Penerapan Algoritma Chaid dalam Pengklasifikasian Pada Status Kredit Macet (Studi Kasus : Nasabah PT. Bank Mega Tbk. Cabang Kantor Pusat DKI Jakarta pada Bulan Desember 2015)

Abstract

Kredit macet merupakan suatu permasalahan yang sudah menjadi krusial dalam setiap kegiatan pembiayaan atau perkreditan pada sebuah lembaga keuangan. Risiko kredit adalah suatu kerugian yang berpotensi menimbulkan penolakan atau ketidakmampuan konsumen kredit untuk membayar hutangnya secara penuh dan tepat waktu. Metode CHAID (Chi-Square Automatic Interaction Detection) dapat menjadi salah satu metode untuk menjawab permasalahan ini. Tujuan penelitian ini adalah untuk mengetahui karakteristik kelompok nasabah pada PT. Bank Mega Tbk. Cabang Kantor Pusat DKI Jakarta dengan harapan dapat meminimumkan risiko kredit macet. Hasil analisis dari penelitian ini adalah terdapat lima peubah penjelas yang memiliki keterkaitan dengan status kolektibilitas nasabah. Peubah-peubah tersebut adalah penghasilan, jumlah pinjaman, usia, suku bunga, dan pendidikan. Dari hasil analisis ini menghasilkan 9 segmen nasabah, dimana presentase terbesar nasabah berstatus kredit macet berada pada segmen 1, dengan karakteristik nasabah berpenghasilan ≤ Rp100.000.000 dengan jumlah pinjaman ≤ Rp175.000.000 dan mendapatkan suku bunga ≤ 32.39% serta pendidikan terakhir SD, SMP, SMA, Diploma, selanjutnya adalah segmen 2 dengan karakteristik nasabah berpenghasilan ≤ Rp100.000.000 dengan jumlah pinjaman ≤ Rp175.000.000 dan mendapatkan suku bunga ≤ 32.39%serta pendidikan terakhir S1, S2, dan S3, dan terakhir adalah segmen 5 dengan karakteristik nasabah berpenghasilan ≤ Rp100.000.000 dengan jumlah pinjaman > Rp175.000.000 yang berusia ≥ 24 tahun. Dilihat dari hasil analisis tersebut, pihak PT. Bank Mega Tbk. Cabang Kantor Pusat DKI Jakarta harus lebih memperhatikan nasabah atau calon nasabah pada segmen 1, 2, dan 5, dikarenakan aturan yang terbentuk menunjukkan bahwa nasabah cenderung berstatus kredit macet. Keywords: Kredit Macet, CHAID, Risiko Kredit