FAKTOR YANG MENENTU KAN INTEREST RATE DALAM [617287]

FAKTOR YANG MENENTU KAN INTEREST RATE DALAM
PINJAMAN KONSUMEN PADA PEER TO PEER LA NDING
ONLINE PLAT FORM
(INVESTREE)

SKRIPSI
Disusun untuk Melengkapi Tugas-Tugas dan Memenuhi Persyaratan Guna
Meraih Gelar Sa rjana Ekonomi Jurusan Manajemen Fakultas E konomi
dan Bisnis UNS Surakarta

Disusun oleh:
AMIN ALFIYAH
F1216010

FAKULTAS EKONOMI DAN BI SNIS
UNIVER SITAS SEBELAS M ARET SURAKARTA
2018

1
BAB I
PENDA HULUA N

A. LATA R BELA KANG
Bisnis dalam era digital pasti tidak jauh dari penggunaan teknol ogi
internet. Indust ri keuangan juga tidak tertinggal dalam memasuki era baru ini.
Nofie Iman, (2016:6) mendefinisikan fintech sebagai pemanfaatan
teknologi, software, internet, komunikasi dan komputasi terkini guna
meningkatkan layanan jasa keuangan yang umumnya dilakukan oleh
perusahaan risntisan (startup) bersifat merusak bisnis yang sudah mapan.
Sedangkan menurut (Adrian:2017) fintec h merupakan industry ekonomi
yang terdiri dari perusahaan yang menggunakan teknologi untuk membuat
layanan keuangan menjadi lebih efisien.
Mengacu pada definisi yang dipaparkan oleh (Andrian:2017),
sebenarnya fintech sendiri sudah ada sejak dahulu, disini fintech dibedakan
menjadi tiga jenis yakni (1) Financial Institution termasuk perbankan,
perusahaan asuransi, pasar modal, (2) Traditional Fintech Player
merupakan berbagai perusahaan penyedia teknologi dan layanan termasuk
konsultan, jasa pembayaran, mere ka yang berinvestasi di perusahaan
fintech serta penyedia informasi nasional atau FIS, (3) Innovative Fintech
startup merupakan pendatang baru yang memanfaatkan inovasi teknologi
untuk membuat solusi yang inovatif pada sector tertentu, missal P2P
lending, payment. Pada paper ini fokus fintech yang dipilih adalah
innovative fintech statrtup yang juga sesuai dengan definisi Nofie Iman,
(2016:6). Di Indonesia sendiri kategori fintech ini muncul dalam b erbagai
macam k arakteristik seperti payment, Peer-to-Peer lending , personal
finance, crowdfund ing, Aggr egator.
Survey dari L embaga riset IDC tanggal 5 oktober 2017 melalui
IDC Finansial Insight menyatakan bahwa Peer to Peer landi ng merupakan
salah satu jenis FinTech yang mempu nyai perkembangan paling cepat baik
dari jumlah maupun dana yang bergulir. Dikutip dari reuters.com, Wimboh
Santoso selaku ketua OJK menyampaikan lebih dari 250.000 orang telah

2
meminjam melalui fintech, sekitar 30 Perusahaan telah memperoleh
pinjaman sebesar 2,6 Triliun pada januari 2018 yan g meningkat tajam
dibandingkan Desember 2016 yakni sebesar 247 miliar. Sedangkan
pertumbuhan jumlah perusahaan yang cenderung konsisten setiap tahun
dapat dilihat pada gambar berikut ini.
Gambar 1.
Perkembangan Fintech (P2P Lending) di Indonesia dan Global

Sumber: Company Data Morgan Stanley Research & Asosiasi Fintech
Indonesia dan OJK. Financial Technology (Fintech) di Indonesia: Muliaman
D. Hadad, Ph.D. Makalah dipresentasikan melalui Kuliah Umum Tentang
Fintech – IBS Pada 2 Juni 2017 di Jakarta (dalam muliaman, 2017:6)

3
Berdasarkan gambar tersebut dapat dilihat bahwasanya terdapat
peningkatan jumlah fintech P2P lending pada dunia global yang cukup
signifikan mulai tahun 2016 khususnya untuk China dan Amerika, hal
tersebut sejalan dengan tren fint ech di Indonesia yang konsisen meningkat
setiap tahunya. Perkembangan bisnis fintech P2P l endi ng yang ada di
Indonesia ini juga melatarbelakangi dibuat nya (PJOK) Nomor
77/PJOK.01/2016 tentang Layanan Pinjam Meminjam U ang Berbasis
Teknolo gi Informasi (LPMUBTI) yang bertuju an untuk melindun gi
konsum en serta men ciptakan stabil itas system dibidang keuangan. Peraturan
yang sudah ada mencakup: hukum dan kepemilikan, pendaftaran dan
perizinan, batasan kegiatan, manajemen risiko, edukasi dan perlindungan
konsumen, tanda tangan elektronik, APU PPT, larangan, laporan.
Mun culnya startup (FinTech) di bidang lending sangat erat
kaitanya dengan efisiensi di bidang jasa layanan keuangan , proses pinjam dan
meminjam yang mudah dan cepat menjadi keunggulan utama dalam bisnis
ini, hanya dengan bantuan alat smartphone dan koneksi internet calon
borrower dan investor sudah bisa bertransaksi. Selain itu P 2P lending dapat
menutup gap antara lemb aga keuangan yang ada saat ini dengan masyarakat
yang belum memi liki akses terhadap lemb aga keuangan dan perbankan .
Menurut data yang dikutip melalui reuters.com menyatakan hanya satu dari
tiga orang dewasa yang memiliki rekening bank, sekitar 34% dari PDB 2015
dan sek itar $73 miliar pembiayaan belum terpenuhi , maka dari itu munculnya
fintech (P2P Lending) di Indonesia disambut baik oleh regulator keuangan
yang harapanya mampu mendongkrak pertumbuhan ekonomi Indonesia pada
basis ekonomi digital .
Startup FinTech Indonesia semakin eksis dengan didirikanya
Asosi asi Perusahaan Teknolo gi Financial yang diberi nama FinTech
Indonesia pada 17 Septem ber 2015 lalu. Eksistensi ini harapanya dapat segera
di ketahui oleh masyarakat luas, sehingga bisnis P2P lending dapat dijadikan
alternatif oleh berbagai pihak dari segi investasi, pendanaan , maupun
bahan penelitian , hal ini mengingat bisnis P2P lending merupakan bisnis
yang baru dan mendapat respon bagus dari berbagai kalangan, termasuk

