengah. Sebaran datanya disajikan dalam Gambar 1
berikut :
 120.000

100.000 92.689 95.762

80.000 75.408

60.000

40.000
24.592
20.000
7.311 4.238
0.000
mikro kecil menengah
gagal bayar lancar bayar

10.36Perdagangan Pengangkutan
Sarana Pertenakan Pertanian Perkebunan Perindustrian Perikanan 89.64
12.04 87.96Kostruksi
5.51 Jasa
94.49
9.58 90.42
10.28 89.72
11.20 88.80
7.80 92.20
6.88 93.12
13.64 86.36
5.20 94.80

0.0050.00100.00
gagal bayarlancar bayar

(a) Skala Usaha (b) Sektor Usaha

Gambar 3 Persentase nasabah yang mengalami gagal bayar dan lancar bayar

Dari Gambar 1(a) dapat dilihat bahwa skala usaha menengah merupakan
skala usaha dengan potensi kredit bermasalah terbesar. Sebanyak 24.59% dari
total nasabah pada skala menengah mengalami gagal bayar. Hal ini
mengindikasikan bahwasanya kredit untuk skala usaha menengah perlu
mendapatkan perhatian dan penanganan khusus dalam proses kelayakan
kreditnya. Jika ditinjau dari jenis usahanya, hampir semua sektor usaha
berpotensi tinggi untuk mengalami kredit macet.
Untuk mengetahui sebaran data nasabah yang mengalami gagal bayar
berdasarkan karakteristiknya, dapat dilihat pada tabulasi silang berikut :
Tabel 2 Tabulasi silang antara status kredit dengan jenis kelamin
 Jenis kelamin
Status Jumlah
laki-laki perempuan
Lancar Jumlah 32717 13261 45978
bayar (%) 96.15 83.48 92.12
Gagal Jumlah 1309 2625 3934
bayar (%) 3.85 16.52 7.88
Jumlah 34026 15886 49912
 Pada Tabel 2 dapat dilihat bahwa persentase gagal bayar nasabah berjenis
kelamin perempuan lebih besar dibandingkan dengan persentase nasabah berjenis
kelamin kali-laki. Hal ini mengindikasikan bahwa untuk resiko kegagalan lebih
rentan dialami oleh nasabah yang berjenis kelamin perempuan.
Tabel 3 Tabulasi silang antara status kredit dengan sifat suku bunga
Sifat suku bunga
Status Jumlah
efektif flat
Lancar Jumlah 36584 9394 45978
bayar (%) 91.28 95.53 92.12
Gagal Jumlah 3494 440 3934
bayar (%) 8.72 4.47 7.88
Jumlah 40078 9834 49912

Pada Tabel 3 dapat dilihat bahwa sifat suku bunga yang diberikan oleh
pihak Bank X kepada nasabah akan mempengaruhi resiko kegagalan yang akan
dialami oleh nasabah. Hal ini terlihat dari persentase nasabah yang gagal bayar
lebih banyak berasal dari nasabah yang dikenakan sifat suku bunga efektif
dibandingkan dengan sifat suku bunga yang flat. Hal ini mengindikasikan bahwa
penerapan sifat suku bunga flat pada setiap nasabah memungkinkan untuk
meminimalisir resiko terjadinya gagal bayar.

Tabel 4 Tabulasi silang antara status kredit dengan finansial debitur

Status
Rasio keuangan Total
Lancar bayar Gagal bayar
Jumlah 39226 3306 42532
0
(%) 92.22 7.78 100
Current Ratio Jumlah 6752 628 7380
1
(%) 91.49 8.51 100
Jumlah 40955 3447 44402
0
(%) 92.24 7.76 100
Quick Ratio Jumlah 5023 487 5510
1
(%) 91.16 8.84 100
Jumlah 45895 3927 49822
0
(%) 92.12 7.88 100
EBITDA Jumlah 83 7 90
1
(%) 92.22 7.78 100
Jumlah 45717 3911 49628
0
(%) 92.12 7.88% 100
Equity Ratio Jumlah 261 23 284
1
(%) 91.91 8.09 100
 Tabel 4 Tabulasi silang antara status kredit dengan finansial debitur (lanjutan)
Status
Rasio keuangan Total
Lancar bayar Gagal bayar
Jumlah 18207 1186 19393
0
(%) 93.88 6.12 100
ROA Jumlah 27771 2748 30519
1
(%) 90.96 9.04 100
Jumlah 22595 1561 24156
0
(%) 90,78 9.22 100
Profit Margin Jumlah 23383 2373 25756
1
(%) 92.53 7.47 100
Jumlah 21956 1773 23729
0
(%) 92.53 7.47 100
Sales Growth Jumlah 24022 2161 26183
1
(%) 91.75 8.25 100

