Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer)
Vol 18, No 1 (2019): Februari 2019

Implementasi Data Mining Menggunakan Regresi Linier Berganda dalam Memprediksi Jumlah Nasabah Kredit Macet Pada BPR Tanjung Morawa

Rudi Gunawan (STMIK Triguna Dharma)



Article Info

Publish Date
02 Feb 2019

Abstract

Bank Pengkreditan Rakyat (BPR) merupakan salah satu jenis yang dikenal melayani golongan pengusaha mikro, kecil, dan menengah dengan lokasi yang pada umumnya dekat dengan masyarakat yang membutuhkan. Industri perbankan merupakan sektor penting dalam pembangunan maupun dalam pemodalan dalam usaha dan dipandang sebagai inti dari sistem perekonomian.Penyaluran dana yang dilakukan oleh bank dalam bentuk kredit atau bentuk-bentuk lainnya dalam rangka meningkatkan taraf hidup rakyat banyak memiliki peranan yang sangat penting dalam perekonomian.Banyaknya nasabah-nasabah dalam penyaluran kredit atau perbankan juga akan banyak terjadi masalah-masalah dalam pinjaman ataupun pengembalian pinjaman dana, maka dari itu pihak penyaluran kredit atau BPR harus siap menghadapi resiko kredit yang menyebabkan kredit tersebut menjadi bermasalah, atau bisa juga disebut dengan kreditĀ  macet. Data mining dalam memprediksi jumlah nasabah kredit macet dibangun bertujuan untuk mengetahui tingkat jumlah dari nasabah bermaslah atau bisa juga disebut dengan kredit macet dengan menerapkan metode regresi linier berganda. Diharapkan metode regresi linier berganda ini dapat menyelesaikan permasalahan di BPR NBP 33 Tanjung Morawa dalam menangani atau mengatasi nasabah yang bermasalah atau kredit macet dan dapat membantu pihak perusahaan dalam memprediksi jumlah kredit macet dalam perbulannya.

Copyrights © 2019






Journal Info

Abbrev

jis

Publisher

Subject

Computer Science & IT

Description

Computer Science, Computer Engineering, and Informatics Computer Network Embedded System Computer Security Software Engineering (Software: Lifecycle, Management, Engineering Process, Engineering Tools and Methods) Programming (Programming Methodology and Paradigm) Data Engineering (Data and ...