FAKTOR-FAKTOR YANG MENENTUKAN KELAYAKAN
PEMBERIAN KREDIT PADA KOPPAS HIPPATAS
Ari Setiawan
Fakultas Ekonomi, Universitas Gunadarma
Jl Margonda Raya No. 100 Depok
ABSTRAK
Dalam memberikan kredit, lembaga keuangan perbankan dan non-perbankan menetapkan standar kelayakan seorang calon debitur mendapatkan pinjaman. Penetapkan standar dan prosedur ini dilakukan untuk menghindari kredit bermasalah yang mungkin akan terjadi dikemudian hari, seperti debitur tidak mampu melunasi hutangnya dikarenakan satu atau lain hal. Berdasarkan latar belakang tersebut peneliti merumuskan masalah faktor-faktor apasajakah yang berpengaruh dalam pemilihan layak tidaknya seorang debitur mendapatkan pinjaman
Objek dalam penelitian ini adalah Koperasi yang terletak di Kota Tasikmalaya yaitu KOPPAS HIPPATAS. Untuk mengetahui faktor-faktor yang berpengaruh, dapat menggunakan analisis diskriminan. Dengan analisis diskriminan dapat membuat model yang secara jelas dapat menunjukkan perbedaan dan mengklasifikasikan kasus-kasus kedalam grup debitur yang lancar maupun tidak lancar dalam pembayaran kredit.
Hasil dari analisis ini, dari empat faktor yang dianalisis untuk menentukan faktor yang menentukan kelayakan pemberian kredit pada KOPPAS HIPPATAS yang terdiri dari besarnya pinjaman, umur debitur, tanggungan yang dimiliki dan angsuran yang diberikan, terdapat dua prediktor yang yang paling signifikan pengaruhnya. Dua prediktor tersebut adalah tanggungan yang dimiliki dan pinjaman yang diajukan. Besarnya pinjaman yang diberikan merupakan hal yang paling dominan atau signifikan dalam membedakan perilaku debitur dalam membayar kreditnya.
Kata kunci : Faktor-faktor, Pemberian Kredit, KOPPAS HIPPATAS.
PENDAHULUAN
Di Indonesia posisi usaha mikro, kecil dan menengah (UMKM) telah lama diakui sebagai sektor usaha yang sangat penting, karena berbagai peranannya yang riel dalam perekonomian. Mulai dari sharenya dalam pembentukan PDB tahun 2005 sekitar 63,58%, kemampuan menyerap tenaga kerja sebesar 99,45%, atau sangat besar jumlah unit yang terlibat yakni sekitar 99,84% dari seluruh unit usaha yang ada, hingga pada sharenya yang cukup signifikan dalam jumlah nilai ekspor total, yang mencapai 18,72%.
Mungkin dengan posisinya yang sangat strategis tersebut maka kondisi ekonomi makro Indonesia selama ini dapat bertahan dan tidak ambruk akibat krisis ekonomi yang kini masih dirasakan. Dengan pertimbangan-pertimbangan tersebut, serta desakan-desakan dari berbagai pihak kepada sektor perbankan agar menyalurkan kreditnya lebih banyak ke sektor UMKM, maka sejak awal tahun 2006 umumnya baik lembaga perbankan maupun non-perbankan, berupaya untuk memberikan kemudahan-kemudahan dalam memberikan pinjaman tetapi dengan tetap tidak melupakan prinsip kehati-hatian.
Dalam memberikan kredit, lembaga keuangan menetapkan standar layak tidaknya seorang calon debitur. Penetapkan standar dan prosedur ini dilakukan untuk menghindari kredit bermasalah yang mungkin akan terjadi dikemudian hari, seperti debitur tidak mampu melunasi hutangnya dikarenakan satu atau lain hal. Biasanya mereka menyeleksi terlebih dahulu nasabah/debitur yang layak mendapatkan pinjaman, misalnya dengan melakukan survei ke rumah calon debitur. Selain itu perusahaan juga mempertimbangkan faktor dari debitur yang bersangkutan, sehingga perusahaan setidaknnya dapat memperkirakan apakah pelanggan tersebut dikemudian hari nanti dapat melunasi hutangnya atau tidak.
KERANGKA TEORI
Istilah kredit berasal dari bahasa Latin (credere) yang berarti kepercaan atau to believe atau trust. Oleh karena itu dasar pemikiran persetujuan pemberian kredit oleh suatu lembaga keuangan atau bank kepada seseorang atau badan usaha berdasarkan kepercayaan (faith).
