Jurusan StatistikaFakultas Matematika dan Ilmu Pengetahuan Alam

Institut Teknologi Sepuluh Nopember Surabaya2013

Oleh:Dwi Joko F.R (1309100100)

Dosen Pembimbing:Drs. Kresnayana Yahya, M.Sc

SEMINAR TUGAS AKHIR

Gedung H Lt. 2 / Selasa, 09 Juli 2013

12013-07-23

2

AGENDA

TINJAUAN

PUSTAKA

METODOLOGI

PENELITIAN

ANALISIS DAN

PEMBAHASAN

KESIMPULAN DAN

SARAN

DAFTAR PUSTAKA

2013-07-23

2013-07-23 3

Kinerja Perusahaan

Pembiayaan

PENDAHULUANB A B I

2013-07-23 4

RISIKO PENJUALAN MOTOR

KonsumenKebijakan Perusahaan

IPMPDRB

Internal Perusahaan

Ekonomi Social

Business Partner

Lingkungan Eksternal

Daya beli

DPTenorAngsuran

Kredit Overduedll

PertanianPerindustrianPHR

Jasa Keuangan, dll

Min DP 30%

52013-07-23

Perubahan struktur Demografi suatu wilayah, daya beli

masyarakat, dan kebijakkan pemerintah tetap

memberikan pengaruh terhadap risiko kredit.

Kenapa...???

Keragaman sumber

penghasilan dan latar

belakang konsumen.

Besarnya kredit macet/FID

(First Installment Default)

2012 sebesar 3,19 persen dan

3,91 persen

Mengetahui Risiko kredit

sepeda motor di PT. X

Finance

Dibuat Pengelompokan

Berdasarkan variabel

pembentuk risiko kredit

Karakteristik konsumen

PT. X Finance

6

Manfaat Pemerintah

Informasi ----> Kebijakan

Perusahaan

Informasi dan early

warning

2013-07-23

Manfaat PenelitianB A B I

72013-07-23

Batasan PermasalahanB A B I

Data yang digunakan adalah data dari konsumen PT. X Finance yang

mengambil kredit pada bulan Januari tahun 2012

Variabel yang digunakan ditentukan PT. X Finance dalam menilai

kualitas kredit konsumen

Analisis penilaian risiko kredit dilakukan hanya untuk konsumen

di wilayah Lamongan dan Gresik

8

TINJAUAN PUSTAKAB A B II

Statistika Deskriptif

Menurut Bhattacarya dan Johnson (1977), statistik deskriptif merupakan

statistik yang digunakan untuk mendeskripsikan atau menggambarkan obyek

penelitian yang diambil dari sampel maupun populasi.

Statistik deskriptif dapat juga digunakan untuk melihat hubungan antara dua

variabel yakni karakteristik pasien dan jenis penyakit mata dengan menggunakan

tabulasi silang. Tabulasi silang merupakan metode paling sederhana untuk melihat

hubungan dua variabel (Bhattacarya dan Johnson, 1977).

2013-07-23

9

Pemeriksaan distribusi multivariat normal pada data dapat dilakukan dengan

menghitung jarak kuadrat setiap observasi atau dengan menggunakan plot

Jarak kuadrat pengamatan dapat dihitung dengan menggunakan persamaan :

dengan := jarak kuadrat setiap pengamatan= vektor data pengamatan= vektor nilai rata-rata= matriks varian kovarian

Data dapat dikatakan berdistribusi multivariat normal apabila kurang dari 50% nilai

)()'( 12xxxxd jjj

2jd

jx

x

2)5,0(

2pjd

2013-07-23

Distribusi Multivariate NormalB A B II

Analisis Faktor

10

• Analisis faktor bertujuan untuk menggambarkan hubungan-hubungan

kovarian antara beberapa variabel yang mendasari tetapi tidak teramati

kuantitas random.

• Analisis faktor digunakan untuk mereduksi variabel-variabel dengan

mentranformasikan menjadi variabel baru yang lebih sedikit.

•Bentuk persamaan dari analisis faktor dapat ditulis sebagai berikut:

1121211111 ... mmFlFlFlX

2222212122 ... mmFlFlFlX

pmpmpppp FlFlFlX ...2211

: : :

2013-07-23

Analisis FaktorB A B II

11

Untuk beberapa kuantitas yang tak teramati, maka dapat diasumsikan bahwa:

1. F dan saling bebas, sehingga Cov (F, )=0(pxq)

2. E[F] =0(px1)

, Cov[F]=E[FF’]=I(pxp)

3. E[ ] =0(qx1) ,

Cov[ ]=E = = matriks diagonal

Secara garis besar tahapan-tahapan dalam melakukan analisis faktor adalah sebagai

berikut:

• Menghitung matriks korelasi antar semua variabel

• Melakukan ektraksi faktor

• Merotasi Faktor

• Estimasi loading factor dan factor score.

