HASIL DAN PEMBAHASAN. penelitian ini adalah MS.Excell 2003, Answertree 2.01 dan SPSS for Windows versi Tabel 1. Karakteristik debitur

Ukuran: px
Mulai penontonan dengan halaman:

Download "HASIL DAN PEMBAHASAN. penelitian ini adalah MS.Excell 2003, Answertree 2.01 dan SPSS for Windows versi Tabel 1. Karakteristik debitur"

Transkripsi

1 Software yang digunakan dalam penelitian ini adalah MS.Excell 2003, Answertree 2.01 dan SPSS for Windows versi HASIL DAN PEMBAHASAN Gambaran Umum Karakteristik Debitur Banyaknya debitur kredit konsumtif yang digunakan pada penelitian ini sebanyak 1000 orang. Jumlah debitur yang termasuk kategori default sebanyak 500 orang (50%) dan termasuk kategori non default sebanyak 500 orang (50%). Hal ini menunjukkan bahwa masing-masing kategori memiliki jumlah debitur yang sama (Gambar 1). tanggungan lebih dari atau sama dengan 3 orang, jabatan staf, dengan lama bekerja lebih dari 10 tahun. Tabel 1 berikut ini menjelaskan karakteristik debitur berdasarkan status kredit. Tabel 1. Karakteristik debitur Peubah X1 X2 X3 X4 X5 X6 X7 non default 50% default 50% X8 X9 X10 Gambar 1. Diagram pie status kredit debitur X11 Gambar 2 menunjukkan klasifikasi debitur berdasarkan jenis kelamin. Debitur kredit yang berjenis kelamin laki-laki sebanyak 785 orang (78%) dan debitur yang berjenis kelamin perempuan sebanyak 215 orang (22%). Dengan demikian, sebagian besar debitur kredit konsumtif berjenis kelamin laki-laki. X12 perempuan 22% laki-laki 78% Gambar 2. Diagram pie klasifikasi debitur berdasarkan jenis kelamin Mayoritas debitur yang dianalisis sudah menikah, berpendidikan kurang dari atau sama dengan SMA, usia kurang dari 45 tahun, memiliki rumah milik pribadi, dengan lama menetap lebih dari 5 tahun, jumlah X13 X14 X15 X16 Modus Default Non default THP<2 2 THP<3 (60.20%) (46.00%) Dibayarkan Dibayarkan bendahara baik bendahara baik ada giro ataupun ada giro ataupun tidak tidak (84.60%) (75.80%) Angsuran tepat Angsuran tepat (47.00%) (51.40%) Tidak punya Tidak punya (72.00%) (58.20%) Usia<45 tahun Usia<45 tahun (67.00%) (80.80%) Rumah milik Rumah milik sendiri sendiri (57.2%) (67.80%) LM 5 tahun LM 5 tahun (63.60%) (78.80%) LB 10 tahun LB 10 tahun (71.40%) (66.40%) Sudah menikah Sudah menikah (87.60%) (88.00%) SMA (70.40%) SMA (67.60%) Staf Staf (51.60%) (54.40%) JW 3 (61.80%) JW 3 (63.20%) Tidak punya Tidak punya (78.00%) (73.80%) Baru Baru (66.00%) (64.00%) JT 3 (53.60%) JT 3 (56.20%) Instansi Instansi pemerintah pemerintah daerah/bumd daerah/bumd (34.60%) (27.40%) Meskipun kategori default dan non default cenderung memiliki karakteristik yang sama, namun terjadi perbedaan pada peubah perbandingan THP terhadap angsuran. Debitur default memiliki nilai perbandingan THP terhadap angsuran kurang dari dua sedangkan debitur non default memiliki nilai perbandingan THP terhadap angsuran sama dengan dua sampai tiga. Hal ini mengindikasikan adanya perbedaan pendapatan dan kemampuan dalam membayar pinjaman kredit. Untuk lebih lengkap mengenai deskripsi distribusi debitur terdapat pada Lampiran 2. Hasil statistika deskriptif ini masih harus dilakukan pengujian secara statistika inferensia untuk mengetahui faktor- 5

2 faktor yang berpengaruh terhadap status kredit debitur. Analisis Regresi Logistik Biner Sebelum melakukan analisis regresi logistik biner sebaiknya perhatikan ukuran contoh yang diambil dengan mempertimbangkan banyaknya kategori dari setiap peubah penjelas yang akan dianalisis secara simultan. Banyaknya kategori dari setiap peubah penjelas mengakibatkan pemodelan yang kurang baik dilihat dari kemampuan mengklasifikasikan peubah penjelas terhadap peubah respon dan pendugaan parameter yang didapatkan menjadi tidak logis. Untuk mengatasi masalah ini dapat dilakukan penggabungan kategori-kategori dari peubah penjelas. Penggabungan kategori ini dapat mengurangi banyaknya sel yang harus terisi dan hasil analisis regresi logistik yang didapat akan lebih baik. Pendugaan model yang dibentuk dari 16 peubah penjelas menghasilkan nilai statistik-g sebesar Model tersebut menghasilkan nilai-p = sehingga dapat ditarik kesimpulan bahwa sedikitnya ada satu β i tidak sama dengan nol diantara peubah penjelas tersebut pada taraf nyata 5%. Uji Wald pada model menunjukkan bahwa ada peubah-peubah penjelas yang kurang atau tidak bisa menerangkan model dengan baik pada taraf nyata 5%, yaitu riwayat rekening pinjaman, lama bekerja, status perkawinan, pendidikan terakhir, pangkat terakhir, telepon rumah, status debitur dan jumlah tanggungan. Analisis regresi logistik menghasilkan beberapa peubah penjelas yang secara statistik bermakna dalam menentukan karakteristik debitur, yaitu perbandingan THP terhadap angsuran, penguasaan cash flow, kepemilikan rekening simpanan, usia, kepemilikan tempat tinggal, lama menetap, jangka waktu dan jenis/bidang usaha (Lampiran 3). Model logit yang dihasilkan adalah sebagai berikut: g(x) = X 1(1) X 1(2) X 2(1) X 2(2) X 4(1) X 5(1) X 6(1) X 7(1) X 12(1) X 16(1) X 16(2) X 16(3) X 16(4) X 16(5) Tabel 2. Ketepatan prediksi model Prediksi Aktual default non default % benar default non default % keseluruhan 70.0 Berdasarkan Tabel 2 di atas dapat disimpulkan bahwa dari 500 debitur yang berkategori default sebanyak 356 orang atau 71.2% di antaranya diklasifikasikan dengan benar, sedangkan dari 500 debitur yang berkategori non default sebanyak 344 orang atau 68.8% diklasifikasikan dengan benar. Total klasifikasi yang benar dari 1000 debitur adalah 70.0%. Hasil ini menandakan model sudah cukup baik untuk memprediksi kategori respon. Interpretasi Koefisien Interpretasi peubah-peubah pada model regresi logistik menggunakan nilai rasio oddsnya. Apabila suatu peubah memiliki nilai koefisien yang bertanda positif maka nilai rasio oddnya di atas satu sedangkan suatu peubah dengan nilai koefisien yang bertanda negatif maka nilai rasio oddsnya di bawah satu. Tabel 3. Nilai rasio odds dari peubah penjelas Peubah B Rasio odds Konstanta X 1 X 1(1) X 1(2) X 2 X 2(1) X 2(2) X 4(1) X 5(1) X 6(1) X 7(1) X 12(1) X 16 X 16(1) X 16(2) X 16(3) X 16(4) X 16(5) Koefisien peubah perbandingan THP terhadap angsuran (X 1 ) bernilai positif dengan nilai rasio odds kurang dari satu. Debitur 6

