Dalam memberikan kredit, lembaga keuangan perbankan dan bukan perbankan menetapkan standar kelayakan seorang calon debitur mendapatkan pinjaman. Penetapkan standar dan prosedur ini dilakukan untuk menghindari resiko kemungkinan gagal bayar yang mungkin akan terjadi dikemudian hari, seperti debitur tidak mampu melunasi hutangnya dikarenakan satu atau lain hal. Tujuan dari penelitian ini adalah untuk mengidentifikasi variabel apa yang berpengaruh dalam menentukan resiko kemungkinan gagal bayar debitur. Objek dalam penelitian ini adalah PT X. Database yang digunakan adalah sebanyak 19078 debitur, dengan posisi pengambilan data pada tahun 2011.Untuk mengetahui variabel- variabel yang berpengaruh, dapat menggunakan analisis regresi logistik. Dengan regresi logistik membuat model yang secara jelas dapat menunjukkan perbedaan dan mengklasifikasikan debitur ke dalam grup debitur yang lancar maupun gagal bayar (default) dalam pembayaran kredit. Penelitian ini menggunakan empat belas variabel pada PT X yang terdiri dari jenis kelamin, umur, status pernikahan, status kepemilikan rumah, pendidikan, pekerjaan, pendapatan, jumlah tanggungan, uang muka, time to retirement, waktu peminjaman, jenis angsuran, jenis kendaraan, karakteristik penghasilan. Berdasarkan hasil analisis data terdapat delapan prediktor yang paling signifikan pengaruhnya. Variabel tersebut adalah status pernikahan, pekerjaan, pendapatan,uang muka, time to retirement, waktu peminjaman, jenis asuransi dan jenis kendaraan. Variabel- variabel tersebut merupakan hal yang paling dominan atau signifikan dalam potensi resiko kemungkinan gagal bayar dari seorang debitur.
Banking and non-banking financial institutions entrench within their credit-lending policy the feasibility standards for their debtor candidates. Standards and procedures are established to avoid upcoming problematic credits, for example happened when a debtor is unable to pay the credit. The objective of this thesis is to identify variables that affect debtor?s probability of default. For its study focus, this research uses PT X. Database as used in this research is 19078 debtors, with position of data intake 2011. The influential variables are acquired using logistic regression. Logistic regression enables the authors to clearly identify the differences and to classify debtor into nondefault and default in the term of paying the loan. The analysis use fourteen variables in determining credit lending of PT X, including gender, age, marital status, home status, education, occupation, salary, number of dependant, down payment, time to retirement, tenor, type car insurance, car?s type and characteristic income. This study find eight predictors that explain debtor's default potential, that are: marital status, occupation, salary, down payment, time to retirement, tenor, type car insurance, the car?s type. That?s all is confirmed as the most dominant and significant variables in categorizing the debtor behavior in term of paying the credit for determining the probability of default from the debtor. |
T-Pdf Irmayanti Juliana Silaen.pdf :: Unduh