Cover Image

MODEL PENGELOMPOKAN TINGKAT RISIKO NON PERFORMING LOAN (NPL) NASABAH BERDASARKAN PENDEKATAN ANALISIS FUZZY

Main Author: Paramita, Aulia
Format: Article info application/pdf eJournal
Bahasa: ind
Terbitan: Universitas Muria Kudus , 2018
Online Access: https://jurnal.umk.ac.id/index.php/simet/article/view/1993
https://jurnal.umk.ac.id/index.php/simet/article/view/1993/1295
ctrlnum article-1993
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><title lang="id-ID">MODEL PENGELOMPOKAN TINGKAT RISIKO NON PERFORMING LOAN (NPL) NASABAH BERDASARKAN PENDEKATAN ANALISIS FUZZY</title><creator>Paramita, Aulia</creator><description lang="id-ID">Bank selalu menghadapi risiko Non Performing Loan (NPL) atau disebut juga kredit macet karena fungsi pokoknya sebagai lembaga perantara keuangan. Banyak cara yang dilakukan oleh bank untuk mencegah terjadinya NPL. Kebijakan perkreditan yang prudent, credit risk management yang ketat, dan pengembangan kompetensi atau pelatihan teknis kepada para pengelola kredit adalah beberapa contoh kebijakan yang diterapkan oleh suatu bank untuk menekan NPL seminimal mungkin.Walau demikian, karena berbagai alasan lingkungan bisnis atau kemampuan manajemen debitur, NPL tetap dialami oleh suatu bank. Di samping itu, karakter atau integritas debitur yang menjadi tidak baik dapat menjadi faktor penyebab terjadinya NPL walaupun usahanya masih berjalan lancar. PT. Bank Syariah XYZ juga termasuk dalam bank yang nasabahnya berisiko mengalami NPL. Dalam Peraturan Bank Indonesia (PBI) dan Surat Edaran Bank Indonesia (SEBI) telah diatur bahwa bank wajib menggunakan pendekatan berdasarkan risiko dengan mengelompokkan nasabah berdasarkan tingkat risiko terjadinya NPL. Penelitian ini dilakukan untuk mengetahui apakah Bank Syariah XYZ telah menggunakan sistem informasi untuk mengelompokkan nasabahnya dan apakah penggunaan model fuzzy inference system (FIS) Mamdani dapat menggolongkan tingkat risiko NPL nasabah menjadi tiga yaitu nasabah berisiko rendah, menengah dan tinggi. Dengan menggunakan 160 data nasabah, pendapat dari lima orang pakar dan software Matlab, maka telah diperoleh hasil perhitungan tingkat kebenaran uji coba pengelompokan tingkat risiko NPL nasabah menggunakan analisis FIS Mamdani dan tools Matlab adalah sebesar 98,125%.Kata kunci: NPL, kredit macet, FIS mamdani, nasabah, risiko, matlab.</description><publisher lang="id-ID">Universitas Muria Kudus</publisher><contributor lang="id-ID"/><date>2018-04-01</date><type>Journal:Article</type><type>Other:info:eu-repo/semantics/publishedVersion</type><type>Other:</type><type>File:application/pdf</type><identifier>https://jurnal.umk.ac.id/index.php/simet/article/view/1993</identifier><identifier>10.24176/simet.v9i1.1993</identifier><source lang="id-ID">Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer; Vol 9, No 1 (2018): JURNAL SIMETRIS VOLUME 9 NO 1 TAHUN 2018; 453-464</source><source>2549-3108</source><source>2252-4983</source><source>10.24176/simet.v9i1</source><language>ind</language><relation>https://jurnal.umk.ac.id/index.php/simet/article/view/1993/1295</relation><rights lang="id-ID">##submission.copyrightStatement##</rights><recordID>article-1993</recordID></dc>
language ind
format Journal:Article
Journal
Other:info:eu-repo/semantics/publishedVersion
Other
Other:
File:application/pdf
File
Journal:eJournal
author Paramita, Aulia
title MODEL PENGELOMPOKAN TINGKAT RISIKO NON PERFORMING LOAN (NPL) NASABAH BERDASARKAN PENDEKATAN ANALISIS FUZZY
publisher Universitas Muria Kudus
publishDate 2018
url https://jurnal.umk.ac.id/index.php/simet/article/view/1993
https://jurnal.umk.ac.id/index.php/simet/article/view/1993/1295
contents Bank selalu menghadapi risiko Non Performing Loan (NPL) atau disebut juga kredit macet karena fungsi pokoknya sebagai lembaga perantara keuangan. Banyak cara yang dilakukan oleh bank untuk mencegah terjadinya NPL. Kebijakan perkreditan yang prudent, credit risk management yang ketat, dan pengembangan kompetensi atau pelatihan teknis kepada para pengelola kredit adalah beberapa contoh kebijakan yang diterapkan oleh suatu bank untuk menekan NPL seminimal mungkin.Walau demikian, karena berbagai alasan lingkungan bisnis atau kemampuan manajemen debitur, NPL tetap dialami oleh suatu bank. Di samping itu, karakter atau integritas debitur yang menjadi tidak baik dapat menjadi faktor penyebab terjadinya NPL walaupun usahanya masih berjalan lancar. PT. Bank Syariah XYZ juga termasuk dalam bank yang nasabahnya berisiko mengalami NPL. Dalam Peraturan Bank Indonesia (PBI) dan Surat Edaran Bank Indonesia (SEBI) telah diatur bahwa bank wajib menggunakan pendekatan berdasarkan risiko dengan mengelompokkan nasabah berdasarkan tingkat risiko terjadinya NPL. Penelitian ini dilakukan untuk mengetahui apakah Bank Syariah XYZ telah menggunakan sistem informasi untuk mengelompokkan nasabahnya dan apakah penggunaan model fuzzy inference system (FIS) Mamdani dapat menggolongkan tingkat risiko NPL nasabah menjadi tiga yaitu nasabah berisiko rendah, menengah dan tinggi. Dengan menggunakan 160 data nasabah, pendapat dari lima orang pakar dan software Matlab, maka telah diperoleh hasil perhitungan tingkat kebenaran uji coba pengelompokan tingkat risiko NPL nasabah menggunakan analisis FIS Mamdani dan tools Matlab adalah sebesar 98,125%.Kata kunci: NPL, kredit macet, FIS mamdani, nasabah, risiko, matlab.
id IOS552.article-1993
institution Universitas Muria Kudus
institution_id 139
institution_type library:university
library
library UPT Perpustakaan Universitas Muria Kudus
library_id 630
collection Jurnal Simetris
repository_id 552
subject_area Program Komputer dan Teknologi Informasi
city KUDUS
province JAWA TENGAH
repoId IOS552
first_indexed 2018-05-09T18:50:38Z
last_indexed 2019-05-03T16:16:02Z
recordtype dc
_version_ 1722472607957123072
score 17.199867

Lihat Juga