)(qxq]'[

p

qxq

00

0000

2

1

)(

2013-07-23

Analisis FaktorB A B II

12

Hipotesis uji barlett adalah sebagai berikut.

H0

: ρ = I (matriks korelasi merupakan matriks identitas)

H1: ρ ≠ I (matriks korelasi bukan merupakan matriks identitas)

Statistik uji

Dengan :

= rata-rata elemen diagonal pada kolom atau baris ke k dari matrik R (matrik

korelasi)

= rata-rata keseluruhan dari elemen diagonal

Daerah penolakan :

tolak H0

jika

p

i

ikk rp

r11

1

ki

ikrpp

r)1(

2

2

22

)1)(2()1(1)1(ˆ

rpp

rp

,

kr

r

;2/)2()1(2

ppT

p

k

k

ki

ik rrrrr

nT

1

22

2 )(ˆ)()1()1(

2013-07-23

Uji Barlett

(Kebebasan antar variabel)B A B II

13

Hipotesis dari KMO adalah sebagai berikut :

H0

: Jumlah data cukup untuk difaktorkan

H1: Jumlah data tidak cukup untuk difaktorkan

Statistik uji:

Dimana syarat data layak untuk dianalisis jika nilai KMO lebih besar

daripada 0,5 (Hair, et al, 2010).

Digunakan untuk melakukan pengujian kecukupan data pada analisis faktor sehingga

data layak dan cukup untuk dilakukan analisis faktor.

p

i

p

j

p

i

p

jijij

p

i

p

jij

ar

r

KMO

1 1 1 1

1 1

22

2

2013-07-23

Kaiser Meyer Olkin (KMO )B A B II

14

“Merupakan indeks untuk mengukur kecukupan sampling untuk setiap

variabel individual”

Hipotesis dari MSA adalah sebagai berikut.

H0

: Jumlah data pada variabel ke-i cukup untuk difaktorkan

H1

:Jumlah data pada variabel ke-i tidak cukup untuk difaktorkan

Statistik uji :

Jika nilai MSA > 0,5 maka variabel ke-i cukup untuk difaktorkan

p

j

p

jijij

p

jij

ar

r

MSA

1 1

1

22

2

2013-07-23

Measure of Sampling Adequency

(MSA)B A B II

15

• Cluster Analysis adalah teknik yang digunakan untuk

mengklasifikasikan observasi atau kasus (responden) dalam kelompok

yang relatif homogen yang dinamakan cluster (Sutanto, 2009).

• Pada Cluster Analysis, pengklasifikasian setiap observasi hanya boleh

masuk ke dalam satu cluster saja sehingga tidak terjadi tumpang

tindih (overlapping atau interaction).

• Metode K-means Cluster dilakukan dengan mendeskripsikan sebuah

algoritma dari metode Macquen yaitu memasukan tiap observasi

dalam suatu cluster yang mempunyai jarak sentroid atau nilai rata-

rata paling dekat

2013-07-23

K-Means ClusterB A B II

16

• kemampuan untuk memperoleh barang dan jasa

dengan memberikan janji untuk membayar pada

waktu tertentu (sesuai kesepakatan) di masa yang

akan datang

Djinarto (2000)

• penyediaan uang atau tagihan yang dapat dipersamakan

dengan itu, berdasarkan persetujuan atau kesepakatan pinjam

meminjam antara bank dengan pihak lain yang mewajibkan

pihak peminjam untuk melunasi hutangnya setelah jangka

waktu tertentu dengan jumlah bunga

UU No.7 tahun 1992

• memperoleh barang dengan membayar cicilan atau angsuran

di kemudian hari atau memperoleh pinjaman uang yang

pembayarannya dilakukan di kemudian hari dengan cicilan

atau angsuran sesuai dengan perjanjian

Kasmir(2004)

2013-07-23

Pengertian Kredit B A B II

Surat Keputusan Direksi Bank Indonesia (BI) NO.

32/268/KEP/DIR tanggal 27 Februari 1998 17

• Pembayaran angsuran pokok dan bunga tepat waktu.