3 dengan perbandingan THP terhadap angsuran sama dengan dua sampai tiga cenderung menjadi debitur non default kali dibandingkan debitur dengan perbandingan THP terhadap angsuran kurang dari dua. Sedangkan debitur dengan perbandingan THP terhadap angsuran lebih dari atau sama dengan tiga cenderung akan menjadi debitur non default kali dibandingkan debitur dengan perbandingan THP terhadap angsuran kurang dari dua. Peubah perbandingan THP terhadap angsuran diperoleh dari besarnya pendapatan dibandingkan dengan kemampuan untuk membayar. Hal ini mengindikasikan semakin besar nilai perbandingan THP terhadap angsuran maka semakin besar pula peluang debitur tersebut membayar kredit dengan lancar. Debitur dengan penguasaan cash flow (X 2 ) kategori dibayarkan dengan bendahara baik ada giro ataupun tidak cenderung akan menjadi debitur non default kali dibandingkan dengan debitur pada kategori dilakukan sendiri. Sedangkan debitur dengan penguasaan cash flow kategori didebet melalui rekening BRI cenderung menjadi debitur non default kali dibandingkan pada kategori dilakukan sendiri. Peubah penguasaan cash flow dapat diartikan sebagai cara debitur dalam mengembalikan pinjaman kredit. Dari penjelasan di atas dapat disimpulkan bahwa pembayaran kredit yang dilakukan oleh bendahara baik ada giro ataupun tidak dan didebet melalui rekening BRI akan menjamin debitur untuk membayar kredit sesuai dengan aturan dan tidak akan mengalami keterlambatan. Nilai rasio odds untuk peubah kepemilikan rekening simpanan (X 4 ) sebesar 1.731, artinya debitur yang memiliki rekening simpanan cenderung menjadi debitur non default kali dibandingkan debitur yang tidak memiliki rekening simpanan. Dengan adanya rekening simpanan, debitur akan lebih mudah melakukan pembayaran kredit dan pihak bank pun akan lebih mudah dalam mengontrol debitur. Koefisien peubah usia (X 5 ) bernilai negatif dengan nilai rasio odds kurang dari satu. Debitur yang berusia lebih dari atau sama dengan 45 tahun cenderung menjadi debitur non default kali dibandingkan dengan debitur yang berusia kurang dari 45 tahun. Pengertian yang setara bahwa debitur yang berusia kurang dari 45 tahun kali akan menjadi debitur non default. Seseorang yang berusia lebih tua ternyata tidak menjamin akan melakukan pembayaran kredit dengan lancar, hal ini dapat disebabkan oleh banyak faktor, misalnya saja dari segi kondisi ekonomi yang semakin menurun dan pengalaman bekerja yang masih kurang. Peubah kepemilikan tempat tinggal (X 6 ) memiliki nilai rasio odds sebesar 1.787, artinya debitur yang memiliki rumah sendiri cenderung menjadi debitur non default kali dibandingkan debitur dengan kepemilikan tempat tinggal bukan milik sendiri. Keberadaan rumah milik pribadi akan memudahkan debitur dalam melakukan pembayaran kredit dengan lancar karena debitur tidak harus mengalokasikan pendapatannya untuk keperluan pembelian rumah. Debitur dengan lama menetap (X 7 ) lebih dari atau sama dengan 5 tahun cenderung akan menjadi debitur non default kali dibandingkan debitur dengan lama menetap kurang dari 5 tahun. Uraian di atas dapat mudah dimengerti karena debitur yang telah menetap pada kurun waktu yang relatif lama akan mengalami kehidupan yang lebih mapan. Nilai rasio odds untuk peubah jangka waktu (X 12 ) sebesar 1.853, artinya debitur dengan jangka waktu pembayaran kredit lebih dari atau sama dengan 3 tahun cenderung akan menjadi debitur non default kali dibandingkan debitur dengan jangka waktu pembayaran kurang dari 3 tahun. Semakin lama jangka waktu pembayaran kredit maka semakin besar peluang debitur untuk membayar kredit dengan lancar. Debitur dengan jenis/bidang usaha (X 16 ) pada instansi pemerintah daerah/bumd, TNI, BUMN, POLRI/Jaksa/PN dan instansi pemerintah pusat cenderung menjadi debitur non default 1-4 kali dibandingkan debitur dengan jenis/bidang usaha pada swasta/lainnya. Hal tersebut dapat dimengerti karena debitur dengan jenis/bidang usaha pada instansi pemerintah daerah/bumd, TNI, BUMN, POLRI/Jaksa/PN dan instansi pemerintah pusat akan lebih terjamin dalam hal pendapatan sehingga pembayaran kredit dapat dilakukan dengan lancar. Dendrogram Hasil Pemisahan Analisis CHAID Analisis CHAID menghasilkan suatu dendrogram yang menggambarkan pengelompokan berdasarkan hubungan terstruktur peubah respon dengan peubah penjelas yang signifikan pada taraf nyata 5%. Dari 16 peubah penjelas yang dianalisis terdapat 8 peubah penjelas yang berpengaruh 7

4 terhadap karakteristik debitur. Peubah penjelas tersebut adalah perbandingan THP terhadap angsuran, riwayat rekening pinjaman, usia, lama menetap, lama bekerja, kepemilikan tempat tinggal, kepemilikan rekening simpanan dan jangka waktu. Hasil analisis CHAID pada Lampiran 4 menunjukkan bahwa peubah penjelas yang sangat nyata dalam menentukan karakteristik debitur adalah perbandingan THP terhadap angsuran. Berdasarkan dendrogram CHAID dihasilkan 14 karakteristik debitur kredit konsumtif pada Tabel 4. Suatu karakteristik debitur dikatakan baik (OK) untuk menyatakan bahwa seorang debitur digolongkan ke dalam kategori non default yaitu apabila persentase default yang dihasilkan pada suatu terminal node kurang dari 50% sedangkan apabila persentase default lebih dari 50% maka karakteristik debitur tersebut dapat dikatakan tidak baik (not OK). Suatu segmen dari karakteristik debitur akan diberikan beberapa catatan (with notes) apabila memiliki persentase default lebih dari 20% sampai dengan 80%. Karakteristik debitur ke-1 adalah debitur angsuran lebih dari atau sama dengan tiga, jangka waktu pembayaran kredit lebih dari atau sama dengan 3 tahun dan lama bekerja lebih dari atau sama dengan 10 tahun. Persentase debitur non default sebesar % dan debitur default sebesar 0.00%. Artinya debitur dengan karakteristik ke-1 akan diprediksi menjadi debitur non default. Karakteristik debitur ke-1 dapat dikatakan baik (OK) untuk mengklasifikasikan debitur non default karena memiliki persentase default kurang dari 50%. Karakteristik debitur ke-2 adalah debitur angsuran sama dengan dua sampai tiga, lama menetap lebih dari atau sama dengan 5 tahun, jangka waktu pembayaran kredit lebih dari atau sama dengan 3 tahun dan riwayat rekening pinjaman kategori angsuran tepat. Persentase debitur non default sebesar 94.44% dan debitur default sebesar 5.56%. Debitur dengan karakteristik ke-2 akan diprediksi menjadi debitur non default karena persentase debitur non default lebih besar daripada debitur default. Karakteristik debitur ke-2 dapat dikatakan baik (OK) untuk memiliki persentase default kurang dari 50%. Karakteristik debitur ke-3 adalah debitur angsuran lebih dari atau sama dengan tiga, jangka waktu pembayaran kredit kurang dari 3 tahun dan memiliki rekening simpanan. Persentase debitur non default sebesar 82.93% dan debitur default sebesar 17.07%. Debitur dengan karakteristik ke-3 akan diprediksi menjadi debitur non default karena persentase debitur non default lebih besar daripada debitur default. Karakteristik debitur ke-3 dapat dikatakan baik (OK) untuk memiliki persentase default kurang dari 50%. Karakteristik debitur ke-4 adalah debitur angsuran lebih dari atau sama dengan tiga, jangka waktu pembayaran kredit lebih dari atau sama dengan 3 tahun dan lama bekerja kurang dari 10 tahun. Persentase debitur non default sebesar 81.82% dan debitur default sebesar 18.18%. Debitur dengan karakteristik ke-4 akan diprediksi menjadi debitur non default karena persentase debitur non default lebih besar daripada debitur default. Karakteristik debitur ke-4 dapat dikatakan baik (OK) untuk mengklasifikasikan debitur non default karena memiliki persentase default kurang dari 50%. Karakteristik debitur ke-5 adalah debitur angsuran sama dengan dua sampai tiga, lama menetap lebih dari atau sama dengan 5 tahun, jangka waktu pembayaran kredit lebih dari atau sama dengan 3 tahun dan riwayat rekening pinjaman kategori angsuran tidak tepat;debitur baru. Persentase debitur non default sebesar 68.57% dan debitur default sebesar 31.43%. Debitur dengan karakteristik ke-5 akan diprediksi menjadi debitur non default karena persentase debitur non default lebih besar daripada debitur default. Karakteristik debitur ke-5 dapat dikatakan baik (OK) untuk mengklasifikasikan debitur non default akan tetapi dengan catatan (with notes) harus diadakan tinjauan ulang terhadap debitur karena besarnya persentase default lebih dari 20%. Karakteristik debitur ke-6 adalah debitur angsuran sama dengan dua sampai tiga, lama menetap lebih dari atau sama dengan 5 tahun, jangka waktu pembayaran kredit kurang dari 3 tahun dan berusia kurang dari 45 tahun. Persentase debitur non default sebesar 63.64% dan debitur default sebesar 36.36%. Debitur dengan karakteristik ke-6 akan diprediksi menjadi debitur non default karena persentase debitur non default lebih besar daripada debitur default. Karakteristik debitur ke-6 8

5 Tabel 4. Karakteristik debitur kredit konsumtif hasil analisis CHAID pada taraf nyata 5% No Node Karakteristik Debitur Non Default Default 1 19 Perbandingan THP terhadap angsuran 3, jangka waktu pembayaran 3 tahun, lama bekerja tahun % 0.00% Hasil klasifikasi untuk non default OK Perbandingan THP terhadap angsuran antara 2-3, lama menetap 5 tahun, jangka waktu pembayaran tahun, angsuran tepat 94.44% 5.56% Perbandingan THP terhadap angsuran 3, jangka 34 7 waktu pembayaran <3 tahun, memiliki rekening simpanan 82.93% 17.07% Perbandingan THP terhadap angsuran 3, jangka 27 6 waktu pembayaran 3 tahun, lama bekerja <10 tahun 81.82% 18.18% Perbandingan THP terhadap angsuran antara 2-3, OK lama menetap 5 tahun, jangka waktu pembayaran 3 tahun, angsuran tidak tepat;debitur baru 68.57% 31.43% (with notes) Perbandingan THP terhadap angsuran antara 2-3, OK lama menetap 5 tahun, jangka waktu pembayaran <3 tahun, usia <45 tahun 63.64% 36.36% (with notes) tahun, lama menetap 5 tahun OK OK OK not OK 45.50% 54.50% (with notes) not OK tahun, lama menetap <5 tahun, kepemilikan tempat tinggal rumah milik sendiri 43.24% 56.76% (with notes) 9 6 Perbandingan THP terhadap angsuran antara 2-3, lama menetap <5 tahun not OK 39.45% 60.55% (with notes) Perbandingan THP terhadap angsuran <2, usia 45 tahun, memiliki rekening simpanan not OK 38.89% 61.11% (with notes) Perbandingan THP terhadap angsuran 3, jangka not OK waktu pembayaran <3 tahun, tidak memiliki rekening simpanan 38.18% 61.82% (with notes) Perbandingan THP terhadap angsuran antara 2-3, not OK lama menetap 5 tahun, jangka waktu pembayaran <3 tahun, usia 45 tahun 34.88% 65.12% (with notes) tahun, lama menetap <5 tahun, kepemilikan tempat not OK tinggal rumah bukan milik sendiri 20.25% 79.75% (with notes) Perbandingan THP terhadap angsuran <2, usia 45 tahun, tidak memiliki rekening simpanan % 88.04% not OK 9

