102 BAB V IMPLEMENTASI DAN ANALISA Bab V akan menjelaskan proses implementasi model pada organisasi keuangan mikro. Dimulai dari perancangan dan pembangunan aplikasi komputer untuk implementasi model serta penggunaan yang lebih luas seperti laporan/nota kredit. Kemudian dilanjutan penjelasan keterkaitan aplikasi dengan framework manajemen resiko di BPR, selanjutnya pembangunan beberapa standard operating prosedur terkait yang diperlukan untuk mengintegrasikan aplikasi dengan operasional kredit yang telah berjalan selama ini. Bab ini akan ditutup dengan analisa secara komprehensif terhadap model yang dihasilkan dan juga implementasinya. V.1 Pembangunan Aplikasi Analisa Kredit Dewasa ini penggunaan teknologi informasi pada dunia perbankan sudah merupakan keharusan yang tidak dapat dihindari. Beberapa hal yang mendukung pernyataan ini antara lain: proses perbankan menyangkut masalah data yang besar, diperlukan memperkecil terjadinya kesalahan manusia, meningkatkan kecepatan proses dan juga perbankan menyangkut masalah keuangan yang riskan terjadi perselisihan bila tidak dikelola dengan aman dan baik. Model analisa kredit ini akan mengalami kesulitan bila tidak mempergunakan teknologi informasi dalam implementasinya. Beberapa kesulitan tersebut adalah sebagai berikut: Model yang digunakan mempunyai 15 variabel independen sehingga mudah terjadi kesalahan manusia dan cukup rumit bila dilakukan secara manual. Adanya pekerjaan tambahan yang cukup signifikan untuk mengolah data, sehingga tidak realistik dilakukan untuk sumber daya yang ada. Tidak dapat dilakukan analisa detail seperti analisa crosstab karena data nasabah tidak dalam bentuk database. Tidak dapat dipergunakan lebih jauh untuk keperluan laporan dan pembuatan nota kredit.
26
Embed
BAB V IMPLEMENTASI DAN ANALISA - · PDF fileBAB V IMPLEMENTASI DAN ANALISA Bab V akan menjelaskan ... Gambar V.2 Diagram Contex level 0 Aplikasi Analisa Kredit V.1 ... Laporan Analisa
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
102
BAB V IMPLEMENTASI DAN ANALISA
Bab V akan menjelaskan proses implementasi model pada organisasi keuangan
mikro. Dimulai dari perancangan dan pembangunan aplikasi komputer untuk
implementasi model serta penggunaan yang lebih luas seperti laporan/nota kredit.
Kemudian dilanjutan penjelasan keterkaitan aplikasi dengan framework
manajemen resiko di BPR, selanjutnya pembangunan beberapa standard operating
prosedur terkait yang diperlukan untuk mengintegrasikan aplikasi dengan
operasional kredit yang telah berjalan selama ini.
Bab ini akan ditutup dengan analisa secara komprehensif terhadap model yang
dihasilkan dan juga implementasinya.
V.1 Pembangunan Aplikasi Analisa Kredit
Dewasa ini penggunaan teknologi informasi pada dunia perbankan sudah
merupakan keharusan yang tidak dapat dihindari. Beberapa hal yang mendukung
pernyataan ini antara lain: proses perbankan menyangkut masalah data yang
besar, diperlukan memperkecil terjadinya kesalahan manusia, meningkatkan
kecepatan proses dan juga perbankan menyangkut masalah keuangan yang riskan
terjadi perselisihan bila tidak dikelola dengan aman dan baik.
Model analisa kredit ini akan mengalami kesulitan bila tidak mempergunakan
teknologi informasi dalam implementasinya. Beberapa kesulitan tersebut adalah
sebagai berikut:
Model yang digunakan mempunyai 15 variabel independen sehingga mudah
terjadi kesalahan manusia dan cukup rumit bila dilakukan secara manual.
Adanya pekerjaan tambahan yang cukup signifikan untuk mengolah data,
sehingga tidak realistik dilakukan untuk sumber daya yang ada.
Tidak dapat dilakukan analisa detail seperti analisa crosstab karena data
nasabah tidak dalam bentuk database.
Tidak dapat dipergunakan lebih jauh untuk keperluan laporan dan pembuatan
nota kredit.
