Pemodelan Resiko Pembiayaan Griya Bank Mandiri Syariah Dengan Metode Bayesian Regresi Logistik Studi Kasus: BSM Kantor Cabang Kediri, Jawa Timur 2012-2014

Harlianingtyas, Irma (2015) Pemodelan Resiko Pembiayaan Griya Bank Mandiri Syariah Dengan Metode Bayesian Regresi Logistik Studi Kasus: BSM Kantor Cabang Kediri, Jawa Timur 2012-2014. Masters thesis, Institut Technology Sepuluh Nopember.

[thumbnail of 1313201054-Master Thesis.pdf] Text
1313201054-Master Thesis.pdf - Published Version
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Pembangunan ekonomi di suatu negara sangat bergantung pada
perkembangan dinamis dan kontribusi nyata dari sektor perbankan. Ketika sektor
perbankan terpuruk perekonomian nasional juga ikut terpuruk. Keadaan
perekonomian yang tidak stabil ini membuat perbankan syariah menjadi lembaga
keuangan yang lebih stabil dibandingkan bank umum konvensional, karena
prinsip transaksi pembiayaan diperbankan syariah tidak dipengaruhi suku bunga,
melainkan mengacu pada prinsip syariah islam. Pembiayaan modal yang
diberikan bank syariah mengacu pada akad syariat islam, demikian halnya
pembiayaan perumahan (griya). Resiko yang terjadi dalam pemberian pembiayaan
meliputi lancar dan kurang lancar (macet). Pemodelan terhadap resiko pemberian
pembiayaan ini sangat bermanfaat bagi pihak perbankan sebagai acuan dalam
mengambil kebijakan pemberian pembiayaan terhadap nasabah. Oleh karena itu
dilakukan penelitian dengan menggunakan variabel respon yang terbagi menjadi
dua kategori yakni lancar dan kurang lancar (macet). Sedangkan variabel
prediktor yang digunakan dalam penelitian meliputi pendapatan, usia, jenis
kelamin, pekerjaan, jumlah anak, pendidikan, masa kerja, pasangan bekerja, nilai
agunan, jumlah pinjaman, jenis rumah, lama angsuran, dan jumlah angsuran.
Selanjutnya pemodelan resiko pembiayaan dilakukan dengan analisis regresi
logistik biner. Berdasarkan data yang ada diketahui bahwa prosentase macet
hanya 8% dari total nasabah, sehingga proses estimasi MLE bias, dan lebih sesuai
menggunakan pendekatan Bayesian. Hasil estimasi parameter dengan metode
MCMC algoritma Gibbs Sampler menunjukkan bahwa variabel pendapatan dan
pasangan nasabah yang bekerja berpengaruh signifikan terhadap kelancaran
pembayaran angsuran.
=======================================================================================================
Economic development of the countries heavily dependent on the
development of dynamic and real contribution of the banking sector. When the
banking sector collapsed, the national economy also worse. Unstable economic
conditions have made the Islamic banking into a financial institution that is more
stable than conventional commercial banks, because the principles transactions in
Islamic banks are not influenced by interest rates, but rather refer to the principles
of Islam. Housing finance capital also given Islamic banks refer to Islamic
principal. Risks that occur in the granting of financing include smoothly and less
smoothly (jammed). Financing risk modeling is very beneficial for banks as a
reference to provide financing policies to customers. Therefore, research
conducted by using response variables which are divided into two categories,
smoothly and less smoothly. Whereas predictor variables used in this study are
income, age, gender, occupation, number of children, education, working period,
working couples, value of collateral, loan, type of home, the length installments,
and the amount of installments. Furthermore, the financing risk modeling
performed by binary logistic regression analysis. Based on the available data it is
known that percentage of less smoothly only 8% of the total customers, so that
MLE estimation is bias and more appropriate to use a Bayesian approach.
Parameter estimation results using MCMC method with Gibbs Sampler algorithm
indicates that the variable income and spouse working have a significant effect on
the smoothly instalment.

Item Type: Thesis (Masters)
Additional Information: RTSt 519.542 Har p
Uncontrolled Keywords: Resiko Pembiayaan, Regresi Logistik, Bayesian, MCMC, Gibbs Sampler.
Subjects: Q Science > QA Mathematics > QA279.5 Bayesian statistical decision theory.
Divisions: Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis
Depositing User: Mr. Tondo Indra Nyata
Date Deposited: 06 Nov 2019 03:13
Last Modified: 06 Nov 2019 03:13
URI: http://repository.its.ac.id/id/eprint/71614

Actions (login required)

View Item View Item