Determinan Non-Performing Loan Kartu Kredit Berdasarakan Faktor Makroekonomi , Karakteristik dan Perilaku Cardholder Pada Bank Xyz

Abstract

Kartu kredit merupakan bisnis yang masih prospektif di masa yang akan datang. Hal ini ditunjukkan dari jumlah pemegang kartu kredit yang masih sangat kecil dibandingkan jumlah penduduk Indonesia usia produktif (9,53% pada bulan Desember 2018), serta jumlah kartu dan nilai transaksi kartu kredit dari tahun 2014-2018 yang mengalami pertumbuhan. Salah satu penerbit kartu kredit di Indonesia adalah Bank XYZ. Selama tahun 2014 2018 rata-rata pertumbuhan kartu, nilai transaksi, dan outstanding kartu kredit Bank XYZ di atas rata-rata pertumbuhan nasional. Pertumbuhan bisnis kartu kredit yang tinggi ini tidak diimbangi dengan kualitas kredit yang baik. Trend Non-Performing Loan (NPL) kartu kredit Bank XYZ mengalami peningkatan dan selalu di atas NPL total kredit Bank XYZ pada tahun 2014 Juni 2019. Oleh karena itu, penting bagi Bank XYZ untuk memahami faktor-faktor yang dapat memengaruhi tingkat NPL kartu kredit, seperti makroekonomi, demografi, status sosial, dan perilaku cardholder. Dengan memahami faktor yang berpengaruh terhadap tingkat NPL, maka kualitas kredit dan tingkat kesehatan bank dapat dijaga, sehingga pertumbuhan bisnis kartu kredit dapat memberikan keuntungan jangka panjang bagi bank. Berdasarkan uraian di atas, maka tujuan penelitian ini adalah (1) menganalisis variabel makroekonomi yang memengaruhi NPL kartu kredit Bank XYZ dan (2) menganalisis variabel demografi, status sosial, dan perilaku cardholder yang memengaruhi NPL kartu kredit Bank XYZ. Penelitian dilakukan sampai tahap memberikan rekomendasi manajerial untuk mengendalikan NPL kartu kredit. Data yang digunakan dalam penelitian ini adalah data sekunder. Analisa faktor makroekonomi yang berpengaruh terhadap tingkat NPL kartu kredit dilakukan menggunakan data Consumer Price Index (CPI), BI Rate (BIR), Nilai Tukar (EXH), Industrial Production Index (IPI), dan Indeks Harga Saham (IHG) per bulan dari bulan Juni 2012 Juni 2019 (85 data). Analisa faktor demografi, status sosial, dan perilaku cardholder yang berpengaruh terhadap peluang terjadinya kredit bermasalah dilakukan dengan mengambil sampel dari populasi data cardholder per Juni 2019. Metode penarikan sampel yang digunakan adalah probability sampling dengan teknik stratified random sampling. Total sampel yang digunakan sebanyak 100.000 cardholder. Autoregressive Distributed Lag (ARDL) Cointegration digunakan untuk mengetahui faktor makroekonomi yang signifikan memengaruhi tingkat NPL. Faktor demografi, status sosial, dan perilaku cardholder yang signifikan memengaruhi tingkat NPL dianalisa menggunakan Regresi Logistik. Berdasarkan hasil estimasi model ARDL, dalam jangka pendek variabel NPL, IHG, dan EXH periode sebelumnya, serta BIR saat ini berpengaruh signifikan secara parsial terhadap NPL kartu kredit saat ini. Pada Jangka panjang variabel EXH dan BIR secara parsial memiliki pengaruh signifikan terhadap NPL kartu kredit. Koefisien masing-masing variabel makroekonomi pada jangka panjang 1, sehingga pengaruh variabel makroekonomi baik secara simultan maupun parsial pada jangka panjang tidak elastis terhadap NPL kartu kredit. Hasil analisis terhadap faktor demografi, status sosial, dan perilaku cardholder yang memengaruhi NPL kartu kredit menunjukkan bahwa cardholder usia muda, berjenis kelamin laki-laki, pendidikan non-sarjana, pekerjaan sebagai wiraswasta, dan bertempat tinggal di pulau Jawa akan meningkatkan peluang cardholder menjadi NPL. Faktor perilaku cardholder memberikan peluang NPL lebih besar dibandingkan karakteristik demografi. Perilaku cardholder yang meningkatkan peluang cardholder menjadi NPL meliputi rendahnya rasio pembayaran terhadap tagihan (RP), tingginya rasio tagihan terhadap limit kredit (RL), frekuensi transaksi cash advance yang rendah, jumlah kartu yang dimiliki sedikit, dan limit kartu kredit < 20 juta. Jumlah kartu kredit yang dimiliki menunjukkan peluang cardholder NPL paling besar dibandingkan variabel lainnya. Khusus cardholder yang bertempat tinggal di luar Pulau Jawa Variabel Pendapatan 10 juta dan Rasio Limit terhadap Pendapatan (LP) rendah signifikan meningkatkan peluang NPL. Sedangkan pada cardholder perempuan dan non-wiraswasta, tingginya Rasio Tagihan terhadap Pendapatan (RT) signifikan meningkatkan peluang NPL Berdasarkan hasil penelitian ini, maka Bank XYZ dapat menggunakan model ARDL faktor makroekonomi yang memengaruhi NPL kartu kredit sebagai indikator peringatan dini terhadap kondisi NPL kartu kredit Bank XYZ jika terjadi guncangan terhadap variabel makroekonomi. Selain itu, faktor makroekonomi, karakteristik demografi, dan perilaku cardholder yang signifikan berpengaruh terhadap NPL kartu kredit dapat digunakan untuk menyempurnakan tools analisa kelayakan calon cardholder baru (credit soring system) dan sebagai indikator behavior scoring system atas cardholder existing. Bank XYZ dapat memaksimalkan penggunakan behavior scoring system untuk memberikan kenaikan kredit limit secara otomatis terhadap cardholder terpilih dan memberikan persetujuan atas permohonan kenaikan kredit limit sementara atau permanen serta penambahan kartu kredit cardholder melalui channel mobile banking atau internet banking. Bank XYZ dapat juga mengendalikan NPL dengan cara menawarkan kartu kredit secara selektif kepada nasabah (deposan) yang belum memiliki kartu kredit dan menawarkan program promosi secara selektif berdasarkan karakteristik demografi dan perilaku yang signifikan memengaruhi NPL kartu kredit berdasarkan hasil penelitian ini. Bank XYZ perlu melakukan review kembali terhadap program first jobber. Berdasarkan hasil penelitian, cardholder usia muda memiliki peluang NPL yang lebih besar. Selain itu, perlu dilakukan monitoring secara khusus terhadap kualitas kredit cardholder dengan usia 65 tahun, karena didominasi oleh cardholder dengan pekerjaan wiraswasta dan ibu rumah tangga. Bank XYZ juga perlu melakukan monitoring terhadap kualitas kredit cardholder dengan golongan usia dewasa (36-45 tahun), karena memiliki rasio pembayaran terhadap tagihan (RP) paling rendah dibandingkan golongan usia lainnya.