Pemodelan tingkat kolektibilitas kredit Briguna di BRI kantor cabang X menggunakan metode regresi logistik biner

Ardin, Raja Feberari Samudra (2022) Pemodelan tingkat kolektibilitas kredit Briguna di BRI kantor cabang X menggunakan metode regresi logistik biner. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 10611810000008-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (1MB)

Abstract

Tingkat kebutuhan masyarakat saat ini semakin beragam dan meningkat, sehingga mengakibatkan dana yang harus dikeluarkan juga semakin banyak. Namun, kemampuan finansial setiap orang berbeda-beda sehingga apabila memerlukan dana secara tiba-tiba, kebutuhan tersebut bisa jadi tidak dapat terpenuhi. Untuk mengantisipasi kekurangan dana dalam pemenuhan kebutuhan, masyarakat dapat menggunakan fasilitas pinjaman dana atau kredit dari suatu lembaga keuangan, salah satunya adalah bank. BRI merupakan salah satu bank yang ada di Indonesia yang melayani masyarakat dalam bertransaksi, baik dalam bentuk simpanan maupun kredit. Salah satu jenis kredit yang paling diminati adalah kredit Briguna. Namun, salah satu permasalahan yang sering muncul dalam pemberian pinjaman kredit adalah risiko kredit bermasalah atau kredit macet. Pandemi COVID-19 membawa dampak, salah satunya adalah penurunan pendapatan masyarakat yang juga berdampak pada ketidaklancaran kinerja perbankan, salah satunya BRI Kantor Cabang X. Pada bulan April 2021, terdapat total kredit bermasalah sebanyak 25% debitur di BRI Kantor Cabang X. Risiko kredit bermasalah terbagi menjadi dua, yaitu lancar dan tidak lancar, sedangkan risiko kredit tidak lancar terbagi menjadi empat tingkat, yaitu DPK (Dalam Pengawasan Khusus), Kurang Lancar, Diragukan, dan Macet. Oleh karena itu, perlu adanya suatu model yang mampu memprediksi tingkat kolektibilitas kredit debitur. Model ini bertujuan untuk mempermudah bank dalam menentukan dasar kebijakan yang akan diterapkan saat pemberian kredit kepada debitur. Salah satu metode yang dapat digunakan untuk menyelesaikan permasalahan tersebut adalah analisis regresi logistik biner. Hasil penelitian ini menunjukkan bahwa variabel yang berpengaruh signifikan adalah usia, plafond, rate, jangka waktu, flag restruk, dan penghasilan. Selain itu, regresi logistik biner dapat mengklasifikasikan debitur Briguna bulan April 2021 berdasarkan tingkat kolektibilitas kredit dengan tepat sebesar 75,5%.
==================================================================================================================================
The level of people’s needs is increasingly diverse, resulting in a greater amount of funds being required to meet those needs. However, everyone’s financial ability is different, so if they need funds unexpectedly, their needs may not be fulfilled. To anticipate a lack of funds in meeting their needs, people can use loan or credit facilities from financial institutions, particularly banks. BRI is one of the banks in Indonesia that provides services to the public in the form of deposits and credit. One of the most desirable types of credit is Briguna credit. However, one of the problems that often arises in lending is the risk of non-performing loans or bad loans. During the COVID-19 pandemic, one of the impacts was a decline in public income, which also affected the performance of the banking sector, including BRI Branch Office X. The risk of non-performing loans is divided into two categories, namely performing and non-performing, with non-performing loans further divided into four levels: Special Mention, Substandard, Doubtful, and Loss. In April 2021, a total of 25% of debtors at BRI Branch Office X had non-performing loans. Therefore, a model is needed to predict the credit collectibility level of debtors. This model aims to assist banks in determining the policies to be applied when providing credit to debtors. One method that can be used to address this problem is binary logistic regression analysis. The results of this study indicate that the variables that have a significant effect are age, plafond, interest rate, loan term, restructuring status, and income. In addition, binary logistic regression was able to correctly classify Briguna debtors in April 2021 based on their credit collectibility level, with an accuracy of 75.5%.

Item Type:	Thesis (Other)
Additional Information:	519.536 Ard p-1
Uncontrolled Keywords:	Kolektibilitas, BRI, Regresi Logistik Biner, Kredit Bermasalah, Collectability, biner logistic regression, The risk of non-performing loans
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	magang .
Date Deposited:	05 Oct 2026 04:11
Last Modified:	05 Oct 2026 04:11
URI:	http://repository.its.ac.id/id/eprint/145249

Actions (login required)

View Item