PENGKLASIFIKASIAN DEBITUR KREDIT USAHA RAKYAT (KUR)

DENGAN ANALISIS DISKRIMINAN

(Studi Kasus: BRI Unit Melati, Denpasar)
Ni Made Dwi Kusumawardani
Jurusan Matematika, FMIPA Universitas Udayana
ABSTRAK
Penelitian ini bertujuan untuk menentukan peubah yang berpengaruh signifikan
terhadap kemampuan debitur KUR dalam melunasi kreditnya sehingga peubah-peubah
tersebut dapat digunakan untuk mengklasifikasikan calon debitur KUR ke dalam
kelompok lancar, kurang lancar, dan macet. Metode klasifikasi yang digunakan yaitu
analisis diskriminan.
Data yang digunakan adalah 200 data debitur KUR dari bulan Desember 2008 s.d
Desember 2010, yang dibagi menjadi 100 data training untuk membentuk fungsi
diskriminan yang selanjutnya digunakan dalam pembentukan area kelompok, serta 100
data testing sebagai validasi fungsi diskriminan. Pada analisis diskriminan, pembentukan
area kelompok menggunakan garis berat segitiga, dengan centroid masing-masing
kelompok merupakan titik-titik segitiganya, yang selanjutnya validasi sampel dipetakan
ke area tersebut.
Berdasarkan hasil penelitian, diperoleh ketepatan fungsi diskriminan dalam
mengklasifikasikan debitur KUR sebesar 77%
Kata Kunci: KUR, Analisis Diskriminan
This research aimed to know the significantly influenced through the ability of
KUR (Kredit Usaha Rakyat) debtor in paying their credit, so the variables can be used to
classify debtor candidates of KUR to some groups: current credit, substandard loans,
and bad credit. The classification method that was used was discriminant.
The data that was used was 200 data of debtor customers of KUR from December
2008 until December 2010, that were divided into 100 training data to form discriminant
function that would be used in forming the group of area, and the other 100 testing data
were used as the discriminant function of validity. In discriminant analysis, the group
area was formed by using median line triangle with centroid in which each group was
the points of triangle, and then the sample of validity were mapped to those area.
Based on the research result was gotten the accuracy of discriminant function in
the classification KUR debtor was 77%.
PENDAHULUAN
Aktivitas masyarakat dalam dunia
bisnis tidak terlepas dari peran bank
selaku pemberi layanan perbankan bagi
masyarakat. Bank dikenal sebagai
lembaga keuangan yang kegiatan
utamanya menerima simpanan giro,
tabungan, dan deposito serta sebagai
tempat untuk meminjam uang (kredit)
bagi masyarakat yang membutuhkannya.
Kredit Usaha Rakyat (KUR) adalah salah
satu kredit yang saat ini disalurkan oleh
bank yang merupakan program dari
pemerintah dengan tujuan untuk
mempercepat pengembangan sektor riil
dan pemberdayaan UMKM (Usaha Mikro
Kecil dan Menengah), meningkatkan
akses pembiayaan kepada UMKM dan
Koperasi, serta penanggulangan dan
perluasan kesempatan kerja. Pemberian
kredit baik itu KUR ataupun kredit
lainnya kepada konsumen atau calon
debitur adalah dengan melewati proses
pengajuan kredit dan melalui proses
analisis pemberian kredit terhadap kredit
yang diajukan. Walaupun telah dilakukan
proses analisis pemberian kredit terhadap
kredit yang diajukan khususnya pada
Kredit Usaha Rakyat (KUR), namun
masih banyak ditemukan kredit yang
kurang lancar dan macet. Oleh karena itu
perlu dikaji lebih lanjut peubahpeubah
yang membedakan antara kemampuan
debitur Kredit Usaha Rakyat (KUR)
dalam melunasi kreditnya sehingga pada
akhirnya peubahpeubah tersebut dapat
digunakan untuk mengklasifikasikan
calon debitur KUR.
Analisis Diskriminan merupakan
salah satu metode dalam statistika yang
dapat digunakan sebagai metode
klasifikasi. Teknik pengklasifikasian
amatan baru yang sering digunakan pada
analisis diskriminan adalah fungsi
diskriminan Fisher. Namun pada
penelitian ini, untuk pengklasifikasian
amatan baru akan digunakan metode
pemetaan titik-titik amatan ke dalam
bidang dua dimensi sehingga dihasilkan
cara yang lebih aplikatif.
Adapun hasil dari penelitian ini
dapat dijadikan sebagai salah satu
pertimbangan bagi pihak bank dalam
mengklasifikasikan calon debitur KUR
sehingga dapat meminimumkan risiko
terjadinya kredit macet.
II. TINJAUAN PUSTAKA
Analisis Diskriminan
Analisis diskriminan adalah
analisis peubah ganda yang diterapkan
untuk memodelkan hubungan antara
peubah tak bebas yang bersifat kategorik
dengan satu atau lebih peubah bebas yang
bersifat kuantitatif dengan tujuan
membentuk sejumlah fungsi melalui
kombinasi linear peubahpeubah bebas
yang dapat digunakan untuk memisahkan
kelompokkelompok amatan dan
mengklasifikasikan amatan baru ke dalam
salah satu kelompok tersebut (Hair, et.al,
1995).
Fungsi yang terbentuk dalam
analisis diskriminan disebut fungsi
diskriminan. Fungsi diskriminan akan
memberikan nilainilai yang sedekat
mungkin dalam kelompok dan sejauh
mungkin antar kelompok. Fungsi
diskriminan diberikan dalam bentuk
ik i k k jk
X W X W X W a Z + + + +
2 2 1 1