Dari Tabel 4 dapat dilihat bahwa untuk kategori finansial, nasabah yang
mengalami gagal bayar kebanyakan berasal dari nasabah dengan kondisi finansial
yang rendah. Hal ini mengindikasikan bahwa kondisi keuangan nasabah memang
ikut mempengaruhi dan menentukan apakah untuk ke depannya nasabah akan
mampu melunasi hutangnya.
Tabel 5 Tabulasi silang antara status kredit dengan karakter nasabah
Tingkat kepercayaan Pengelolaan rekening
Status
0 1 2 3 0 1 2 3
Lancar Jumlah 7429 38499 50 0 20717 23325 1887 49
bayar (%) 94.36 91.70 89.28 0 92.32 92.06 90.81 85.96
Gagal Jumlah 444 3484 6 0 1723 2012 191 8
bayar (%) 5.64 8.30 10.72 0 7.68 7.94 9.19 14.04
jumlah 7873 41983 56 0 22440 25337 2078 57

Tabel 5 Tabulasi silang antara status kredit dengan karakter nasabah (lanjutan)
Reputasi bisnis Prilaku debitur
Status
0 1 2 3 0 1 2 3
Lancar Jumlah 16924 28953 101 0 8955 34074 2917 32
bayar (%) 93.77 91.19 89.38 0 94.73 91.54 91.91 91.67
Gagal Jumlah 1124 2798 12 0 498 3140 292 4
bayar (%) 6.23 8.81 10.62 0 5.27 8.44 9.09 11.11
Jumlah 18048 31751 113 0 9453 37214 3209 36

Pada Tabel 5 terlihat bahwa nasabah yang memenuhi kualifikasi resiko

kredit dapat diterima oleh pihak Bank X tidak ada yang berasal dari nasabah
dengan karakteristik tingkat kepercayaan dengan kategori 3, yaitu seluruh
informasi yang diberikan tidak sesuai atau dengan kata lain nasabah dengan
kategori sangat tidak dapat dipercaya. Nasabah dengan karakteristik reputasi
bisnis dengan kategori 3, yaitu reputasi bisnis buruk juga tidak ada yang lolos
kualifikasi kelayakan kredit. Semakin baik karakter seorang nasabah, maka
semakin rendah resiko nasabah tersebut untuk gagal bayar.

Tabel 6 Tabulasi silang antara status kredit dengan kondisi bisnis nasabah
Kualitas produk/jasa Strategi pemasaran
Status
0 1 2 3 0 1 2 3
Lancar Jumlah 8702 37051 225 0 12369 33236 342 31
bayar (%) 92.63 92.05 83.03 0 92.51 91.98 91.20 91.18
Gagal Jumlah 692 3196 46 0 1002 2896 33 3
bayar (%) 7.37 7.95 16.97 0 7.49 8.02 8.80 8.82
Jumlah 9394 40247 271 0 13371 36132 375 34

Tabel 6 Tabulasi silang antara status kredit dengan kondisi bisnis (lanjutan)
Lokasi usaha Perkembangan pasar
Status
0 1 2 3 0 1 2 3
Lancar Jumlah 13823 31923 201 31 5300 40398 249 31
bayar (%) 92.11 92.16 89.16 86.11 95.54 92.27 91.89 91.18
Gagal Jumlah 1185 2717 27 5 246 3663 22 3
bayar (%) 7.89 7.84 11.84 13.89 4.44 7.63 8.11 8.82
Jumlah 15008 34640 228 36 5546 44061 271 34

Pada Tabel 6 dapat dilihat bahwa untuk karakteristik nasabah dengan

kategori kondisi bisnis, tidak ada nasabah dengan kualifikasi kualitas produk/jasa
yang buruk yang mendapat pinjaman kredit. Nasabah yang mengalami gagal
bayar umumnya memang berasal dari nasabah dengan kategori kondisi bisnis
yang buruk. Namun persentase nasabah gagal bayar yang berasal dari
karakteristik kondisi bisnis dengan kategori yang baik juga cukup tinggi. Hal ini
mengindikasikan bahwa tidak menutup kemungkinan resiko gagal bayar juga
akan dialami oleh nasabah dengan kualitas kondisi bisnis yang baik. Hal ini
mungkin saja dapat disebabkan oleh faktor lain, seperti karakteristik nasabahnya,
kekeliruan penilaian oleh pihak Bank X ataupun kondisi lainnya yang dialami
oleh nasabah diluar pantauan pihak Bank X.
 Tabel 7 Tabulasi silang antara status kredit dengan manajemen usaha
Kualifikasi komersial Kualifikasi teknis
Status
0 1 2 3 0 1 2 3
Lancar Jumlah 2033 35522 8375 48 33518 12273 142 45
bayar (%) 92.79 92.70 89.61 88.89 92.12 92.63 87.68 86.54
Gagal Jumlah 158 2799 971 6 2868 1039 20 7
bayar (%) 7.21 7.30 10.39 11.11 7.88 7.80 12.32 13.46
Jumlah 2191 38321 9346 54 36386 13312 162 52

Dari Tabel 7 dapat dilihat bahwa sistem manajemen yang baik dapat
menghindarkan seseorang dari resiko gagal bayar. Hal ini terlihat dari tingginya
persentase nasabah yang mengalami lancar bayar untuk kualifikasi komersial
yang baik. Tabel 7 untuk kategori kualifikasi teknis juga memperlihatkan bahwa
nasabah yang memiliki pengalaman dan keahlian yang lebih dari 2 tahun tidak
dapat menjadi jaminan bahwa seseorang tersebut akan terhindar dari kredit
macet. Hal ini dapat dilihat dari persentase kredit macetnya yang lebih besar
dibandingkan dengan persentase kredit macet nasabah dengan pengalaman dan
keahlian kurang dari 2 tahun.