6 dapat dikatakan baik (OK) untuk mengklasifikasikan debitur non default akan tetapi dengan catatan (with notes) harus diadakan tinjauan ulang terhadap debitur karena besarnya persentase default lebih dari 20%. Karakteristik debitur ke-7 adalah debitur angsuran kurang dari dua, berusia kurang dari 45 tahun dan lama menetap lebih dari atau sama dengan 5 tahun. Persentase debitur non default sebesar 45.50% dan debitur default sebesar 54.50%. %. Karakteristik debitur ke-7 dapat dikatakan tidak baik (not OK) untuk persentase debitur default lebih besar daripada debitur non default. Akan tetapi, apabila debitur dengan karakteristik seperti ini ingin dimasukkan ke dalam kategori non default, maka harus disertai dengan catatan (with notes) yaitu diadakan tinjauan ulang terhadap debitur tersebut. Karakteristik debitur ke-8 adalah debitur angsuran kurang dari dua, berusia kurang dari 45 tahun, lama menetap kurang dari 5 tahun dan memiliki rumah pribadi. Persentase debitur non default sebesar 43.24% dan debitur default sebesar 56.76%. Karakteristik debitur ke-8 dapat dikatakan tidak baik (not OK) untuk mengklasifikasikan debitur non default karena persentase debitur default lebih besar daripada debitur non default. Akan tetapi, apabila debitur dengan karakteristik seperti ini ingin dimasukkan ke dalam kategori non default, maka harus disertai dengan catatan (with notes) yaitu diadakan tinjauan ulang terhadap debitur tersebut. Karakteristik debitur ke-9 adalah debitur angsuran sama dengan dua sampai tiga dan lama menetap kurang dari 5 tahun. Persentase debitur non default sebesar 39.45% dan debitur default sebesar 60.55%. Karakteristik debitur ke-9 dapat dikatakan tidak baik (not OK) untuk mengklasifikasikan debitur non default karena persentase debitur default lebih besar daripada debitur non default. Akan tetapi, apabila debitur dengan karakteristik seperti ini ingin dimasukkan ke dalam kategori non default, maka harus disertai dengan catatan (with notes) yaitu diadakan tinjauan ulang terhadap debitur tersebut. Karakteristik debitur ke-10 adalah debitur angsuran kurang dari dua, berusia lebih dari atau sama dengan 45 tahun dan memiliki rekening simpanan. Persentase debitur non default sebesar 38.89% dan debitur default sebesar 61.11%. Karakteristik debitur ke-10 dapat dikatakan tidak baik (not OK) untuk persentase debitur default lebih besar daripada debitur non default. Akan tetapi, apabila debitur dengan karakteristik seperti ini ingin dimasukkan ke dalam kategori non default, maka harus disertai dengan catatan (with notes) yaitu diadakan tinjauan ulang terhadap debitur tersebut. Karakteristik debitur ke-11 adalah debitur angsuran lebih dari atau sama dengan tiga, jangka waktu pembayaran kredit kurang dari 3 tahun dan tidak memiliki rekening simpanan. Persentase debitur non default sebesar 38.18% dan debitur default sebesar 61.82%. Karakteristik debitur ke-11 dapat dikatakan tidak baik (not OK) untuk mengklasifikasikan debitur non default karena persentase debitur default lebih besar daripada debitur non default. Akan tetapi, apabila debitur dengan karakteristik seperti ini ingin dimasukkan ke dalam kategori non default, maka harus disertai dengan catatan (with notes) yaitu diadakan tinjauan ulang terhadap debitur tersebut. Karakteristik debitur ke-12 adalah debitur angsuran sama dengan dua sampai tiga, lama menetap lebih dari atau sama dengan 5 tahun, jangka waktu pembayaran kredit kurang dari 3 tahun dan berusia lebih dari atau sama dengan 45 tahun. Persentase debitur non default sebesar 34.88% dan debitur default sebesar 65.12%. Karakteristik debitur ke-12 dapat dikatakan tidak baik (not OK) untuk persentase debitur default lebih besar daripada debitur non default. Akan tetapi, apabila debitur dengan karakteristik seperti ini ingin dimasukkan ke dalam kategori non default, maka harus disertai dengan catatan (with notes) yaitu diadakan tinjauan ulang terhadap debitur tersebut. Karakteristik debitur ke-13 adalah debitur angsuran kurang dari dua, berusia kurang dari 45 tahun, lama menetap kurang dari 5 tahun dan tidak memiliki rumah pribadi. Persentase debitur non default sebesar 20.25% dan debitur default sebesar 79.75%. Karakteristik debitur ke-13 dapat dikatakan tidak baik (not OK) untuk mengklasifikasikan debitur non default karena persentase debitur default lebih besar daripada debitur non default. Akan tetapi, apabila debitur dengan karakteristik 10

7 seperti ini ingin dimasukkan ke dalam kategori non default, maka harus disertai dengan catatan (with notes) yaitu diadakan tinjauan ulang terhadap debitur tersebut. Karakteristik debitur ke-14 adalah debitur angsuran kurang dari dua, berusia lebih dari atau sama dengan 45 tahun dan tidak memiliki rekening simpanan. Persentase debitur non default sebesar 11.96% dan debitur default sebesar 88.04%. Karakteristik debitur ke-14 dapat dikatakan tidak baik (not OK) untuk memiliki persentase default lebih dari 80%. Karakteristik debitur yang terbentuk dari analisis CHAID menghasilkan empat klasifikasi debitur. Pertama, klasifikasi debitur yang baik (OK) untuk memprediksi debitur ke dalam kategori non default, yaitu pada karakteristik debitur ke-1 sampai ke-4 dengan persentase untuk masing-masing karakteristik adalah sebesar 100%, 94.44%, 82.93% dan 81.82%. Kedua, klasifikasi debitur yang cukup baik (OK) dalam memprediksi debitur ke dalam kategori non default akan tetapi perlu adanya catatan (with notes) yaitu diadakan tinjauan ulang oleh pihak bank kepada debitur tersebut. Karakteristik debitur yang termasuk klasifikasi kedua adalah karakteristik ke-5 dan ke-6. Ketiga, klasifikasi debitur yang tidak cukup baik (not OK) dalam memprediksi debitur ke dalam kategori non default dan diperlukan adanya suatu tindakan dari pihak bank untuk melakukan verifikasi ulang atau tinjuan ulang terhadap debitur tersebut misalnya dengan wawancara langsung atau survei langsung. Karakteristik debitur yang termasuk klasifikasi ketiga adalah karakteristik ke-7 sampai ke-13. Keempat, klasifikasi debitur yang tidak cukup baik (not OK) dalam memprediksi debitur ke dalam kategori non default, yaitu pada karakteristik ke-14. Untuk itu, pihak bank perlu melakukan tinjauan ulang untuk mendapatkan data yang lebih baik sehingga akan menghasilkan suatu karakteristik debitur yang baik pula. Tabel 5. Ketepatan prediksi Prediksi Aktual default non default % benar default non default % keseluruhan 70.0 Berdasarkan Tabel 5 di atas dapat disimpulkan bahwa dari 500 debitur yang berkategori default sebanyak 429 orang atau 85.8% di antaranya diklasifikasikan dengan benar, sedangkan dari 500 debitur yang berkategori non default sebanyak 271 orang atau 54.2% diklasifikasikan dengan benar. Total klasifikasi yang benar dari 1000 debitur adalah 70.0%. Hasil ini menandakan analisis CHAID sudah cukup baik untuk memprediksi kategori respon. Perbandingan Hasil Menurut Hosmer dan Lemeshow (2000) salah satu ukuran kebaikan model adalah jika memiliki peluang kesalahan klsifikasi yang minimal dan ketepatan prediksi dari model. Dari Tabel 2 diperoleh total ketepatan prediksi analisis regresi logistik sebesar 70.0% dan dari Tabel 5 diperoleh total ketepatan prediksi metode CHAID sebesar 70.0%. Hal ini menunjukkan kedua analisis memiliki ketepatan prediksi yang sama, artinya bahwa kedua model sudah cukup baik dalam memprediksi kategori respon dalam hal ini status kredit debitur. Akan tetapi terdapat perbedaan besarnya persentase ketepatan prediksi untuk masing-masing kategori pada kedua metode. Untuk debitur kategori default dan diklasifikasikan dengan benar, persentase ketepatan prediksi dari metode CHAID lebih besar dibandingkan regresi logistik yaitu sebesar 85.8%. Sedangkan untuk debitur kategori non default dan diklasifikasikan dengan benar, persentase ketepatan prediksi regresi logistik lebih besar dibanding metode CHAID yaitu 68.8%. Adanya kesalahan prediksi baik pada regresi logistik maupun metode CHAID akan menyebabkan kerugian pada pihak bank. Untuk debitur kategori default dan diprediksi oleh kedua metode menjadi debitur non default mengakibatkan bank menerima debitur yang tidak potensial karena debitur tersebut melakukan penunggakan dalam membayar kredit dan akibatnya pihak bank mengalami kerugian. Sedangkan debitur kategori non default dan diprediksi oleh kedua metode menjadi debitur default mengakibatkan pihak bank gagal mendapatkan debitur yang potensial sehingga keuntungan pihak bank menjadi berkurang. Hasil dari analisis regresi logistik biner berupa sebuah persamaan dari peubah-peubah penjelas yang berpengaruh terhadap peubah respon. Dari 16 peubah penjelas yang dianalisis terdapat 8 peubah penjelas yang berpengaruh terhadap status kredit debitur. Peubah penjelas tersebut adalah perbandingan 11