Dalam UU No. 10 tahun 1998 menyebutkan bahwa kredit adalah penyediaan uang atau tagihan yang dapat dipersamakan dengan itu, berdasarkan persetujuan atau kesepakatan pinjam meminjam antara bank dengan pihak lain yang mewajibkan pihak peminjam untuk melunasi utangnya setelah jangka watu tertentu dengan pemberian bunga.
Kemampuan dan kesediaan debitur melunasi kredit sangat dipengaruhi oleh faktor ekstern dan intern yang disebut the C’s of Credit. (Siswanto. 2008,73)
- Karakter. Watak, sifat, kebiasaan debitur (pihak yang berutang) sangat berpengaruh pada pemberian kredit.
- Kapasitas. Kapasitas adalah berhubungan dengan kemampuan seorang debitur untuk mengembalikan pinjaman.
- Modal. Dengan melihat banyaknya modal yang dimiliki debitur atau melihat berapa banyak modal yang ditanamkan debitur dalam usahanya.
- Jaminan. Jaminan dibutuhkan untuk berjaga-jaga seandainya debitur tidak dapat mengembalikan pinjamannya.
- Kondisi Ekonomi. Keadaan perekonomian di sekitar tempat tinggal calon debitur juga harus diperhatikan untuk memperhitungkan kondisi ekonomi yang akan terjadi di masa datang.
Menurut Siswanto ( 2008:74) selama kegiatan analisis kredit, account officer yang ditugaskan menilai mutu permintaan kredit yang diajukan calon debitur, menganalisis faktor internal dan faktor eksternal diatas ditentukan oleh hal-hal berikut ini:
1. Jumlah kredit yang akan diberikan.
2. Jangka waktu kredit.
3. Jenis dan jumlah nilai jaminan kredit yang akan disediakan oleh calon debitur.
4. Reputasi calon debitur dan perusahaannya dimasyarakat.
5. Hubungan calon debitur dengan bank.
Debitur yang sudah dikaregorikan diragukan dan macet perlu mendapatkan perhatian khusus dari pihak bank, yang kelanjutannya dengan cara mengadakan tindakan penyelamatan (rescue operation). Tindakan penyelamatan yang dapat dilakukan adalah sebagai berikut (Tjoekam, 1993):
a. Rescheduling
Kebijakan ini berkaitan dengan jangka waktu kredit sehingga keringanan yang dapat diberikan adalah:
1. Memperpanjang jangka waktu kredit.
2. Memperpanjang jangka waktu angsuran.
3. Penurunan jumlah untuk setiap angsuran.
b. Reconditioning
Bantuan yang diberikan berupa keringanan atau perubahan persyaratan kredit, antara lain:
1. Kapitalisasi bunga
2. Penundaan pembayaran bunga
3. Penurunan suku bunga
4. Pembebasan Bunga
5. Pengkonversian kredit jangka pendek menjadi kredit jangka panjang dengan syarat yang lebih ringan.
c. Restructuring
Tindakan yang dapat diambil dalam rangka restructuring adalah:
1. Tambahan Kredit (Injection/Nursery Operation)
2. Tambahan Equity
d. Kombinasi
Merupakan tindakan yang menggabungkan beberapa alternatif dari tindakan resheduling, reconditioning dan, restructuring.
METODE PENELITIAN
Data yang dipergunakan dalam penelitian ini diperoleh penulis dengan mengambil data yang terdapat pada Koperasi Pedagang Pasar “KOPPAS HIPATAS” yang beralamatkan di Jl. Residen Ardiwinangun Depan Pasar I Cikurubuk-Kota Tasikmalaya. Telp.0265-344798.
Metode pengambilan sampel yang digunakan adalah random sampling dengan jumlah debitur 141 orang. Rescoe didalam Sekaran (2000) menyatakan bahwa ukuran sampel lebih dari 30 dan kurang dari 500 telah mencukupi untuk dipergunakan dalam semua penelitian.
Mengacu pada pendapat rescoe tersebut, maka jumlah sampel dalam penelitian ini sebanyak 141 orang dari populasi yang terdapat pada KOPPAS HIPPATAS dianggap telah mencukupi.