• Memiliki mutasi rekening yang aktif.

• Bagian dari kredit yang dijamin dengan uang tunai

Kredit lancar

• Terjadi pelanggaran terhadap kontrak yang telah dijanjikan lebih dari

90 hari.

• Terjadi mutasi masalah keungan yang dihadapi debitur.

• Dokumentasi pinjaman lemah

Kredit

kurang lancar

• Terjadinya wanprestasi lebih dari 180 hari.

• Terjadi cerukan yang bersifat permanen.

• Terjadi kapitalisasi bunga.

• Dokumentasi hukum yang lemah baik untuk perjanjian maupun

pengikat pinjaman

Kredit

diragukan

• Terdapat tunggakan angsuran pokok yang telah melampaui 27 hari.

• Kerugian operasional dituntut dengan pinjaman baru.

• Jaminan tidak dapat dicairkan pada nilai waja, baik dari segi hukum

maupun segi kondisi pasar

Kredit macet

2013-07-23

Kolektibilitas KreditB A B II

182013-07-23

Penyebab Kredit MacetB A B II

1. Adanya salah urus dalam pengelolahan usaha bisnis perusahaan atau karena

kurang berpengalaman dalam bidang usaha yang ditangani.

2. Watak/karakter buruk debitur yang semula memang tidak niat/merencakan tidak

akan mengembalikan kredit misalnya unit tiba-tiba digadaikan.

3. Debitur memiliki masalah keluarga, misalnya perceraian,

kecelakaan/kematian/sakit sehingga dana yang seharusnya dialokasikan untuk

pembayaran angsuran terpaksa terpakai untuk kepentingan tersebut.

4. Debitur mengalami kegagalan dalam bidang usaha, misalnya kondisi ekonomi

yang menurun, debitur mengalami pemutusan hubungan kerja, usaha debitur

mengalami kebangkrutan, kesulitan likuiditas keuangan yang serius

Berdasarkan PT. X Finance

19

•ketidakpastian hasil sebagai akibat keputusan atau situasi saat ini

•Misanya risiko keuangan, risiko operasional, risiko strategis, dan

risiko eksternalitas

Djohanputro

(2004)

•risiko sebagai suatu rentang (continuum) yang dapat bergerak ke

arah ancaman dengan dampak negatif, yaitu tidak tercapainya

tujuan

Tampubolon

(2005)

•peluang kerugian (Risk is the chance of loss)

•kemungkinan kerugian (Risk is the possibility of loss)

•ketidakpastian (Risk is uncertainty)

Vaughan dalam

Darmawi (2004)

2013-07-23

Definisi RisikoB A B II

•Coyle (2000) suatu kerugian yang dapat berpotensi untuk menimbulkan

penolakan atau ketidakmampuan konsumen kredit untuk membayar hutangnya secara

penuh dan tepat waktu

•Djohanputro (2004) risiko dimana debitur tidak dapat membayar hutang dan

tidak dapat memenuhi kewajiban yang sesuai dengan kesepakatan, atau terjadi

penurunan kualitas debitur sehingga persepsi terhadap kemungkinan gagal bayar akan

semakin tinggi

•Tambupolon (2005) eksposur yang memiliki potensi untuk mengancam

penghasilan dan modal perusahaan, yang akan ditimbulkan karena kegagalan debitur

(obligator) untuk memenuhi syarat yang terdapat dalam kesepakatan kontrak

perusahaan

202013-07-23

Definisi Risiko KreditB A B II

21

(Djohansaputro, 2004) suatu ukuran nilai dari risiko kredit yang terdiri

dari faktor kuantitas eksposur kredit dan kualitas eksposur kredit

Exposure Kredit

Probabilitas Gagal Bayar

Kualitas Jaminan

Probabilitas Likuiditas Jaminan

Kuantitas Risiko Kredit

Kualitas Risiko Kredit

Dimensi Risiko

2013-07-23

Dimensi Risiko KreditB A B II

22

METODOLOGIB A B III

Data yang digunakan dalam penelitian ini merupakan data sekunder dari PT.

X Finance kantor cabang Gresik dan Lamongan yang terdiri 459 data

konsumen.

Data merupakan profil dari kredit konsumen yang meliputi kredit lancar,

kredit bermasalah, dan kredit macet (tarik barang) bulan Februari 2012-

Januari 2013.

