| dc.contributor |
|
|
| dc.contributor |
|
|
| dc.creator |
Fayoga, Teguh |
|
| dc.creator |
Kudus, Abdul |
|
| dc.creator |
Sunendiari, Siti |
|
| dc.date |
2016-02-13 |
|
| dc.identifier |
http://karyailmiah.unisba.ac.id/index.php/statistika/article/view/2402 |
|
| dc.description |
Stagnant credit is a factor causes bankruptcy in banking industry. It is necessary to do analysis in banking industry to reduce credit risk. Classification credit analysis is necessary to avoid the risk of stagnant credit from bank clients. The classification credit used is logistic regression model, and it is known as qualitative selection model because this kind of model is not able to be assessed by using ordinary least quadrate method. When there are many model candidates, the best model must be chosen. This study describes the best model with modified eight selection criteria (M8SC). This study describes model formation approach where the entire model formation structures are described clearly using numerical illustration starting from identification of dependent and independent variables to select the best model. |
|
| dc.description |
Kredit macet merupakan salah satu faktor penyebab terjadinya kebangkrutan pada industri perbankan. Dalam dunia perbankan, diperlukan analisis yang mampu mengurangi terjadinya resiko kredit. Pada penelitian ini metode yang digunakan untuk menghindari resiko kredit macet yang ditimbulkan oleh nasabah maka diperlukan analisis klasifikasi kredit. Penelitian untuk klasifikasi kredit kali ini akan menggunakan Model Regresi Logistik. Model Regresi Logistik dikenal sebagai model pilihan kualitatif, karena model regresi ini tidak dapat ditaksir dengan mengunakan metode kuadrat terkecil biasa. Jika terdapat banyak kandidat model, maka perlu dipilih model terbaik. Dalam makalah ini akan diterapkan pemilihan model terbaik dengan delapan kriteria pemilihan yang dimodifikasi (Modified Eight Selection Criteria, M8SC). Makalah ini akan menggambarkan pendekatan pembentukan model. Dimana seluruh struktur pembentukan model mulai dari mengidentifikasi variabel dependen dan variabel independennya dalam rangka mendapatkan model terbaik akan digambarkan menggunakan ilustrasi numerik. |
|
| dc.format |
application/pdf |
|
| dc.language |
ind |
|
| dc.publisher |
Universitas islam Bandung |
|
| dc.relation |
http://karyailmiah.unisba.ac.id/index.php/statistika/article/view/2402/pdf |
|
| dc.relation |
http://karyailmiah.unisba.ac.id/index.php/statistika/article/downloadSuppFile/2402/340 |
|
| dc.source |
Prosiding Statistika; Vol 2, No 1, Prosiding Statistika (Februari, 2016); 1-10 |
|
| dc.source |
Prosiding Statistika; Vol 2, No 1, Prosiding Statistika (Februari, 2016); 1-10 |
|
| dc.source |
2460-6456 |
|
| dc.subject |
Proceedings of Statistics |
|
| dc.subject |
Stagnant credit, credit classification analysis, logistic regression, M8SC. |
|
| dc.subject |
Statistika |
|
| dc.subject |
Kredit Macet, Analisis Klasifikasi Kredit, Regresi Logistik, M8SC |
|
| dc.title |
Determining logistic regression model applied on debitor client data in Bank A by modifying 8 criterias of selection. |
|
| dc.title |
Penentuan Model Regresi Logistik Terbaik yang Diterapkan pada Data Nasabah Debitur di Bank A Melalui Modifikasi Delapan Kriteria Pemilihan |
|
| dc.type |
info:eu-repo/semantics/article |
|
| dc.type |
info:eu-repo/semantics/publishedVersion |
|
| dc.type |
Peer-reviewed Article |
|
| dc.type |
quantitative |
|
| dc.type |
Kuantitatif |
|