Teknik analisa data menggunakan analisis deskriptif untuk menggambarkan keadaan umum Koperasi dan analisis diskriminan untuk mengetahui membedakan antar kelompok. Berdasarkan fungsi ini, pengamatan yang belum diketahui kelompoknya dapat ditentukan kelompoknya. Oleh karena itu, analisis diskriminan ini dapat dipergunakan sebagai metode pengklasifikasian.
PEMBAHASAN
4.1 Deskripsi Data Debitur
Data yang digunakan peneliti dalam penelitian ini berupa laporan penerimaan perkuatan permodalan KUKM Koppas Hippatas yang terdiri dari data debitur lancar/tidak lancar, jenis kelamin, umur debitur, jenis kelamin, jangka waktu, besar pinjaman, jenis usaha, besar angsuran, dan jaminan yang diberikan. Informasi tersebut diperlukan untuk pengembangan instrumen dan memperlancar pelaksanaan penelitian utama. Untuk memberikan gambaran lebih baik tentang data yang diperoleh peneliti, maka peneliti mendeskripsikan data debitur melalui grafik.
Gambar: Data Debitur Koppas Hippatas
|
|
| |
| a. Perbandingan kredit berdasarkan tanggungan | a. Jenis Usaha | |
| 3 |
|
| c. Kelancaran kredit berdasarkan jangka waktu | d. Jaminan yang diberikan debitur |
Pada grafik a. kelompok debitur yang memiliki tanggungan berkisar 0 s.d. 2 orang, lebih lancar dari pada debitur yang memiliki tanggungan berkisar antara 3 sampai dengan 6 orang. Hal ini berarti peminjam yang memiliki tanggungan 0 sampai 2 orang anak lebih memungkinkan membayar kreditnya dengan lancar dibandingkan dengan debitur yang memiliki banyak tanggungan.
Pada grafik c. jangka waktu debitur yang mendapatkan kredit berkisar antara 7 sampai dengan 24 bulan. Debitur yang meminjam pada Koppas Hippatas dengan jangka waktu 7 s.d. 12 bulan lebih lancar dari pada debitur yang meminjam antara 14 s.d. 24 bulan. Hal tersebut mengidikasikan semakin lama jangka waktu yang diberikan semakin besar resiko kredit yang diberikan tidak dibayar dengan lancar oleh debitur.
Pada grafik d. kelompok debitur dengan jaminan kredit berupa kendaraan dan mesin, lebih tinggi yang lancar membayar kreditnya dari pada yang tidak membayar kreditnya. Sedangkan debitur yang memberikan jaminan berupa akte jual beli lebih banyak tidak lancar dalam membayar kreditnya. Pada grafik b usaha debitur sebagian besar adalah usaha border dan konveksi hal tersebut dikarenakan di daerah tersebut merupakan sentra usaha kerajinan konveksi dan border.
4.2 Pengujian Variabel
Langkah pertama pada analisis diskriminan adalah menguji apakah semua variabel independent (bebas) berbeda secara nyata berdasarkan variabel dependent (tidak bebas), sehingga dapat diketahui variabel yang layak dan tidak layak dianalisis.
4.2.1 Uji Kesamaan Rata-rata Group (Test Equality of Group Means)
Test Equality of Group Means adalah pengujian setiap variabel bebas yang ada, sehingga akan diketahui lolos tidaknya variabel tersebut untuk pembuatan model diskriminan.
Tabel Hasil Output Tests of Equality of Group Means
| | Wilks' Lambda | F | df1 | df2 | Sig. |
| PINJAMAN | .891 | 16.987 | 1 | 139 | .000 |
| UMUR | .978 | 3.188 | 1 | 139 | .076 |
| TANGGUNGAN | .888 | 17.563 | 1 | 139 | .000 |
| ANGSURAN_PLUS_ BUNGA | .937 | 9.380 | 1 | 139 | .003 |
dengan melihat angka Sig.
a. Jika Sig > 0,05 berarti tidak ada perbedaan antar grup (Tidak mempengaruhi).
b. Jika Sig <>
Dari empat variabel yang diuji, terdapat lima variabel yang yang berbeda secara signifikan untuk dua grup diskriminan; yaitu pinjaman, tanggungan, dan besarnya angsuran_plus_bunga. Dengan demikian, lancar atau tidaknya nasabah dalam membayar kredit kepada KOPPAS HIPATAS dipengaruhi oleh pinjaman diberikan kepada debitur , tanggungan yang dimiliki debitur, angsuran dan bunga yang ditanggung oleh debitur.
