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.

[img] 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: https://repository.its.ac.id/id/eprint/71614

Actions (login required)

View Item View Item