4
regulator Indonesia. Bagi inves tor, P2P dapat dijadikan s ebagai porto folio
investasi, hal ini m engingat interest rate yang di tawarkan pada bisnis ini
sangat tinggi , sebagai contoh: platform Amarta, Investree , modal ku
mempunyai kisaran rate 12-20% dengan jenis pembiayaan yang berbeda pada
setiap platform. Jenis investasi lain yang mempunyai karakteristik sama
adalah deposito dan juga obligasi, walaupun ketiga jenis inves tasi tersebut
mempunyai risiko yang berbeda , namun terdapat kesamaan dengan adanya
jangka waktu uang kembail (term of payment) . Saat ini Deposito
menawarkan pengmbalian investasi rata-rata sekitar 5,6-5,7% untuk jangka
waktu satu bulan sampai dengan satu t ahun. Mengutip dari kontan. co.id,
Head of Intermediary Busine ss Scchrod er Investment Manag ement Indonesia
Teddy Oetomo yang menyatakan yield obligasi turun ke level 6,3% untuk
tenor 10 tahun dari 2 tahun sebelumnya yang telah mencetak kinerja lebih
baik, selain itu gejolak pilkada 2018 dan pilpres 2019 sedikit banyak akan
menggoncang instrument yang mempun yai volati litas tinggi seperti saham,
maka dari itu P2P lending bisa menj adi salah s atu pilihan dalam
menempatk an dana.
Dilihat dari sisi peminjam, maka P2P lending dapat digunakan
sebagai alternative pendanaan yang mudah, cepat, transparan untuk bergai
kalangan dengan tingkat resiko yang berbeda pada setiap peminjam. Apabila
personal atau perusahaan dinilai tidak terlalu berisiko maka akan
mendapatkan kisara n rate yang rendah, 0,9% per bulan atau < 12% pertahun
(platform investree) hal ini masih tergolong kompetitif dibandingkan suku
bunga perbangkan. dikutip dari m.detik.com menyatakan bahwa rata -rata
bunga kredit bank di Indonesia per 25 September 201 7 diatas 10%, sbagai
contoh: PT Bank Rakyat Indonesia menetapkan bunga kredit korporasi
sebesar 10,5%, kredit ritel 9,75%, kredit mikro 17,5%. Sejalan dengan itu,
PT Bank Negara Indonesia meenetapkan suku bunga korporasi sebesar
10,25 %, kredit retail 9,95%, kredit konsumsi KPR 10,5 % dan konsumsi non
KPR 12,5 %. Namun apabila peminjam tergolong berisiko akan mendapatkan
rate yang cukup tinggi hingga 20% per annum/ tahun.

5
Dilihat dari pihak akademisi, P2P lending d apat dijadikan sebagai
bahan kajian untuk memb erikan masuk an kepada pemerintah guna mencapai
tiga sasaran Master Plan Sektor Jasa Keuangan Indonesia 2015-2019 yakni
Kont ributif (percepatan pertumbu han ekonm i), Stabilitas System Keuangan
serta Inklusif (m eningkatkan akses masyarakat). Selain itu hasil penelitian
dan pengembangan dibidang fintech juga dapat dijadikan bahan evaluasi dan
perbaikan oleh startup fintech yang sudah ada maupun bahan pertimbangan
bagi masyarakat yang ingin mendirikan perusahaan berbasis fintech.
Investree mer upakan pionir Peer to Peer marketplace di Indonesia
yang memberikan wadah bagi bertemunya calon pem injam dan calon
pemberi pijaman. Jumlah pinjaman yang telah disalurkan oleh platform ini
mencapai 1572 pinjaman dengan nilai 522 Miliar dan 3 hari rata -rata waktu
pinjaman terdanai, nilai pinjaman yang telah lunas berjumlah 1162 dengan
total nilai 391 Miliar. S egmen yang diambil oleh platform ini adalah
pinjaman individu (Renovasi rumah, Pendidikan, berlibur, pernikahan,
kesehatan, kendaraan bermotor, personal FAQ) dan institusional (Invoice
financing, online seller financing, syariah, bisnis FAQ) . Selain
mempertemukan kedua belah pihak, Investree juga bertugas menyeleksi,
menganalisis dan meny etujui pinjaman yang diajukan oleh calon peminjam.
Cara kerja platform investree dari sisi peminjam: (1) calon peminjam
(Borrower ) mengajukan pinjaman dan melengkapi informasi, (2) data calon
peminjam yang ada dianalisis dan diberikan grade yang kemudian
berdampak pada besar kecilnya rate yang dipublish dilaman Inves tree, (3)
Borrower membayar pinjaman sesuai tanggal jatuh tempo pokok hutang dan
bunga. Sedangkan dari sisi lender : (1) calon pemberi pinjaman dapat melihat
dan menganalisis informasi yang tersedia di fact sheet (2) pemberi pinjaman
menentukan jumlah dana yang dipinjamkan pada satu atau lebih pinjaman
yang dipilih, (3) pemberi pinjaman mendapatkan pembayaran atas pokok
pinjaman ditambah bunga.
Interest rate dalam bisnis P2P lendin g merupakan hal yang
fundamental dalam keberlangsungan bisnis perusahaan , hal ini dikarenakan
ketertar ikan investor dan peminjam sangat tergantung pada kisaran rate yang

