Show simple item record

dc.contributor.authorHarlianingtyas, Irma
dc.contributor.authorIriawan, Nur
dc.date.accessioned2015-04-23T03:15:10Z
dc.date.available2015-04-23T03:15:10Z
dc.date.issued2015-03-07
dc.identifier.citation[1] Soedarto, M. 2004. Analisis Faktor yang mempengaruhi Penyaluran Kredit Pada Bank Perkreditan Rakyat. Master Tesis.Universitas Diponegoro, Semarang. [2] Kiryanto, R. 2007. Langkah Terobosan Mendorong Ekspansi Kredit. Economic Review No. 208. [3] Alamsyah, H. 2005. Banking Disintermediation and Its Implication for Monetery Policy : The Case of Indonesian. Buletin Ekonomi Moneter dan Perbankan. Maret 2005 : 499 – 521 [4]Irwan, L. N. (2010). Tinjauan terhadap Fungsi dan Faktor-faktor yang Mempengaruhi Intermediasi Perbankan Nasional. Trikonomika , Volume 9, No. 2, 96–104. [5] DING, D., & LIU, X. (2012). Bayesian Methods with Application in Risk Analysis. National Conference on Information Technology and Computer Science . ISBN : 978.602.361.002.0 [6] Setianingsih, N. P. Budi. (2014). Pemodelan Faktor-Faktor yang Mempengaruhi Penggolongan Kredit di Bank X (Persero) Tbk dengan Menggunakan Metode Hybrid Genetic Algorithm-Logistic Regression. Tugas Akhir. Institut Teknologi Sepuluh Nopember [7] Tenconi, P. (2008). Stastistical Analysis for Credit Risk Modelling. Milan, Italy: Universita della Svizzera Italiana : Faculty of Economic. [8],[11]King, Gary, & Zeng, L. (2001). Logistic Regression in Rare Events Data. Political Analysis , 9:2:137-163. [9] Setianingsih, N. P. Budi. (2014). Pemodelan Faktor-Faktor yang Mempengaruhi Penggolongan Kredit di Bank X (Persero) Tbk dengan Menggunakan Metode Hybrid Genetic Algorithm-Logistic Regression. Tugas Akhir. Institut Teknologi Sepuluh Nopember [10] Shaw, M. H. (20011). Multilevel Logistic Regression Analysis Applied to Binary Contraceptive Prevalence Data. Journal of Data Science 9 , 93-110. [12]Casella, G., & George, E. I. (1992). Explaining the Gibbs Sampler. The American Statistician , Vol. 46, No. 3.pp.167-174. [13] Hosmer, D. W., and S. Lemeshow. (2000). Applied Logistic Regression Second Edition. New York: John Wiley & Sons, Inc. [14] Ntzoufras, I. (2009). Bayesian Modelling Using WinBUGS. New Jersey, USA: Wiley. [15] Genkin, A., Lewis, D. D., & Mandigan, D. (2007). Large Scale Bayesian Logistic Regression for Text Categorization. Technometrics , Vol. 49, No. 3, pp 291-304.in_ID
dc.identifier.isbn978.602.361.002.0
dc.identifier.urihttp://hdl.handle.net/11617/5807
dc.description.abstractPembangunan ekonomi sangat bergantung pada dinamika perkembangan dan kontribusi nyata dari sektor perbankan. Ketika sektor perbankan terpuruk perekonomian nasional juga cenderung ikut terpuruk. Keadaan perekonomian yang tidak stabil ini membuat perbankan syariah dengan pola bagi hasil sesuai dengan syariat Islam, menjadi lembaga keuangan yang lebih stabil dan diminati masyarakat dibandingkan bank umum konvensional. Pembiayaan perumahan Griya Mandiri Syariah melakukan prinsip ini. Resiko pemberian pembiayaan/kredit didefinisikan apabila terjadi kemacetan dalam pembayarannya oleh nasabah. Makalah ini mendemonstrasikan pemodelan resiko pemberian pembiayaan perumahan ini untuk membantu pihak perbankan dalam mengambil kebijakan pemberian pembiayaan perumahan nasabah. Regresi logistik dengan Bayesian diimplementasikan disini untuk menentukan faktor-faktor yang mempengaruhi kegagalan pembayaran nasabah atas usulan pembiayaan perumahannya. Hasil pemodelan dan analisis menunjukkan bahwa faktor yang mempengaruhi kelancaran pembayaran meliputi pendapatan dan nasabah dengan pasangan bekerja.in_ID
dc.language.isoidin_ID
dc.publisherUniversitas Muhammadiyah Surakartain_ID
dc.subjectResiko Pembiayaanin_ID
dc.subjectRegresi Logistikin_ID
dc.subjectBayesianin_ID
dc.titlePemodelan Resiko Pembiayaan Griya Bank Mandiri Syariah dengan Metode Bayesian Regresi Logistikin_ID
dc.typeArticlein_ID


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record