Kajian Perbandingan Model Credit Scoring Terhadap Data Numerik Dan Tata Kategorik Menggunakan Regresi Logistik
Abstract
Model scoring diperlukan oleh berbagai institusi dan perusahaan untuk meningkatkan profitabilitas mereka. Model regresi logistik merupakan salah satu teknik yang sering digunakan. Penggunaan teknik ini pun menjadi populer karena memberikan kemudahan dalam interpretasi dan ketersediaan software yang dapat menanganinya. Permasalahan yang sering muncul dalam penyusunan model scoring ini adalah bagaimana memilih peubah penjelas yang akan dimasukkan ke model dan mampu mencerminkan keadaan finansial debitor. Selain itu dalam pembentukkan model terganggu dengan keberadaan data outlier dan data yang hilang (missing) pada kasus-kasus tertentu. Data-data yang ada saat ini sangat rentan terhadap noise, missing value, dan tidak konsisten. Salah satu teknik yang digunakan untuk menanganinya adalah dengan transformasi data dan reduksi data. Oleh karena itu penelitian dilakukan untuk membandingkan model scoring yang dibangun oleh nilai asli peubah penjelasnya dengan model scoring yang dibangun oleh nilai hasil diskretisasi peubah penjelasnya menggunakan metode regresi logistik. Berdasarkan perbandingannya tersebut model yang peubah penjelasnya dibangun oleh nilai hasil diskretisasi memberikan peluang untuk menghasilkan model dengan performans yang lebih baik.