8 Tabel 6. Persentase kesalahan klasifikasi untuk setiap karakteristik debitur kredit konsumtif No Node Karakteristik Debitur % kesalahan hasil CHAID % kesalahan hasil regresi logistik Perbandingan THP terhadap angsuran 3, jangka waktu pembayaran 3 tahun, lama bekerja 10 tahun menetap 5 tahun, jangka waktu pembayaran 3 tahun, angsuran tepat Perbandingan THP terhadap angsuran 3, jangka waktu pembayaran <3 tahun, memiliki rekening simpanan 0.00% 0.00% 5.56% 11.11% 17.07% 21.95% Perbandingan THP terhadap angsuran 3, jangka waktu pembayaran 3 tahun, lama bekerja <10 tahun menetap 5 tahun, jangka waktu pembayaran 3 tahun, angsuran tidak tepat;debitur baru menetap 5 tahun, jangka waktu pembayaran <3 tahun, usia <45 tahun tahun, lama menetap 5 tahun tahun, lama menetap <5 tahun, kepemilikan tempat tinggal rumah milik sendiri menetap <5 tahun 18.18% 18.18% 31.43% 31.43% 36.36% 36.36% 45.50% 46.56% 43.24% 37.84% 39.45% 22.94% Perbandingan THP terhadap angsuran <2, usia 45 tahun, memiliki rekening simpanan 38.89% 37.04% Perbandingan THP terhadap angsuran 3, jangka waktu pembayaran <3 tahun, tidak memiliki rekening simpanan menetap 5 tahun, jangka waktu pembayaran <3 tahun, usia 45 tahun tahun, lama menetap <5 tahun, kepemilikan tempat tinggal rumah bukan milik sendiri Perbandingan THP terhadap angsuran <2, usia 45 tahun, tidak memiliki rekening simpanan 38.18% 47.27% 34.88% 58.14% 20.25% 20.25% 11.96% 11.96% 12

9 THP terhadap angsuran, penguasaan cash flow, kepemilikan rekening simpanan, usia, kepemilikan tempat tinggal, lama menetap, jangka waktu dan jenis/bidang usaha. Sedangkan hasil dari metode CHAID berupa dendrogram pemisahan. Dari 16 peubah yang dianalisis terdapat 8 peubah penjelas yang berpengaruh terhadap karakteristik debitur. Peubah penjelas tersebut adalah perbandingan THP terhadap angsuran, riwayat rekening pinjaman, kepemilikan rekening simpanan, usia, kepemilikan tempat tinggal, lama menetap, lama bekerja dan jangka waktu. Dari penjelasan di atas terdapat persamaan dari peubah penjelas yang berpengaruh terhadap peubah respon, yaitu perbandingan THP terhadap angsuran, kepemilikan rekening simpanan, usia, kepemilikan tempat tinggal, lama menetap dan jangka waktu. Peubah perbandingan THP terhadap angsuran merupakan peubah yang sangat berperan pada kedua analisis dalam menentukan status kredit debitur. Tabel 6 menjelaskan besarnya kesalahan prediksi kedua metode untuk setiap karakteristik debitur. Baik analisis regresi logistik maupun metode CHAID pada karakteristik debitur ke-1, 4, 5, 6, 13 dan 14 memiliki persentase kesalahan yang sama. Untuk karakteristik debitur ke-11 dan 12, analisis CHAID memiliki persentase kesalahan lebih kecil dibandingkan analisis regresi logistik. Artinya debitur dengan karakteristik ke-11 dan 12 sebaiknya dianalisis oleh metode CHAID karena memiliki persentase kesalahan prediksi yang lebih kecil. Untuk karakteristik debitur ke-9, analisis regresi logistik memiliki persentase kesalahan yang lebih kecil dibandingkan analisis CHAID. Debitur pada karakteristik ke-9 sebaiknya dianalisis dengan regresi logistik agar menghasilkan kesalahan prediksi yang lebih kecil. Walaupun persentase kesalahan analisis CHAID pada karakteristik debitur ke-2, 3 dan 7 lebih kecil dari analisis regresi logistik, tetapi selisih persentase kesalahan dari kedua metode tidak terlalu besar sehingga tidak dapat disimpulkan bahwa karakteristik debitur pada kelompok ini sebaiknya dianalisis oleh metode CHAID. Demikian juga pada karakteristik debitur ke-8 dan 10 dimana analisis regresi logistik menghasilkan persentase kesalahan yang lebih kecil dibandingkan analisis CHAID. Akan tetapi tidak dapat disimpulkan bahwa karakteristik debitur pada kelompok ini sebaiknya dianalisis dengan regresi logistik. Persentase kesalahan terbesar hasil analisis CHAID terdapat pada karakteristik debitur ke-7, yaitu sebesar 45.50%. Sedangkan persentase kesalahan terbesar hasil analisis regresi logistik terdapat pada karakteristik debitur ke-12, yaitu sebesar 58.14%. Hasil kedua metode yang digunakan relatif sama dalam melihat pengaruh masingmasing peubah penjelas dalam hubungannya dengan peubah respon. Namun apabila dilihat dari struktur data permasalahan yang dihadapi maka akan terlihat perbedaan yang dihasilkan kedua metode tersebut. Dalam analisis regresi logistik terdapat beberapa kelebihan yaitu informasi yang dihasilkan dari rasio oddsnya menggambarkan resiko relatif antar peubah penjelas terhadap peubah respon dan efek dari setiap peubah penjelas terhadap peubah respon dapat terlihat jelas. Sedangkan kelebihan dari metode CHAID yaitu dapat digunakan untuk mengelompokkan amatanamatan sesuai peubah responnya. Di samping itu informasi yang dihasilkan melalui asosiasi dan interaksi antar peubah penjelas menjadikan analisis ini berbeda dengan analisis regresi logistik biner. Tabel 7. Kesesuaian klasifikasi antara regresi logistik dan CHAID CHAID Regresi Logistik default non default default non default Tabel 7 menjelaskan kesesuaian klasifikasi antara regresi logistik dan metode CHAID. Debitur kategori default dan diklasifikasikan dengan benar, baik oleh regresi logistik maupun metode CHAID sebanyak 488 orang. Debitur kategori non default dan diklasifikasikan dengan benar, baik oleh regresi logistik maupun metode CHAID sebanyak 318 orang. Berdasarkan hasil tersebut diperoleh besarnya kesesuaian klasifikasi antara regresi logistik dan metode CHAID sebesar 80.6%. Secara umum terdapat kesesuaian hasil analisis kedua metode dalam menjelaskan hubungan antar peubah respon dan peubah penjelas. Akan tetapi apabila masalah yang dihadapi berbeda tentu tidak semua metode ini dapat digunakan, kecuali pada masalah tertentu kedua metode ini dapat digunakan untuk saling melengkapi. 13

PENERAPAN MODEL REGRESI LOGISTIK BINER DAN METODE CHAID DALAM KLASIFIKASI KREDIT KONSUMTIF MALA SEPTIANI

PENERAPAN MODEL REGRESI LOGISTIK BINER DAN METODE CHAID DALAM KLASIFIKASI KREDIT KONSUMTIF MALA SEPTIANI PENERAPAN MODEL REGRESI LOGISTIK BINER DAN METODE CHAID DALAM KLASIFIKASI KREDIT KONSUMTIF MALA SEPTIANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR

Lebih terperinci

HASIL DAN PEMBAHASAN. (a) (b) (c)

HASIL DAN PEMBAHASAN. (a) (b) (c) 5 b. Analisis data daya tahan dengan metode semiparametrik, yaitu menggunakan regresi hazard proporsional. Analisis ini digunakan untuk melihat pengaruh peubah penjelas terhadap peubah respon secara simultan.

Lebih terperinci

BAHAN DAN METODE HASIL DAN PEMBAHASAN

BAHAN DAN METODE HASIL DAN PEMBAHASAN 5 Jika hipotesis nol benar, maka statistik uji-w akan menyebar mengikuti sebaran normal baku. Hipotesis nol ditolak jika W > Z α/2 (Hosmer & Lemeshow 1989). Interpretasi koefisien untuk model regresi logistik

Lebih terperinci

PEMBAHASAN. 5.1 Karakteristik Responden Berdasarkan Tingkat Pengembalian Kredit. Karakteristik responden baik yang lancar maupun yang menunggak dalam

PEMBAHASAN. 5.1 Karakteristik Responden Berdasarkan Tingkat Pengembalian Kredit. Karakteristik responden baik yang lancar maupun yang menunggak dalam 55 II. PEMBAHASAN 5.1 Karakteristik Responden Berdasarkan Tingkat Pengembalian Kredit Karakteristik responden baik yang lancar maupun yang menunggak dalam pengembalian Kredit Mikro Utama diidentifikasi

Lebih terperinci

PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA

PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN HASIL DAN PEMBAHASAN Karakteristik Siswa Gambar 1 memperlihatkan Karakteristik siswa SMA Negeri Ulu Siau berdasarkan jurusan. Berdasarkan Gambar 1 umumya siswa lebih memilih jurusan IPA daripada jurusan

Lebih terperinci

HASIL. yang berlebihan. kotak garis (box-plot) yaitu, Bersubsidi. untuk KPR Bersubsidi. 2. Membangun. analisis. keseluruhan

HASIL. yang berlebihan. kotak garis (box-plot) yaitu, Bersubsidi. untuk KPR Bersubsidi. 2. Membangun. analisis. keseluruhan 4 HASIL DAN PEMBAHASAN Ekplorasi Seluruh Data KPR Bersubsidi Secara kesulurahan persentase macet pada data Kredit Pemilikan Rumah Bersubsidi dalam penelitian ini sebesar 6,05%. Gambar 3 menggambarkan perbandingan

Lebih terperinci

HASIL DAN PEMBAHASAN Deskripsi Karakteristik Responden Berdasarkan Peubah Penjelas

