Evaluasi Variabel-Variabel yang Berpengaruh Terhadap Probability of Default Kredit Konsumtif Bank X menggunakan Multiple Discriminant Analysis
LESTARI, PUJI (Adv.: Kusdhianto Setiawan, SE., Siv.Ok.), Kusdhianto Setiawan, SE., Siv.Ok.
Ketika krisis melanda Indonesia , consumer banking menjadi bisnis pilihan bagi kalangan perbankan. Risiko yang dihadapi di sektor ini adalah kredit macet. Teknologi informasi yang semakin berkembang dapat digunakan untuk mempercepat proses pengambilan keputusan sekaligus mengurangi risiko kredit. Model yang digunakan dalam kredit konsumen adalah credit scoring.
Penelitian ini akan mengevaluasi variabel-variabel yang berpengaruh terhadap probability of default pada kredit konsumtif di Bank X Yogyakarta dengan mengembangkan credit scoring model. Hasil penelitian diharapkan mampu menekan probability of default karena telah dilakukan evaluasi terhadap variabelvariabel yang mempengaruhinya.
Pengolahan data menggunakan Multiple Discriminant Analysis yang dimulai dengan Conjoint Analysis menunjukkan bahwa fungsi diskriminan yang dihasilkan tidak cukup bisa menjelaskan perbedaan kedua kelompok dengan signifikansi hanya 0,366. Tingkat akurasi model dalam memprediksi cukup baik karena mampu mengklasifikasikan dengan benar sebesar 71,3%. Beberapa
variabel yang menunjukkan pengaruh signifikan dan paling dominan adalah Jumlah Tanggungan, Pendapatan dan DER. Variabel-variabel tersebut dapat dijadikan sebagai data mandatory dalam pengambilan keputusan kredit. Evaluasi terhadap informasi calon debitur yang dilakukan oleh para analis kredit belum dapat secara akurat membantu mengidentifikasi potensi default calon debitur.
When Indonesia affected by crisis, consumer banking became the best choice for banking industry. Risk that will be face in this sector is credit default. The develop ment of information technology can help in decision making more speedy or quickly in reducing credit risk.
This research will evaluate that may affect probability of default on consumer loan at Bank ‘X’ Yogyakarta by developing credit scoring model. The output of this research credit scoring model through which several variables were examined in predicting credit default.
Data processing started by Conjoint Analysis then Multiple Discriminant Analysis had some outputs that show the discriminant function canÂ’t describe enough about the differences among the groups with significant value only at 0,366. The accuracy of this model has good the goodness of fit because can classified the groups correctly at 71,3%. Some variables can show the significant affect and
dominant, these are Number of Family, Income and DER. Those variables can be use to be the mandatory data in a credit decision making. Evaluation towards the informations about debitor by credit analyst canÂ’t accurately help to identify probability of default yet.
Kata Kunci : Credit Scoring Model, probability of default, Conjoint Analysis, Multiple Discriminant Analysis,