Keterangan:
jk
Z
= skor diskriminan dari fungsi
diskriminan ke-j untuk objek
ke-k,
a
= intersep
i
W = bobot diskriminan untuk
peubah bebas ke-i
ik
X = peubah bebas ke-i untuk objek
ke-k
Ketepatan fungsi diskriminan dalam
mengklasifikasikan suatu amatan, dapat
dilihat dari persentase misklasifikasinya.
Menurut Johson (1998), misklasifikasi
adalah pengamatan yang
pengelompokannya tidak benar.
Pengamatan tersebut kemungkinan besar
berpengaruh dalam analisis diskriminan.
Dalam melakukan analisis diskriminan
sebaiknya nilai total peluang
(2.1)
misklasifikasi dalam pengelompokan
sekecilkecilnya atau nilai laju galat
terlihat (Apparent Error Rate atau APER)
terkecil. APER dihitung dengan terlebih
dahulu membuat tabel klasifikasi berikut:
Tabel 1 Klasifikasi
Actual
Grup
Predicted Grup
1

C
n
1 C M
n n n
1 1 1

2

C M
n n n
2 2 2

C
n
2
Sumber:Timm, 2002
sehingga:
(APER)
Untuk mengklasifikasikan amatan baru
ke dalam k kelompok, salah satu metode
yang dapat digunakan adalah metode
Fisher. Aturan pengklasifikasian adalah
jika hanya r fungsi diskriminan yang
digunakan untuk klasifikasi, aturan
klasifikasi ke kelompok k, k = 1, 2, , g
jika
( ) ( ) [ ]
( ) [ ]
2
r
1 j
i
'
j
r
1 j
r
1 j
2
k
'
j
2
kj j
x a
x a Z Z

Untuk semua i k ; r s ; s = min (p,g-1)
Keterangan:
Z
j
= skor diskriminan ke-j dari
amatan
j k
Z
= vektor rata-rata skor diskriminan
ke-j dari kelompok ke-k, k =1,
2,, g
'
j
a
= koefisien fungsi diskriminan
X = vektor data pengamatan dari
amatan
k

= vektor nilai rata-rata peubah dari

kelompok ke-k
i

= vektor nilai rata-rata peubah dari

kelompok ke-i
r = banyaknya fungsi diskriminan
yang digunakan dalam
penggolongan
s = banyaknya fungsi diskriminan
yang mungkin dibentuk
g = banyaknya kelompok
p = banyaknya peubah
Menurut Hair (1995), salah satu
cara yang juga dapat digunakan untuk
mengklasifikasikan amatan baru ke dalam
tiga kelompok yaitu dengan
menggunakan territorial map yang
mengandung centroid masing-masing
kelompok, dan skor diskriminan untuk
setiap amatan. Territorial map digunakan
untuk membentuk batas-batas dari
kelompok yang selanjutnya dapat
digunakan untuk mengklasifikasikan
amatan baru. Adapun territorial map