103
Terdapat dua pendekatan yang dapat digunakan pada pembuatan aplikasi untuk
implementasi model ini dalam sistem di perbankan mikro. Pendekatan pertama
adalah pembuatan aplikasi terintegrasi dengan sistem transaksi yang sudah
berjalan. Pendekatan kedua adalah membuat aplikasi yang berdiri sendiri tidak
terkoneksi dengan sistem yang ada.
Pendekatan pertama merupakan pendekatan yang ideal karena data dapat
langsung terintegrasi dengan master data perbankan. Namun pendekatan ini juga
lebih sulit diterapkan karena harus berinteraksi dengan vendor aplikasi tersebut
yang belum tentu setuju aplikasinya di integrasikan dengan aplikasi baru, kedua
pihak BPR sendiri belum tentu bersedia server utamanya di integrasikan dengan
aplikasi ini mengingat adanya resiko terganggunya pelayanan nasabah bila server
tersebut di tambahkan aplikasi baru.
Untuk itu penelitian ini diputuskan menggunakan pendekatan kedua yaitu
membuat aplikasi analisa kredit yang terpisah dari sistem aplikasi transaksi utama
di perbankan. Langkah ini juga di dukung kenyataan di lapangan bahwa selama
ini untuk keperluan analisa kredit pihak BPR tidak memergunakan data pada
aplikasi utama, melainkan melakukan secara manual dan mempergunakan excell,
sehingga setiap nasabah akan mempunyai satu file excell untuk perhitungan
kelayakan kreditnya
V.1.1. Arsitektur Sistem
Aplikasi yang akan dibangun merupakan sistem pengambilan keputusan (SPK),
khususnya sistem pengambilan keputusan untuk suatu analisa kredit. Komponen
utama dalam SPK adalah sebagai berikut (Turban,1995):
A. Dialog (Interface Software) (DGMS)
B. Database mendukung sistem (DBMS)
C. Model Base memberikan kemampuan analis. (MBMS)
D. Managemen Pengetahuan
Bagan interaksi antara komponen dapat digambarkan pada bagan 4.1 dibawah ini.
104
User
Data Management
System
Model
Management
Knowledge
Management
Dialog
Management
Input OutputCapital
Colleteral
Capacity
Conditions
Character
Data Bank
Klasifikasi
Nota Kredit
Analisa Crosstab
Laporan
Tim Analisa
-Adm Kredit
-Mgr marketing
-Surveyor
-Analisa Kredit
-Direktur
Model Default
Prediction- Regresi LogistikMy Sql
Gambar V.1 Arsitektur Sistem SPK untuk Analisa Kredit
a. Dialog (Interface software)
Sub sistem penyelenggara dialog berfungsi sebagai pengkomunikasi antara
pemakai dengan sistem komputer. Sub sistem ini harus memberikan / memenuhi
keinginan pemakai dan bersifat cukup komunikatif. Pada aplikasi analisa kredit
ini Interface software dibagi menjadi dua yaitu input dan output dari aplikasi.
Input
Input pada sistem ini merupakan data yang dimasukan ke dalam aplikasi analisa
kredit. Sesuai dengan pendekatan yang dilakukan informasi yang dimasukan oleh
105
user ke dalam aplikasi dapat di kelompokan ke dalam 5 C, yaitu Capital,
Character, Colleteral, Condition dan Constrain, Capacity.
Selain dari 5 C, aplikasi juga memerlukan masukan parameter harga dari BPR
seperti besarnya bunga, provisi, metode dan juga biaya lainya. Detail dari input
yang dimasukan pada sistem dapat dilihat pada lampiran B.
Output
Output dari aplikasi analisa kredit adalah sebagai berikut:
Nota Kredit
Laporan Kredit gagal per kecamatan
Laporan Kredit gagal per gender
Laporan Kredit gagal per planfond kredit
Dsbnya
Aplikasi input dan ouput ini dibuat dengan software open Sourche berbasis web
PHP.
b. Sub sistem Manajemen Basis Data (DBMS=Data based manajemen
system)
Sub system managemen basis data menagani pemeliharaan data control serta
menyederhanakan program interface SPK dengan basis data. Basis data
merupakan mekanisme integrasi berbagai data internal maupun eksternal. Pada
aplikasi ini data base yang digunakan adalah software open sourche data base My
Sql.
c. Sub sistem Manajemen Basis Model (MBMS=Model based manajemen
system)
Sub system manajemen basis model bertugas untuk mengintegrasikan akses data
dengan model yang dirancang dan dikembangkan. Hal ini dilakukan dengan
memasukan model matematika. Pada aplikasi analisa kredit ini dimasukan model
matematika regresi logistik dan sistem skoring untuk keperluan mengelola data
yang nasabah yang sudah dimasukan.
