Tesis
Penelitian ini bertujuan untuk mengetahui teknik pemodelan probability of default yang tepat pada portfolio pembiayaan bersama antara bank dan fintech lending dan perusahaan pembiayaan (multi finance) pada Bank Swasta Nasional. Teknik yang digunakan sebagai perbandingan adalah teknik tradisional regresi logistik dan teknik machine learning. Penelitian dilakukan berdasarkan data Bank Swasta Nasional dari April 2019 hingga Desember 2022 dan diklasifikasikan menjadi dua kategori yaitu defaiult dan non-default sehingga model dapat melakukan prediksi kemungkinan nasabah gagal bayar selama durasi pinjaman. Analisis dilakukan menggunakan data aplikasi dan data transaksi tanpa melanggar aturan menjaga kerahasiaan nasabah. Selanjutnya, analisis dilakukan hanya untuk produk pembiayaan bersama pada fintech lending dan multi finance yang beroperasi hanya di Indonesia. Variabel signifikan yang memengaruhi pemodelan probability of default pada pembiayaan bersama antara bank dan fintech lending/multi finance antara lain adalah tenor, tujuan pinjaman, nominal beban bunga, deskripsi pekerjaan, kota domisili, umur dan pendapatan. Lebih lanjut, teknik tradisional regresi logistik memiliki tingkat keandalan lebih tinggi dibandingkan pendekatan machine learning decision tree pada studi kasus BSN
| Call Number | Location | Available |
|---|---|---|
| T 544/23 | PSB lt.2 - Karya Akhir | 1 |
| Penerbit | Jakarta: Program Studi Magister Manajemen, Fakultas Ekonomi dan Bisnis, Universitas Indonesia 2023 |
|---|---|
| Edisi | - |
| Subjek | Credit risk Logistic Regression Default Multi finance Probability of Default Machine Learning Fintech lending Joint financing |
| ISBN/ISSN | - |
| Klasifikasi | NONE |
| Deskripsi Fisik | xiii, 78 p. ; 30 cm |
| Info Detail Spesifik | Tesis |
| Other Version/Related | Tidak tersedia versi lain |
| Lampiran Berkas | Tidak Ada Data |