Analisis Karakteristik Nasabah yang Mempengaruhi Kredit Bermasalah

Pengaruh dari beberapa karakteristik terhadap peubah respon dapat
diketahui melalui model regresi Cox proportional hazard yang terbentuk. Tabel 8
memperlihatkan bahwa kredit macet untuk skala mikro, kecil dan menengah
sama-sama dipengaruhi oleh faktor karakteristik jenis kelamin , tingkat suku
bunga , sifat suku bunga , ROA dan reputasi bisnis .
Kemudian ditambah dengan faktor CR , ER , tingkat kepercayaan
, kualitas produk , perkembangan pasar , dan kualifikasi komersial
untuk skala usaha mikro. Faktor CR , tingkat kepercayaan
, kualitas produk , dan perkembangan pasar untuk skala usaha kecil.
Faktor ER , SG , dan pengelolaan rekening untuk skala usaha
menengah.
 Tabel 8 Nilai dugaan koefisien regresi
Peubah Mikro Kecil Menengah
Penjelas p_value p_value p_value
1.40802 <.0001 1.40447 <.0001 0.84431 <.0001
0.14538 <.0001 0.10166 <.0001 0.28451 <.0001
-1.19467 <.0001 -0.64500 <.0001 -0.93192 <.0001
0.16816 0.0017 0.71471 <.0001 - -
0.44914 0.0230 - - 0.57129 0.0139
0.30917 <.0001 0.69654 <.0001 0.20343 0.0175
- - - - 0.36733 <.0001
0.21216 0.0006 0.62011 <.0001 - -
- - - - 0.17481 0.0057
0.21216 0.0059 0.32493 0.0010 0.44987 <.0001
0.13776 0.0088 0.27881 0.0285 - -
0.58941 <.0001 0.51330 0.0004 - -
0.16380 0.0001 - - - -

Model dugaan regresi Cox proportional hazard untuk masing-masing

skala usaha dapat ditulis sebagai berikut :

Interpretasi terhadap model regresi Cox proportional hazard didefinisikan

sebagai tingkat kegagalan nasabah dengan karakteristik X pada waktu t.
 Jika ditinjau dari segi sektor usahanya, faktor-faktor resiko yang
signifikan mempengaruhi terjadinya kredit macet adalah sebagai berikut :

Tabel 9 Faktor-faktor resiko yang signifikan mempengaruhi kredit macet

Sektor usaha
Jasa X X X - X X - - X - - - - X - - -
Konstruksi - - X - - - - - - - - X - - - - -
Pengangkutan - X - - - - X - - - X - - - - - X
Perdagangan X X X X - - X X X X X X X - X X -
Perikanan X X - - - - - - - - - - - - - - -
Perindustrian X X X - - - - - - - X X - - - - -
Perkebunan X X - - - - - - X - - - - - - - -
Pertanian X X - - - - - - - - - - - X - - -
Peternakan X X X - - - - - - - - X - - - - -
Sarana X X X - - - - - - - - - - - X - -

Dari Tabel 9 terlihat bahwa setiap sektor usaha memiliki spesifikasi faktor
resiko yang berbeda-beda. Ini artinya tingkat resiko pada setiap sektor usaha
dicirikan dan ditentukan oleh karakteristik yang berbeda-beda. Namun dalam
penelitian ini hal tersebut tidak dibahas lebih jauh lagi.

Uji Kesesuaian Model

Untuk mengetahui apakah model regresi Cox proporsional hazard yang
dibentuk sudah dapat digunakan, terlebih dahulu perlu dilakukan uji terhadap
kesesuaian model atau Goodness-of-fit test, yang dapat dilihat pada tabel berikut :
Tabel 10 Uji Kesesuaian Model
Score test Score test
(model extende-Cox) (model proportional hazard)
Mikro 2852,6922 2824,0162 28,6760
Kecil 513,6604 485,6337 28,0267
Menengah 2589,6646 2559,2367 30,4279

