Analisis Prediksi Kualitas Kredit Bank Perekonomian Rakyat

Pranadipa, Rayza (2024) Analisis Prediksi Kualitas Kredit Bank Perekonomian Rakyat. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6032221065-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (1MB) | Request a copy

Abstract

Penyaluran dana dalam bentuk kredit yang diberikan merupakan bisnis utama dari Bank Perekonomian Rakyat (BPR). Penyaluran kredit tidak terlepas dari risiko gagal bayar oleh debitur yang berdampak pada penurunan kualitas kredit. Kualitas kredit yang semakin memburuk berpotensi pada penurunan pendapatan bank karena pendapatan utama bank bersumber dari pendapatan bunga kredit. Selain itu, kualitas kredit yang semakin buruk juga berdampak pada peningkatan beban penyisihan penghapusan aset produktif (PPAP). Salah satu upaya yang dapat dilakukan untuk meminimalisir risiko kredit adalah dengan melakukan prediksi kualitas kredit sehingga dapat mengidentifikasi secara dini potensi penurunan kualitas kredit. Penelitian ini bertujuan untuk mendapatkan feature signifikan yang mempengaruhi kualitas kredit pada BPR dan melakukan prediksi klasifikasi kualitas kredit pada BPR. Metode yang digunakan dalam penelitian ini adalah Ordinal Logistic Regression yang selanjutnya akan dievaluasi dengan menggunakan ROC (Receiver Operationg Characteristic) dan AUC (Area Under Curve). Hasil penelitian menunjukkan bahwa model terbaik dalam prediksi kualitas kredit yaitu menggunakan seluruh variable X baik itu informasi kredit maupun informasi debitur dengan nilai AUC sebesar 0,90 dan ketepatan prediksi sebesar 93,44%.
========================================================================================================================
Credit is the main business of rural banks. Credit distribution cannot be separated from the risk of default by the debtor which has an impact on reducing credit quality. Worsening credit quality has the potential to reduce bank income because the bank's main income comes from loan interest income. Apart from that, worsening credit quality also has an impact on increasing the burden of provisions for losses on productive assets. One effort that can be made to minimize credit risk is to predict credit quality so that you can identify early the potential for a decline in credit quality. This research aims to obtain significant features that influence credit quality at Rural Banks and to predict credit quality classification at rural banks. The method used in this research is Ordinal Logistic Regression which will then be evaluated using ROC (Receiver Operating Characteristic) and AUC (Area Under Curve). The research results show that the best model for predicting credit quality uses all X variables, both credit information and debtor information, with an AUC value of 0.90 and a prediction accuracy of 93.44%.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Bank Perekonomian Rakyat, analisis prediksi, kualitas kredit, Ordinal Logistic Regression
Subjects:	T Technology > T Technology (General) > T174 Technological forecasting
Divisions:	Interdisciplinary School of Management and Technology (SIMT) > 61101-Master of Technology Management (MMT)
Depositing User:	Rayza Pranadipa
Date Deposited:	11 Aug 2024 07:56
Last Modified:	11 Aug 2024 07:56
URI:	http://repository.its.ac.id/id/eprint/115316

Actions (login required)

View Item