106
d. Manajemen Pengetahuan
Sub sistem pilihan ini mendukung segala penterjemahan sub sistem diatas atau
juga dapat bertindak sebagai komponen bebas dimana sama sekali tidak terkait
dengan sub sistem lainnya. Pada analisa kredit ini, sub sistem managemen
pengetahuan telah dimasukan inklusif di dalam proses pembuatan input, outpun
maupun pembangunan data base dan model.
Sistem aplikasi analisa kredit sendiri dibuat berbasis web sehingga dapat di akses
pada semua komputer yang tersambung pada jaringan LAN di BPR tersebut.
Dengan tersambung dalam jaringan ini
Aplikasi AnalisaKredit
Custumer
Service
Survey
Administra
si Kredit
Manager
Marketing
Dirut
BPR
Nota Kredit
Laporan-
Laporan
Monitoring
Gambar V.2 Diagram Contex level 0 Aplikasi Analisa Kredit
V.1. 2. Modul Analisa Kredit
a. Modul Login
User dapat masuk ke halaman login Aplikasi dengan mempergunakan shortcut
yang telah disediakan atau dengan browsing pada local area dengan alamat
sebagai berikut: http://localhost/AnalisaKredit/. Setelah masuk ke dalam halaman
awal Aplikasi, maka akan terlihat welcome page sebagai berikut:
Gambar V.3 Tampilan Welcome Page (halaman login)
107
Login
User diminta untuk login user id dan password untuk masuk ke dalam aplikasi ini.
User dan login dapat diminta pada administrator. Pembuatan user dan password
akan dijelaskan pada bagian tersendiri pada administratrasi. Setelah login maka
anda masuk ke dalam halaman utama dan siap untuk mempergunakan aplikasi
analisa kredit ini.
b. Modul Utama
Pada halaman main menu langsung terlihat daftar nasabah kredit yang sudah
masuk. Pada main menu, selain menu utama seperti yang disebutkan diatas,
terdapat juga fungsi khusus sebagai berikut:
Mencari Nasabah dengan nama dan nomor SPK
Edit Nasabah dan
delete nasabah
Gambar V.4 Tampilan halaman menu utama
108
Main menu terletak pada halaman utama dengan perincian menu utama sebagai
berikut:
a. Input
b. Proses
c. Laporan
d. Administrasi
e. Log Out
Tampilan dari main menu dapat dilihat pada V.4.
c. Input /Edit Data
Menu pada Input ini merupakan salah satu menu dari DGMS (dialog menagemen)
yang mempunyai fungsi untuk memasukan data calon debitur pada sistem. Secara
garis besar data yang dimasukan dibagi menjadi 6 bagian yaitu:
Identitas Nasabah
Data Character
Data Capital
Data Capacity
Data Collateral
Data Condition dan Constrain
Selain itu dimasukan pula data bank yang berupa penetapan harga maupun staff
yang terlibat. Tampilan input dapat dilihat pada lampiran C.
d. Proses
Menu proses merupakan sub sistem manajemen basis model (MBMS). Pada menu
proses ini model regresi logistik dimasukan ke dalam sistem sebagai alat untuk
menganalisa data yang dimasukan pada menu input. Namun Mengingat pada PD
BPR LPK Jalan Cagak sudah terbiasa dengan sistem scoring untuk melakukan
analisa kredit, maka selain analisa regresi logistik, di masukan juga metode
scoring sebagai pembanding. Tampilan dari menu proses dapat dilihat pada
lampiran C
109
e. Laporan
Menu pada laporan ini merupakan salah satu menu dari DGMS (dialog
menajemen) yang mempunyai fungsi untuk memberikan informasi kepada user
hasil dari analisa. Beberapa laporan yang dibuat pada menu ini adalah:
Dari Model matematika ini akan diperoleh P (probablitas kredit lancar) yang
dalam kaitan dengan manajement resiko merupakan besaran peluang (likelihood),
bila suatu nasabah setelah dihitung dari data variabel yang ada termasuk dalam
kelompok yang kredit jelek maka peluang untuk gagal akan lebih besar bila
dibandingkan sukses. Tingkat keberhasilan prediksi dapat dihitung dari matrik
diskriminan.