6
ditawarkan oleh suatu platform. Rate yang tinggi merupakan bencana bagi
calon peminjam k arena d apat mengakibatkan gagal bayar ataupun
keterlambatan bayar yang nantinya akan berdampak pada denda yang
dihitung harian , sedangkan bagi investor rate yang tinggi akan menambah
pundi – pundi kekayaan yang akan di dapat dari hasil investasi yang mereka
tanamkan. Pada dasarnya tinggi rendahnya rate yang ditetapkan oleh pelaku
usaha fintech P2P lending di Indonesia masih merupakan inisiatif dari setiap
platform dalam mengelola bisnisnya, saat ini belum ada regulasi dari OJK
yang mengatur kisaran rate yang harus ditawarkan oleh suatu platform .
Investree sebagai pionir dalam P2P marketplace yang sekaligus menjadi
objek penel itian pada makalah ini , menetapkan bunga sebesar 0,9% -2,20%
per bulan untuk pinjaman individu dan 12% -20% per annum untuk pinjaman
bisnis (invoice financing ).
Pentingnya interest rate dalam bisnis P2P Lending yang telah
dipaparkan diatas , membuat peneliti tertarik untuk mengadakan penelitian
mengenai h al-hal apa sajakah yang dapat menentukan tinggi atau rendahnya
interest rate dalam pinjaman konsumen yang ada dalam platform investree.
Terdapat dua point penting yang akan diuji menggunakan regresi linier yaitu
spesifik pinjam dan spesifik peminjam. Pada pengujian kali ini terdapat
pemisahan 3 jenis kelompok data yaitu: (1) data pinjaman personal
(mencakup status kepemilikan rumah, tipe pendapatan, gaji ko tor, masa
kerja, usia, tipe bisnis, tujuan peminjaman, grade, jangka waktu pinjaman
dan jumlah pinjaman), (2) data pinjaman bisnis (mencakup jenis industri,
grade, jangka waktu pinjaman dan jumlah pinjaman), serta (3) data pinjaman
bisnis online (mencakup jenis ecommerce, jenis produk , grade, jangka waktu
pinjaman dan jumlah pinjaman) .
Sebelumnya telah dilakukan penelitian yang sejenis oleh (Dietric
Andreas, Reto Wernli; 2016) dari swiss platform terkait spesifik p injam an,
spesifik pemin jam se rta m akroekomi terhadap in terest rate, hasil dari
penelitian ini menyatakan bahwa spesifik pinjaman dan kondisi makro
berpengaruh positif, sedangkan spesifik peminjam berpengaruh negative

7
terhadap interest rate . Selain itu (Do rfleitner Gregor, Eva-Maria Oswald.
2016) pada penelitianya menyatakan ku alitas screening dan monitoring
mempunyai peranan yang penting d alam menentukan credit default,
sedangkan ukuran pinjaman, jangka waktu peminjam an, masa tenggang
berpengaruh posit if terhadap credit default pinjaman individu dan kelompok
pada platform Kiva . Perbedaan penelitian ini dengan penelitian terdahulu
terletak pada beberapa hal: (1) beberapa tambahan variable independen, (2)
Platform yang didirikan berada di n egara dengan karakteristik yang jauh
berbeda, (3) Data penel itian sangat unik karena hanya bisa didap at dengan
daily recording terkait pinjaman yang muncul pada hari itu , pinjaman yang
telah selesai didana i biasanya langsung dihapus dari platform dan tidak dapat
dilihat di hari lain. Selain ketiga perbedaan yang te lah dipaparkan diatas,
penelitian bisnis fintech khususnya P2P lending masih sangat jarang di
Indonesia , hal ini mengingat bisnis ini masih baru dan belum familiar di
telinga masyarakat luas. Maka dari itu, berdasarkan latar belakang masalah
yang telah di paparkan diatas, penulis akan melakukan penelitian dengan
judul “Faktor yang menentukan interest rate dalam pinjaman konsumen pada
Peer -To-Peer Lending Online Platform”.

B. RUMUSAN MASALA H
Berdasarkan pentingnya interest rate dalam sebuah bisnis fintech
P2P lending, maka rumusan mas alah dalam penelitian ini adalah :
1. Apakah spesifikasi pinjaman dan peminjam kategori individu
berpengaruh terh adap ti ngkat suku bunga?
2. Apakah spesifikasi pinjaman dan peminjam kategori bisnis berpengaruh
terhadap tingkat suku bunga?
3. Apakah spesifi kasi pinjaman dan peminjam kategori bisnis online
berpengaruh te rhadap tingkat suku bunga?

