"
ABSTRAKDalam penelitian ini sebuah model prediksi untuk mendeteksi secara dini potensi
pembiayaan bermasalah yang dapat disehatkan dan yang berakhir dengan
penyelesaian secara litigasi maupun non litigasi untuk penanganan pembiayaan
bermasalah telah dibuat dengan pendekatan teknik statistik yakni Nested Logit.
Hasil penelitian menemukan bahwa faktor-faktor yang berpengaruh signifikan
secara statistik terhadap resolusi tindakan penyehatan adalah limit pembiayaan,
status kepemilikan usaha, dan prospek usaha. Adapun faktor-faktor yang
berpengaruh signifikan secara statistik terhadap resolusi penyelesaian dengan non
litigasi, yaitu akad pembiayaan, sikap nasabah, dan prospek usaha, sedangkan
terhadap penyelesaian litigasi, yaitu status kepemilikan usaha, sektor usaha, dan
prospek usaha. Hasil ketepatan prediksi yang ditunjukkan oleh model Nested Logit
secara keseluruhan rata-rata sebesar 87% akurat dari aktual, dengan proporsi
akurasi pada masing-masing resolusi: yaitu 71% pada penyehatan, 92% pada
penyelesaian non litigasi dan 98% pada penyelesaian litigasi. Akurasi model yang
didapat sudah sangat cukup baik dimana keakuratan hasil prediksi validasi terhadap
model secara keseluruhan sebesar 89%. Untuk itu, model ini dapat digunakan
sebagai pendeteksi dini potensi pembiayaan bermasalah
ABSTRACTIn this study a prediction model for early warning sign detection of potential non
performing financing problems that can be recovered and resolved either non
litigation or litigation in handling financing problems have been developed by the
approach of the statistical techniques called Nested Logit Regression. The results
found that the factors statistically and significantly have a relationship on the
resolution of recovering measures are the limit of financing, business ownership
status and business prospects. The factors that influence statistically and
significantly against non-litigation, namely the financing agreement, the attitude of
customers and business prospects, while on the resolving by litigation, namely the
ownership status of the business, the business sector, and business prospects. The
results shown by the prediction accuracy of Nested Logit models with overall
average was about 87% of the actual accurate, with the proportion of accuracy on
each resolution: 71% on recovering, 92% in non-litigation settlement and 98% on
completion of litigation. The accuracy of the model obtained is very reasonably
well, where the accuracy of the predicted results validate the overall model by 89%.
Therefore, this model can be used as an early detection of potential non performing
financing problems."
