PENERAPAN MULTIPLE DISCRIMINANT ANALYSIS SEBAGAI CREDIT SCORING DAN RISK ASSESSMENT MODEL
MOH. DEDERIANTO, Kusdhianto Setiawan Ph.D
2015 | Tesis | S2 ManajemenPenyaluran kredit mikro saat ini menjadi fokus utama oleh perbankan daerah, karena usaha mikro merupakan roda penggerak perekonomian daerah. Pemberian kredit yang berdasarkan pada karakter calon debitur ini dihadapkan pada risiko kredit macet yang tinggi. Meningkatnya penyaluran kredit (outstanding loans) yang diikuti dengan peningkatan non performing loan menjadi latar belakang yang mendorong penulis untuk melakukan penelitian dan membuat credit scoring guna mengetahui faktor-faktor apa saja yang mempengaruhi baik atau buruknya kualitas kredit debitur serta membantu meminimalkan jumlah kredit bermasalah atau non performing loan dalam penyaluran kredit dimasa yang akan datang. Analisis kredit menggunakan credit scoring yang dibuat oleh bank. Penelitian ini akan menganalisis variabel-variabel apa saja yang berpengaruh terhadap probability of default pada kredit mikro di PT Bank BPD DIY Cabang Senopati dengan mengembangkan credit scoring. Hasil penelitian diharapkan dapat digunakan sebagai salah satu alat bantu untuk mempermudah proses pengambilan keputusan pemberian kredit dan mampu meminimalkan risiko gagal bayar terhadap pemberian kredit kedepan. Penelitian ini menggunakan pendekatan Multiple Discriminant Analysis dalam mengolah data. Informasi karakter debitur yang menjadi variabel dikumpulkan menjadi satu kemudian diolah bersama dengan menggunakan alat bantu SPSS. Proses pengujian menghasilkan output yang dapat dianalisis dengan melihat signifikansi variabel diskriminan, yaitu apakah variabel-variabel yang ada cukup memiliki kemampuan untuk membedakan kelompok kredit. Model diskriminan akan dibentuk dengan variabel-variabel yang menjadi pembeda pada kelompok kredit lancar, tidak lancar atau macet dan menghasilkan rumus Z-score yang baru. Hasil pengujian menunjukkan bahwa terdapat perbedaan antara debitur yang masuk dalam kelompok lancar, tidak lancar dan macet. Beberapa variabel yang menunjukkan pengaruh signifikan dan paling dominan menjadi pembeda debitur adalah Pendidikan, Jangka Waktu, Lama Usaha dan Jumlah Tanggungan. Tingkat akurasi model yang dicapai tidak terlalu tinggi sebesar 56,7%, namun model tersebut tetap dapat digunakan untuk mempermudah proses pemberian kredit. Variabel-variabel dalam fungsi diskriminan yang terbentuk dapat dijadikan sebagai mandatory data dalam proses pengambilan keputusan kredit. Evaluasi terhadap informasi calon debitur yang dilakukan oleh para analis kredit saat ini belum sepenuhnya akurat membantu mengidentifikasi potensi default calon debitur. Oleh karena itu, penggunaan model ditambah dengan informasi keuangan debitur serta agunannya dapat dimanfaatkan untuk memproses pemberian kredit dengan lebih optimal.
Microcredit is currently being main focus in the local banking industry, as micro-enterprises are the driving wheels of the regional economy. Granting credit based on the character of prospective borrowers is exposed to a high risk of credit defaults. The increasing of the outstanding loan which followed by the growing number of credit default or non-performing loans became a background that motivated the authors to conduct research and make credit scoring that aim to determine the factors that influence good or poor credit quality of borrowers as well as helping to minimize the credit default in giving the loan. Analysis of the credit is using credit scoring made by the bank. This statistic descriptive research analyze the variables that influence the probability of default on microcredit in PT Bank BPD DIY Branch Senopati by developing credit scoring. The result is expected to be used as one of the tool to simplify the process of making credit decisions and is able to minimize the risk of credit default in the future. This study uses Multiple Discriminant Analysis approach in data processing. Information of borrower characters that become variables are collected into one and then processed using statistic software (SPSS). The output produced can be analyzed by the significance of the discriminant variable, namely whether the variables that exist have the ability to distinguish the credit group. Discriminant model will be established the variables that made the difference in the credit group current, non-current or default and generate the Z-score formulation. The result shows that there is a difference between the borrowers in the group of current, non-current and default. Some of the variables showed significant influence and the most dominant distinguishing is Education, Term of Credit, Long of Business and Number of Dependants. The accuracy level of the model achieved is not too high. Although it is only at 56.7%, the model can still be used to simplify the process of making credit decisions. The variables formed in the discriminant function can also be used as mandatory data in the credit decision-making process. The evaluation of borrower information performed by credit analysts is currently not fully accurate to identify any potential defaults of borrowers. Therefore, the use of models combined with the borrower's financial information as well as the collateral can be used in making exact credit decisions.
Kata Kunci : Credit Scoring, Multiple Discriminant Analysis, Probability of Default, Risk, Microcredit