HASIL DAN PEMBAHASAN Deskripsi Karakteristik Responden Berdasarkan Peubah Penjelas 19 HASIL DAN PEMBAHASAN Deskripsi Karakteristik Responden Berdasarkan Peubah Penjelas Hasil analisis mengenai persentase responden berdasarkan peubah-peubah penjelas ditunjukkan pada Gambar 2. Usia responden

Lebih terperinci

ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK

ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK LAPORAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK Latar Belakang Katarak Indonesia Klinik

Lebih terperinci

4. HASIL DAN PEMBAHASAN

4. HASIL DAN PEMBAHASAN 16 4. HASIL DAN PEMBAHASAN Hasil uji validitas dan reliabilitas dari kuesioner pada lampiran 1 menunjukkan bahwa kuesioner tersebut valid dan realibel. Kuesioner di katakan valid jika nilai Alpha Cronbach

Lebih terperinci

RMSE = dimana : y = nilai observasi ke-i V PEMBAHASAN. = Jenis kelamin responden (GENDER) X. = Pendidikan responden (EDU) X

RMSE = dimana : y = nilai observasi ke-i V PEMBAHASAN. = Jenis kelamin responden (GENDER) X. = Pendidikan responden (EDU) X pembilang persamaan (3) adalah rataan jumlah kuadrat galat, N jumlah pengamatan dan M jumlah himpunan bagian. Penyebutnya merupakan fungsi nilai kompleks, dengan C(M) adalah nilai kompleksitas model yang

Lebih terperinci

Jurnal Gradien Vol 8 No 2 Juli 2012: Yuli Andriani, Uxti Mezulianti, dan Herlina Hanum

Jurnal Gradien Vol 8 No 2 Juli 2012: Yuli Andriani, Uxti Mezulianti, dan Herlina Hanum Jurnal Gradien Vol 8 No 2 Juli 2012:809-814 Model Tingkat Kelancaran Pembayaran Kredit Bank Menggunakan Model Regresi Logistik Ordinal (Studi Kasus: Bank Rakyat Indonesia Tbk Unit Pasar Bintuhan) Yuli

Lebih terperinci

VI. FAKTOR-FAKTOR YANG MEMPENGARUHI PENGEMBALIAN KREDIT USAHA RAKYAT MIKRO

VI. FAKTOR-FAKTOR YANG MEMPENGARUHI PENGEMBALIAN KREDIT USAHA RAKYAT MIKRO VI. FAKTOR-FAKTOR YANG MEMPENGARUHI PENGEMBALIAN KREDIT USAHA RAKYAT MIKRO Faktor-faktor yang diduga akan mempengaruhi pengembalian KUR Mikro adalah usia, jumlah tanggungan keluarga, jarak tempat tinggal

Lebih terperinci

ANALISIS STATUS KREDIT MIKRO DENGAN REGRESI LOGISTIK TJIPTO AJI SUDARSO

ANALISIS STATUS KREDIT MIKRO DENGAN REGRESI LOGISTIK TJIPTO AJI SUDARSO ANALISIS STATUS KREDIT MIKRO DENGAN REGRESI LOGISTIK TJIPTO AJI SUDARSO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2008 RINGKASAN TJIPTO AJI SUDARSO. Analisis

Lebih terperinci

2 Telepon tetap 0 (1) X 3 Kepemilikan. 1 Memiliki telepon 1 telepon Tidak memiliki 2 telepon (1) (2) (3) (4) X 4 Uang muka (%) 1 <

2 Telepon tetap 0 (1) X 3 Kepemilikan. 1 Memiliki telepon 1 telepon Tidak memiliki 2 telepon (1) (2) (3) (4) X 4 Uang muka (%) 1 < L A M P I R A N Lampiran Peubah-peubah penjelas yang digunakan beserta peubah boneka yang dibentuk Peubah Kategori Keterangan Peubah Boneka () () () X Tipe motor Bebek kelas bawah Bebek kelas atas Motor

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan pada tanggal 3 Januari 2012 hingga 20 Februari 2012 pada PT. Bank Rakyat Indonesia Unit Cibungbulang. Pemilihan lokasi penelitian

Lebih terperinci

IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK

IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK Mohamad Jajuli Teknik Informatika, Fakultas Ilmu Komputer, Universitas

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 17 BAB III METODE PENELITIAN 3.1.Waktu dan Tempat Penelitian ini dilaksanakan pada bulan februari 2009-Juni 2009 di beberapa wilayah terutama Jakarta, Depok dan Bogor untuk pengambilan sampel responden

Lebih terperinci

VI. FAKTOR-FAKTOR YANG MEMPENGARUHI PERSEPSI DAN SIKAP RESPONDEN TERHADAP PRODUK OREO SETELAH ADANYA ISU MELAMIN

VI. FAKTOR-FAKTOR YANG MEMPENGARUHI PERSEPSI DAN SIKAP RESPONDEN TERHADAP PRODUK OREO SETELAH ADANYA ISU MELAMIN VI. FAKTOR-FAKTOR YANG MEMPENGARUHI PERSEPSI DAN SIKAP RESPONDEN TERHADAP PRODUK OREO SETELAH ADANYA ISU MELAMIN Penelitian ini menggunakan regresi logistik untuk mengetahui faktorfaktor yang mempengaruhi

Lebih terperinci

METODE PENELITIAN. Penelitian ini dilakukan di Bank Jabar Banten KCP Dramaga dan juga

METODE PENELITIAN. Penelitian ini dilakukan di Bank Jabar Banten KCP Dramaga dan juga 37 METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di Bank Jabar Banten KCP Dramaga dan juga cabang Cibinong. Pelaksanaan penelitian berlangsung bulan Juli 2009 sedangkan upaya

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Menurut Kamus Besar Bahasa Indonesia, Kesejahteraan adalah hal atau keadaan sejahtera, keamanan, keselamatan, ketentraman. Dalam istilah umum, sejahtera menunjuk ke

Lebih terperinci

Others Institution Credit Job Code

Others Institution Credit Job Code 4. Residence status (status kepemilikan rumah) yang dinotasikan dengan RS. Peubah ini dibagi menjadi enam kelompok. 5. Job code (kode pekerjaan) yang dinotasikan dengan JC. Peubah ini dibagi menjadi lima

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jenis Dan Metode Penelitian Jenis penelitian ini adalah jenis penelitian lapangan (field research), karena penulis terlibat langsung dalam penelitian. Field research adalah

Lebih terperinci

PEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)

PEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing

Lebih terperinci

di masa yang akan datang dilihat dari aspek demografi dan kepuasannya. PENDAHULUAN

di masa yang akan datang dilihat dari aspek demografi dan kepuasannya. PENDAHULUAN 1 PENDAHULUAN Latar Belakang Saat ini ada dua teknologi yang diusung oleh perusahaan-perusahaan telekomunikasi Indonesia yaitu teknologi Global System for Mobile communication (GSM) dan teknologi Code

Lebih terperinci

BAB I PENDAHULUAN. menyalurkan uang tersebut kembali ke masyarakat. merupakan lembaga keuangan yang paling lengkap kegiatannya yaitu

BAB I PENDAHULUAN. menyalurkan uang tersebut kembali ke masyarakat. merupakan lembaga keuangan yang paling lengkap kegiatannya yaitu 1 BAB I PENDAHULUAN 1.1 Latar Belakang Pemilihan Judul Menurut Undang Undang Nomor 14 tahun 1967 tentang pokok pokok perbankan, yang dimaksud lembaga keuangan adalah semua badan yang melalui kegiatan kegiatan

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN BAB V HASIL DAN PEMBAHASAN A. Analisis Statistik 1. Uji Klasifikasi Model Uji klasifikasi model dapat menunjukkan kekuatan atau ketepatan prediksi dari model regresi untuk mempredikasi tingkat nilai willingness

Lebih terperinci

PEMBAHASAN Pelaksanaan Survei

PEMBAHASAN Pelaksanaan Survei 4 Populasi penelitian dibagi menjadi dua lapisan berdasarkan cluster perumahan BNR. Cluster-cluster dengan ukuran rumah 1 m 2 digolongkan sebagai lapisan 1 sedangkan cluster-cluster dengan ukuran rumah

Lebih terperinci

Peubah yang diamati sebagai peubah respon adalah peubah indikator keberhasilan mahasiswa, sedangkan peubah lainnya digunakan sebagai peubah penjelas.

Peubah yang diamati sebagai peubah respon adalah peubah indikator keberhasilan mahasiswa, sedangkan peubah lainnya digunakan sebagai peubah penjelas. 5 diamati sebagai peubah respon adalah peubah indikator keberhasilan mahasiswa, sedangkan peubah lainnya digunakan sebagai peubah penjelas. Metode Analisis Tahapan-tahapan dilakukan dalam penelitian ini

Lebih terperinci

BAB IV ANALISIS DATA DAN PEMBAHASAN. mahasiswa. Setiap responden mempunyai karakteristik yang berbeda. Oleh

BAB IV ANALISIS DATA DAN PEMBAHASAN. mahasiswa. Setiap responden mempunyai karakteristik yang berbeda. Oleh 43 BAB IV ANALISIS DATA DAN PEMBAHASAN A. Deskripsi Data Jumlah responden yang diambil dalam penelitian ini ada sebanyak 72 mahasiswa. Setiap responden mempunyai karakteristik yang berbeda. Oleh karena

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini menggunakan pendekatan kuantitatif untuk menjawab

BAB III METODE PENELITIAN. Penelitian ini menggunakan pendekatan kuantitatif untuk menjawab BAB III METODE PENELITIAN A. Jenis Penelitian Penelitian ini menggunakan pendekatan kuantitatif untuk menjawab rumusan masalah yang telah diuraikan sebelumnya dengan berdasarkan tingkat eksplanasinya 54.