n + n
n + n
=
2 1
M 2 M 1
untuk tiga kelompok ditampilkan pada
gambar berikut:
Pada Hair (1995) tidak dijelaskan
bagaimana membentuk garis yang
membagi bidang menjadi tiga bagian.
Akan tetapi pada penelitian ini akan
digunakan metode garis berat segitiga
untuk membagi bidang menjadi tiga
bagian, dengan centroid untuk masing-
masing kelompok merupakan titik-titik
segitiga. Daerah yang terbagi oleh garis
berat segitiga mempunyai luas yang sama
sehingga peluang suatu amatan untuk
masuk pada daerah tertentu juga sama
besar.
III. METODE PENELITIAN
Penelitian ini dilakukan di Bank
Rakyat Indonesia (BRI) Unit Melati
Denpasar sebagai salah satu penyalur
Kredit Usaha Rakyat (KUR). Terdapat
sembilan peubah bebas yang diuji untuk
membentuk fungsi diskriminan yaitu X
1
(besarnya pinjaman KUR), X
2
(jenis
usaha debitur), X
3
(jangka waktu kredit),
X
4
(pendidikan terakhir debitur KUR), X
5
(penghasilan bersih per bulan), X
6
(lama
usaha), X
7
(jumlah tanggungan anak), X
8
(status kepemilikan rumah, X
9
(umur
debitur), sedangkan peubah respon (Y)
yaitu kemampuan debitur KUR dalam
melunasi kreditnya yang dibedakan
menjadi Y
1
(kelompok lancar), Y
2
(kelompok kurang lancar), dan Y
3
(kelompok macet). Debitur KUR
dikategorikan ke dalam kelompok lancar
apabila debitur melakukan pembayaran
kredit tepat waktu/sesuai dengan prosedur
yang berlaku, kurang lancar apabila
terdapat tunggakan pembayaran pokok
- 3 - 2 - 1 0 1 2 3 4
- 3
- 2 . 5
- 2
- 1 . 5
- 1
- 0 . 5
0
0 . 5
1
1 . 5
2
F u n g s i D i s k r i m i n a n 1
F
u
n
g
s
i

D
i
s
k
r
i
m
i
n
a
n

2
P e m e t a a n V a l i d a s i S a m p e l
C e n t r o i d I
C e n t r o i d I I
C e n t r o i d I I I
Gambar 1 Territorial Map Analisis Diskriminan
untuk Tiga Kelompok
dan atau bunga kredit dari 1 s.d 180 hari,
dan kelompok macet apabila terdapat
tunggakan pembayaran pokok dan atau
bunga lebih dari 180 hari.
IV. ANALISIS DATA
Tahap pertama pada analisis data
yaitu dari 200 sampel yang digunakan,
dipilih secara acak 100 sampel sebagai
data training (analisis sampel) yang
digunakan untuk membentuk fungsi
diskriminan, kemudian 100 sampel
lainnya sebagai data testing (validasi
sampel) yang digunakan untuk menguji
ketepatan fungsi diskriminan
mengklasifikasikan amatan baru ke dalam
kelompok sebenarnya. Selanjutnya
dilakukan uji asumsi kesamaan matriks
varian kovarian kelompok pada data
training (analisis sampel) dengan uji
Boxs M. Pada penelitian ini, asumsi
kesamaan matriks varian kovarian telah
terpenuhi sehingga langkah selanjutnya
melakukan estimasi fungsi diskriminan.
Peubah bebas yang digunakan untuk
membentuk fungsi diskriminan adalah
peubah yang berpengaruh secara
signifikan dalam membedakan ketiga
kelompok debitur KUR. Adapun peubah
bebas tersebut yaitu X
1
(besarnya
pinjaman), X
4
(pendidikan terakhir
debitur), X
5
(pendapatan bersih per
bulan), X
6
(lama usaha). Fungsi
diskriminan yang terbentuk:
6 5 4 1 1
X 372 . 0 + X 495 . 4 + X 286 . 0 X 628 . 0 822 . 0 = Z

6 5 4 1 2
218 . 0 032 . 1 089 . 1 195 . 0 747 . 3 X X X X Z + + +

Dengan menggunakan fungsi diskriminan
Z
1
dan Z
2
untuk mengklasifikasikan data
training (analisis sampel) diperoleh hasil
sebagai berikut:
Tabel 2 Hasil Klasifikasi Analisis Sampel
Aktual
Prediksi
Lancar Kurang
Lancar
Macet
Lancar 24 5 2
63% 14% 8%
Kurang
Lancar
8 25 5
21% 68% 20%
Macet 6 7 18
16% 19% 72%
Total 38 37 25
Pada tabel 2 yaitu hasil klasifikasi untuk
data training (analisis sampel), terdapat
24+25+18=67 debitur KUR yang
diklasifikasikan dengan benar oleh fungsi
diskriminan, sehingga diperoleh
ketepatan fungsi diskriminan Z
1
dan Z
2
untuk mengklasifikasikan debitur KUR
ke dalam kelompok lancar, kurang lancar,
dan macet yaitu sebesar 67% atau
1
]
1