Dari Tabel 10 dapat dilihat bahwa nilai untuk masing-masing model

adalah lebih kecil dari , artinya untuk kasus penelitian ini model regresi

Cox proportional hazard memang sesuai dan cocok digunakan dalam

menggambarkan hubungan peubah penjelas dengan waktu survialnya.
Analisis Perbandingan Resiko
Untuk mengetahui tingkat resiko dari nasabah satu dengan yang lainnya
dengan karakteristik yang berbeda, dapat diketahui dari nilai hazard rationya
yang disajikan pada Tabel 11 berikut :
Tabel 11 Perbandingan tingkat resiko untuk setiap perbedaan karakteristik
Peubah Mikro Kecil Menengah
Penjelas
4.088 4.073 2.326
1.156 1.107 1.329
0.303 0.525 0.394
1.183 2.044 -
1.567 - 1.771
1.362 2.007 1.226
- - 1.444
1.236 1.859 -
- - 1.191
1.130 1.384 1.568
1.148 1.322 -
1.803 1.671 -
1.179 - -

Pada Tabel 11 dapat dilihat, untuk skala usaha mikro, nasabah dengan
jenis kelamin perempuan memiliki resiko gagal bayar 4,088 kali dari nasabah
berjenis kelamin laki-laki. Tidak berbeda jauh dengan skala usaha mikro, untuk
skala usaha kecil, nasabah dengan jenis kelamin perempuan memiliki resiko
gagal bayar 4,073 kali lebih besar dari nasabah berjenis kelamin laki-laki.
Sedangkan untuk skala usaha menengah, nasabah dengan jenis kelamin
perempuan memiliki resiko gagal bayar 2,326 kali lebih besar dari nasabah
berjenis kelamin laki-laki Jika ditinjau dari segi sosial dan psikologi, hal ini
mungkin saja disebabkan oleh perubahan watak, prilaku dan pola pikir
perempuan seiring dengan perkembangan zaman. Menurut Ribhan (2007) dalam
penelitiannya mengatakan bahwa dalam hal berwirausaha, laki-laki lebih mandiri
dalam menghadapi tantangan persaingan dalam usahanya, serta kemampuan
dalam mengembangkan usahanya ke masa depan juga lebih baik dibandingkan
dengan wirausaha perempuan. Sedangkan menurut Caliper (2011) dalam studinya
menyatakan bahwa secara psikologis perempuan lebih berani mengambil resiko
dan melanggar peraturan dibandingkan laki-laki. Dari pendapat kedua peneliti
tersebut, hal ini memungkinkan bila tingkat resiko kegagalan yang dialami
perempuan lebih tinggi dibandingkan dengan laki-laki, baik dikarenakan oleh
usaha yang dijalankan maupun dari watak nasabahnya.
Ditinjau dari tingkat suku bunga nya, untuk setiap kenaikan suku
bunga sebesar 1%, akan meningkatkan resiko gagal bayar seorang nasabah
sebesar 1,156 kali untuk nasabah dari skala usaha mikro, 1,107 kali untuk skala
usaha kecil dan 1,32 kali untuk skala usaha menengah.
Untuk karakteristik nasabah dengan sifat suku bunga yang berbeda,
nasabah dengan sifat suku bunga flat memiliki resiko gagal bayar 0,303 kali
nasabah dengan sifat suku bunga efektif untuk nasabah dari skala usaha mikro,
0,525 kali untuk nasabah skala usaha kecil dan 0,394 kali untuk nasabah skala
usaha menengah. Hal ini berarti nasabah dengan suku bunga flat memiliki resiko
gagal bayar yang lebih rendah dibandingkan nasabah dengan suku bunga efektif.
Jika dilihat dari kondisi keuangan nasabah , nasabah dari skala usaha
mikro dengan CR < 140% memiliki resiko gagal 1,183 kali nasabah dengan CR >
140%, sedangkan untuk nasabah dari skala usaha kecil dengan CR < 140%
memiliki resiko gagal 2,044 kali nasabah dengan CR > 140%. Nasabah dari skala
usaha mikro dengan ER < 35% memiliki resiko gagal 1,567 kali nasabah dengan
CR > 35%, sedangkan untuk nasabah dari skala usaha menengah dengan ER <
35% memiliki resiko gagal 1,771 kali nasabah dengan CR > 35%, Untuk nasabah
dari skala usaha mikro, kecil dan menengah dengan ROA tahun ini < tahun lalu,
masing-masing memiliki resiko gagal bayar sebesar 1,362 kali, 2,007 kali dan
1,226 kali nasabah dengan ROA tahun ini > tahun lalu. Nasabah dari skala usaha
menengah dengan karakteristik PM tahun ini < tahun lalu memiliki resiko gagal
bayar 1,444 kali nasabah dengan PM tahun ini > tahun lalu.
Dilihat dari karakteristik nasabah berdasarkan tingkat kepercayaannya
, untuk nasabah skala usaha mikro dan kecil dengan karakteristik jujur
dalam memberikan informasi namun hanya diberikan bila diminta, masing-
masing memiliki resiko gagal bayar sebesar 1,236 kali dan 1,859 kali nasabah
dengan karakteristik jujur dan aktif memberikan informasi, sedangkan nasabah
dengan karakteristik kurang jujur karena ada sebagian informasi tidak sesuai
dengan kenyataannya, akan memiliki resiko gagal bayar sebesar 1,236 kali dan
1,859 kali nasabah dengan karakteristik memberikan informasi yang jujur tetapi
diberikan bila hanya diminta. Untuk skala usaha menengah, nasabah dengan
karakteristik pengelolaan rekening kurang baik memiliki resiko gagal bayar
sebesar 1,191 kali nasabah dengan pengelolaan rekening yang baik.
