Rofitanur, Nikma (2020) Penerapan Integrasi Hybrid Mutual Clustering Dan Analisis Diskriminan Pada Kolektibilitas Bank X Kota Malang. Sarjana thesis, Universitas Brawijaya.
Abstract
Pemberian kredit merupakan kegiatan utama bank yang mengandung resiko tinggi atas ketidakmampuan debitur dalam membayar kewajiban kreditnya pada saat jatuh tempo. Untuk menjaga dan meminimalisir resiko tersebut, bank harus mampu melakukan penilaian dan pertimbangan yang sangat teliti. Pihak bank harus memperhatikan dan mempertimbangkan prinsip 5C dari masing – masing calon debitur. Tujuan penelitian ini adalah menerapkan metode hybrid mutual clustering diintegrasikan dengan analisis diskriminan pada pengelompokan kolektibilitas kredit calon debitur Bank X Kota Malang berdasarkan prinsip penyekoran kredit 5C. Analisis hybrid mutual clustering bertujuan untuk mengelompokkan calon debitur menjadi beberapa kelompok, dimana setiap kelompok memiliki karakteristik yang mirip. Setelah dilakukan pengelompokan pada masing – masing objek menggunakan analisis hybrid mutual clustering, selanjutnya dilakukan analisis diskriminan pada setiap kelompok yang telah terbentuk untuk mengetahui calon debitur termasuk kedalam kriteria yang sudah ditentukan yaitu PL (kredit tidak bermasalah) atau NPL (kredit bermasalah). Berdasarkan penelitian yang telah dilakukan, didapatkan 3 cluster yang optimal serta model untuk setiap cluster. Dari 3 model yang telah terbentuk, semua model sudah cukup baik dalam mengklasifikasikan objek secara tepat. Penelitian ini berguna untuk membantu pihak bank dalam pengambilan keputusan terkait pemberian kredit kepada calon debitur. Hal ini dilakukan agar pihak bank tidak mengalami kerugian berdasarkan keputusan yang telah dipilihnya.
English Abstract
Lending is the main activity of banks that carry a high risk of debtors' inability to pay their credit obligations when they are due. To safeguard and minimize these risks, banks must be able to conduct very careful assessments and considerations. The bank must pay attention and consider the 5C principle of each prospective debtor. The purpose of this study is to apply the hybrid mutual clustering method integrated with discriminant analysis on the grouping of credit collectibility of prospective debtors of Bank X Malang based on the 5C credit scoring principle. Hybrid mutual clustering analysis aims to group prospective debtors into several groups, where each group has similar characteristics. After grouping each object using hybrid mutual clustering analysis, discriminant analysis is then performed on each group that has been formed to determine the prospective debtor, including the predetermined criteria, namely PL (non-performing loans) or NPL (non-performing loans). Based on research that has been done, obtained 3 optimal clusters and models for each cluster. Of the 3 models that have been formed, all models are good enough to classify objects appropriately. This research is useful to assist banks in making decisions related to granting credit to prospective borrowers. This is done so that the bank does not experience losses based on the decisions it has chosen.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0520090263 |
| Uncontrolled Keywords: | Hybrid Hierarchical Clustering, Analisis Diskriminan, Kolektibilitas Kredit, Prinsip Penyekoran Kredit 5C |
| Subjects: | 500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics > 519.53 Descriptive statistics, multivariate analysis, analysis of variance and covariance > 519.535 Multivariate analysis |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
| Depositing User: | ismanto |
| Date Deposited: | 19 Feb 2021 03:41 |
| Last Modified: | 13 Apr 2023 02:05 |
| URI: | http://repository.ub.ac.id/id/eprint/183393 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
0520090263- Nikma Rofitanur.pdf Restricted to Registered users only until 31 December 2023. Download (2MB) |
Actions (login required)
 |
View Item |