Data Analysis for Finance with R: Performa Cabang

Achmad Ardani Prasha

Latar Belakang

DQLab Finance merupakan perusahaan finance yang sudah mempunyai banyak cabang tersebar dimana-mana. Sejak berdiri pada Januari 2020, DQLab Finance konsisten menyalurkan pembiayaan untuk masyarakat dan semakin berkembang setiap bulannya dengan membuka cabang baru.

Walaupun berumur kurang dari 1 tahun, DQLab Finance sudah mempunyai banyak cabang, oleh karena itu perlu dipantau bagaimana performa dari cabang - cabang tersebut.

Pada masing-masing cabang, terdapat agen-agen yang bertugas mencari dan mendata calon mitra yang akan mengajukan pinjaman kepada DQLab Finance. Lalu jika sudah disetujui, agen juga yang akan memberikan uang tersebut kepada mitra

Tugas dan Langkah

• Menganalisis performa cabang pada bulan Mei 2020.
• Langkah-langkah yang dilakukan adalah:
  • Memfilter data untuk bulan Mei 2020
  • Membuat summary per cabang untuk melihat data 5 cabang terbaik dan terburuk
  • Karena cabang bertambah setiap bulannya, maka perlu dicek umur cabang dan performa Mei
  • Mencari cabang terburuk untuk masing - masing kelompok umur

Library yang Digunakan

Pada analisis kali ini, akan digunakan beberapa package yang membantu dalam melakukan analisis data

1. Package dplyr, merupakan package yang paling sering digunakan dalam analisis data, sangat membantu dalam manipulasi data, fungsi yang paling sering digunakan adalah :

• mutate() membuat variabel baru berdasarkan variabel yang ada
• select() memilih variabel berdasarkan namanya
• filter() memfilter data berdasarkan value dari variabel
• summarise() mengubah beberapa nilai menjadi satu ringkasan nilai
• arrange() mengurutkan baris data

2. Package ggplot2, merupakan package yang digunakan untuk membuat plot dengan syntax yang konsisten, secara umum, untuk membuat plot dengan memanggil fungsi

ggplot(data) + geom_type(aes(x,y,fill,color))

geom_type diganti dengan fungsi sesuai dengan jenis plot yang diharapkan, misalnya geom_line, geom_bar, geom_point, geom_boxplot, dan lainnya. 3. Packages scales, digunakan untuk memformat value data numerik menjadi format yang mudah dibaca, tidak terlalu sering digunakan, tapi membantu ketika eksplorasi data. fungsi yang biasa dipakai adalah - comma() mengubah numerik menjadi ada simbol ribuan, misalnya 10000000000 diubah menjadi 10,000,000,000 - percent() mengubah numerik menjadi ada format persen, misalnya 0.65877 diubah menjadi 66%

Data yang Digunakan

Untuk Dataset yang digunakan sudah disediakan dalam format rds sehingga bisa langsung dibaca di R dengan cara :

df_loan <- read.csv('https://storage.googleapis.com/dqlab-dataset/loan_disbursement.csv', stringsAsFactors = F)

stringsAsFactors ini berguna agar data-data yang bertipe character (seperti nama cabang, agen dan tanggal) tidak diubah menjadi factor.

untuk melihat datanya, gunakan fungsi glimpse dari package dplyr. karena hanya pakai 1 fungsi, kita bisa memanggilnya tanpa load package nya, yakni dengan menggunakan symbol :: dan format package::fungsi()

dplyr::glimpse(df_loan)

Rows: 9,754
Columns: 5
$ loan_id      <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 2~
$ tanggal_cair <chr> "2020-01-06", "2020-01-06", "2020-01-06", "2020-01-06", "2020-01-06", "2020-~
$ cabang       <chr> "AA", "AA", "AA", "AA", "AA", "AA", "AB", "AB", "AB", "AB", "AB", "AB", "AC"~
$ agen         <chr> "AA-1", "AA-1", "AA-1", "AA-2", "AA-2", "AA-2", "AB-1", "AB-1", "AB-1", "AB-~
$ amount       <int> 320000, 440000, 200000, 430000, 360000, 220000, 320000, 470000, 470000, 3500~

Terlihat bahwa ada 9,754 baris data (Observations) dan ada 5 kolom (Variables), loan_id: unik ID dari data ini tanggal_cair: tanggal uang diberikan kepada mitra cabang: lokasi agen bekerja dan tempat mitra terdaftar agen: petugas lapangan yang melakukan pencairan amount: jumlah uang yang dicairkan

Memfilter Data Bulan Mei 2020 dan Jumlahkan Data Per Cabang

Untuk melihat data bulan Mei 2020, gunakan fungsi filter untuk memfilter data df_loan untuk tanggal dari awal Mei ‘2020-05-01’ sampai dengan akhir Mei ‘2020-05-31’. Lalu hitung total_amount untuk masing-masing cabang menggunakan group_by dan summarise kemudian disimpan hasilnya menjadi df_loan_mei.