C. TUJUAN PENEL ITIAN
Berdasarkan latar belakang dan rumusan masalah yang telah
dipaparkan diatas, maka tujuan dari penelitian i ni adalah:

8
1. Untuk mengetahui pengaruh spesifikasi pinjaman dan peminjam kategori
individu terh adap tingkat suku bunga.
2. Untuk mengetahui pengaruh spesifikasi pinjaman dan peminjam kategori
bisnis terhadap tingkat suku bunga .
3. Untuk mengetahui pengaruh spesifikasi pinjaman dan peminjam dalam
kategori bisnis online terhadap tingkat suku bunga .

D. MANFAAT PENEL ITIAN
1. Manfaat Teoritis
 Menambah li terasi bidang keuangan terkait FinTech (P2P Landing)
yang saat ini merupakan isu terbaru yang ada di Indonesia dan belum
banyak di teliti.
 Sebagai wacana bagi pemerintah tentang pentingnya regulasi
mengenai penetapan suku bunga bagi bisnis P2P Lending .
2. Manfaat Praktis
 Dasar pengetahuan bagi investor terkait sumber risiko dan return
yang bisa di dapat.
 Bahan refrensi bagi St artup yang baru saja membuka bisnis sejenis
untuk memp erkirakan faktor-faktor yang natinya dijadikan sebagai
pertimbang an menentukan tingkat suku bun ga
 Untuk memi nimalkan rate yang akan di terima pem injam, dengan
pertimban gan berbagai hal yang harus ia penuhi terlebih d ahulu.

BAB II
TINJAUAN PUSTAKA
A. LANDASAN TEORI
1. P2P Online Platform
Teknologi berkaitan erat dengan waktu yang singkat dan penuh dengan
resiko, termasuk inovasi yang mempunyai sifat global dan cepat. Zopa
merupakan Pionir P2P online platform didunia yang muncul di UK tahun 2005
dengan menyalurkan pinjaman pribadi , tidak lama kemudian muncu l
perusahaan serupa yakni P rosper di US (Prystav Vabian., 2016) , sejak saat itu

9
babak baru di dunia online le nding dimulai. B isnis Fintech (P2P) len ding
sangat cepat popular, hal ini dikarenakkan faktor kepraktisan serta efisiensi
biaya dibandingkan dengan system k euangan tradisional (Guo et al., 2016).
Umumnya, platform ini bertugas menyajikan informasi mengenai peminjam
kepada calon pemberi pinjaman potensial secara online dengan menampilkan
beberapa inf ormasi pada layar platform, diantaranya : durasi pinjaman, credit
score, jumlah pinjaman yang telah didanai oleh investor lain. Selain itu, s etiap
platform biasanya memilik informasi ta mbahan yang berbeda dan tergantung
bagaimana perusahaan menetapkan interest rate.
Informasi merupakan hal yang sangat penting dalam pinjaman P2P
lending. Pentingnya sebuah informasi, salah satunya dibuktikan oleh
eksperimen (Prystav Fabian:2016) yang menyatakan bahwa tingkat
diversifikasi pinjaman oleh investor yang tidak berpengalaman menurun
seiring dengan ketersediaan informasi dalam pinjaman, selain itu tambahan
informasi akan meningkatkan investasi pada pinjaman dengan rating buruk
dan menurunkan investasi pada pinjaman dengan rating baik.

2. Asymetries Informasi
Asimetri informasi merupakan masalah yang fundamental dalam P2P
lending (Yum Haewon et all., 2012), Leland dan Pyle 1977 & Campbell dan
Kracaw 1980 (dalam Dietrich:2015) menyatakan bahwa asimetri informasi
adalah alasan utama untuk menjelaskan keberadaan lembaga keuangan , maka
dari itu a danya asimetri informasi mengharuskan kita untuk memeriksa
peranan diskripsi pinjaman guna menjembatani gap antara peminjam dan
pemberi pinjaman (Chen Xiao , 201 7). M engingat P2P lending tergolong
dalam bisnis yang baru yang mayoritas investor (non professional) swasta
tidak mempunyai pengalaman dalam menilai kelayakan kredit (Yum et al,
2012) , setiap informasi yang tersedia menjadi bahan pertimbangan dalam
pengambilan keputusan investasi . Maka dari itu, penting bagi suatu platform
untuk memberikan informasi yang berkualitas serta kualitas screaning yang
baik, hal ini bisa dijadikan dasar dalam penentuan Interest rate yang sesuai
dengan kadar risiko yang harus ditanggung oleh calon lender.