2013-07-23

Sumber Data

2013-07-23 23

Variabel Type Data Definisi OperasionalUsia (X1) Diskret

Angsuran(X2) Kontinu Besarnya uang yang harus dibayaroleh konsumen per bulan

Pendapatan(X3) Kontinu Besarnya pendapatan yangditerima konsumen

Tenor(X4) DiskretJangka waktu pengambilan kredityang diperuntukkan kepadakonsumen

Harga OTR(X5) Kontinu Harga On The Road darikendaraan bermotor

Uang Muka(X6) KontinuBesarnya uang yang dibayarkankonsumen diawal pengambilankredit sepeda motor

Sektor Pekerjaan(X7) Kategori

Sektor dimana konsumen bekerja,meliputi:1= Pertanian2= Perdagangan, Hotel, danRestoran3= Perindustrian4= Jasa-jasa5= Pengangkutan dan Komunikasi6= Keuangan Persewaan dan JasaPerusahaan.7= Properti dan Listrik8= Lain-lain.

Variabel PenelitianB A B III

Status Rumah(X8) Kategori

Kepemilikan rumah dari konsumen, meliputi:1= Milik Sendiri2= Milik Keluarga

Persentase DP(X9) Kontinu

Prosentase uang muka/Down Payment yang dibayarkan oleh konsumen:1= 10 - < 12,5 persen2= 12,5 - < 15 persen3= 15 - < 17,5 persen4= 17,5 - < 20 persen5= 20 - < 25 persen6= 25 - < 30 persen7= ≥ 30 persen

Domisili konsumen(X10) Kategori

Lokasi tempat tinggal konsumen:1= Gresik2= Lamongan

Type Motor (X11) Kategori

Type sepada motor yang diambil oleh konsumen:1= Yamaha2= Honda3= Suzuki

2013-07-23 24

METODOLOGIB A B III

Langkah Analisis Data

1. Melakukan studi pustaka tentang risiko kredit dalam perusahaan multifinance.

2. Menentukan variabel-variabel yang mempengaruhi risiko kredit pada PT. X Finance cabang

Gresik dan Lamongan .

3. Melakukan pengumpulan data database konsumen PT. X Finance cabang Gresik dan

Lamongan berdasarkan jenis risiko kredit dan variabel prediktornya.

4. Melakukan analisa deskriptif dari data konsumen PT. X Finance cabang Gresik dan

Lamongan untuk mengetahui gambaran umum profil konsumen.

5. Melakukan tranformasi data pada variabel X1, X2, X3, X4, X5, dan X6 dengan tranformasi

Box-cox.

6. Malakukan pengelompokkan untuk variabel X1, X2, X3, X4, X5, dan X6 yang

menyebabkan risiko kredit pada PT. X Finance cabang Gresik dan Lamongan dengan

analisis faktor.

7. Mengklasifikasikan konsumen berdasarkan variabel penelitian (langkah no.6) dengan K-

means cluster analysis untuk mengetahui kelompok konsumen yang memiliki kredit lancar,

kurang lancar, dan kredit macet.

8. Menarik kesimpulan.

2013-07-23 25

METODOLOGIB A B III

Diagram AlirStudi Pustaka dan Literatur

Penentuan Variabel

Pengumpulan Data

Analisa Statistika Deskriptif

Analisis Faktor Variabel X1, X2, X3, X4, X5, dan X6

Analisis Cluster Variabel X1, X2, X3, X4, X5, dan X6

Penarikan Kesimpulan

26

ANALISIS PEMBAHASANB A B IV

Karakteristik konsumen PT. X Finance

2013-07-23

6%

30%39%

12%4% 1% 6% 1%

23%

43%

8% 12%4% 2%

8%1%

Gresik Lamongan

X< 2 Juta 2 Juta ≤ X < 3 Juta

3 Juta ≤ X < 4 Juta

X ≥ 4 Juta

38%35%

17%

10%23%

56%

15%6%

Gresik Lamongan

Wilayah Gresik sektor pekerjaan yang dominan

adalah perindustrian yaitu sebesar 39 persen.

Sementara Lamongan, sektor pekerjaan dominan

adalah sektor perdagangan yaitu sebesar 43

persen. Sektor pertanian sebesar 22 persen

Mayoritas konsumen Gresik memiliki penghasilan

kurang dari Rp 2 juta yaitu sebesar 38 persen.

