Julian, Ahmad
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN TAKE HOME CREDIT MENGGUNAKAN BINARY LOGISTIC REGRESI Kurniawan, Haby; Julian, Ahmad; Givianty, Vasya Theodora; Heikal, Jerry
Journal of Economic, Bussines and Accounting (COSTING) Vol 7 No 6 (2024): COSTING : Journal of Economic, Bussines and Accounting
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/costing.v7i6.12553

Abstract

Dengan meningkatnya jumlah perusahaan baru yang bermunculan, persaingan menjadi lebih intens. Di tengah persaingan yang semakin ketat, penting bagi perusahaan untuk terus melakukan iklan untuk menarik konsumen. Salah satu bentuk iklan yang penting adalah telemarketing. Telemarketing menggunakan telepon sebagai media untuk melakukan kegiatan pemasaran atau mempromosikan layanan dan produk perusahaan. Meskipun terlihat konvensional, telemarketing masih dianggap efektif. Metode ini banyak digunakan dalam sektor perumahan untuk menawarkan kredit rumah atau mortgage (KPR) kepada calon pembeli. Mengajukan pinjaman rumah melibatkan berbagai persyaratan yang harus dipenuhi. Studi ini menganalisis faktor-faktor yang mempengaruhi keputusan mengambil pinjaman rumah. Data penelitian yang digunakan adalah data sekunder dari Kaggle.com dengan jumlah sampel sebanyak 100. Metode yang digunakan yaitu metode Binary Logistic Regression dengan menggunakan SPSS. Berdasarkan hasil penelitian, faktor-faktor seperti status perkawinan, kepemilikan rumah, kontak telemarketing, dan saldo rekening tidak berpengaruh signifikan terhadap perilaku calon nasabah dalam mengambil pinjaman. Di sisi lain, faktor yang sangat signifikan mempengaruhi perilaku pengambilan kredit rumah yaitu durasi penawaran dan umur calon nasabah dengan persentase tingkat kebenaran dari model mencapai rata-rata 75.0% untuk dapat memprediksi perilaku pengambilan kredit. Maka rekomendasi yang dapat diberikan kepada perusahaan agar mampu meningkatkan penjualan kredit yaitu dengan meningkatkan kualitas interaksi telepon melalui skrip yang efektif, membuat segmentasi calon nasabah berdasarkan usia dan penggunaan teknologi.