Article Sidebar

Submitted
May 23, 2016
Accepted
May 23, 2016
Published
May 22, 2016
Download
PDF
Statistic
Read Counter : 1089 Download : 695

Main Article Content

Abstract

Penelitian ini bertujuan untuk menetukan segmentasi nasabah berdasarkan karakteristik status kreditnya pada BMT El Bummi 372. Segmentasi ini bertujuan untuk mengidentifikasi segmen nasabah potensial dengan harapan resiko kredit macet yang dapat diminimumkan. Penelitian ini menggunakan data sekunder, yang terdiri dari 945 nasabah yang terdiri dari 94 macet dan 851 tidak macet. Salah satu metode riset segmentasi yaitu Improved CHAID (Chi-Squared Automatic Interaction Detection analysis) yang merupakan perbaikan dari metode CHAID dengan mengelaborasi tabel kontingensinya dengan Tschuprow’s T. Improved CHAID akan menghasilkan diagram yang mirip dengan diagram pohon keputusan yang menyediakan informasi tentang derajat hubungan antara variabel dependen terhadap variabel independen serta informasi mengenasi karakteristik segmen. Pada kasus BMT El Bummi 372,didapatkan enam segmen. Segmen nasabah dengan karakteristik pendidikan (Diploma/S1/Profesi, S2/S3), usia ≤ 50 tahun, ukuran keluarga ≤ 3 orang dan penghasilan >Rp. 1.500.000,00 adalah segmen yang memiliki rasio kredit macet yang paling rendah.

Keywords

Segmentasi nasabah Status Kredit Tschuprow’s T Improved CHAID

Article Details

License

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
How to Cite
Muhajir, M. (2016). Metode Improved CHAID (chi-squared automatic interaction detection) Pada Analisis Kredit Macet BMT (Baitul Mal wa Tamwil). EKSAKTA: Journal of Sciences and Data Analysis, 16(1), 55–63. https://doi.org/10.20885/eksakta.vol16.iss1.art7
Download Citation
Endnote/Zotero/Mendeley (RIS)
BibTeX
Crossref
Scopus
Google Scholar
Europe PMC

References

  1. Belaid, A. 2001. Data Mining in Document Structure Retroconversion. ACM Transactions on Computational Logic, Vol. 2, No. 3.
  2. Kass, G., 1980, An Exploratory Technique for Investigating Large Quantities of Categorical Data, Applied Statistics, Vol. 29, No. 2, 119-127.
  3. Kunto, Y.S. dan Hasana, S.N. 2006. Analisis CHAID sebagai Alat Bantu Statistika untuk Segmentasi Pasar. Jurnal Manajemen, Vol.1 No.2. Universitas Kristen Petra, Surabaya. http://fportfolio.petra.ac.id/user_files/05-011/MAR06010205.pdf. Tanggal akses 13 September 2015.
  4. Ramdhany, D.N., Kustiyo, A., Handharyani, E., dan Buono, A., 2006, Diagnosis Gangguan Sistem Urinari pada Anjing dan Kucing Menggunakan VFI 5, Institut Pertanian Bogor.
  5. Samti,A.M, 2011. Faktor-faktor yang Mempengaruhi Pengembal Kredit Bermasalaholeh Debitur Gerai Kredit Verena Bogor . Skripsi S-1, FEM IPB, Bogor.
  6. Sharp, A., Romaniuk, J., and, Cierpicki, S., 2002, The Performance Of Segmentation Variables : A Comparative Study, http://anzmac.info/conference/1998/Cd_rom/Sharp222.pdf, Tanggal akses : 15 September 2015.
  7. Suhendi, H., Praja J.S., Abdullah H.N., Sadrah, H., Ridwan A.H., Solehudin, E., Janwari, Y., Yusuf, D.K., 2004, BMT dan Bank Islam, Bandung : Pustaka Bani Quraisy.