Sedangkan untuk konsekuensi diwakilkan dengan jumlah kredit yang diberikan.
Semakin besar jumlah kredit maka semakin besar pula resiko atau kerawanan
yang harus di kelola. Besaran resiko atas setiap organisasi merupakan perkalian
antara likelihood dan consequence.
V = P x S (V-3)
P: Potensial occurance / Likelihood: besaran kecenderungan atau peluang
terjadinya suatu event
S: Significance/Consequence: besaran dampak dari terealisirnya suatu
resiko
V: Vulnerability / Kerawanan: besaran dari suatu resiko
V.2.3. Risk Respone
PD BPR LPK Jalan cagak harus menentukan sikap atas hasil penilaian resiko
tersebut. Sistem dirancang untuk risk response dari PD LPK Jalan Cagak adalah
sebagai berikut (respon untuk hasil negatif)
Avoidence, yaitu dihentikan aktivitas atau pelayanan yang menyebabkan
terjadinya resiko. Pada kasus ini aplikasi kredit tidak diterima dan dibuatkan
surat penolakan kredit.
Reduction, yaitu mengambil langkah-langkah untuk mengurangi likelihood
atau impac dari resiko. Tindakan BPR untuk menambah nilai agunan akan
merubah hasil dari nilai Prediksi (P) yang dalam hal ini mewakili likelihood
atau frekuensi. Sedangkan tindakan BPR untuk mengecilkan nilai kredit akan
112
berefek kepada perubahan nilai P dan juga akan mengecilkan nilai Impact/
konsekuensi.
Sharing, yaitu mengalihkan atau menanggung bersama resiko atau sebagian
dari resiko dengan pihak lain. Langkah ini dapat dilakukan dengan mencari
partner saham ataupun dengan membesar agunan.
Acceptance, yaitu menerima resiko yang terjadi (biasanya resiko yang kecil )
dan tidak ada upaya khusus yang dilakukan. Untuk resiko yang kecil dan
dapat ditoleransi oleh direksi, proses kredit dapat diteruskan karena beberapa
hal sebagai berikut:
(1) Direksi ataupun ada pihak yang memberikan jaminan secara personal
(2) Masuk dalam katagori Chaneling untuk UKM
(3) Pelanggan yang memiliki prospek cerah
Direktur dan komisi kridit merupakan pengambil keputusan bila seorang
nasabah yang di identifikasi jelek dan akan dipertahankan. Dalam memilih respon
perlu dipertimbangkan faktor-faktor seperti:
Pengaruh tiap respon terhadap risk likehood dan impact.
Respon yang optimal (yang dapat memberikan pemenuhan risk apetite dan
tolerance)
Analisis cost versus benefit
dan peluang yang dapat timbul dari setiap risk response
V.2.4. Aktivitas pengendali resiko
Pada PD LPK jalan cagak aktivitas pengendali resiko kredit yang akan sudah ada
atau direncanakan untuk di implementasi adalah:
(1) pembuatan kebijakan dan prosedur yang baru terkait managemen resiko dan
aplikasi analisa kredit preventive
(2) pengamanan Kredit yang diberikan detection and corrective dengan
mempergunakan aplikasi analisa kredit
(3) Delegasi wewenang dan pemisahan fungsi preventive, fungsi-fungsi yang
kritikal seperti analisa kredit dengan pengawas tidak dapat disatukan.
Implementasi dari internal auditor
(4) supervisi atasan directive: perlu dilakukan upgrade kompetensi dari
supervisor / manager mengenai analisa kredit dan supervisi.
113
V.2.5. Information dan Komunikasi
Fokus dari element ini adalah menyampaikan informasi yang relevan kepada
pihak terkait melalui media komunikasi yang sesuai. Faktor-faktor yang perlu
diperhatikan dalam penyampaian informasi dan komunikasi adalah kualitas
informasi, arah komunikasi dan alat komunikasi.
Informasi yang disajikan tergantung dari kualitas informasi yang diingin
disampaikan daan kualitas informasi dapat dipilah menjadi appropriate, timely,
current, accurate dan accessible. Pada PD BPR LPK Jalan Cagak Arah
komunikasi dapat bersifat internal dan eksternal sedangkan alat komunikasi
berupa diantaranya manual, memo, buletin dan pesan-pesan melalui media
elektronik.