,
_

+ +
% 67 % 100
100
18 25 24
x
.
Selanjutnya, dari 100 debitur KUR yang
telah dipilih secara acak untuk dijadikan
sebagai data testing (validasi sampel)
yang dianggap sebagai calon debitur
KUR, maka akan ditentukan persentase
ketepatan pengklasifikasian fungsi
diskriminan Z
1
dan Z
2
. Adapun metode
yang digunakan untuk
mengklasifikasikan calon debitur KUR ke
dalam kelompok lancar, kurang lancar,
dan macet yaitu dengan pemetaan titik-
titik calon debitur KUR pada bidang dua
dimensi (bidang koordinat cartesius)
dengan menggunakan fungsi diskriminan
pertama (Z
1
) sebagai sumbu X dan fungsi
diskriminan kedua (Z
2
) sebagai sumbu Y.
Bidang pada dua dimensi dibagi menjadi
tiga dengan memanfaatkan tiga titik
centroid yang terbentuk pada analisis
diskriminan. Adapun centroid yang
terbentuk yaitu
Tabel 3 Centroid untuk Masing-masing
Kelompok Debitur KUR
Kelompok
Fungsi Diskriminan
1 2
Lancar 1.138 -.068
Kurang Lancar -.533 .358
Macet -.940 -.426
Berdasarkan tabel 3 diperoleh titik
koordinat centroid untuk masing-masing
kelompok debitur KUR pada bidang dua
dimensi yaitu titik koordinat centroid I
untuk kelompok lancar (1.138;-0.068),
centroid II untuk kelompok kurang lancar
(-0.533;0.358), dan centroid III untuk
kelompok macet (-0.940;-0.426). Dengan
menghubungkan ketiga titik centroid
tersebut, maka terbentuklah gambar
segitiga pada bidang dua dimensi sebagai
berikut:
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
Fungsi Diskriminan1
F
u
n
g
s
i

D
i
s
k
r
i
m
i
n
a
n

2
PlotLokasi Centroid
CentroidI
CentroidII
CentroidIII
-3 -2 -1 0 1 2 3 4
-3
-2.5
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
Fungsi Diskriminan1
F
u
n
g
s
i

D
i
s
k
r
i
m
i
n
a
n

2
AreaKelompokDebiturKUR
CentroidI
CentroidII
CentroidIII
CentroidI
CentroidII
CentroidIII
-3 -2 -1 0 1 2 3 4
-3
-2.5
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
Fungsi Diskriminan1
F
u
n
g
s
i

D
i
s
k
r
i
m
i
n
a
n

2
AreaKelompokDebiturKUR
CentroidI
CentroidII
CentroidIII
CentroidI
CentroidII
CentroidIII
- 4 - 2 0 2 4
- 3
- 2
- 1
0
1
2
3
F u n g s i D i s k r i m i n a n 1
F
u
n
g
s
i

