KLASIFIKASI KEPUTUSAN NASABAH DALAM PENGAMBILAN KREDIT MENGGUNAKAN MODEL REGRESI LOGISTIK BINER DAN METODE CLASSIFICATION AND REGRESSION TREES (CART) : Studi Kasus pada Nasabah bank bjb Cabang Utama Bandung

• Main Author: Melawati, Yuni (Author)
• Format: Book
• Published: 2013-11-12.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upi.edu/3039/1/S_MTK_0900138_Title.pdf; http://repository.upi.edu/3039/2/S_MTK_0900138_Abstract.pdf; http://repository.upi.edu/3039/3/S_MTK_0900138_Table%20of%20Content.pdf; http://repository.upi.edu/3039/4/S_MTK_0900138_Chapter1.pdf; http://repository.upi.edu/3039/5/S_MTK_0900138_Chapter2.pdf; http://repository.upi.edu/3039/6/S_MTK_0900138_Chapter3.pdf; http://repository.upi.edu/3039/7/S_MTK_0900138_Chapter4.pdf; http://repository.upi.edu/3039/8/S_MTK_0900138_Chapter5.pdf; http://repository.upi.edu/3039/9/S_MTK_0900138_Bibliography.pdf; http://repository.upi.edu/3039/10/S_MTK_0900138_Appendix.pdf
• Keywords: Program Studi Matematika (non kependidikan)

Kredit merupakan salah satu fasilitas bank yang sangat diminati oleh kalangan masyarakat pada zaman sekarang. Banyak faktor yang berpengaruh terhadap keputusan nasabah dalam pengambilan kredit. Pada penelitian ini dilakukan klasifikasi keputusan nasabah dalam pengambilan kredit menggunakan model Regresi Logistik Biner dan Metode Classification and Regression Trees (CART) untuk melihat karakteristik dan faktor-faktor yang paling berpengaruh terhadap keputusan nasabah dalam pengambilan kredit di bank bjb Cabang Utama Bandung. Keputusan nasabah dalam mengambil kredit dibagi menjadi dua kategori yaitu diambil dan tidak diambil. Variabel prediktor yang digunakan dalam dalam penelitian ini sebanyak 13 buah. Dari hasil Regresi Logistik Biner, variabel prediktor yang berpengaruh secara signifikan terhadap keputusan nasabah dalam pengambilan kredit adalah variabel usia, pendidikan, informasi kredit dan prosedur kredit. Model Regresi Logistik Biner menghasilkan nilai ketepatan klasifikasi sebesar 72,8%. Metode pohon klasifikasi CART dalam penelitian ini menghasilkan pohon optimum dengan dua simpul terminal. Variabel prediktor yang masuk kedalam pohon klasifikasi adalah variabel prosedur kredit. Metode pohon klasifikasi CART menghasilkan nilai ketepatan klasifikasi sebesar 66,8%. Nilai ketepatan klasifikasi untuk hasil dari Model Regresi Logistik Biner lebih tinggi daripada nilai ketepatan klasifikasi dari Metode Pohon Klasifikasi CART, artinya Model Regresi Logistik Biner lebih cocok digunakan untuk kasus klasifikasi keputusan nasabah dalam pengambilan kredit. Kata kunci: Kredit, Regresi Logistik Biner, CART, Pohon Klasifikasi