V.2.6. Monitoring
Beberapa aktivitas yang terkait dengan monitoring, baik sudah di implementasi
maupun akan di implementasikan adalah sebagai berikut:
Diadakannya jadwal internal audit secara rutin sebulan sekali.
Diadakannya rapat komite kredit dalam memutuskan kredit, sehingga power
tidak terpusat pada kepala cabang.
Diadakannya performance review meeting setiap bulan sekali untuk
mengevaluasi pencapaian dari kinerja organisasi versus target.
V.3. Perubahan Prosedur
Untuk mengimplementasikan analisa kredit ini ke dalam framework manajement
resiko diperlukan suatu perubahan beberapa prosedur operasional terkait. Berikut
ini adalah beberapa prosedur penting yang perlu mengalami perubahan dalam
rangka implementasi:
(1) Format data isian nasabah kredit
(2) Format dari Nota kredit
(3) Standar Operating Prosedur (SOP) untuk proses kredit
(4) Penambahan SOP untuk merespon hasil analisa kredit
114
V.3.1. Format data isian nasabah kredit
Format analisa yang berdasarkan 5 C memerlukan format isian khusus, yang tidak
sama dengan format yang ada. Untuk itu pada penelitian juga perlu dibuat format
isian bagi nasabah yang sesuai dengan aplikasi dan model yang dibuat. Selain itu
format tersebut harus cukup sederhana, lengkap dan mudah digunakan.
V.3.2. Format Nota Kredit Baru
Selain format isian nasabah yang harus dirubah, implementasi ini memerlukan
format nota kredit baru yang dapat mengakomodasi hasil dari model serta
keperluan lain dari analisa kredit. Hasil dari perhitungan model ini di buat
rangkumannya dalam nota kredit.
V.3.3. SOP Proses Kredit
Dengan adanya aplikasi analisa kredit, tentunya akan merubah flow dari proses
informasi analisa kredit. Semua kredit diharuskan dimasukan datanya ke dalam
aplikasi ini serta setiap berkas kredit harus dilengkapi dengan nota kredit hasil
print out dari sistem dengan dilampirkan print out dari detail perhitungan baik
scoring maupun regresi logistik. Perubahan Flow ini memerlukan perubahan dari
standar operating prosedur yang ada.
V.3.4. SOP Respon terhadap hasil analisa
Aplikasi analisa kredit ini merupakan hal yang baru bagi PD BPR Jalan Cagak,
oleh karena itu diperlukan tambahan prosedur untuk BPR terutama prosedur untuk
merespon terhadap hasil analisa kredit yang diperoleh. Respon ini tentunya respon
standar, sedangkan respon riil dari BPR sangat tergantung dari keadaan dan
diputuskan oleh Direktur BPR itu sendiri.
V.4. Analisa dan Pembahasan
Analisa hasil penelitian ini akan dimulai dari pembahasan terhadap variabel yang
terpilih menjadi model, kemudian dilanjutkan dengan pembahasan terhadap
model yang di pilih, juga akan apa saja yang berpengaruh terhadap kegagalan
model dalam memprediksi. Terakhir akan dilakukan pembahasan mengenai
proses implementasi pada PD BPR LPK Jalan Cagak.
115
V.4.1 Analisa Variabel Model
Terdapat tiga belas variabel yang terpilih pada model analisa kredit ini. Variabel
ini akan dibahas sebagai berikut:
Usia
Variabel usia ini merupakan konversi dari data tanggal lahir, dari analisa awal
terlihat bahwa 98% nasabah LPK berada diatas usia 30 tahun dan terdapat 19,6%
nasabah diatas usia 65 tahun. Rata-rata usia dari kelompok tidak lancar adalah 48
tahun sedangkan rataan usia untuk kelompok kredit lancar adalah 54 tahun (selisih
12%). Bila dilihat dari nilai tersebut, rataan kurang dapat digunakan sebagai daya
pemisah untuk variabel usia ini.
