Analisis Pengaruh Kemampuan Debitur Melunasi Kewajiban Finansial Berdasarkan Current and Historical Data dengan Metode Regresi Logistik Multinomial

Rebeka, Jean and Wiyata, Rachel Cahyani Ardhika (2023) Analisis Pengaruh Kemampuan Debitur Melunasi Kewajiban Finansial Berdasarkan Current and Historical Data dengan Metode Regresi Logistik Multinomial. Project Report. [s.n.], [s.l.]. (Unpublished)

Text 5006201061_5006201100-Project_Report.pdf - Accepted Version Restricted to Repository staff only Download (4MB)

Abstract

Regresi Logistik Multinomial yang dilakukan pada data funding dan kredit debitur menjelaskan hasil hubungan antara variabel nilai tengah dari sistem penilaian risiko kredit untuk menentukan kemampuan debitur untuk membayar kembali pinjaman yang diberikan, nilai tengah dari sistem penilaian risiko untuk mengevaluasi risiko yang terkait dengan melihat angunan/jaminan terkait kepada bank, nilai tengah dari besaran pembiayaan (nilai kredit) yang diberikan oleh bank, nilai tengah dari besar nominal rekening yang dimiliki di bank, nilai tengah dari sisa nilai kredit yang tidak terpakai debitur, nilai tengah dari besar persentase nilai kredit yang dipakai debitur, dan nilai tengah dari besar persentase nilai kredit yang tidak dipakai debitur terhadap ukuran kemampuan untuk melunasi kewajiban finansial. Dari hasil analisis regresi tersebut, menunjukkan bahwa variabel median ERF score, median plafond, median outstanding, median mutasi, dan median unusage tidak berpengaruh signifikan. Hasil analisis regresi logistik multinomial yang dilakukan menunjukkan bahwa model yang terbentuk sudah sesuai untuk mengestimasi kemampuan debitur memenuhi kewajiban finansial saat 3 bulan yang akan datang karena telah memenuhi uji kesesuaian model dan memiliki nilai ketepatan klasifikasi sebesar 75,6%.

Item Type:	Monograph (Project Report)
Uncontrolled Keywords:	Regresi Logistik Multinomial,Risiko Kredit, ERF Score
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Rachel Cahyani Ardhika Wiyata
Date Deposited:	09 Jul 2024 08:01
Last Modified:	09 Jul 2024 08:01
URI:	http://repository.its.ac.id/id/eprint/108186

Actions (login required)

View Item