Dilihat dari reputasi bisnisnya , untuk skala usaha mikro, kecil dan
menengah, nasabah dengan karakteristik reputasi bisnis baik < 2 tahun akan
memiliki resiko gagal bayar masing-masing sebesar 1,130 kali, 1,384 kali dan
1,568 kali nasabah dengan karakteristik reputasi bisnis 2 tahun.
Jika dilihat dari kondisi bisnis nasabah untuk skala usaha mikro dan kecil
berdasarkan kualitas produknya , nasabah dengan kategori kualitas
produk/jasa 1, memiliki resiko gagal bayar masing-masing sebesar 1,148 kali dan
1,322 kali nasabah dengan kategori kualitas produk/jasa 0.
Dilihat dari kategori perkembangan pasar untuk skala usaha mikro
dan kecil, nasabah dengan kategori perkembangan pasar 1, memiliki resiko gagal
bayar masing-masing sebesar 1,803 kali dan 1,671 kali nasabah dengan kategori
perkembangan pasar 0, sedangkan nasabah dengan kategori perkembangan pasar
2 memiliki resiko gagal bayar masing-masing sebesar 1,803 kali dan 1,671 kali
nasabah dengan kategori perkembangan pasar 1. Begitu pula dengan nasabah
dengan kategori perkembangan pasar 3, akan memiliki resiko gagal bayar
masing-masing sebesar 1,803 kali dan 1,671 kali nasabah dengan kategori
perkembangan pasar 2.
Jika dilihat dari struktur manajemennya , nasabah dari skala usaha
mikro dengan kategori kualifikasi komersial 1, memiliki resiko gagal bayar
sebesar 1,179 kali nasabah dengan kategori kualifikasi komersial 0, sedangkan
nasabah dengan kategori kualifikasi komersial 2 memiliki resiko gagal bayar
sebesar 1,179 kali nasabah dengan kategori kualifikasi komersial 1. Begitu pula
dengan nasabah dengan kategori kualifikasi komersial 3, akan memiliki resiko
gagal bayar sebesar 1,179 kali nasabah dengan kategori kualifikasi komersial 2.
Aplikasi Penerapan
Untuk mengetahui jangka waktu kredit yang efektif agar resiko kredit yang
akan dialami nasabah seminimal mungkin, dapat ditentukan berdasarkan nilai
dugaan peluang survivalnya. Untuk setiap kombinasi karakteristik-karekteristik
nasabah yang berbeda, akan didapatkan efektifitas jangka waktu yang berbeda
pula.
Ilustrasi : Ada 3 orang nasabah yang akan mengajukan kredit modal kerja
(kredit usaha) ke Bank X. Nasabah pertama berjenis kelamin laki-laki, sedangkan
nasabah kedua dan ketiga berjenis kelamin perempuan. Setelah memenuhi syarat-
syarat kelengkapan data, pihak Bank X selanjutnya melakukan survey terkait
dengan informasi usaha yang dijalankan calon debitur serta karakteristiknya.
Data yang diperoleh adalah sebagai berikut :
- Nasabah pertama ingin meminjam uang sebesar 30 juta rupiah dengan jangka
waktu pengembalian yang dijanjikan selama 3 tahun (36 bulan), dan memiliki
karakteristik : CR = 0, QR=0, EBITDA=0, ER=0, ROA=1, PM=1, SG=0,
tingkat kepercayaan=1, pengelolaan rekening=1, reputasi bisnis=1, prilaku
debitur=2, kualitas produk/jasa=1, strategi pemasaran=1, lokasi usaha=1,
perkembangan pasar=1, kualifikasi komersial=1, dan kualifikasi teknis=2.
Pihak Bank berencana akan memberikan bunga 14% pertahunnya. Karena
nasabah pertama berencana ingin mengembalikan bunga dan pokoknya secara
bersamaan perbulannya, maka pihak Bank X menerapkan sifat suku bunga
efektif kepada nasabah ini.
- Nasabah kedua dan ketiga masing-masing ingin meminjam uang sebesar 130
juta rupiah dan 600 juta rupiah dengan jangka waktu pengembalian yang
dijanjikan selama 2 tahun (24 bulan). Setelah dilakukan penilaian, ternyata
kedua nasabah ini memiliki karakteristik yang sama yaitu dengan CR = 0,
QR=0, EBITDA=0, ER=0, ROA=0, PM=0, SG=0, tingkat kepercayaan=1,
pengelolaan rekening=1, reputasi bisnis=1, prilaku debitur=1, kualitas
produk/jasa=1, strategi pemasaran=1, lokasi usaha=1, perkembangan pasar=1,
kualifikasi komersial=1, dan kualifikasi teknis=0. Pihak Bank berencana akan
memberikan bunga 16% pertahunnya. Karena nasabah ini ingin membayar
 angsuran perbulannya berupa bunganya saja, maka dalam hal ini pihak Bank X
akan menggunakan sifat suku bunga flat.
Dalam kasus ini, nasabah pertama, kedua dan ketiga memiliki
karakteristik yang berbeda. Nasabah kedua dan ketiga memiliki karakteristik
yang sama tetapi dengan jumlah pinjaman yang berbeda. Karena itu, pastilah
peluang ketiga nasabah tersebut untuk sanggup bertahan (untuk tetap lancar
bayar) hingga akhir periode jangka waktu pengembalian yang ditetapkan juga
tidak sama.
Nasabah pertama merupakan nasabah dengan kategori skala usaha mikro,
nasabah kedua merupakan nasabah dari skala usaha kecil, sedangkan nasabah
ketiga merupakan nasabah dengan skala usaha menengah. Peluang survival
nasabah pertama, kedua dan ketiga dapat dihitung dengan formulasi pada
persamaan (6), dengan

