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 |