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dewasa ini kebutuhan masyarakat akan kredit merupakan hal yang tidak asing. Menyadari bahwa kegiatan kredit pada masyarakat umum semakin meningkat, maka perlu

Lebih terperinci

HASIL DAN PEMBAHASAN. Model Regresi Logistik Biner untuk data Hasil Pembangkitan

HASIL DAN PEMBAHASAN. Model Regresi Logistik Biner untuk data Hasil Pembangkitan HASIL DAN PEMBAHASAN Model Regresi Logistik Biner untuk data Hasil Pembangkitan Model regresi logistik digunakan untuk menggambarkan hubungan antara peubah respon dan peubah penjelas pada data hasil pembangkitan.

Lebih terperinci

VI FAKTOR YANG MEMPENGARUHI PENGEMBALIAN PEMBIAYAAN AGRIBISNIS

VI FAKTOR YANG MEMPENGARUHI PENGEMBALIAN PEMBIAYAAN AGRIBISNIS VI FAKTOR YANG MEMPENGARUHI PENGEMBALIAN PEMBIAYAAN AGRIBISNIS 6.1. Uji Kelayakan Persamaan Sebuah persamaan regresi logistik akan dinyatakan layak dan signifikan apabila telah memenuhi persyaratan uji

Lebih terperinci

4 HASIL DAN PEMBAHASAN

4 HASIL DAN PEMBAHASAN 9 4 HASIL DAN PEMBAHASAN Deskripsi Mahasiswa Pascasarjana IPB 2005-2010 Berhenti Studi Pada Tabel 1 terlihat bahwa persentase mahasiswa pascasarjana IPB yang berhenti studi tahun 2005-2010 menurun tetapi

Lebih terperinci

HASIL DAN PEMBAHASAN. 7. Peubah rancangan tempat tidur (TMP_TDR) Tempat tidur (1) (2) Kasur 1 0 Lainnya 0 1 Busa 0 0. Deskripsi Rerponden

HASIL DAN PEMBAHASAN. 7. Peubah rancangan tempat tidur (TMP_TDR) Tempat tidur (1) (2) Kasur 1 0 Lainnya 0 1 Busa 0 0. Deskripsi Rerponden 7. Peubah rancangan tempat tidur (TMP_TDR) Tempat tidur (1) (2) Kasur 1 0 Lainnya 0 1 Busa 0 0 8. Peubah rancangan alat pembersih yang digunakan di rumah (ALAT). Alat pembersih di rumah (1) (2) Sapu 1

Lebih terperinci

HASIL DAN PEMBAHASAN. Analisis data menggunakan software SPSS 11.5 for windows, Microsoft Excel, dan SAS 9.1. Profil Responden

HASIL DAN PEMBAHASAN. Analisis data menggunakan software SPSS 11.5 for windows, Microsoft Excel, dan SAS 9.1. Profil Responden disusun ke dalam bentuk kartu stimuli, diantara tiap kartu berisi kombinasi dari taraftaraf atribut yang berbeda dengan kartu-kartu lainnya (Lampiran 4). 3. Pengumpulan data melalui penyebaran kuesioner.

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di PT. Bank Rakyat Indonesia Unit Cijeruk Cabang Bogor. Pemilihan tempat penelitian ini didasarkan pada pertimbangan bahwa

Lebih terperinci

4. HASIL DAN PEMBAHASAN

4. HASIL DAN PEMBAHASAN 19 4. HASIL DAN PEMBAHASAN 4.1 Deskripsi Pasien ART Rendahnya imunitas dan beratnya keadaan klinis pasien saat memulai ART mempengaruhi lamanya proses perbaikan imunologis maupun klinis pasien. Tabel 2

Lebih terperinci

VII FAKTOR-FAKTOR YANG MEMPENGARUHI PENGEMBALIAN KREDIT DAN REPAYMENT CAPACITY

VII FAKTOR-FAKTOR YANG MEMPENGARUHI PENGEMBALIAN KREDIT DAN REPAYMENT CAPACITY VII FAKTOR-FAKTOR YANG MEMPENGARUHI PENGEMBALIAN KREDIT DAN REPAYMENT CAPACITY 7.1 Faktor-Faktor yang Mempengaruhi Tingkat Pengembalian KUR Analisis terhadap faktor-faktor yang mempengaruhi tingkat pengembalian

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN BAB V HASIL DAN PEMBAHASAN A. Analisis Statistik Tingkat Literasi Keuangan di Kabupaten Mempawah Kalimantan Barat 1. Uji Validitas a. Tingkat Literasi Keuangan Data mengenai tingkat literasi keuangan memiliki

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Salah satu usaha pemerintah dalam meningkatkan taraf hidup masyarakat adalah memberdayakan peranan jasa perbankan. Bank memiliki peranan yang sangat penting dalam menunjang

Lebih terperinci

KLASIFIKASI DAN KAJIAN PERFORMA NASABAH USAHA EKONOMI DESA SIMPAN PINJAM (UED-SP) DESA PISANG BEREBUS ABRAR SETIAWAN

KLASIFIKASI DAN KAJIAN PERFORMA NASABAH USAHA EKONOMI DESA SIMPAN PINJAM (UED-SP) DESA PISANG BEREBUS ABRAR SETIAWAN KLASIFIKASI DAN KAJIAN PERFORMA NASABAH USAHA EKONOMI DESA SIMPAN PINJAM (UED-SP) DESA PISANG BEREBUS ABRAR SETIAWAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN

Lebih terperinci

II TINJAUAN PUSTAKA 2.1 Penelitian Terdahulu Mengenai Faktor-Faktor Yang Mempengaruhi Realisasi Kredit

II TINJAUAN PUSTAKA 2.1 Penelitian Terdahulu Mengenai Faktor-Faktor Yang Mempengaruhi Realisasi Kredit II TINJAUAN PUSTAKA 2.1 Penelitian Terdahulu Mengenai Faktor-Faktor Yang Mempengaruhi Realisasi Kredit Hasil analisis deksriptif (Wangi SP, 2008) memperlihatkan bahwa semakin besar nilai pengajuan dan

Lebih terperinci

METODE PENELITIAN IV.

METODE PENELITIAN IV. IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian ini dilakukan di PT. Bank Rakyat Indonesia Unit Lalabata Rilau. Pemilihan lokasi penelitian dilakukan secara purposive (sengaja) dengan

Lebih terperinci

BAB III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) Odds Ratio

BAB III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) Odds Ratio 21 BAB III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) 3.1 Regresi Logistik Biner Regresi logistik berguna untuk meramalkan ada atau tidaknya karakteristik berdasarkan prediksi

Lebih terperinci

BAB III METODE PENELITIAN. menyebabkan, kebutuhan pangan tidak hanya sebatas produk pelengkap dengan

BAB III METODE PENELITIAN. menyebabkan, kebutuhan pangan tidak hanya sebatas produk pelengkap dengan 14 BAB III METODE PENELITIAN 3.1. Kerangka Pemikiran Pola hidup masyarakat yang menyadari pentingnya kesehatan menyebabkan, kebutuhan pangan tidak hanya sebatas produk pelengkap dengan citarasa yang enak,

Lebih terperinci

Karakteristik Pasien

Karakteristik Pasien Karakteristik Pasien Tabel 4.1 Karakteristik Penderita Kanker Payudara di Rumah Sakit X Berdasarkan Variabel Usia Letak Sel kanker Usia Pasien Payudara Total Kiri Kanan 35-41 tahun jumlah 3 7 10 (%) 13,6

Lebih terperinci

BAB IV HASIL DAN ANALISIS

BAB IV HASIL DAN ANALISIS 51 BAB IV HASIL DAN ANALISIS 4.1 Deskripsi Data Penelitian 4.1.1 Profil Obyek Penelitian Obyek penelitian dalam penelitian ini adalah Pasar Sleman. Pasar Sleman merupakan pasar terbesar di Kecamatan Sleman.

Lebih terperinci

IV. METODE PENELITIAN. daerah yang memiliki luas areal yang cukup potensial dalam pengembangan padi

IV. METODE PENELITIAN. daerah yang memiliki luas areal yang cukup potensial dalam pengembangan padi IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian dilakukan di Desa Purwasari, Kecamatan Dramaga dan Desa Sukajadi, Kecamatan Tamansari, Kabupaten Bogor. Pemilihan lokasi dilakukan dengan

Lebih terperinci

VI. ANALISIS FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP PENGEMBALIAN KUPEDES PADA BRI UNIT CIJERUK

VI. ANALISIS FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP PENGEMBALIAN KUPEDES PADA BRI UNIT CIJERUK VI. ANALISIS FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP PENGEMBALIAN KUPEDES PADA BRI UNIT CIJERUK 6.1. Hubungan Karakteristik Individu dan Karakteristik Usaha dengan Peluang Pengembalian Kupedes Pada BRI

Lebih terperinci

II. HASIL DAN PEMBAHASAN

II. HASIL DAN PEMBAHASAN II. HASIL DAN PEMBAHASAN 2.1 Karakteristik Responden Berdasarkan jawaban responden yang telah diklasifikasikan menurut jenis kelamin, umur, pendidikan, jenis pekerjaan, dan pengeluaran dalam satu bulan,

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Sebelum melakukan pembahasan mengenai permasalahan dari skripsi ini, akan diuraikan beberapa teori penunjang antara lain: Kredit Macet, Regresi Logistik, Model Terbaik

Lebih terperinci

V. DAMPAK SUBSIDI PUPUK ORGANIK TERHADAP PRODUKSI DAN PENDAPATAN PADI SERTA FAKTOR-FAKTOR YANG MEMPENGARUHI ADOPSI PUPUK ORGANIK DI PROVINSI LAMPUNG

V. DAMPAK SUBSIDI PUPUK ORGANIK TERHADAP PRODUKSI DAN PENDAPATAN PADI SERTA FAKTOR-FAKTOR YANG MEMPENGARUHI ADOPSI PUPUK ORGANIK DI PROVINSI LAMPUNG 45 V. DAMPAK SUBSIDI PUPUK ORGANIK TERHADAP PRODUKSI DAN PENDAPATAN PADI SERTA FAKTOR-FAKTOR YANG MEMPENGARUHI ADOPSI PUPUK ORGANIK DI PROVINSI LAMPUNG 5.1 Karakteristik Petani Responden Penelitian dilakukan

