K1asifikasi Debitur untuk KPR Bank X dengalll Regresi Logistik Biner dan Artificial Neural Networks.
Abstract
Salah satu jenis kredit yang banyak ditawarkan oleh bank saat ini ialah Kredit Pemilikan Rumah (KPR) atau biasa disebut Mortgage. Mortgage adaIah utang untak membeli properti yang digunakan sebagai jaminan. Peminjaman mortgage ada 2 jenis, yaitu prime mortgage dan suhprime mortgage. Prime mortgage biasanya diberikan kepada peminjam yang memiliki sejarah kredit yang baik misalnya tidal< pernah bangkrut dalam usaha atau bisnisnya, tidal< terlambat membayar cicilan, dapat menunjukkan kapasitas untuk membayar kembali utanguya, sedangkan sub prime mortgage diberikan kepada peminjam yang tidal< memenuhi persyaratan ini atau dengan kata lain sejarah transaksinya jelek. PeneIitian ini diharapkan mampu mengbasilkan model yang bisa mengidentifikasi dan membedakan secara jelas calon debitur yang mengajukan kredit, dalam hal ini ialah KPR, sehingga bisa meminimumkan bahkan mengbilangkan kasus sub prime mortgage. Hasil analisis menunjukkan tingkat kesalaban dari model ANN sebesar 3.79"10 untak data training dan 4.57% untuk data vaIidasi. Sedangkan hasil prediksi model regresi logistik memberikan tingkat kesalahan yang lebih besar dari model ANN, yaitu sebesar 9.48% untuk data training dan 10.34% untak data validasi, sehingga dapat disimpulkan bahwa model ANN lebih baik dibandingkan dengan model regresi logistik untak kasus Kredit Pemilikan Rumah (KPR) padaBankX.