10

3. Penetapan Interest Rate Dalam Pinjaman P2P Lending
Interest rate dalam P2P lending merupakan satu diantara beberapa
topik yang menarik untuk diteliti, (Serano dkk 2016) tertarik untuk meneliti
interest rate dari sisi pemberi pinjaman (Profitability) menggunakan credit
scoring yan g menjadi variab el utamanya. Selain itu, beberapa peneliti
sebelumnya telah banyak membahas mengenai Behavior Lending ( Chai Shun,
Xi Lin, Di Xu: 2016, Do rfleitner Gregor, Eva-Maria Oswald., 2016), faktor
yang menentukan probabilitas default dan kesuksesan pendanaan (Dorfleitner
Gregor 2015) , menetapkan (rate) berdasarkan resiko gagal bayar (Mild
Andreas dkk: 2015 ). Sebagai contoh: Do rfleitner Gregor, Eva-Maria Oswald
(2016) meneliti mengenai repayment behavior yang menyatakan bahwa
kualitas screening dan monitoring mempunyai peranan yang penting dalam
menentukan credit default, sedangkan ukuran pinjaman, jangka waktu
peminjam an, masa tenggang berpengaruh posit if terhadap credit default.
Selain itu faktor-faktor yang berpengaruh t erhadap kesukses an pendanaan
telah diteliti oleh Chai Shun, Xi Lin, Di Xu Xin Fu (2016) yang menyatakan
bahwa untuk kategori pinjaman pertama, jumlah pin jaman, tingkat suku
bunga, jumlah verifikasi, grade kredit berpengaruh positif terhadap kesukses an
pendanaan. Sedangkan Emekter et al (2015) meneliti keduanya yakni faktor
yang berpengaruh terhadap probabilitas default dan kesukses an pendanaan.
Penetapan suku bunga dalam suatu platform dapat menj adi bahan
pertimb angan pengambilan keputus an oleh berbagai pihak. Isu yang muncul
terkait suku bunga yaitu mek anisme sebuah platform dalam menetapkan suku
bunganya, apakah dengan rezim (1) system lelang (2) penetapan suku bunga
oleh platform yang harus langsung dibayar. Chen et. al (2014) dalam teoritical
analisisnya menyatakan bahwa terdapat perbedaan yang berarti antara kedua
rezim tersebut, dimana system lelang mem berikan tingkat suku bunga paling
murah kepada peminjam, sedangakn poses rate adalah platform yang
menetapkan rate yang harus dibayar sesuai penilaian terhadap kondisi
peminjam. Sebelumnya telah dilakukan penelitian terkait Determinant of Interest
Rate oleh (Di etric And reas, Reto Wernli. 2016) menggunakan rezim (2), hal ini

11
dikarenakan sebagian besar platform yang ada menggunakan rezim te rsebut,
data pinjaman konsum en sebanyak 665 dari platform di swiss dijadikan
sebagai modal penelitiannya. Penelitian te rsebut menyatakan bahwa (lo an
specific berpengaruh posit if terhadap tingkat suku bunga ), (borrower specific
berpengaruh n egative terhadap tingkat suku bunga) dan (m acroeconomi
specific berpengaruh posit if terhadap tingkat suku bunga ).
Focus penelitian pada paper ini tergolong kedalam rezim (2) dikarenakan
objek yang diteliti yaitu plat form Investree meng gunakan rezim tersebut.
System ini sangat tergantung dengan informasi yang dibe rikan, karena hal
tersebut menj adi salah satu dasar pengenaan tingkat suku bunga. Freedman
Seth, Ginger Zhe (2017) telah meneliti terkait informasi (so cial ties) yang
menyatakan bahwa peminjam dengan (social ties) lebih mudah untuk didan ai
dan mend apatkan tingkat suku bunga yang lebih rendah, hal tersebut akan
berdampak pada ekspektasi investor bahwasanya peminjam dengan (social
ties) merupakan peminjam yang berkualitas baik. Pada penelitian kali ini
akan dilakukan analisis tentang faktor penentu tinkat suku bunga, platform
investree sebagai objek dalam penelitian mempunyai dua faktor sebagai
bahan pertimbangan, yakni karakteristik peminjam dan karakteristik
pinjaman yang akan dijelaskan lebih lanjut pada point berikutnya

4. Pinjaman Konsumen (Investree P2P Online Platform)
Investree mengkategorikan konsumen (borrower) bisnis P2P lending
kedalam 2 kategori, yakni personal dan juga bisnis, setiap kategori konsumen
mempunyai perbedaan yang signifikan dalam penetapan suku bunga. Interest
rate yang ditetapkan dalam pinjaman individu dihitung setiap bulan yaitu mulai
0,90% untuk reiko rendah sampai 2,20% untuk resiko tinggi, hal ini serupa
dengan interest rate yang ditetapkan untuk bisnis online, sedangkan untuk
bisnis non online interest rate ditetapkan per annum/ periode bayar dengan
kisaran 12% untuk resiko rendah sampai 20% untuk resiko tinggi, selain itu
masih banyak informasi yang harus dilengkapi dalam se tiap kategori
peminjaman. Dari sisi dana yang tersedia untuk dipinjam, pelaku bisnis
diperbolehkan meminjam hingga 2 miliar, sedangkan kisaran pinjaman