Dengan memasukkan nilai dari karakteristik-karektistik nasabah yang

telah diketahui di atas, dan dengan bantuan software SAS 9.2 diperoleh hasil
bahwa peluang nasabah pertama akan mampu bertahan atau lancar bayar hingga
akhir periode jangka waktu pengembalian yang disepakati adalah sebesar
0,98858, peluang nasabah kedua sebesar 0,98092 dan untuk nasabah ketiga
sebesar 0,89003.
Dilihat dari nilai peluang survivalnya, pihak Bank X dapat memutuskan
untuk memberikan kredit kepada nasabah pertama dan kedua, tetapi untuk
nasabah ketiga pihak Bank dapat mempertimbangkan kembali apakah akan tetap
memberikan kredit tetapi dengan jumlah pinjaman, jangka waktu, ataupun tingkat
suku bunga yang berbeda.
 KESIMPULAN DAN SARAN

Kesimpulan
Dari penelitian ini dapat diambil beberapa kesimpulan :
1. Setiap skala usaha dan sektor usaha memiliki spesifikasi faktor resiko
yang berbeda-beda. Faktor resiko yang signifikan mempengaruhi kredit
macet untuk skala usaha mikro kecil dan menengah adalah faktor jenis
kelamin , tingkat suku bunga , sifat suku bunga , ROA
dan reputasi bisnis.............Sedangkan pada sektor usaha didominasi
oleh faktor jenis kelamin , tingkat suku bunga , dan sifat suku bunga
.
2. Jika dilihat dari karakteristik jenis kelamin , dalam kasus ini nasabah
dengan jenis kelamin perempuan lebih rentan untuk beresiko gagal bayar
dibandingkan dengan laki-laki.
3. Mempersingkat jangka waktu kredit dapat mengurangi resiko gagal bayar
seseorang.
Saran
Adapun saran yang dapat diberikan peneliti pada penelitian ini adalah
sebagai berikut :
1. Untuk penelitian berikutnya, peneliti dapat mempertimbangkan peubah
alternatif tambahan lainnya yang menunjukkan adanya indikasi berpengaruh
pada penentuan faktor resiko kredit, serta menggunakan beberapa sumber
data lainnya pada Bank yang berbeda sehingga bisa didapatkan gambaran
secara umum tentang karakteristik-karakteristik nasabah yang beresiko gagal
bayar.
2. Penelitian berikutnya juga dapat dilanjutkan dengan menganalisis secara
detail resiko kredit berdasarkan jenis usaha.
 DAFTAR PUSTAKA

Collet D. 1994. Modeling Survival Data in Medical Research. London :

Chapman & Hall.

Cox DR, Oakes D. 1984. Analysis of Survival Data. London : Chapman & Hall

Graddy DB, Spencer, Austin, William B. 1985. Commercial Banking and the
Financial Service Industry.Virginia : Prentice Hall

Hogg VR, TA Craig. 1995. Introduction to Mathematical Statistics, 5th ed.

New Jersey : Prentice Hall, Englewood Cliff’s publisher.

Hossmer DW, Lemeshow S. 1997. Applied Survival Analysis Regression

Modeling of Time Event Data. New York : John Wiley and Sons, Inc.

Bank Indonesia. 2005. Ikhtisar Ketentuan Perbankan Indonesia tentang

Perkreditan. Jakarta, Unpblished.

Kleinbaum DG, Klein M. 2005. Survival Analysis, 3th ed. New York : Springer
Science Business Media, Inc.

Klein JP, Moeschberger. 1997. Survival Analysis : Techniques for Censored

and Truncated Data. New York: Springer.

Lee ET. 1992. Statistical Methods for Survival Data Analysis. New York :
John Wiley & Sons Inc.

Le CT. 1997. Applied Survival Analysis. New York : John Wiley and Sons Inc

Miller RG. 1998. Survival Analysis. New York : John Wiley & Sons Inc.

