Divisi Business Service (DBS) merupakan salah satu divisi fungsi yang ada di PT. Telekomunikasi Indonesia (PT. Telkom). DBS berperan dalam pengelolaan corporate customer menengah ke bawah atau Usaha Mikro, Kecil, dan Menengah (UMKM). DBS menutup tahun 2018 dengan collection rate sebesar 79%. Collection rate yang rendah tersebut telah telah membawa kerugian bagi Telkom Group sebesar Rp 580 M. Keadaan DBS yang seperti ini perlu menjadi perhatian karena collection rate DBS di 2018 mengalami penurunan yang cukup signifikan dari tahun sebelumnya. Ditambah lagi, di tahun 2018, DBS adalah divisi dengan collection rate terendah dibanding divisi lain yang ada di Telkom. Collection rate yang rendah ini utamanya dipengaruhi oleh proses customer assessment di DBS yang saat ini masih belum memiliki pola yang tepat. Berdasarkan penjabaran di atas, penelitian ini mencoba mengeliminasi penilaian kualitatif yang yang terjadi pada customer assessment DBS. Penelitian ini akan merekomendasikan mekanisme customer assessment yang lebih efektif dengan adanya model matematika credit scoring yang di-develop melalui pendekatan regresi logistik. Dari hasil penelitian, didapatkan hasil bahwa ada 3 variabel finansial dan 3 variabel non-finansial yang mempengaruhi kelayakan customer, yaitu quick ratio, DER, EBIT/TA, reputasi bisnis, perkembangan industri, dan tingkat persaingan industri.

---

Divisi Business Service (DBS) is one of division in PT. Telekomunikasi Indonesia (PT. Telkom). DBS scope of work is responsible in handling Small Medium Enterprise (SME) customer. In 2018, DBS closed the year with 79% in collection rate. This rate had been declining from prior years. Moreover, compared to other divisions in Telkom Group, DBS had the smallest number. This number has inflicted financial loss to Telkom of IDR 580 Billion. Low rate of collection rate mostly caused by bad customer assessment which is done in the beginning of sales process. From those facts, this research is determined to give better alternative in the customer assessment process by implementing credit scoring model. The model will be derived by using logistic regression method. As the result, there are 3 financial and 3 non-financial variables which are affect the customer worthiness which are quick ratio, DER, EBIT, business reputation, industry growth, and business competition. Moreover, it has been proven that the model developed could represent the real condition, thus can be implemented.