| dc.creator |
Negara, Devisa Sofia; Prodi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Bandung |
|
| dc.creator |
Kudus, Abdul Sofia; Prodi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Bandung |
|
| dc.creator |
Yanti, Teti Sofia; Prodi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Bandung |
|
| dc.date |
2015-09-02 |
|
| dc.date.accessioned |
2016-04-12T06:19:29Z |
|
| dc.date.available |
2016-04-12T06:19:29Z |
|
| dc.identifier |
http://karyailmiah.unisba.ac.id/index.php/statistika/article/view/2728 |
|
| dc.identifier.uri |
|
|
| dc.description |
Credit scoring merupakan suatu alat dan teknik prediksi yang membantu lembaga keuangan dalam pemberian kredit. Tujuan pembuatan credit scoring untuk menganalisis dan membuat keputusan yang lebih cepat, tepat dan efisien terhadap penyeleksian nasabah yang akan menerima kredit. Regresi logistik merupakan teknik yang sudah sangat sering digunakan dalam membangun credit scoring di sebagian lembaga keuangan. Model regresi logistik akan memodelkan mengenai peluang terjadinya peristiwa “macet”. Di lain pihak, perhatian utama bukan pada berapa peluang kejadian peristiwa “macet”, melainkan juga pada kapan peristiwa itu terjadi. Analisis survival dapat membangun credit scoring dengan mempertimbangkan kapan peristiwa “macet” terjadi. Analisis survival fokus pada pemodelan peluang mengenai terjadinya suatu peristiwa yang dipantau sejak dari awal sampai pada munculnya kejadian yang diperhatikan, yaitu “macet”. Model Cox proporsional hazard adalah salah satu model khusus dalam analisis survival yang bertujuan untuk memodelkan data survival dengan variabel penjelas yang mempengaruhi fungsi hazard. Melalui model Cox proporsional hazard dapat dilihat hubungan antara variabel bebas terhadap variabel tak bebas yaitu waktu survival melalui fungsi hazardnya. Credit scoring yang dihasilkan oleh model regresi logistik maupun Cox proporsional hazard akan dievaluasi kelayakannya berdasarkan kriteria mean cost dengan cut-off tertentu. Cut-off adalah nilai untuk menentukan bagaimana prediksi dari setiap individu yang diteliti, sedangkan mean cost adalah ongkos atau kerugian akibat salah memprediksi. Dimana terdapat dua jenis salah prediksi yaitu salah prediksi jenis I dan salah prediksi jenis II. Salah prediksi jenis I adalah menyatakan prediksinya sebagai “lancar” padahal sebenarnya “macet” dan salah prediksi jenis II adalah menyatakan prediksinya sebagai “macet” padahal “lancar”. Kerugian akibat masing-masing salah prediksi tersebut tentu saja berbeda, dimana salah prediksi jenis I mempunyai cost yang lebih besar dibandingkan salah prediksi jenis II. Dengan hasil analisis bahwa nilai mean cost model regresi logistik lebih kecil dari pada nilai mean cost model Cox proporsional hazard, artinya model regresi logistik sedikit lebih baik dari pada model Cox proporsional hazard. |
|
| dc.publisher |
Universitas islam Bandung |
|
| dc.relation |
http://karyailmiah.unisba.ac.id/index.php/statistika/article/downloadSuppFile/2728/391 |
|
| dc.source |
Prosiding Statistika; Statistika (Gel 1 Th Akad 2015-2016) |
|
| dc.subject |
Statistika |
|
| dc.subject |
Credit scoring, analisis survival, regresi logistik, Cox proporsional hazard, cut-off optimal, mean cost. |
|
| dc.title |
Perbandingan Credit Scoring yang Dihasilkan oleh Model Regresi Logistik dan Cox proporsional hazard dengan Menggunakan Kriteria Mean Cost |
|
| dc.type |
info:eu-repo/semantics/article |
|
| dc.type |
Artikel yang dipeer-review |
|
| dc.type |
Kuantitatif |
|
| dc.type |
info:eu-repo/semantics/publishedVersion |
|