Dari hasil analisa probabilitas kurang lancar dibandingkan dengan tidak lancar,
diperoleh hasil bahwa kekuatan pemisah cukup signifikan terjadi pada batas usia
55 tahun (1 < 55, 2 >55). Penjelasan data model adalah sebagai berikut: untuk
kelompok usia di bawah 55 tahun, nasabah yang gagal kredit 39% lebih banyak
bila dibandingkan dengan yang berhasil sedangkan sebaliknya untuk kelompok
usia diatas 55 tahun kelompok yang kridit lancar lebih banyak 35% bila
dibandingkan dengan kelompok yang gagal. Atau dengan kata lain nasabah yang
berusia diatas 55 tahun mempunyai kecenderangan berhasil diatas 35% bila
dibandingkan dengan nasabah dibawah 55 tahun.
Hasil uji sensitifitas model ternyata mempunyai respon yang sedikit berbeda yaitu
perubahan kepada kelompok usia lanjut mempunyai respon yang tidak terlalu
besar (4,5% tabel V.2). Hasil uji ini juga didukung oleh hasil uji Wald terhadap
variabel X1 yang terlihat terlihat tidak signifikan (Sig Wald 0,625 > 0,05, tabel
V.3).
Hal ini dapat dijelaskan bahwa model membentuk sifat baru yang berbeda dengan
karakteristik dari variabel secara individu. Sehingga memang dalam menganalisa
analisa kredit diperlukan metode multivariat yang mengintegrasi karekter variabel
secara keseluruhan.
116
Alamat
Data alamat pada pengolahan awal di kelompokan pada 5 kelompok sebagai
berikut: jalan cagak, kecamatan subang, kecamatan lain, tanjung siang dan diluar
kabupaten subang. Dari analisa secara univariat (hanya X2) terlihat bahwa
nasabah dari kecamatan subang memliki kemungkinan gagal yang cukup besar
dibandingkan dengan daerah lain. Sedangkan nasabah yang berasal dari luar kab
subang mempunyai probabilitas berhasil yang lebih besar (lihat tabel V.1).
Nasabah dari daerah jalan cagak dan sekitarnya dapat dibilang tidak mempunyai
kecenderungan dimana jumlah kredit berhasil dan kredit gagal hampir serupa.
Tabel V.1 Rasio probabilitas kredit gagal/ berhasil per daerah
(hasil Pengolahan dengan klasifikasi awal)
Label Daerah Asal Nasabah Rasio Probabilitas gagal/ berhasil1 Jalan Cagak 0,942 Kecamatan Subang 6,503 Kecamatan lain di kab subang 0,844 Kecamatan Tanjung Siang 1,05 Diluar Kab Subang 0,67
Hasil ini membuat area di rangking sebagai berikut:
1=Area Luar Kab Subang
2=Kec Lain di Kab Subang
3=Jalan Cagak/Tanjung Sari
4=Kec Subang
Dari hasil uji varibel model dengan mempergunakan parameter Wald terlihat
bahwa pada Variabel X2 atau daerah cukup signifikan (0,015 < 005). Hasil uji
sensitifitas juga memperlihatkan hasil yang serupa dengan analisa univariat
dengan dimana perubahan daerah membuat perubahan probabilitas yang cukup
besar. Rangking pada uji sensitivitas model juga sama dengan hasil analisa
variabel X2 saja (Diluar kab Subang, Kecamatan non Subang, Tanjung siang
/jalan cagak, Kec Subang). Variabel lain akan dibahas secara keseluruhan dalam
uji sensitibilitas dan pemetaan nasabah berikut ini
117
V.4.2. Uji Sensitivitas dan Pemetaan Nasabah
Respon dari setiap perubahan variabel dapat dilihat pada uji sensitivitas pada tabel
V.2. Hasil ini secara garis besar memperlihatkan variabel mana yang memberikan
respon besar terhadap perubahan probabilitas dari model, ataupun variabel yang
memberikan respon kecil. Selain itu juta hasil ini akan memberikan pemetaan
variabel yang dapat menjadi petunjuk untuk operasional maupun marketing.
Variabel yang memberikan respon perubahan probabilitas yang besar dengan rata-
rata lebih dari 20% setiap perubahan klasifikasi adalah: X2 (Area), X3 (Pekerjaan),
X8 (bunga), X9 (jumlah tanggungan), X12 (rasio kredit per laba bersih), dan X15
(type agunan). Variabel lain juga terjadi perubahan namun tidak besar seperti
variabel diatas.
Tabel V.2 Hasil Uji Sensitivitas Model Enter (alternatif 2) terhadap Perubahan
Nilai pada Setiap Variabel
Variabel Keterangan Tindakan Jumlah Case Respon PerubahanVariabel Sample Probabilistik Model