Lamongan sebagian besar penghasilan

konsumennya berkisar Rp 2 juta sampai Rp 3 juta

yaitu sebesar 56 persen

27

ANALISIS PEMBAHASANB A B IV

Karakteristik konsumen PT. X Finance

2013-07-23

Mayoritas konsumen di Gresik memilih

membeli motor dengan harga berkisar Rp

10 juta sampai Rp 15 juta yaitu sebesar 62

persen

Sebagian besar konsumen di Lamogan memilih

membeli motor dengan harga berkisar Rp 10

juta sampai Rp 15 juta yaitu sebesar 40

persen

X < 10 Jt19%

10 Jt ≤ X < 15 jt62%

15 Jt ≤ X < 20 jt16%

X ≥ 20 Jt3%

X < 10 Jt27%

10 Jt ≤ X < 15 jt40%

15 Jt ≤ X < 20 jt31%

X ≥ 20 Jt2%

28

Karakteristik konsumen PT. X FinanceB A B IV

2013-07-23

X < 12 12 ≤ X < 24 24 ≤ X < 36 X ≥ 36

1%

18%

63%

18%

4%14%

51%

31%

Gresik Lamongan

X < 20 20 ≤ X < 30 30 ≤ X < 40 40 ≤ X < 50 X ≥ 50

1%

26%

31%28%

14%

0

22%

31% 29%

17%

Gresik Lamongan

Konsumen di Gresik dan Lamongan mayoritas

memilih mengambil kredit dalam jangka

waktu 24 bulan hingga 36 bulan (2-3 tahun)

yaitu sebesar 63 persen dari total konsumen.

Mayoritas konsumen di Gresik dan Lamongan

berusia 30 tahun hingga 40 tahun yakni sebesar

31 persen. Namun dari sisi konsumen diusia muda,

penduduk di Gresik lebih berani mengambil kredit

yaitu sebesar 1 persen dari total konsumen di

Gresik

292013-07-23

X < 12,5%

12,5% ≤ X < 15%

15% ≤ X < 17,5%

17,5% ≤ X < 20%

20% ≤ X < 25%

25% ≤ X < 30%

X ≥ 30%

6%

21%

9% 9%

21%

13%

22%

6%

14%

8%

15%20%

12%

22%

Gresik Lamongan

Karakteristik konsumen PT. X FinanceB A B IV

Pada tahun 2012 ada kebijakan besaran DP

sehingga mayoritas konsumen di wilayah

Gresik dan Lamongan memilih membayar

DP diatas 30 persen yaitu sebesar 22

persen dari total konsumen masing-masing

wilayah.

302013-07-23

Karakteristik konsumen PT. X FinanceB A B IV

Status rumah :

Gresik rumah milik keluarga, yaitu sebanyak

140 orang.

Lamongan rumah milik sendiri yaitu sebesar

120 orang

Gresik Lamongan

138120

140

61

Milik Sendiri Milik Keluarga

Yamaha Honda Suzuki

167

107

448

126

7

Gresik Lamongan

Merk Motor :

Gresik 167 orang yang mengambil kredit sepeda

motor merk yamaha.

Lamongan 126 orang memilih motor merk honda.

31

Asumsi Distribusi Multivariate NormalB A B IV

2013-07-23

Asumsi Distribusi Multivariate Normal

(Gresik)

Data berdistribusi multivariatenormal karena nilai 0,874101 > 0.5

20151050

90

80

70

60

50

40

30

20

10

0

q

dj

Scatterplot of dj vs q

20151050

60

50

40

30

20

10

0

q

dj

Scatterplot of dj vs q

Asumsi Distribusi Multivariate Normal

(Lamongan)

Data berdistribusi multivariatenormal karena nilai 0,861878 > 0.5

32

Nilai Uji Kecukupan Data Kaiser Meyer Olkin (KMO)

dan Uji BarlettB A B IV

2013-07-23

Kaiser-Meyer-Olkin

Measure of Sampling

Adequacy.

0.524

Bartlett's Test of

Sphericity

Approx. Chi-Square 253.17

Df 10

Sig. 0.000

Kaiser-Meyer-Olkin Measure of Sampling

Adequacy.0.526

Bartlett's Test of SphericityApprox. Chi-Square 334.581

Df 10Sig. 0.000

Nilai KMO untuk data di Gresik dan

Lamongan masing masing sebesar 0,526

dan 0,524 yang lebih besar dari 0,5maka dapat disimpulkan jumlah data

telah cukup untuk difaktorkan.