4.3 Pembuatan Model Diskriminan
Dalam pembuatan model diskriminan, peneliti menggunakan analisis diskriminan dengan metode stepwise dan canonical diskriminan function. Pada pembuatan model diskriminan ini peneliti memasukan 3 dari 4 variabel yang diuji pada Test Equality of Group Means.
4.3.1 Memasukan dan Mengeluarkan Variabel
Dalam analisis ini menyajikan variabel mana saja dari variabel input yang dapat dimasukan (entered) dalam persamaan diskriminan. Dalam analisis ini proses yang digunakan adalah stepwise (bertahap), maka akan dimulai dengan variabel yang mempunyai angka F hitung (statistic) terbesar.
Tabel Output Variables Entered/Removed
| Step | Entered | Min. D Squared | |||||
| Statistic | Between Groups | Exact F | |||||
| | | Statistic | df1 | df2 | Sig. | ||
| 1 | PINJAMAN | .510 | lancar and tidak lancar | 17.960 | 1 | 139 | .000 |
| 2 | TANGGUNGAN | .903 | lancar and tidak lancar | 15.786 | 2 | 138.000 | .000 |
At each step, the variable that maximizes the Mahalanobis distance between the two closest groups is entered.
Tabel Output Hasil Eigenvalues
| Function | Eigenvalue | % of Variance | Cumulative % | Canonical Correlation |
| 1 | .229(a) | 100.0 | 100.0 | .431 |
a First 1 canonical discriminant functions were used in the analysis.
Canonical correlation mengukur keeratan hubungan antara diskriminan score dengan grup (dalam hal ini, karena ada dua tipe nasabah).
Berdasarkan hasil analisis pada tabel 4.9 diperoleh angka Eigenvalue pada Function 1 sebesar 0,229 dan angka Canonical correlation sebesar 0,505. Semakin tinggi harga Eigenvalue, maka semakin baik fungsi tersebut dalam menjelaskan variabel yang akan diamati.
Jika fungsi dalam model tersebut digunakan maka 43.1% varians dari variabel kredit dapat dijelaskan oleh model diskriminan yang terbentuk, sisanya sebesar 56.9% dapat dijelaskan oleh faktor lain.
Tabel Hasil Output Wilk’s Lambda
| Test of Function(s) | Wilks' Lambda | Chi-square | df | Sig. |
| 1 | .814 | 28.431 | 2 | .000 |
Berdasarkan output tabel diatas diperoleh harga Chi-Square hitung sebesar 28.431 dengan angka signifikansi 0,000. Hal ini mengindikasikan bahwa terdapat perbedaan yang signifikan antara dua kelompok pada model diskriminan (mereka yang lancar membayar kewajiban kreditnya pada KOPPAS HIPPATAS dan tidak lancar dalam membayar kredit pada KOPPAS HIPPATAS.
Tabel 4.11: Hasil Output Structure Matrix
| | Function 1 |
| PINJAMAN | .752 |
| ANGSURAN_PLUS_BUNGA(a) | .626 |
| TANGGUNGAN | .550 |
a This variable not used in the analysis.
Tabel structure matrix diatas menjelaskan korelasi antara variabel independent dengan fungsi diskriminan yang terbentuk.
1. Dua variabel yang memiliki korelasi cukup erat, secara urut yaitu variabel besar pinjaman (0,752), dan variabel tanggungan yang dimiliki kreditur (0,550).
2. Dari hasil tersebut, variabel Pinjaman adalah variabel yang memiliki koefisien yang tertinggi adan merupakan faktor yang paling membedakan perilaku kreditur dalam membayar pinjamannya.
3. Variabel angsuran dan usaha tidak masuk dalam model analisis diskriminan (terdapat tanda huruf a di dekat variabel tersebut).
Tabel Output Canonical Discriminant Function Coefficients
| | Function |
| 1 | |
| PINJAMAN | .000 |
| TANGGUNGAN | .689 |
| (Constant) | -3.443 |
Unstandardized coefficients
Tabel diatas adalah kelanjutan dari hasil Variables Entered/Removed yang membentuk fungsi yang hampir sama dengan persamaan regresi berganda, yang dalam analisis diskriminan disebut sebagai Fungsi Diskriminan.