12
individu yang bisa diperoleh tidak lebih dari 100 juta. Selain itu perbedaan juga
terletak pada investor yang ingin menyalurkan dana yakni mulai 5 juta untuk
bisnis dan 1 juta untuk karyawan (individu).
Kategori konsumen dalam P2P lending merupakan dasar untuk
membangun hipotesis dalam penelitian, hal ini dikarenakan setiap pinjaman
kategori konsumen mempuny ai sepesifikasi dan informasi yang berbeda untuk
diteliti. Kategori pertama yang akan diteliti pada paper ini adalah pinjaman
individu, yang mencakup spesifikasi peminjam (status kepimilikan rumah,
jenis pendapatan, jumlah pendapatan per bulan, masa kerja, usia, tipe bisnis,
pembayaran cicilan perbulan), sedangkan untuk spesifikasi pinjaman yaitu
(grade, lama pinjaman dan jumlah pinjaman). sebelumnya telah dilakukan
penelitian terkait faktor penentu interest rate pada pinjaman individu oleh
Dietric And reas, Reto Wernli. 2016 yang menyatakan bahwa: (lo an specific,
yakni: duration, loan amount, auction berpengaruh positif signifikan terhadap
tingkat suku bunga ), (borrower specific: debt to income ratio, living with
unmarried, sharedflat, spose berpengaruh positif signifikan, owner home,
living alone, warga swiss berpengaruh negative signifikan , sedangkan female
dan single parent berpengaruh positif tidak signifikan). Selain itu Do rfleitner
Gregor 2015 juga telah meneliti terkait faktor penentu default rate pada
pinjaman individu dan group pada platform Kiva, untuk pinjaman individu
menyatakan bahwa MFI specific variabel default rate, loan size, loan term,
grace periode, repayment montly berpengaruh positif dan signifikan terhadap
default rate, s edangkan activity term, due diligence berpengaruh negative dan
signifikan, sedangkan untuk rating not rate dan rating not available berpegaruh
terhadap default rate. Maka dari itu hipotesis yang dibuat yaitu:
H1: Spesifikasi pinjaman dan peminjam kategori individu berpengaruh
terhadap tingkat suku bunga.
Kategori yang kedua adalah pinjaman bisnis, yang akan diteliti
mencakup spesifikasi pinjaman yaitu (grade/ sekor kredit, lama pinjaman dan
jumlah pinjaman) sedangkan untuk spesifikasi peminjam hanya diliha t dari
jenis industry perusahaan tersebut, hal ini mengingat terbatasnya informasi
yang tersedia pada jenis pinjaman ini. Sebelumnya Do rfleitner Gregor 2015

13
juga meneliti tentang pinjaman kelompok, hasilnya memaparkan bahwasanya
MFI specific variabel, loan term berpengaruh positif signifikan, sedangkan
activity term berpengaruh negative signifikan, repayment, group women, grace
periode, loan size berp engaruh namun tidak signifikan. Maka dari itu hipotesis
yang dibuat yaitu:
H2: Spesifikasi pinjaman dan peminjam kategori bisnis berpengaruh
terhadap tingkat suku bunga.
Online bisnis sudah tidak asing lagi di kalangan masyarakat, bahkan
pangsa pasarnya s empat di gadang -gadang menjadi salah satu penyebab
tutupnya beberapa gerai retail di Indonesia dan lesunya bisnis retail. Hal ini
menjadikan Investree mengambil segmentasi bisnis dengan memberikan
pinjaman pada bisnis online dengan nama online seller fundi ng yang artinya
konsumen (borrower) merupakan individu yang telah mempunyai bisnis
online, yang telah membuka lapak di perusahaan ecommerce maupun yang
belum. Pada kategori ini, penelitian yang dilakukan mencakup spesifikasi
pinjaman yaitu (grade, lama pin jaman dan jumlah pinjaman) sedangkan untuk
spesifikasi peminjam hanya dilihat dari jenis commerce, dan jenis produk.
H3: Sesifikasi pinjaman dan peminjam kategori bisnis online
berpengaruh terhadap tingkat suku bunga.

B. Hipotesis
 H1: Spesifikasi pinjaman dan peminjam kategori individu
berpengaruh terhadap tingkat suku bunga.
 H2: Spesifikasi pinjaman dan peminjam kategori bisnis berpengaruh
terhadap tingkat suku bunga.
 H3: Sesifikasi pinjaman dan peminjam kategori bisnis online
berpengaruh terhadap tingkat suku bunga.

14
C. Kerangka Pemikiran
Berdasarkan hipotesis diatas, hubungan antar variabel dapat digambarkan
dalam model berikut:
Gambar 2.
Faktor Yang Menentu kan Interest Rate Dalam Pinjaman Konsumen
Pada Peer to Peer La nding Online Platform

16
D. DEFINISI DAN PENJELASAN VAR IABEL

Grafik 1 .
Menggambarka Variabel Dependen Dan Independen Beserta Perkiraan Arah Sinyal

Variabel Fokus Description Expected
Sign
Dependent
Variabel Tingkat suku bunga Pinjaman
Individu (per
bulan)dan bisnis
(per annum) (A1++ =12/ bulan, A1+ =13/ bulan)(A1 = 14% /Annum atau 0,90%/
bulan), (A2 = 16% /Annum atau 0,95%/ bulan), (A3 = 18% /Annum
atau 1%/ bulan), (B1 = 16% /Annum atau 1,10%/ bulan), (B2 = 18%
/Annum atau 1,20%/ bulan), (B3 = 19% /Annum atau 1,45%/ bulan),
(C1 = 18% /Annum atau 1,70%/ bulan), (C2 = 19% /Annum atau
1,95%/ bulan), (C3 = 20% /Annum atau 2,20%/ bulan)
Independent
Variabel
Spesifik
Pinjaman Jumlah Pinjaman Individu&Bisnis Sesuai yang tercantum dalam platform +
Jangka Waktu
Pinjaman Individu dan
kelompok Sesuai yang tercantum dalam platform (per hari untuk pinjaman bisnis,
per bulan untuk pinjaman individu) +
Grade Individu dan
kelompok (A1, A2 = Low Risk), (A3, B1 = Low to Medium Risk), (B2 =
Medium Risk), (B3, C1 = Medium to High risk), (C2, C3 = High Risk) +
Spesifik
Peminjam Residential Status Individu Terbagi menjadi 3 kategori ( Milik Sendiri, Milik orang tua, Kos) –
Income Type Individu Permanent atau kontrak –