Lebih terperinci

PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL

PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL 1 PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL Uaies Qurnie Hafizh, Vita Ratnasari Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut

Lebih terperinci

LOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si

LOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si LOGO Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si PENDAHULUAN 1 2 3 4 Latar Belakang Tujuan Manfaat Batasan Masalah Latar Belakang Kesempatan memperoleh pendidikan merupakan prioritas utama

Lebih terperinci

IV METODE PENELITIAN. 4.1 Lokasi dan Waktu Penelitian

IV METODE PENELITIAN. 4.1 Lokasi dan Waktu Penelitian IV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini akan dilaksanakan di beberapa peternak plasma ayam broiler di Kota Depok. Penentuan lokasi penelitian dilakukan atas dasar pertimbangan

Lebih terperinci

PENGARUH KARAKTERISTIK DEBITUR UMKM TERHADAP TINGKAT PENGEMBALIAN KREDIT PUNDI BALI DWIPA

PENGARUH KARAKTERISTIK DEBITUR UMKM TERHADAP TINGKAT PENGEMBALIAN KREDIT PUNDI BALI DWIPA PENGARUH KARAKTERISTIK DEBITUR UMKM TERHADAP TINGKAT PENGEMBALIAN KREDIT PUNDI BALI DWIPA (Studi Kasus Nasabah Pada PT. Bank Pembangunan Daerah Bali Kantor Cabang Singaraja) Luh Ikka Widayanthi Fakultas

Lebih terperinci

dimana: n1= jumlah sampel dalam tiap kecamatan

dimana: n1= jumlah sampel dalam tiap kecamatan IV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di wilayah Kota Bogor. Pemilihan lokasi dilakukan secara sengaja (purposive) dengan pertimbangan Kota Bogor merupakan kota

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN HASIL DAN PEMBAHASAN Deskripsi Data Kredit UMKM Bank X merupakan kredit dengan jumlah nasabah terbanyak dibandingkan dengan jenis kredit lainnya. Jasa layanan kredit usaha pada Bank ini diantaranya meliputi

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Lokasi penelitian mengenai persepsi dan sikap responden terhadap produk Oreo setelah adanya isu melamin serta faktor-faktor yang mempengaruhi persepsi

Lebih terperinci

Kata kunci---beras Keluarga Miskin, regresi logistik biner. I. PENDAHULUAN

Kata kunci---beras Keluarga Miskin, regresi logistik biner. I. PENDAHULUAN 1 Analisis Regresi Logistik Biner Untuk Mengidentifikasi Faktor-Faktor Yang Mempengaruhi Status Penerimaan Beras Keluarga Miskin (Raskin) Di Kecamatan Gunung Anyar Faiz Ramadhani Rahman, Ismaini Zain Jurusan

Lebih terperinci

III. METODOLOGI PENELITIAN. penelitian ini, penulis menggunakan dua sumber data, yaitu :

III. METODOLOGI PENELITIAN. penelitian ini, penulis menggunakan dua sumber data, yaitu : III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Salah satu yang mempengaruhi kualitas penelitian adalah kualitas data yang dikumpulkan. Pengumpulan data dapat dilakukan dengan berbagai cara. Dalam

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN 18 HASIL DAN PEMBAHASAN Deskripsi Karakteristik Responden Pra Pemilu 2009 Karakteristik responden berdasarkan peubah demografi yang diamati terdapat pada Gambar 3 sampai Gambar 6. Pada Gambar 3 dapat diketahui

Lebih terperinci

BAB I PENDAHULUAN. atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri.

BAB I PENDAHULUAN. atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri. BAB I PENDAHULUAN 1.1 Latar Belakang Klasifikasi merupakan pengelompokan secara sistematis pada suatu objek atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri. Masalah klasifikasi

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Tempat dan Waktu Penelitian Penelitian dilakukan pada obyek wisata pemandian air panas alam CV Alam Sibayak yang berlokasi di Desa Semangat Gunung Berastagi, Kabupaten Karo Sumatera

Lebih terperinci

MAKALAH REGRESI LOGISTIK DAN REGRESI DENGAN VARIABLE DUMMY

MAKALAH REGRESI LOGISTIK DAN REGRESI DENGAN VARIABLE DUMMY MAKALAH REGRESI LOGISTIK DAN REGRESI DENGAN VARIABLE DUMMY KELOMPOK : Karlina Siti Faresha 135020200111071 Rezky Ridhowati 135020200111074 Pahriyatul Ummah 135020201111002 JURUSAN MANAJEMEN FAKULTAS EKONOMI

Lebih terperinci

Analisis Regresi Logistik Terhadap Faktor yang Mempengaruhi Penggunaan Kontrasepsi pada Survey Demografi Kesehatan Indonesia 2012

Analisis Regresi Logistik Terhadap Faktor yang Mempengaruhi Penggunaan Kontrasepsi pada Survey Demografi Kesehatan Indonesia 2012 Analisis Regresi Logistik Terhadap Faktor yang Mempengaruhi Penggunaan Kontrasepsi pada Survey Demografi Kesehatan Indonesia 2012 Faikul Fahmi 1*, Laelatul Khikmah 2 1 Statistika, Akademi Statistika (AIS

Lebih terperinci

BAB III METODE PENELITIAN. Lokasi penelitian dilakukan di Pojok Bursa Efek Indonesia UIN Maulana. Malik Ibrahim Malang Jalan Gajayana No.50 Malang.

BAB III METODE PENELITIAN. Lokasi penelitian dilakukan di Pojok Bursa Efek Indonesia UIN Maulana. Malik Ibrahim Malang Jalan Gajayana No.50 Malang. BAB III METODE PENELITIAN 3.1 Lokasi Penelitian Lokasi penelitian dilakukan di Pojok Bursa Efek Indonesia UIN Maulana Malik Ibrahim Malang Jalan Gajayana No.50 Malang. 3.2 Jenis dan Pendekatan Penelitian

Lebih terperinci

Analisis Efektivitas Pemberian Pinjaman Program Pembiayaan UMKM Oleh Koperasi Di Jepara (Studi Kasus UJKS Mitra Usaha Jepara)

Analisis Efektivitas Pemberian Pinjaman Program Pembiayaan UMKM Oleh Koperasi Di Jepara (Studi Kasus UJKS Mitra Usaha Jepara) Analisis Efektivitas Pemberian Pinjaman Program Pembiayaan UMKM Oleh Koperasi Di Jepara (Studi Kasus UJKS Mitra Usaha Jepara) Hadi Ismanto *, Tohir Diman Fakultas Ekonomi Dan Bisnis Unisnu Jepara *email:

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. penelitian mengenai Pengaruh Sistem Informasi Perbendaharaan terhadap

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. penelitian mengenai Pengaruh Sistem Informasi Perbendaharaan terhadap BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Hasil Penelitian Pada bab ini akan diuraikan hasil penelitian dan pembahasan yang telah diperoleh melalui penelitian yang telah di lakukan yaitu data responden

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan

Lebih terperinci

BAB IV ANALISIS HASIL DAN PEMBAHASAN

BAB IV ANALISIS HASIL DAN PEMBAHASAN BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Statistik Deskriptif Statistik Statistik deskriptif digunakan untuk menggambarkan secara umum data yang telah dikumpulkan dalam penelitian ini. Sampel yang digunakan

Lebih terperinci

Analisis Faktor-Faktor yang Mempengaruhi Tingkat Kelahiran di Kabupaten Brebes dengan Pendekatan Regresi Logistik Biner

Analisis Faktor-Faktor yang Mempengaruhi Tingkat Kelahiran di Kabupaten Brebes dengan Pendekatan Regresi Logistik Biner Analisis Faktor-Faktor yang Mempengaruhi di Kabupaten Brebes dengan Pendekatan Regresi Logistik Biner Roni Guntara 1), Safa at Yulianto 2) 1,2 Akademi Statistika (AIS) Muhammadiyah Semarang roniguntara@gmail.com

Lebih terperinci

PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA

PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA Saintia Matematika Vol. 1, No. 1 (2013), pp. 51 61. PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA (Studi kasus di desa Dolok Mariah Kabupaten Simalungun) Oktani Haloho, Pasukat

Lebih terperinci

IDENTIFIKASI KARAKTERISTIK ANAK PUTUS SEKOLAH DI JAWA BARAT DENGAN REGRESI LOGISTIK

IDENTIFIKASI KARAKTERISTIK ANAK PUTUS SEKOLAH DI JAWA BARAT DENGAN REGRESI LOGISTIK IDENTIFIKASI KARAKTERISTIK ANAK PUTUS SEKOLAH DI JAWA BARAT DENGAN REGRESI LOGISTIK Tina Aris Perhati 1, Indahwati 2, Budi Susetyo 3 1 Dept. of Statistics, Bogor Agricultural University (IPB), Indonesia,

Lebih terperinci

III. METODE PENELITIAN. PUAP, adalah bagian dari pelaksanaan program PNPM-Mandiri melalui

III. METODE PENELITIAN. PUAP, adalah bagian dari pelaksanaan program PNPM-Mandiri melalui 41 III. METODE PENELITIAN A. Definisi Operasional Pengembangan Usaha Agribisnis Perdesaan yang selanjutnya disingkat PUAP, adalah bagian dari pelaksanaan program PNPM-Mandiri melalui bantuan modal usaha

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 3.1 Objek Penelitian BAB III METODE PENELITIAN Menurut Sugiyono (200838) objek penelitian dapat didefinisikan sebagai Suatu atribut atau sifat atau nilai dari orang, objek atau kegiatan yang mempunyai