Load package dplyr dengan cara,

library(dplyr)

Lalu gunakan pipe %>% untuk menyambungkan fungsi dan jalankan df_loan_mei untuk menampilkan data,

df_loan_mei <- df_loan %>%
    filter(tanggal_cair >= '2020-05-01', tanggal_cair <= '2020-05-31') %>%
    group_by(cabang) %>%
    summarise(total_amount = sum(amount))
df_loan_mei

Tampilkan Data 5 Cabang dengan Total Amount Paling Besar

Tampilkan 5 cabang terbesar dari data df_loan_mei, urutkan dengan fungsi arrange, pakai desc untuk mengurutkan dari yang paling besar. Tampilkan 5 data teratas menggunakan fungsi head.

Gunakan fungsi comma dari package scales untuk menampilkan total_amount agar lebih mudah dibandingkan.

Sebelumnya load package scales dengan cara,

library(scales)

Gunakan pipe %>% untuk menyambungkan fungsi.

df_loan_mei %>% arrange(desc(total_amount)) %>%
    mutate(total_amount = comma(total_amount)) %>%
    head(5)

Tampilkan Data 5 Cabang dengan Total Amount Paling Kecil

Tampilkan 5 cabang terkecil dari data df_loan_mei,urutkan dengan fungsi arrange dari total_amount yang paling kecil tampilkan 5 data teratas menggunakan fungsi head.

Gunakan fungsi comma dari package scales untuk menampilkan total_amount agar lebih mudah dibandingkan.

df_loan_mei %>% arrange(total_amount) %>%
    mutate(total_amount = comma(total_amount)) %>%
    head(5)

Kesimpulan

Terjadi perbedaan yang sangat signifikan antara top 5 dengan bottom 5. Hal ini mungkin karena umur cabang yang berbeda beda karena ada pertumbuhan cabang baru setiap bulannya.

Selanjutnya perlu dicek apakah ada perbedaan total amount untuk umur cabang yang berbeda - beda.

Menghitung Umur Cabang dalam Bulan

Karena tidak tersedia data umur cabang, maka perlu dihitung terlebih dahulu, yakni dengan menghitung sudah berapa lama sejak tanggal cair pertama sampai dengan bulan Mei.

Gunakan data df_loan yang berisi semua tanggal_cair dari awal lalu cari tanggal_cair pertama kali per cabang dan simpan sebagai pertama_cair.

Kemudian hitung umur dengan rumus

umur = as.numeric(as.Date('2020-05-15') - as.Date(pertama_cair)) %/% 30

Untuk memudahkan cara perhitungan umur dengan membagi jumlah selisih hari dengan 30, karena itu tanggal batas nya menggunakan tanggal tengah bulan (2020-05-15), agar tidak terlalu mempengaruhi presisi perhitungan.

Lalu simpan sebagai df_cabang_umur.

Terakhir tampilkan data df_cabang_umur

Gunakan pipe %>% untuk menyambungkan fungsi.

df_cabang_umur <- df_loan %>% group_by(cabang) %>%
    summarise(pertama_cair = min(tanggal_cair)) %>%
    mutate(umur = as.numeric(as.Date('2020-05-15') - as.Date(pertama_cair)) %/% 30)
df_cabang_umur 

Gabungkan Data Umur dan Performa Mei

Selanjutnya untuk membandingkan data umur dan performa di bulan mei, terlebih dahulu perlu digabungkan dulu data-data yang sudah dibuat sebelumnya dengan menggunakan fungsi inner_join, lalu simpan sebagai df_loan_mei_umur.

Gunakan pipe %>% untuk menyambungkan fungsi.

df_loan_mei_umur <- df_cabang_umur %>% inner_join(df_loan_mei, by="cabang")
df_loan_mei_umur

Plot Relasi Umur dan Performa Mei

Untuk membuat plot, akan digunakan package ggplot2 agar script yang digunakan lebih konsisten ketika nanti ada perubahan dan supaya bisa lebih bisa dikustomisasi nantinya.

Gunakan data df_loan_mei_umur yang sudah dibuat sebelumnya.