Kegunaan fungsi ini untuk mengetahui sebuah case (dalam kasus ini adalah seorang kreditur) masuk pada grup debitur lancar atau masuk kedalam debitur tidak lancar.
Tabel Output Hasil Functions at Group Centroids
| KREDIT | Function 1 |
| lancar | -.492 |
| tidak lancar | .458 |
Unstandardized canonical discriminant functions
evaluated at group means
Oleh karena terdapat dua tipe debitur, maka disebut Two-Group Diskriminant, dimana grup yang satu mempunyai Centroid (Grup Means) negative dan grup yang satu mempunyai Centroid (Grup Means) positif. Angka pada tabel menunjukkan besaran Z memisahkan kedua grup tersebut.
Tabel Output Hasil Prior Probabilities for Groups
| KREDIT | Prior | Cases Used in Analysis | |
| | | Unweighted | Weighted |
| Lancar | .500 | 68 | 68.000 |
| tidak lancar | .500 | 73 | 73.000 |
| Total | 1.000 | 141 | 141.000 |
Tabel diatas memperlihatkan komposisi ke 141 responden, yang dengan model diskriminan menghasilkan 68 kreditur ada di grup lancar, sedang sisanya 73 berada di grup macet.
Cut Off Score
Hasil score selanjutnya akan dibandingkan dengan cut off score, digunakan untuk mengetahui apakah konsumen masuk ke grup layak atau tidak layak.
Dari tabel Prior Probabilities For Groups didapat bahwa jumlah konsumen yang layak dan tidak layak masing-masing sebesar 68 dan 73 debitur. Dengan demikian, dikaitkan dengan angka grup centroid :
Perhitungan ZCU (angka kritis) :
,018
Penggunaan angka Zcu (Diskriminating Z Score):
a. Jika nilai diskriminan tiap kasus di atas Zcu, maka model tersebut dapat diprediksi dengan benar .
b. Jika nilai diskriminan tiap kasus dibawah Zcu, maka model tersebut tidak dapat diprediksi dengan benar atau misclasified.
4.4 Proses Perhitungan Prediksi dari Model yang Sudah Dibuat
Tabel Hasil Output Classification Results
| | | KREDIT | Predicted Group Membership | Total | |
| | | | lancar | tidak lancar | |
| Original | Count | Lancar | 51 | 17 | 68 |
| | tidak lancar | 28 | 45 | 73 | |
| % | Lancar | 75 | 25 | 100 | |
| | tidak lancar | 38.36 | 61.64 | 100.00 | |
| Cross-validated(a) | Count | Lancar | 51 | 17 | 68 |
| | tidak lancar | 29 | 44 | 73 | |
| % | Lancar | 75 | 25 | 100 | |
| | tidak lancar | 39.73 | 60.27 | 100.00 | |
a 68.1% of original grouped cases correctly classified.
b 67.4% of cross-validated grouped cases correctly classified.
Tabel Classification results memperlihatkan bahwa ada perubahan klasifikasi anggota kelompok yang terjadi antara data awal (Original) dengan data setelah diprediksi dengan Predicted Group Membership. Teryata ada 17 responden yang menyimpang masuk kelompok tidak lancar, seharusnya masuk kelompok lancar.
Untuk mengetahui kelayakan model ini, maka perlu dihitung angka ketepatan prediksi. Angka ini dihitung dengan membandingkan jumlah anggota kelompok yang masuk klasifikasi tepat dengan membandingkan jumlah anggota kelompok yang masuk klasifikasi tepat dengan jumlah seluruh anggota kelompok yang diamati. Berikut perhitungan angka ketepatan prediksinya.
Jumlah anggota kelompok masuk klasifikasi tepat:
o Kredit lancar : 51
o Kredit tidak lancar : 45
Angka Ketepatan Prediksi = 51 + 45 = 68.08 %
141
Jika dilihat dari hasil validasi (Cross-Validated) pada kode c (dibawah tabel) maka tampak angka ketepatan prediksi sebesar 72,3 % sama dengan hasil perhitungan di atas (Original). Hasil ini dapat disimpulkan bahwa model diskriminan tersebut layak digunakan untuk mengklasifikasikan kelompok-kelompok yang diamati (diatas 50% berarti cukup layak digunakan).
4.5 Perbandingan Penelitian Sejenis
Pada penelitian Valentine Christy Putri Adam, 2007. Faktor-faktor yang menentukan layak tidaknya pemberian kredit kepada pelanggan PT Federal International Finance Cabang Bogor.