17
Individual Gross
Income Individu Jumlah pendapatan kotor tiap bulan dengan jutaan rupiah –
Masa Kerja Individu Berapa lama masa kerjanya –
Usia Individu Dihitung dengan tahun –
Type Bisnis Individu&Bisnis Bidang usaha yang sedang dijalankan =
Monthly
Repayment Individu Jumlah pmbayaran cicilan setiap bulan (dalam rupiah) +
Tujuan Peminjaman Individu Alasan dari Borrower melakukan transaksi peminjaman dana –
E Commerce Online Bisnis Lapak ecommerce tempat peminjam untuk berjualan –
Jenis Produk Online Bisnis Jenis produk yang dijual oleh peminjam =

18
BAB III
METODE PENEL ITIAN
A. DESAIN PENELITIAN
Desain penelitian ini berupa riset pengujian hipotesis (Hypotheses
testing) yang biasnya berfungsi untuk menjelaskan sifat tertentu dalam
hubungan, jenis penelitian ini mampu meningkatkan pemahaman terkait
hubunagn antar variabel. Pengujian hipotsis dilaku kan untuk menjelaskan
varian dalam variabel dependen atau memprediksi hasil organisasi. Untuk
menemukan jawaban dari masalah yang ada, type investigasi yang digunakan
dalam penelitian ini adalah causal study yakni penelitian akan menyatakan
bahwa variabel X akan menyebabkan variabel Y

B. JENIS DAN SUMBER DATA
Data yang disajikan dalam penelitian ini merupakan data sekunder
dengan jenis cross -sectional yang dikumpulkan melalui platform Investree .
Data penelitian berbentuk angka atau bilangan berupa data credit rating,
jumlah pinjaman, lama w aktu p injam an, jenis pinjam an dan interest rate.
Selain itu data (status kepimilikan rumah, jenis pendapatan, jumlah
pendapatan per bulan, masa kerja, usia, tipe bisnis, pembayaran cicilan
perbulan ) akan dilakukan pengklasifikasian sebelum dilakukan olah data.

C. POPULA SI, S AMPEL, DAN TEKNIK SAMPEL
Populasi dalam penelitian ini mencakup semua data pinjaman baik
individu maupun kelompok yang pernah dipub lish oleh web investr ee sejak
perusahaan berdiri . Sampel dalam penelitian ini adalah 250 data pinjaman yang
dipublish dari 03 Januari 2018 sampai 31 Maret 2018 yang merupakan periode
penelitian. Metode sampling yang digunakan adalah Nonprobability
Sampling dengan teknik Convin iance sampling, hal ini dikarenakan jumlah
populasi dari penelitian tidak diketahui dengan pasti, selain itu teknik ini
dipilih karena pinjaman yang diupload dalam web akan hilang setelah
pendanaan terpenuhi.

19
D. PROSEDUR PENELITIAN
Pada tahap awal , Peneliti mengu mpulkan data dari web platform
Investree. Setelah data terkumpul sesuai jumlah yang telah ditetapkan,
selajutnya dikelompokan berdasarkan tiga kategori (perusahaan, perorangan
atau Online). Setelah data terbagi kedalam kelompok, selanjutnya peneliti
melaku kan pengkodean pada data yang masih dalam bentuk deskripsi (missal:
type pekerjaan yakni full time/ partime diberi kode). Setelah semuanya selesai
akan dilanjutkan pada tahap analisis data.

E. METODE ANALISIS DATA
1. Analisis Deskriptif
Analisa deskriptif dimaksudkan untuk memberikan informasi
mengenai data yang diamati agar lebih komunikatif. Analisis yang
dipakai dalam hal ini adalah analisa deskriptif univariate guna
mendapatkan gambaran umum tentang suatu fenomena yang diukur
melalui tendensi sentral (Mean, Median, Max, Min) dan dispersi
(Standart Deviasi) menggunkan program excel.

2. Uji Asumsi Klasik
Model regresi dikatakan baik tidak hanya dari goodness of fit suatu
model, namun harus bebas dari penyimpangan asumsi klasik yang
terdiri dari:
a. Multikolinieritas
Suatu model regresi terkena masalah multikolinieritas apabila
terjadi hubungan linier yang sempurna atau mendekati sempurna
diantara variabel independent nya. Model mengandung masalah
multikolinieritas apabila memiliki R² tinggi, t etapi tingkat
signifikansi variabel -variabel penjelasnya berdasarkan uji T
sangat sedikit.
b. Heteroskedastisitas
Suatu model regresi terkena masalah heteroskedastisitas apabila
varian dalam model tidak konstan. Diagnose masalah bisa

20
melalui uji korelasi rank ing spearman. Pengujian ini
menggunakan distribusi “t” dengan membandingkan antara t
hitung dengan t table, jika nila t hitung lebih besar artinya model
regresi mengangung masalah heteroskedastisitas. Selan itu
pengujian bisa melalui grafik scatterplot, ma salah terjadi apabila
titik-titik membentul pola yang teratur
c. Autokorelasi
Uji autokorelasi bertujuan untuk mendeteksi apakah vaariabel
pengganggu pada suatu periode berkorelasi atau tidak dengan
variabel pengganggu lainya, dikatakan terjadi autokorelasi
apabila terdapat saling ketergantungan antara faktor pengganggu
yang berhubungan dengan variabel pengamatan. Uji terhadap ada
atau tidaknya masalah auto korelasi yang paling popular
menggunakan uji Durbin Watson (DW Test). Suatu model
dikatakan bebas dari m asalah autokorelasi apabila hasil DW
berada diantara Du < DW statatistik < 4 -Dl
d. Normalitas
Uji normalitas digunakan untuk menguji apakah model regresi
baik variabel depeenden maupun independent memiliki distribusi
normal atau tidak, hal ini bisa dilihat da ri P-plot of regression
standar residual.