Sehingga hasilnya akan menjadi seperti ini:

library(ggplot2)
ggplot(df_loan_mei_umur, aes(x = umur, y = total_amount)) + geom_point() +
    scale_y_continuous(labels = scales::comma) +
    labs(title = "Semakin berumur, perfoma cabang akan semakin baik",
            x = "Umur(bulan)", y = "Total Amount")

Kesimpulan

Terlihat bahwa ada pola semakin tua cabang, maka performanya semakin baik. Hal ini karena cabang tersebut masih berkembang sehingga belum sampai pada performa maksimal.

Akan tetapi pada masing - masing umur itu juga ada cabang yang performanya dibawah yang lain.

Selanjutnya akan dianalisis cabang yang performanya lebih rendah dari yang lain pada umur yang sama

Mencari Cabang yang Performa Rendah untuk Setiap Umur

Selanjutnya Untuk mencari cabang yang performanya rendah pada setiap kelompok umur, akan digunakan nilai Quartile dan Inter Quartile Range (Jangkauan Interkuartil) dari setiap umur. Dalam statistika jangkauan interkuartil (IQR), adalah selisih antara persentil ke-75 (kuartil atas) dan persentil ke-25 (kuartil bawah). Dengan kata lain, IQR adalah kuartil ketiga dikurangi kuartil pertama.

Dikatakan rendah jika performanya kurang dari (Q1 - IQR). Untuk itu perlu dicari dulu nilai Q1, Q3 dan IQR untuk setiap umur dengan menggunakan data df_loan_mei_umur. Untuk membuat variabel ini, gunakan group_by dan mutate karena variabel ini akan digunakan lagi oleh semua data.

Setelah itu buat variabel baru flag yang akan berisi ‘rendah’ jika performanya kurang dari (Q1 - IQR) dan ‘baik’ untuk selain itu dan simpan hasilnya sebagai df_loan_mei_flag.

Lalu filter df_loan_mei_flag hanya untuk flag rendah, agar terlihat cabang mana saja yang masuk kelompok ini, dan ubah kolom numeric menjadi comma dengan fungsi mutate_if.

Gunakan pipe %>% untuk menyambungkan fungsi.

library(dplyr)
library(scales)
df_loan_mei_flag <- df_loan_mei_umur %>% 
  group_by(umur) %>% 
  mutate(Q1 = quantile(total_amount, 0.25),
       Q3 = quantile(total_amount, 0.75),
      IQR = (Q3-Q1)) %>%
  mutate(flag = ifelse(total_amount < (Q1 - IQR), 'rendah','baik'))

df_loan_mei_flag %>% 
  filter(flag == 'rendah') %>% 
  mutate_if(is.numeric, funs(comma))

`mutate_if()` ignored the following grouping variables:Warning: `funs()` was deprecated in dplyr 0.8.0.
Please use a list of either functions or lambdas: 

  # Simple named list: 
  list(mean = mean, median = median)

  # Auto named with `tibble::lst()`: 
  tibble::lst(mean, median)

  # Using lambdas
  list(~ mean(., trim = .2), ~ median(., na.rm = TRUE))

Buat Scatterplot dan beri warna merah pada cabang yang rendah

Untuk memperjelas bagaimana performa cabang yang rendah ini, plot lagi seperti sebelumnya. Sekarang menggunakan data yang baru, yakni df_loan_mei_flag. Lalu beri warna biru untuk cabang dengan flag ‘baik’ dan merah untuk yang ‘rendah’.

Sehingga hasilnya akan menjadi seperti ini:

ggplot(df_loan_mei_flag, aes(x = umur, y = total_amount)) +
  geom_point(aes(color = flag)) +
  scale_color_manual(breaks = c("baik", "rendah"),
                     values = c("blue", "red")) +
  scale_y_continuous(labels = scales::comma) +
  labs(title = "Ada cabang berpeforma rendah padahal tidak termasuk bottom 5 nasional",
       color = "",
       x = "Umur (bulan)",
       y = "Total Amount")

Lihar Perbandingan Performa Cabang di Umur yang Sama

Selanjutnya akan dianalisis lebih lanjut kenapa cabang itu bisa performanya rendah di mei

Untuk kali ini akan dilihat hanya untuk yang umur dengan performa rendah yaitu 3 bulan saja, dilihat detail performa pada bulan Mei dengan menghitung,

• Jumlah hari pencairan dalam 1 bulan
• Jumlah agen yang aktif
• Total loan yang cair
• Rata - rata amount cair per loan.

Dan ubah kolom numeric menjadi comma dengan fungsi mutate_if.

