PENERAPAN METODE CLASSIFICATION AND REGRESSION TREES (CART) UNTUK MENENTUKKAN FAKTOR-FAKTOR YANG MEMPENGARUHI PEMBAYARAN KREDIT OLEH NASABAH DI PT BPRS GEBU PRIMA MEDAN

Abstract

Penelitian  ini  bertujuan  untuk  mengklasifikasikan pembayaran  kredit nasabah PT BPRS Gebu Prima Medan. Hasil pengklasifikasian tersebut berupa faktor - faktor penciri yang mempengaruhi pembayaran kredit oleh nasabah. Untuk mengetahui hasil pengklasifikasian pembayaran kredit, digunakan analisis Classification and Regression Trees (CART) dengan pendekatan analisis pohon klasifikasi. Hasil  analisis  pohon  klasifikasi  Classification  and  Regression  Trees (CART) menunjukkan bahwa status pembayaran kredit dipengaruhi oleh usia , jenis kelamin dan jumlah tanggungan dengan ketetapan hasil klasifikasi yang terbentuk sebesar 89.1%. Karakteristik nasabah yang memiliki status pembayaran kredit cenderung tidak lancar adalah nasabah dengan usia lebih dari 66,5 tahun dengan presentase 66.7 %, nasabah yang mempunyai usia maksimum 66,5 tahun dengan jenis kelamin perempuan adalah nasabah yang memiliki usia maksimum 46,5 tahun dengan presentase 21.7 %, nasabah yang mempunyai usia maksimum 66,5 tahun dengan jenis kelamin laki-laki adalah nasabah yang memiliki jumlah tanggungan maksimum 0,5 dengan presentase 12.9 %, nasabah yang mempunyai usia maksimum 66,5 tahun dengan jenis kelamin perempuan adalah nasabah yang memiliki usia lebih dari 46,5 tahun dengan presentase 5.9 % , serta nasabah yang mempunyai usia maksimum 66,5 tahun dengan jenis kelamin laki-laki adalah nasabah yang memiliki jumlah tanggungan lebih dari 0,5 dengan presentase 4.3 %.

ABSTRACT

This study aims to classify customer credit payments PT BPRS Gebu Prima Medan. The results of such classification are the determinant factors affecting credit payments by customers. To know the result of classification of credit payment, used analysis of Classi- fication and Regression Trees (CART) with approach of tree classification analysis. Classification and Regression Trees (CART) classification analysis showed that credit payment status was influenced by age, sex and number of dependents with determination of classification result that was formed 89.1%. Characteristics of customers who have creditworthy status tend to be non-current are clients with age greater than 66.5 years with a percentage of 66.7%, customers with a maximum age of 66.5 years with female gender are clients with a maximum age of 46.5 years old with a percentage 21.7%, clients with a maximum age of 66.5 years with male gender are clients with a maximum number of dependents of 0.5 with a percentage of 12.9%, clients with a maximum age of 66.5 years with female gender are customers who have age of more than 46.5 years with a percentage of 5.9%, and customers who have a maximum age of 66.5 years with male gender are customers who have a dependent amount of more than 0.5 with a percentage of 4.3%.