Pazdera, Jaroslav, Michal, Petr Z. 2009. Survival Analysis in Credit Scoring.

Charles University in Prague.

Setyogroho B. 2000. Analisis Resiko Kredit dengan Metoda Credit Risk Scoring.
Jakarta : Fakultas Ilmu Sosial dan Ilmu Politik, Universitas Indonesia.

Schoenfeld D. 1980. Chi-squared goodness-of-fit test for the proportional

hazards regression model. Biometrika 67(1) : 145-153.
Lampiran 1 Definisi peubah bebas

Peubah Deskripsi Keterangan

jenis kelamin debitur , laki-laki
, perempuan
Suku bunga pertahun dalam persen (%)
Sifat suku bunga , efektif
, flat
Curent Ratio (CR) , CR > 140%
, CR 140%
Quick Ratio (QR) , QR > 35%
, CR 35%
EBITDA , EBITDA 50%
, EBITDA 50%
Equity Ratio (ER) , ER 35 %
, ER< 35%
Returns on Asset , tahun ini > tahun lalu
(ROA) , tahun ini < tahun lalu
Profit Margin (PM) , (tahun ini > tahun lalu
, tahun ini < tahun lalu
Sales Growth (SG) , tahun ini > tahun lalu
, tahun ini < tahun lalu
Tingkat kepercayaan , informasi yang diberikan sesuai,
aktif menyampaikannya
, informasi yang diberikan sesuai,
diberikan bila diminta
,sebagian informasi yang diberikan
tidak sesuai
, seluruh informasi yang diberikan
tidak sesuai
Pengelolaan rekening , selalu menepati janji yang dibuat
dengan Bank
, pernah tidak menepati janji yang
dibuat dengan Bank
, sering tidak menepati janji yang
dibuat dengan Bank
, tidak menepati janji yang dibuat
dengan Bank
Lampiran 1 Definisi Peubah (lanjutan)
Reputasi bisnis , reputasi bisnis baik 2 tahun
, reputasi bisnis baik < 2 tahun
, terdapat informasi negatif tentang
bisnis
, reputasi bisnis buruk
Prilaku debitur , tidak memiliki permasalahan
pribadi untuk saat ini dan masa mendatang
, tidak memiliki permasalahan
pribadi untuk saat ini
,memiliki permasalahan pribadi
untuk saat ini
,memiliki permasalahan pribadi
untuk saat ini dan masa mendatang
Kualitas produk/jasa , memenuhi kebutuhan, harga jual
bersaing, pemenuhan pesanan cepat,
karyawan terampil dan bersahabat
, cukup memenuhi kebutuhan,
harga jual relatif, pemenuhan pesanan relatif
cepat, karyawan terampil
, kurang memenuhi kebutuhan,
harga jual relatif, pemenuhan pesanan relatif
cepat, karyawan kurang terampil dan kurang
bersahabat
, tidak memenuhi kebutuhan, harga
jual mahal, pemenuhan pesanan lambat,
karyawan tidak terampil dan tidak
bersahabat
Strategi pemasaran , strategi pemasaran tepat
, strategi pemasaran cukup tepat
,strategi pemasarankurang tepat
, strategi pemasaran tidak tepat
Lokasi usaha , mudah dicapai oleh pemasok dan
pembeli
, tidak terdapat permasalahan bagi
pemasok dan pembeli untuk mencapai
lokasi usaha
, jalan ke lokasi usaha masih dapat
dicapai
, jalan ke lokasi usaha sulit dicapai
Lampiran 1 Definisi Peubah (lanjutan)
Perkembangan pasar ,perkembangan pasar diperkirakan
tetap tinggi, peluang mendapatkan laba
tinggi
,perkembangan pasar diperkirakan
tetap stabil, peluang mendapatkan laba
cukup baik
, pasar tidak berkembang, peluang
mendapatkan laba menurun
, pasar menunjukan penurunan,
tidak terdapat peluang menghasilkan laba
Kualifikasi komersial , pembukuan dilakukan secara
tertib, mampu menyusun laporan keuangan
, pembukuan dilakukan secara
tertib, belum mampu menyusun laporan
keuangan
, pencatatan transaksi hanya berupa
nota-nota
, tidak mempunyai catatan transaksi
Kualifikasi teknis , memiliki pengalaman dan keahlian
dibidang terkait 2 tahun, motivasi tinggi,
dan mengikuti perkembangan pasar
, memiliki pengalaman dan keahlian
dibidang terkait 2 tahun, memiliki
motivasi berkembang, cukup tanggap
terhadap perkembangan pasar
, belum berpengalaman, kurang
motivasi dan tidak mengikuti perkembangan
pasar
, tidak memiliki pengalaman, tidak
ada motivasi, dan tidak mengerti
perkembangan pasar
Lampiran 2 Nilai dugaan parameter