D
i
s
k
r
i
m
i
n
a
n

2
P e m e t a a n V a l i d a s i S a m p e l
C e n t r o i d I ( K e l . L a n c a r )
C e n t r o i d I I ( K e l . K u r a n g L a n c a r )
C e n t r o i d I I I ( K e l . M a c e t )
I n d i v i d u K e l . L a n c a r
I n d i v i d u K e l . K u r a n g L a n c a r
I n d i v i d u K e l . M a c e t
Pada segitiga yang terbentuk, dibuat garis
berat segitiga yaitu garis yang terhubung
dari titik sudut suatu segitiga ke titik
tengah sisi yang ada di depan sudut.
Ketiga garis berat segitiga akan
berpotongan pada satu titik yang disebut
dengan titik pusat massa, sehingga
diperoleh gambar sebagai berikut:
Titik pusat massa merupakan titik yang
dijadikan sebagai acuan untuk
membentuk tiga area kelompok. Dengan
menggunakan garis merah sebagai batas
dari masing-masing area kelompok, maka
area yang mengandung centroid I
merupakan area untuk kelompok lancar,
yang mengandung centroid II merupakan
area untuk kelompok kurang
lancar, dan yang mengandung centroid III
merupakan area untuk kelompok macet
sehingga terbentuk area kelompok
sebagai berikut:
Dari 100 debitur yang telah dipilih
sebagai data testing (validasi sampel),
terlebih dahulu ditentukan titik
koordinatnya yaitu Z
1
sebagai sumbu X
dan Z
2
sebagai sumbu Y. Setelah
ditentukan titik koordinatnya, maka 100
titik-titik tersebut dipetakan sebagai
berikut:
Gambar 2 Plot Centroid pada Bidang Dua Dimensi
Gambar 3 Plot Garis Berat Segitiga pada Bidang Dua
Dimensi
Gambar 4 Plot Area Kelompok Debitur KUR
Berdasarkan gambar 5, dapat
diketahui banyaknya validasi sampel
yang diklasifikasikan dengan benar oleh
fungsi diskriminan melalui prosedur
pemetaan titik-titik koordinatnya. Adapun
hasil pengklasifikasiannya dapat dilihat
pada tabel berikut ini:
Tabel 4 Hasil Pengklasifikasian Fungsi
Diskriminan dengan Pemetaan
Titik
Aktual
Prediksi
Lancar Kurang
Lancar
Macet
Lancar 23 1 0
Kurang Lancar 12 34 5
Macet 2 3 20
Total 37 38 25
Berdasarkan tabel , diperoleh 77 data
testing yang diklasifikasikan dengan
benar oleh fungsi diskriminan dengan
metode pemetaan pada bidang dua
dimensi, sehingga diperoleh ketepatan
pengklasifikasian sebesar 77%.
Pengklasifikasian fungsi
diskriminan dengan pemetaan titik-titik
koordinat sampel merupakan salah satu
cara yang lebih aplikatif dalam
mengklasifikasikan amatan baru. Akan
tetapi kelemahan metode pemetaan titik
dengan menggunakan garis berat segitiga
dalam pembentukan daerah kelompok
yaitu hanya terbatas untuk bidang dua
dimensi saja atau dengan dua fungsi
diskriminan yang terbentuk. Oleh karena
itu, pengklasifikasian fungsi diskriminan
dengan pemetaan titik-titik sampelnya
yang menggunakan metode garis berat
segitiga hanya berlaku untuk tiga
kelompok saja, sehingga untuk jumlah
kelompok yang lebih dari tiga, metode
dengan membentuk garis berat segitiga
tidak dapat digunakan lagi.
V. KESIMPULAN
Penerapan analisis diskriminan
dengan metode pemetaan titik-titik
Gambar 5 Plot Validasi Sampel
sampel pada bidang dua dimensi untuk
mengklasifikasikan calon debitur KUR
(amatan baru), diperoleh ketepatan
pengklasifikasian sebesar 77% sehingga
metode ini dapat dijadikan sebagai salah
satu pertimbangan dalam
mengklasifikasikan amatan baru.
DAFTAR PUSTAKA
Hair, J.F., Rolph, E.A., Ronald L.T., dan
William, C.B. 1995.
Multivariate Data Analysis
With Reading. Fourth
Edition. Prentice Hall
International Editions. New
Jersey
Johnson, R.A. dan Dean, W.W. 1998.
Applied Multivariate
Statistikal Analysis. Prentice
Hall Inc. New Jersey.
Kasmir.2000.Bank Dan Lembaga
Keuangan Lainnya. Jakarta :
PT Raja Grafindo Persada
Malholtra, K.N., 1999. Marketing
Research An Applied
Orientation. Third Edition.
Prentice Hall International Inc.
New Jersey
Morrison, D.F., 2005. Multivariate
Statistikal Methods. Fourth
Edition. Thomson
Brooks/Cole.Canada
Siswadi dan Suharjo.B. 1998. Analisis
Eksplorasi Data Peubah
Ganda. Jurusan Matemtika
FMIPA IPB. Bogor
Timm. Neil H. 2002. Applied
Multivariate Anlisis.
Springer. New York
Triwahyuniati, Nani.2008.Pelaksanaan
Analisis Kredit di PT Bank
Haga Cabang Semarang.
Skripsi S2 Jurusan Magister
Kenotariatan, Program
Pascasarjana Universitas
Diponogoro, 64 hal. (tidak
dipublikasikan).
Usman, Rachmadi.2001. Aspek-Aspek
Hukum Perbankan Di
Indonesia. Jakarta : PT
Gramedia Pustaka Utama