Lebih terperinci

IV. METODE PENELITIAN. Provinsi Jawa Barat. Lokasi ini dipilih secara sengaja (purposive) dengan

IV. METODE PENELITIAN. Provinsi Jawa Barat. Lokasi ini dipilih secara sengaja (purposive) dengan 4.1 Lokasi dan Waktu Penelitian IV. METODE PENELITIAN Pengumpulan data primer penelitian dilakukan di Kabupaten Garut Provinsi Jawa Barat. Lokasi ini dipilih secara sengaja (purposive) dengan pertimbangan

Lebih terperinci

III. METODE PENELITIAN A.

III. METODE PENELITIAN A. 28 III. METODE PENELITIAN A. Metode Dasar Penelitian Metode dasar yang digunakan dalam penelitian ini yaitu metode deskriptif analitis. Menurut Surakhmad (2004) metode deskriptif analitik merupakan metode

Lebih terperinci

Oleh : Mochammad Taufan ( ) DOSEN PEMBIMBING: Prof. Drs. Nur Iriawan, M.Ikom,Ph.D

Oleh : Mochammad Taufan ( ) DOSEN PEMBIMBING: Prof. Drs. Nur Iriawan, M.Ikom,Ph.D Pemodelan Early Warning System sebagai Penilai Tingkat Kesehatan Finansial Calon Nasabah dengan Metoda Binary Regresi Logistik Studi Kasus : Bank X Surabaya Branch Oleh : Mochammad Taufan (9107.205.309)

Lebih terperinci

PERBANDINGAN METODE DISKRETISASI DALAM MODEL REGRESI LOGISTIK (Studi Kasus: Pembentukan Model Penskoran Kredit Bank X) DIAN ILMIATI ARDITA

PERBANDINGAN METODE DISKRETISASI DALAM MODEL REGRESI LOGISTIK (Studi Kasus: Pembentukan Model Penskoran Kredit Bank X) DIAN ILMIATI ARDITA PERBANDINGAN METODE DISKRETISASI DALAM MODEL REGRESI LOGISTIK (Studi Kasus: Pembentukan Model Penskoran Kredit Bank X) DIAN ILMIATI ARDITA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

BAB 5 PENUTUP. Determinan unmet..., Muhammad Isa, FE UI, Universitas Indonesia

BAB 5 PENUTUP. Determinan unmet..., Muhammad Isa, FE UI, Universitas Indonesia 1 BAB 5 PENUTUP 5.1 Kesimpulan Penelitian ini dilakukan untuk mengetahui faktor-faktor yang mempengaruhi kejadian total unmet need di Indonesia menggunakan data SDKI tahun 2007 dengan sampel penelitiannya

Lebih terperinci

Kuisioner Penelitian untuk Debitur ANALISIS MANAJEMEN RISIKO KREDIT PRODUK KREDIT MASYARAKAT DESA KOMERSIL DI BANK X BOGOR

Kuisioner Penelitian untuk Debitur ANALISIS MANAJEMEN RISIKO KREDIT PRODUK KREDIT MASYARAKAT DESA KOMERSIL DI BANK X BOGOR LAMPIRAN 65 66 Lampiran 1. Kuisioner penelitian Kuisioner Penelitian untuk Debitur ANALISIS MANAJEMEN RISIKO KREDIT PRODUK KREDIT MASYARAKAT DESA KOMERSIL DI BANK X BOGOR Gambaran Ringkas Penelitian Sektor

Lebih terperinci

IV. METODE PENELITIAN. Penelitian ini dilakukan di Desa Ciburuy dan Desa Cisalada, Kecamatan

IV. METODE PENELITIAN. Penelitian ini dilakukan di Desa Ciburuy dan Desa Cisalada, Kecamatan IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian ini dilakukan di Desa Ciburuy dan Desa Cisalada, Kecamatan Cigombong, Kabupaten Bogor, Provinsi Jawa Barat. Lokasi penelitian dipilih secara

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Radang paru paru adalah sebuah penyakit pada paru paru dimana pulmonary alveolus yang bertanggung jawab menyerap oksigen dari atmosfer meradang dan terisi cairan. Berdasarkan

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Regresi Logistik Regresi adalah bagaimana satu variabel yaitu variabel dependen dipengaruhi oleh satu atau lebih variabel lain yaitu variabel independen dengan tujuan untuk

Lebih terperinci

ANALISIS TINGKAT KEMAJUAN DESA DI KABUPATEN BOGOR DENGAN METODE CHAID DAN REGRESI LOGISTIK ORDINAL DENI SUHANDANI

ANALISIS TINGKAT KEMAJUAN DESA DI KABUPATEN BOGOR DENGAN METODE CHAID DAN REGRESI LOGISTIK ORDINAL DENI SUHANDANI ANALISIS TINGKAT KEMAJUAN DESA DI KABUPATEN BOGOR DENGAN METODE CHAID DAN REGRESI LOGISTIK ORDINAL DENI SUHANDANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN

Lebih terperinci

BAB I PENDAHULUAN. kegiatan untuk mencapai tujuan yang telah ditetapkan sebelumnya. Tujuan

BAB I PENDAHULUAN. kegiatan untuk mencapai tujuan yang telah ditetapkan sebelumnya. Tujuan 10 BAB I PENDAHULUAN A. Latar Belakang Masalah Perusahaan adalah suatu bentuk organisasi yang melakukan berbagai kegiatan untuk mencapai tujuan yang telah ditetapkan sebelumnya. Tujuan perusahaan pada

Lebih terperinci

ANALISIS FAKTOR-FAKTOR KEBERHASILAN MAHASISWA MENGGUNAKAN REGRESI LOGISTIK DAN METODE CHAID (Studi Kasus: Mahasiswa Farmasi Uhamka) SRI NEVI GANTINI

ANALISIS FAKTOR-FAKTOR KEBERHASILAN MAHASISWA MENGGUNAKAN REGRESI LOGISTIK DAN METODE CHAID (Studi Kasus: Mahasiswa Farmasi Uhamka) SRI NEVI GANTINI ANALISIS FAKTOR-FAKTOR KEBERHASILAN MAHASISWA MENGGUNAKAN REGRESI LOGISTIK DAN METODE CHAID (Studi Kasus: Mahasiswa Farmasi Uhamka) SRI NEVI GANTINI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2011 PERNYATAAN

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian dilakukan di PT. BPRS Al Salam Amal Salman atau lebih dikenal dengan nama BPRS Al Salaam (BAS). BAS berkantor pusat di Jalan Cinere Raya

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1. Populasi dan Sampel Penelitian Populasi yang digunakan dalam penelitian ini adalah bank syariah Bank Umum Syariah (BUS) yang terdaftar di BI pada tahun 2009-2012. Penentuan

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang BAB I PENDAHULUAN 1.1. Latar Belakang Dalam mencapai tujuan pembangunan ekonomi diperlukan peran serta lembaga keuangan untuk membiayai pembangunan tersebut. Lembaga keuangan memegang peranan penting dalam

Lebih terperinci

IDENTIFIKASI INDIKATOR STANDAR PELAYANAN MINIMAL PENCIRI AKREDITASI SMP DAN MTS DENGAN METODE CHAID DAN REGRESI LOGISTIK ORDINAL FAHMI SALAM AHMAD

IDENTIFIKASI INDIKATOR STANDAR PELAYANAN MINIMAL PENCIRI AKREDITASI SMP DAN MTS DENGAN METODE CHAID DAN REGRESI LOGISTIK ORDINAL FAHMI SALAM AHMAD IDENTIFIKASI INDIKATOR STANDAR PELAYANAN MINIMAL PENCIRI AKREDITASI SMP DAN MTS DENGAN METODE CHAID DAN REGRESI LOGISTIK ORDINAL FAHMI SALAM AHMAD DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

V. GAMBARAN UMUM LOKASI PENELITIAN

V. GAMBARAN UMUM LOKASI PENELITIAN V. GAMBARAN UMUM LOKASI PENELITIAN 5.1 Gambaran Umum BRI Unit Cijeruk Berdasarkan Instruksi Presiden RI nomor 4 tahun 1973 tanggal 5 Mei 1973 tentang unit desa, maka Unit Desa Bank Rakyat Indonesia menjadi

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN 22 III. METODOLOGI PENELITIAN 2.5. Data Penelitian Data dalam penelitian ini menggunakan data sekunder yang diperoleh dari bagian Akademis POLBAN serta data pendukung yang merupakan data primer (persepsi)

Lebih terperinci

KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI REGRESI LOGISTIK MULTINOMIAL

KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI REGRESI LOGISTIK MULTINOMIAL KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL SKRIPSI Oleh : Ahmad Reza Aditya 24010210130055 JURUSAN STASTISTIKA

Lebih terperinci

ponsel, purposive sampling, regresi logistik politomus

ponsel, purposive sampling, regresi logistik politomus JURNAL GAUSSIAN, Volume 2, Nomor 1, Tahun 2013, Halaman 49-58 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS PEMILIHAN MEREK TELEPON SELULER PADA MAHASISWA UNIVERSITAS DIPONEGORO

Lebih terperinci

IV. METODOLOGI PENELITIAN. wisata tirta. Lokasi penelitian ini dapat dilihat pada Lampiran 1.

IV. METODOLOGI PENELITIAN. wisata tirta. Lokasi penelitian ini dapat dilihat pada Lampiran 1. IV. METODOLOGI PENELITIAN 4.1. Lokasi Penelitian Penelitian ini dilakukan di obyek wisata Tirta Jangari, Waduk Cirata, Desa Bobojong, Kecamatan Mande, Kabupaten Cianjur. Pemilihan lokasi ini dilakukan

Lebih terperinci

BINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA

BINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA BINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA Moh. Yamin Darsyah 1 Arianto Wijaya 2 1,2 Program Studi S1 Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas

Lebih terperinci