(a) Skala usaha mikro

Parameter Standard Hazard

Parameter DF Estimate Error Chi-Square Pr > ChiSq Ratio
JK 1 1.40802 0.04286 1079.3416 <.0001 4.088
SB 1 0.14538 0.00473 944.0552 <.0001 1.156
SSB 1 -1.19467 0.10568 127.7946 <.0001 0.303
CR 1 0.16816 0.05361 9.8388 0.0017 1.183
ER 1 0.44914 0.19756 5.1685 0.0230 1.567
ROA 1 0.30917 0.04435 48.5983 <.0001 1.362
TK 1 0.21216 0.06212 11.6665 0.0006 1.236
RB 1 0.12192 0.04425 7.5922 0.0059 1.130
KP 1 0.13776 0.05258 6.8643 0.0088 1.148
P 1 0.58941 0.07769 57.5597 <.0001 1.803
KK 1 0.16380 0.04244 14.8978 0.0001 1.178

(b) Skala usaha kecil

Parameter Standard Hazard

Parameter DF Estimate Error Chi-Square Pr > ChiSq Ratio
JK 1 1.40447 0.09471 219.9272 <.0001 4.073
SB 1 0.10166 0.01337 57.7875 <.0001 1.107
SSB 1 -0.64500 0.09576 45.3689 <.0001 0.525
CR 1 0.71471 0.12743 31.4557 <.0001 2.044
ROA 1 0.69654 0.10783 41.7296 <.0001 2.007
TK 1 0.62011 0.15181 16.6851 <.0001 1.859
RB 1 0.32493 0.09863 10.8539 0.0010 1.384
KP 1 0.27881 0.12732 4.7954 0.0285 1.322
P 1 0.51330 0.14562 12.4261 0.0004 1.671

(c) Skala usaha menengah

Parameter Standard Hazard

Parameter DF Estimate Error Chi-Square Pr > ChiSq Ratio
JK 1 0.84431 0.07624 122.6525 <.0001 2.326
SB 1 0.28451 0.01001 807.7722 <.0001 1.329
SSB 1 -0.93192 0.09775 90.8831 <.0001 0.394
ER 1 0.57129 0.23223 6.0515 0.0139 1.771
ROA 1 0.20343 0.08565 5.6416 0.0175 1.226
SG 1 0.36733 0.07636 23.1391 <.0001 1.444
PR 1 0.17481 0.06318 7.6549 0.0057 1.191
RB 1 0.44987 0.08886 25.6303 <.0001 1.568
Lampiran 3 Contoh perhitungan manual peluang survival

Exp(- )

2 1 0.0000008777 0.0000008777 0.9999991223

3 3 0.0000026342 0.0000035119 0.9999964881
4 1 0.0000008884 0.0000044003 0.9999955997
5 5 0.0000044495 0.0000088498 0.9999911502
6 17 0.0000152948 0.0000241446 0.9999758557
7 9 0.0000085584 0.0000327030 0.9999672975
8 18 0.0000175988 0.0000503018 0.9999496994
9 7 0.0000071414 0.0000574433 0.9999425584
10 9 0.0000093944 0.0000668377 0.9999331646
11 7 0.0000075421 0.0000743798 0.9999256230
12 10 0.0000110144 0.0000853942 0.9999146094
13 4 0.0000045693 0.0000899635 0.9999100405
14 38 0.0000438494 0.0001338129 0.9998661961
15 80 0.0001055863 0.0002393992 0.9997606295
16 9 0.0000160402 0.0002554394 0.9997445932
17 16 0.0000290897 0.0002845291 0.9997155114
18 24 0.0000454390 0.0003299682 0.9996700863
19 18 0.0000380952 0.0003680633 0.9996320044
20 25 0.0000698989 0.0004379622 0.9995621337
21 28 0.0000684053 0.0005063675 0.9994937607
22 29 0.0000751891 0.0005815565 0.9994186125
23 27 0.0000790621 0.0006606187 0.9993395995
24 22 0.0000685123 0.0007291309 0.9992711348

Contoh : nasabah kredit skala usaha menengah pada”illustrasi aplikasi penerapan”

 Lampiran 4 Cox-Snell Residulas (validation model checking)

csr
18 llp
2
16
1
14 0
12 -1

10 -2
-3
8
-4
6 -5
4 -6

2 -7
-8
0
-9
0 10 20 30 40 50 60 70 80 90 100 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2
3
PC
lcsr

Skala usaha menengah

csr
1.6 llp
1.5 1
1.4 0
1.3
-1
1.2
1.1 -2
1.0 -3
0.9
-4
0.8
0.7 -5
0.6 -6
0.5
-7
0.4
0.3 -8
0.2 -9
0.1
-10
0.0
-11

0 10 20 30 40 50 60 70 80 90 100 -14 -13 -12 -11 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1

PC lcsr

Skala usaha kecil

csr
3 llp
1
0
-1
-2
2
-3
-4
-5
-6
1
-7
-8
-9
-10
0
-11

0 10 20 30 40 50 60 70 80 90 100 -14 -13 -12 -11 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1

PC lcsr

Skala usaha mikro