Peramalan Jumlah Kasus Kredit Bermasalah di Koperasi XYZ Kota Tebing Tinggi dengan Menggunakan Poisson Generalized Autoregressive Moving Average (GARMA)

Abstract

Kredit bermasalah merupakan suatu kondisi dimana terjadinya cidera janji dalam repayment kredit yang mengakibatkan adanya tunggakan atau potensi kerugian sehingga memungkinkan timbulnya risiko pada usaha kreditur di kemudian hari. Berdasarkan publikasi yang dilakukan oleh Otoritas Jasa Keuangan (OJK), jumlah kredit bermasalah di Indonesia mengalami peningkatan yang signifikan dan mengalami fluktuasi dalam beberapa tahun terakhir. Hal ini sejalan dengan peningkatan jumlah kasus kredit bermasalah koperasi di Kota Tebing Tinggi. Berdasarkan hal ini perlu dilakukan peramalan pada data jumlah kasus kredit bermasalah koperasi di Kota Tebing Tinggi. Data jumlah kasus kredit bermasalah merupakan data count. Salah satu model peramalan yang umum digunakan yaitu Autoregressive Integrated Moving Average (ARIMA), namun metode ini tidak selalu tepat digunakan untuk data count. Generalized Linear Model (GLM) merupakan solusi yang digunakan untuk menganalisis data count. Penelitian terus dilakukan dan menghasilkan pengembangan model peramalan yaitu Generalized Autoregressive Moving Average (GARMA) untuk data yang mengikuti distribusi non–Gaussian seperti distribusi Poisson. Dalam mengestimasi parameter model Poisson GARMA digunakan metode Maximum Likelihood Estimation (MLE) dengan pendekatan optimasi Iteratively Reweighted Least Square (IRLS). Hasil yang didapat pada penelitian ini adalah model Poisson GARMA (1,2) merupakan model terbaik untuk data tersebut dengan pemilihan model terbaik berdasarkan nilai RMSE dan MAPE terkecil. Nilai RMSE Poisson GARMA (1,2) sebesar 26,17369640 dan MAPE sebesar 16%. Poisson GARMA (1,2) diimplementasikan pada data jumlah kasus kredit bermasalah koperasi di Kota Tebing Tinggi dan didapatkan hasil peramalan pada tahun 2023 cenderung mengalami penurunan jumlah kasus dari bulan Januari – April 2023 dan peningkatan jumlah kasus dari bulan April – Desember 2023.

CC Licencing

Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).