Pada uji Bartlett’s diperoleh nilai

signifikansi nol yang memenuhi syarat

kurang dari alfa (0,05) sehingga

dapat diketahui bahwa variabel-

variabel yang digunakan saling

berkorelasi. Hasil ini menunjukkan

bahwa analisis faktor boleh

dilanjutkan.

33

Nilai Eigenvalue Variabel Risiko KreditB A B IV

2013-07-23

Nilai Eigenvalue Gresik

Component Total % of Variance Cumulative %

1 2.034 40.673 40.6732 1.069 21.388 62.0613 0.964 19.286 81.3474 0.743 14.859 96.2065 0.190 3.794 100.000

Component Total % of Variance Cumulative %

1 2.248 44.9582 1.042 20.8303 0.854 17.071 82.8604 0.680 13.607 96.4675 0.177 3.533 100.000

Nilai Eigenvalue Lamongan

Dari semua variabel pembentuk risiko

kredit di Gresik dan Lamongan berturut-

turut tereduksi menjadi dua faktorkarena terdapat dua faktor yang

memiliki total eigenvalue dari matrik

korelasi antar variabel yang diatas 1

Pada nilai persen cumulative Gresik

dan Lamongan masing-masing

menunjukkan bahwa faktor yang

terbentuk mampu menjelaskan

sebesar 62.061% dan 65.788% dari

variabel awal

34

Nilai Loading factor Variabel B A B IV

2013-07-23

VariabelComponent

1 2Box_Usia -0.084 0.902

Box_income -0.504 -0.491Box_otr 0.925 -0.066

Box_uangmuka -0.310 -0.168Box_angsuran 0.895 -0.031

VariabelComponent

1 2Box_Usia 0.178 0.881

Box_income 0.436 -0.492Box_otr -0.890 -0.067

Box_uangmuka 0.706 0.061Box_angsuran 0.854 -0.142

Gresik

Lamongan

35

K-Means Cluster Gresik & LamonganB A B IV

2013-07-23

Cluster

1 72

2 110

3 96

Cluster

1 55

2 71

3 55

Dari hasil analisis K-means cluster

terdapat 3 cluster dengan jumlah

masing-masing anggotanya sebanyak:

Gresik Cluster 1 sebanyak 72

anggota, cluster 2 sebanyak 110

anggota, cluster 3 sebanyak 96

orang.

Lamongan Cluster 1 sebanyak 55

anggota, cluster 2 sebanyak 71

anggota, cluster 3 sebanyak 55

orang.

36

Karakteristik Cluster berdasarkan usiaB A B IV

2013-07-23

X < 20 20 ≤ X < 30

30 ≤ X < 40

40 ≤ X < 50

X ≥ 50

08%

22%

44%31%

0 4%

44%53%

69%

100%87%

34%

3% 0

Kelompok 1 Kelompok 2 Kelompok 3

X < 20 20 ≤ X < 30

30 ≤ X < 40

40 ≤ X < 50

X ≥ 50

0

88%

33%

2% 00 3%

35%57%

65%

010%

32%42%

35%

Kelompok 1 Kelompok 2 Kelompok 3

Gresik Kelompok 1 mayoritas anggotanya

berada pada usia antara 40 sampai 50 tahun

yaitu sebesar 44 persen. Kelompok 2 cenderung

memiliki usia diatas 30 tahun. Sedangkan

kelompok 3 memiliki kecenderungan usia

dibawah 30 tahun

Lamongan Kelompok 1 mayoritas

anggotanya berada pada usia antara antara 20

sampai 30 tahun. Kelompok 2 cenderung

memiliki usia diatas 30 tahun. Sedangkan

kelompok 3 memiliki kecenderungan usia 40

tahun sampai 50 tahun

372013-07-23

X< 2 Juta 2 Juta ≤ X < 3 Juta

3 Juta ≤ X < 4 Juta

X ≥ 4 Juta

35%23% 19% 14%13%

43%

63%

86%

51%

34%

19%

0%

Kelompok 1 Kelompok 2 Kelompok 3

X< 2 Juta

2 Juta ≤ X < 3 Juta

3 Juta ≤ X < 4 Juta

X ≥ 4 Juta

43%

31%

19%

0%

12%

36%

70%

100%

45%

32%

11%

0%

Kelompok 3 Kelompok 2 Kelompok 1

Karakteristik Cluster berdasarkan PenghasilanB A B IV

Gresik Kelompok 1 penghasilannya berkisar Rp 2 juta, sementara kelompok 2

memiliki penghasilan diatas Rp 3 juta, dan kelompok 3 penghasilannya sebesar Rp 2