3. Uji Statistik
a. Regresi Berganda
Regresi merupakan studi mengenai ketergantungan antara
variabel dependen dengan satu atau lebih variabel independen .
Model regresi berganda dikembangkan untuk melakukan
estimasi /pre diksi nilai Y (dependen) menggunakan lebih dari 1
nilai X (independen)Persamaan regresi berganda sebagai berikut:
Y= a + a1 (borrower specific ) + a2( loan specific) + e

21
b. Korelasi
Analisis korelasi bertujuan untuk mengukur derajat hubungan /
kekuatan linier antara dua varia bel, didalam analisis regresi,
koreasi juga menunjukan arah hubungan (positif atau negative) .
Koefisien korelasi disimbulkan dengan nilai r. Apabila nilai r >
0 maka hubungan searah (+) , jika r < 0 maka hubungan
berlawanan ( -). Derajat hubungan dalam korel asi dinilai tinggi
abila mendekati angka 1 (baik +/ -) dan sebaliknya.

22
DAFTAR PUSTAKA

Agus Purwanto, Erwan . 2011. Metode Penelitian Kuant itatif. Bandung.
Penerbit Gava Media

Chen, N., Ghosh, A., & Lambert, N. S. 201 4. “Auctions for social lendi ng: A
theoretical Analysis”. Games and Economic Behavior, 86, 36 7-391.

Chai Sun, Xi Lin, Di Xu, Xin Fu. 2016. “Judging Online Peer to Peer Landing
Behaviour: Compa rison of First Time and Repeat Borrowing
requests”. Infor mation & Manag ement 53. (2016;857-867).

Dietric Andreas, Reto Wernli. 2016. “What Drives the Interest Rates in the
P2P Consum er Lending M arket? Empir ica Evid ence from
Switzerland”. JEL Clas sificatio n: G21, J16, J71.

Dorfleitner Gregor, Eva-Maria Oswald. 2016. “Repayment Behavior in Peer-
To-Peer Mic rofinancing: Empiri cal Evid ence from Kiva”. Review
of Finan cial Economic 30 (2016;45-49).

Emekter, R., Tu, Y., Jirasakulde ch, B., & Lu, M. 201 5. “Evaluating credit risk
and loan p erformance in online Peer-to-Peer (P2P) lendin g”.
Appli ed Economi cs, 47(1), 54-
70

Freedman Seth, Gi nger Zhe Jin. 2017. “The information value of online
social networks: Lessons from p eer-to-p eer lendi ng”.
Internatio nal Journal of Industrial Organiza tion 51
(2017; 185-222)

Gunadi, Adrian. 2017. Marketplace Lending – Adressing Financing gap . OJK
International Seminar hal 3 -4

Guo, Y., Zhou, W., Luo, C., Xion g, H. (2016 ). “Instan ce- Based Credit Risk
Assesment for Investment Decision in P2P Lending”. Eur. J. Oper.
Res. So c. 249 (2), 417-426.

Mild, Andreas Dkk. 2015. How Low Can You Go ? – Overcoming The Inability
of Lender t o Set Proper Interest Rate On Unsecured Peer-To-Peer
Lending Markets. Jurnal of Business Research 68 (2015) 1291 -1305

Morit z, A., & Block, J. H. 2014. ” Crowdfunding”: A Literature Review and
Research Directions. A vailable at SSRN 2554444.

Kuliah Umum FinTech – IBS (2017). “Financial Technolo gy (FinTech)
diIndon esia oleh Mualiman D. Hadad, PhD k etua d ewan
komisioner OJK. Jakarta 02/06 /2017

23
Sekaran, Uma. 2006. Research Metodes for Business . Jakarta. Penerbit
Salemba Empat

Serano, C carlos, Begona Gutierez . 2016 . The Use of Profit Scoring as an
Alternative to Credit Scoring System in P2P Lending . Decision
support system 89 (2016 ) 113-122

Yum , Haewon . 2012. From The Wisdom o f Crowds t o My Own Judgment O n
Microfinance Trough Online Peer-To-Peer Lending Platform.
Electronic Commerce Researchand Application 11 (2012) 469 -483

https://www.investr ee.id/

http://www.ojk.go.id/id/berita-dan-kegiatan/inf o-terkini/Pages/OJK-
Keluarkan-Aturan -Baru-Terkait-Fintech.aspx

http://m,kontan. co.id/news/sah am-saham-paling-oke-menj elang-pemilu.

https://www.reuters.com/article/us -indonesia -fintech/indonesias -fintech –
lending -boom -exploits -shortfall -in-bank -loans -idUSKBN1FJ0F4

http://pusatdata.kontan.co.id/bungadeposito/

24