| dc.description.abstract | Kinerja perbankan syariah di Indonesia mengalami pertumbuhan. Namun, rata-rata Non Performing Financing (NPF) perbankan syariah relatif lebih tinggi dibandingkan dengan Non Performing Loan (NPL) perbankan konvensional. Salah satu pendapatan industri perbankan bersumber dari penyaluran pembiayaan. Pada penyaluran pembiayaan terdapat risiko pembiayaan atau risiko kredit. Salah satu cara menurunkan NPF adalah dengan meningkatkan kualitas akuisisi. Pihak bank menerapkan sistem uji kelayakan pembiayaan yang disebut dengan credit scoring. Permasalahan yang dihadapi dalam penerapan model credit scoring, khususnya di PT Bank XYZ adalah ketidakseimbangan jumlah data antara nasabah pembiayaan lancar dengan nasabah pembiayaan macet. Analisis dengan data tidak seimbang akan menghasilkan prediksi yang bias. Oleh karena itu, perlu adanya penelitian untuk menyelesaikan permasalahan ketidakseimbangan data ini. Penelitian ini menganalisis karakteristik debitur berdasarkan kolektibilitas, merancang pengembangan model credit scoring dengan membandingkan metode regresi logistik data tidak seimbang dan regresi logistik dengan tambahan metode Synthetic Minority Over-sampling Technique (SMOTE), dan merekomendasi implementasi pembiayaan konsumtif pemilikan rumah PT Bank XYZ.
Metode yang digunakan adalah analisis deskriptif, analisis Weight of Evidence dan Information Value, serta regresi logistik dengan data imbalance dan regresi logistik dengan tambahan metode SMOTE.
Hasil analisis deskriptif menunjukkan beberapa variabel yang diperkirakan dapat menggambarkan antara lain tingkat pendidikan terakhir, status pernikahan, jumlah tanggungan, sumber penghasilan, jenis produk, dan status rumah sedang dijaminkan atau tidak. Output analisis regresi logistik baik dengan data imbalance maupun dengan metode SMOTE menunjukkan hasil yang tidak jauh berbeda. Variabel yang berpengaruh signifikan yaitu status pernikahan, 2 digit pertama kode pos rumah, lama tinggal, masa kerja, sektor ekonomi perusahaan, dan 2 digit pertama kode pos kantor. Hasil uji validitas menunjukkan bahwa kemampuan prediksi dari model credit scoring yang dibentuk menggunakan data imbalance dan model credit scoring yang dibentuk menggunaka metode SMOTE sama baik. Akurasi dan sensitivitas model credit scoring dengan menggunakan data imbalance lebih tinggi dari pada model credit scoring menggunakan metode SMOTE namun spesifisitasnya lebih rendah. Tujuan pembuatan model credit scoring adalah menghindari nasabah yang memiliki peluang macet lebih besar. Oleh karena itu, model credit scoring yang dipilih adalah model credit scoring yang menggunakan metode SMOTE karena nilai spesifisitas yang lebih tinggi. Apabila menggunakan model credit scoring dan cut off score optimal, maka bad rate akan turun menjadi 2.25% dan save potensial loss sebesar Rp 8.6 Miliar. Hal ini menunjukkan bahwa penggunaan model credit scoring dan cut off score yang optimal dapat meningkatkan laba manajemen." | |