juta

Lamongan Kelompok 1 penghasilannya berkisar Rp 2 juta, sementara

kelompok 2 memiliki penghasilan diatas Rp 3 juta, dan kelompok 3 penghasilan

sebesar Rp 2 juta

38

Karakteristik Cluster berdasarkan OTR & Kondisi motor B A B IV

2013-07-23

0

20

40

60

80

X < 10 Jt 10 Jt ≤ X < 15 jt

15 Jt ≤ X < 20 jt

X ≥ 20 Jt

45

27

0 01

75

27

77

71

18

0

Kelompok 1 Kelompok 2 Kelompok 3

Kelompok 1 Kelompok 2 Kelompok 3

6%

53%

41%

59%

17%23%

Baru Lama

Gresik Kelompok 1 memilih harga di bawah Rp 10 juta dengan kondisi motor

Bekas/lama. Kelompok 2 memilih harga sepeda berkisar Rp 10 juta sampai Rp 15 juta dengan

kondisi motor baru, dan kelompok 3 memilih harga berkisar Rp 10 juta sampai Rp 15 juta

dengan kondisi motor baru.

392013-07-23

0 10 20 30 40 50 60

Kelompok 1

Kelompok 2

Kelompok 3

44%

51%

5%

15%

27%

58%

Lama Baru

X < 10 Jt 10 Jt ≤ X < 15 jt

15 Jt ≤ X < 20 jt

X ≥ 20 Jt

3

30

20

25

2837

1

40

15

0 0

Kelompok 1 Kelompok 2 Kelompok 3

Karakteristik Cluster berdasarkan OTR & Kondisi motor B A B IV

Lamongan Kelompok 1 memilih

harga di berkisar Rp 10 juta sampai Rp 15

juta dengan kondisi motor baru.

Kelompok 2 memilih harga sepeda

berkisar berkisar Rp 15 juta sampai Rp 20

juta dengan kondisi motor baru, dan

kelompok 3 memilih harga berkisar

dibawah Rp 10 juta dengan kondisi

motor bekas/lama.

40

Karakteristik Cluster secara UmumB A B IV

2013-07-23

Indikator Kelompok 1 Kelompok 2 Kelompok 3

Usia 40-50 tahun >30 tahun < 30 tahun

Pendapatan < Rp 2 juta > Rp 3 juta < Rp 2 juta

Kondisi Motor Bekas Baru Baru

Harga OTR < Rp 10 juta Rp 10-15 juta Rp 10-15 juta

Indikator Kelompok 1 Kelompok 2 Kelompok 3

Usia 20-30 tahun > 30 tahun > 40 tahun

Pendapatan < Rp 2 juta > Rp 3 juta < Rp 2 juta

Kondisi Motor Baru Baru Bekas

Harga OTR Rp 10-15 juta Rp 15-20 juta < Rp 10 juta

Gresik

Lamongan

41

KESIMPULAN & SARANB A B V

Wilayah Gresik dan Lamongan memiliki karakteristik yang hampir sama dari

segi harga On The Road (OTR), jangka waktu kredit (tenor), usia konsumen,

dan presentase down payment (DP). Sementara dari segi sektor pekerjaan

konsumen, tipe motor, status rumah, dan pendapatan konsumen antara

wilayah Gresik dan Lamongan memiliki perbedaan.

Hasil analisis faktor secara keseluruhan untuk masing-masing wilayah terbentuk

2 faktor. Wilayah Gresik indikator masing-masing faktor yaitu faktor 1 dengan

indikator pendapatan, uang muka, angsuran, dan harga on the road. Faktor 2

dengan indikator usia. Sementara wilayah Lamongan masing-masing indikator

untuk faktor 1 meliputi harga on the road, uang muka, dan angsuran. Faktor 2

meliputi usia dan pendapatan.

Kesimpulan

2013-07-23

42

KESIMPULAN & SARANB A B V

Wilayah Gresik untuk kelompok 1 memiliki karakteristik usia berkisar 40-50 tahun,

penghasilan kurang dari Rp 2 juta, dan harga motor on the road dibawah Rp 10

juta (motor bekas). Kelompok 2 usia diatas 30 tahun, penghasilan diatas Rp 3 juta,

dan harga on the road motor berkisar Rp 10-15 juta (baru). Kelompok 3 usia

dibawah 30 tahun, penghasilan dibawah Rp 2 juta, dan harga on the road motor

berkisar Rp 10-15 juta (baru).