Gunakan pipe %>% untuk menyambungkan fungsi.

df_loan_mei_flag %>% 
  filter(umur == 3) %>% 
  inner_join(df_loan, by = 'cabang') %>% 
  filter(tanggal_cair >= '2020-05-01', tanggal_cair <= '2020-05-31') %>% 
  group_by(cabang, flag) %>% 
  summarise(jumlah_hari = n_distinct(tanggal_cair),
            agen_aktif = n_distinct(agen),
            total_loan_cair = n_distinct(loan_id),
            avg_amount = mean(amount), 
            total_amount = sum(amount)) %>% 
  arrange(total_amount) %>% 
  mutate_if(is.numeric, funs(comma))

`summarise()` has grouped output by 'cabang'. You can override using the `.groups` argument.`mutate_if()` ignored the following grouping variables:

Lihat Perbadingan Performa Agen pada Cabang yang Rendah

Dari hasil eksplorasi sebelumnya, terlihat bahwa yang berbeda jauh hanya total_loan_cair saja. Jumlah hari dan jumlah agen dalam satu bulan sama semua.

Selanjutnya perlu dilihat bagaimana perbandingannya per agent.

Untuk melanjutkan tadi, dilihat untuk yang umur 3 bulan dan flag nya rendah dilihat detail performa pada bulan mei per agen dengan mengihitung,

• Jumlah hari pencairan dalam 1 bulan
• Total loan yang cair
• Rata - rata amount cair per loan
• Total amount cair

Dan ubah kolom numeric menjadi comma dengan fungsi mutate_if.

Gunakan pipe %>% untuk menyambungkan fungsi.

df_loan_mei_flag %>% 
  filter(umur == 3, flag == 'rendah') %>% 
  inner_join(df_loan, by = 'cabang') %>% 
  filter(tanggal_cair >= '2020-05-01', tanggal_cair <= '2020-05-31') %>% 
  group_by(cabang, agen) %>% 
  summarise(jumlah_hari = n_distinct(tanggal_cair),
            total_loan_cair = n_distinct(loan_id),
            avg_amount = mean(amount), 
            total_amount = sum(amount)) %>% 
  arrange(total_amount) %>% 
  mutate_if(is.numeric, funs(comma))

`summarise()` has grouped output by 'cabang'. You can override using the `.groups` argument.`mutate_if()` ignored the following grouping variables:

Lihat Perbandingan Performa Agen pada Cabang yang Paling Baik umur 3 Bulan

Pada tabel sebelumnya, terlihat pula bahwa ada cabang yang punya 3 agen, tapi performa nya jauh diatas cabang AE, bahkan yang paling tinggil diantara cabang lain pada umur tersebut, lebih tinggi dari yang mempunya 4 agen cabang tersebut adalah cabang AH.

Dengan cara yang hampir sama, akan dilihat bagaimana performa masing-masing agen dari cabang AH tersebut. Hanya saja untuk ini bisa langsung pakai data df_loan lalu filter nama cabang nya saja.

df_loan %>% 
  filter(cabang == 'AH') %>% 
  filter(tanggal_cair >= '2020-05-01', tanggal_cair <= '2020-05-31') %>% 
  group_by(cabang, agen) %>% 
  summarise(jumlah_hair = n_distinct(tanggal_cair),
            total_loan_cair = n_distinct(loan_id),
            avg_amount = mean(amount), 
            total_amount = sum(amount)) %>% 
  arrange(total_amount) %>% 
  mutate_if(is.numeric, funs(comma))

`summarise()` has grouped output by 'cabang'. You can override using the `.groups` argument.`mutate_if()` ignored the following grouping variables:

Kesimpulan

Berdasarkan analisis tersebut, dapat disimpulkan bahwa rendahnya performa dari cabang AE adalah karena salah satu agen yang melakukan pencairan hanya 4 hari dalam 1 bulan, padahal agen lain bisa aktif 21 hari.

Hal ini membuat total amount dari agen tersebut hanya 20% dibandingkan agen yang lainnya.

Sedangkan pada cabang AH, performanya sangat baik karena ketiga agen melakukan pencairan hampir / selalu setiap hari kerja. 2 orang full 21 hari 1 orang 19 hari. Sehingga performa nya terjaga dengan baik.

Perlu diperhatikan juga bahwa untuk membandingkan performa cabang itu sebaiknya di kelompokkan dulu berdasarkan karakteristik yang sama. Tidak langsung semua cabang dibandingkan tanpa mengetahui karakteristiknya.

Apalagi ketika dalam real world nanti cabang ini bisa terletak di berbeda wilayah (pulau misalnya) yang mempunyai kultur yang berbeda

Selanjutnya perlu dianalisis lebih lanjut kenapa ada agen yang hanya aktif beberapa hari saja dalam sebulan.

Untuk kedepannya setiap agen agar dipastikan untuk bisa aktif setiap hari nya, sehingga bisa menjaga performa cabang.