Risiko kredit yang terburuk adalah saat terjadinya default atau gagal bayar oleh debitur. Salah satu mitigasi awal terjadinya risiko default dilakukan melakukan penyaringan kualitas nasabah yang baik sebelum memberikan kredit. Scoring merupakan salah satu cara yang efisien dalam memberikan gambaran potensi default nasabah pembiayaan konsumen. Scoring yang umum dilakukan untuk kredit konsumsi pada lembaga keuangan saat ini hanya menggunakan variabel aplikasi kredit yang bersifat statis, sementara risiko terjadinya default dapat berubah seiring dengan waktu atau bersifat dinamis. Penelitian dilakukan untuk menguji penggunaan model dinamis dengan variabel aplikasi dan variabel perilaku nasabah kredit pembiayaan konsumen dengan tujuan memberikan gambaran probabilitas terjadinya default dalam periode waktu tertentu. Penelitian ini membangun model dinamis dengan pendekatan survival analysis dan menggunakan rasio loglikelihood untuk menilai goodness of fit. Model dinamis yang dihasilkan menunjukkan nilai hazard ratio yang lebih tinggi dibandingkan dengan model dengan variabel statis (variabel aplikasi).

---

Default or repayment failure is the worst scenario in credit risk. One of the early default mitigation is by implementing best customer screening selection before giving credi, such as scoring. Many scoring method that been used by financial company nowadays only pointed in application variable data which is static for the time data was taken, but the default risk itself is changing over time or dynamic. The study was conducted to test the use of dynamic models with variable applications and customer behavior variables on consumer financing with the goal of providing an overview of probability of default within a specified time period. This research try to builds a dynamic model with survival analysis approach and use loglikelihood ratio to assess the goodness of fit. The result show that dynamic model have a higher hazard ratio compared to a model with a static variable (application variable).