ABSTRAK
Dalam penelitian ini sebuah model prediksi untuk mendeteksi secara dini potensipembiayaan bermasalah yang dapat disehatkan dan yang berakhir denganpenyelesaian secara litigasi maupun non litigasi untuk penanganan pembiayaanbermasalah telah dibuat dengan pendekatan teknik statistik yakni Nested Logit.Hasil penelitian menemukan bahwa faktor-faktor yang berpengaruh signifikansecara statistik terhadap resolusi tindakan penyehatan adalah limit pembiayaan,status kepemilikan usaha, dan prospek usaha. Adapun faktor-faktor yangberpengaruh signifikan secara statistik terhadap resolusi penyelesaian dengan nonlitigasi, yaitu akad pembiayaan, sikap nasabah, dan prospek usaha, sedangkanterhadap penyelesaian litigasi, yaitu status kepemilikan usaha, sektor usaha, danprospek usaha. Hasil ketepatan prediksi yang ditunjukkan oleh model Nested Logitsecara keseluruhan rata-rata sebesar 87% akurat dari aktual, dengan proporsiakurasi pada masing-masing resolusi: yaitu 71% pada penyehatan, 92% padapenyelesaian non litigasi dan 98% pada penyelesaian litigasi. Akurasi model yangdidapat sudah sangat cukup baik dimana keakuratan hasil prediksi validasi terhadapmodel secara keseluruhan sebesar 89%. Untuk itu, model ini dapat digunakansebagai pendeteksi dini potensi pembiayaan bermasalah

---

ABSTRACT
In this study a prediction model for early warning sign detection of potential nonperforming financing problems that can be recovered and resolved either nonlitigation or litigation in handling financing problems have been developed by theapproach of the statistical techniques called Nested Logit Regression. The resultsfound that the factors statistically and significantly have a relationship on theresolution of recovering measures are the limit of financing, business ownershipstatus and business prospects. The factors that influence statistically andsignificantly against non-litigation, namely the financing agreement, the attitude ofcustomers and business prospects, while on the resolving by litigation, namely theownership status of the business, the business sector, and business prospects. Theresults shown by the prediction accuracy of Nested Logit models with overallaverage was about 87% of the actual accurate, with the proportion of accuracy oneach resolution: 71% on recovering, 92% in non-litigation settlement and 98% oncompletion of litigation. The accuracy of the model obtained is very reasonablywell, where the accuracy of the predicted results validate the overall model by 89%.Therefore, this model can be used as an early detection of potential non performingfinancing problems.