Wilayah Lamongan untuk kelompok 1 memiliki karakteristik usia konsumen antara

20-30 tahun, penghasilan dibawah Rp 2 juta, dan harga on the road motor

berkisar Rp 10-15 juta (baru). Kelompok 2 usia diatas 30 tahun, penghasilan diatas

Rp 3 juta, dan harga on the road motor berkisar Rp 15-20 juta. Kelompok 3 usia

konsumen diatas 40 tahun, penghasilan dibawah Rp 2 juta, dan harga on the road

motor di bawah Rp 10 juta (motor bekas).

Kesimpulan

2013-07-23

Sebaiknya dalam penelitian selanjutnya perlu ditambahkan variabel-

variabel dan indikator-indikator lain sebagai pembentuk risiko kredit

sepeda motor. Serta dapat diselesaikan dengan metode statistika yang

lain.

Saran

KESIMPULAN & SARANB A B V

432013-07-23

Daftar Pustaka• Bank Indonesia. (1998). Arsip Peraturan Bank Indonesia di Bidang Perbankan.

http://www.bi.go.id/biweb/utama/peraturan/skdir32268.pdf.[05 April 2013].

• Bapepam-LK. (2011). Laporan Tahunan Industri Perusahaan Pembiayaan 2011.

http://www.bapepam.go.id/p3/other_p3/Finance_Company_Annual_Report_2011.pdf.[27 Januari 2013].

• [BPS] Badan Pusat Statistik. (2011). Produk Domestik Regional Bruto Kabupaten Gresik Tahun 2010,

Pemerintah Kabupaten Gresik, Jawa Timur.

• [BPS] Badan Pusat Statistik. (2011). Produk Domestik Regional Bruto Kabupaten Lamongan Tahun 2010,

Pemerintah Kabupaten Lamongan, Jawa Timur.

• Coyle, B. (2000). Framework For Credit Risk Management. United Kingdom: CIB Publishing.

• Djinarto, B. (2000). Banking Asset Liability Management. Jakarta: Gramedia Pustaka Utama.

• Djohanputro, B. (2004). Manajemen Risiko Korporat Terintegrasi. Jakarta: Penerbit PPM.

• Efendi, R. (2007). Analisis Manajemen Risiko Kredit Sepeda Motor Honda Pada Perusahaan Multifinance

di Indonesia (Studi Kasus Pada PT. PQR Finance). Fakultas Ekonomi dan Manajemen IPB, Bogor.

• Hair, J.F., Anderson, R.E., Tatham, R.L., and Black, W.C. (2006). Multivariate Data Analysis, Sixth Edition.

UK: Prentice Hall International.

442013-07-23

Daftar Pustaka• Johnson, N. And Winchern, D. (2002). Applied Multivariate Statistical Analysis. USA: Prentice Hall

Englewood Cliffs, N.J.

• Kasmir. (2004). Manajemen Perbankan. Jakarta: PT. Raja Grafindo Persada.

• Kountur, R. (2004). Manajemen Risiko Operasional. Jakarta: Penerbit PPM.

• Kuncoro, M. dan Suhardjono. (2002). Manajemen Perbankan: Teori dan Aplikasi. Yogyakarta:

BPFE.

• PT. X Finance. (2011). Laporan Tahunan PT. X Finance 2011. Jakarta: PT. X Finance.

• Sharma, S. (1996). Applied Multivariate Techniques. New York: John Wiley & Sons, Inc.

• Suciati, D. (2008). Prediksi Kondisi Financial Distress Kredit Pemilikan Motor. Fakultas Ekonomi,

Departemen Manajemen UI, Depok.

• Sutanto, H. T. (2009). Cluster Analysis. Seminar Nasional Matematika dan Pendidikan Matematika

(hal. 681-689). Yogyakarta: Jurusan Pendidikan Matematika FMIPA UNY.

• Tambupolon, R. (2005). Risk and Sytem Based Internal Auditing. Jakarta: PT. Elex Komputindo.

• Wikipedia. (2011). Definisi Jarak. definisi jarak diakses melalui http://id.wikipedia.org/wiki/Jarak.

Jumat, 20 Maret 2013 jam 23.30

452013-07-23

T

ER

I

M

A

K

AS

I

H

462013-07-23

SEMINAR TUGAS AKHIRGedung H Lt. 2 / Selasa, 09 Juli 2013