Variabel yang ditetapkan dalam menyeleksi kredit kepada pelanggan PT Federal International Finance cabang
Terdapat perbedaan hasil variabel-variabel yang masuk dalam model analisis diskriminan yang dikarenakan dalam mengajukan kreditnya pada PT FIF Cabang Bogor, seorang debitur harus memberikan daftar struk gajinya, sedangkan pada Koppas Hippatas seorang debitur adalah anggota Koperasi tersebut.
PENUTUP
Kesimpulan
Berdasarkan hasil analisis dan pembahasan pada bab sebelumnya, dapat dapat diambil kesimpulan yang terkait dengan rumusan masalah pada kasus diawal, yaitu:
- Dari empat faktor yang dianalisis untuk menentukan faktor yang menentukan kelayakan pemberian kredit pada KOPPAS HIPPATAS, terdapat dua prediktor yang yang paling signifikan pengaruhnya. Dua prediktor tersebut adalah tanggungan yang dimiliki dan pinjaman yang diajukan oleh debitur.
- Model prediksi yang menentukan layak tidaknya pemberian kredit pada KOPPAS HIPPATAS adalah signifikan dengan tingkat prediksi sebesar 68.1%. Karena diatas 50% model prediksi tersebut dapat digunakan untuk menentukan layak tidaknya pemberian kredit pada KOPPAS HIPPATAS.
Saran
Berdasarkan kesimpulan di atas, maka penulis memberikan saran sebatas pengetahuan penulis, sebagai berikut:
1. KOPPAS HIPPATAS yang akan memberikan kreditnya kepada anggota dapat menggunakan model diskriminan ini sebagai penentu apakah seorang kreditur lancar atau tidak lancar dalam pembayaran kredit pada Koperasi. KOPPAS HIPPATAS sebagai pemberi kredit tidak ingin mengalami kerugian, sehingga sebelum menerima nasabah Koperasi dapat menggunakan model diskriminan ini.
2. Bagi KOPPAS HIPPATAS, untuk menanamkan dana mereka dalam bentuk pinjaman kepada anggota hendaknya memperhatikan faktor-faktor yang mempengaruhi kelancaran pembayaran kredit sebagai bahan pertimbangan bagi keputusan investasinya. Faktor yang mempengaruhi yaitu tanggungan dan besarnya pinjaman. Besarnya pinjaman merupakan hal yang paling dominan atau signifikan dalam membedakan perilaku debitur dalam membayar kreditnya, sehingga perlu diprioritaskan terlebih dahulu dalam pengambilan keputusan pemberian kredit.
3. Bagi peneliti berikutnya, sebaiknya melakukan penelitian lebih baik dan mendalam, agar hasil ini akan lebih bermanfaat dalam penentuan pemberian kredit.
DAFTAR PUSTAKA
Astiko, Sunardi. 1996. Pengantar Manajemen Perkreditan. Edisi Pertama. Yogyakarta: ANDI.
Hadiwidjaja, Rivai Wirasamita. 1991. Analisis Kredit.
Hair, Joseph. F,et.al., 1998. Multivariate Data Analysis. Fifth Edition. Prentice-Hall, New Yersey.
Kasmir. 2002. Bank dan Lembaga Keuangan Lainnya. Edisi Keenam.
Marsuki. 2006. Pemikiran dan Strategi Memberdayakan Sektor Ekonomi UMKM di
Santoso Singgih. Buku Latihan SPSS Statistik Multivariat. Jakarta: PT. Elex Media Komputindo, 2002.
Santoso Singgih. Mengatasi Berbagai Masalah Statistik dengan SPSS Versi 11.5. Jakarta: PT. Elex Media Komputindo, 2003.
Sutojo Siswanto. 1997. Analisa Kredit Bank Umum. Seri Manajemen Bank No.2.
Sutojo Siswanto. 2008. Menagani Kredit Bermasalah. Edisi Kedua.
Tim Penelitian dan Pengembangan. 2005. Analisis Multivariat dengan SPSS 12. Edisi Pertama.
Wibowo Wahyu. 2000. Perbandingan Hasil Klasifikasi Analisis Diskriminan dan Regresi Logistik Pada Pengklasifikasian Data Respon Biner. ITS.
TANGGUNGAN
TANGGUNGAN
