Aplikasi Analisis Survival

Di Bidang Perbankan

Dr. Adji Achmad R. F., S.Si., M.Sc

NIP. 198109082005011002

PROGRAM STUDI STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BRAWIJAYA
1/40
01
PENDAHULUAN

2/40
 LATAR BELAKANG

01 Permasalahan 03 Analisis Statistika

pada Bank X
Analisis Cluster dan Analisis
Program KPR yang memiliki
Survival (Regresi Extended Cox)
keuntungan dan kerugian.

02 Solusi 04 Penelitian Terdahulu

Aspek 5C (character, capacity, capital, collateral,
condition) , kolektibilitas kredit, waktu Kurniawan, dkk (2015)
pembayaran Ulinnuha dan Veriani (2020)

3/40
 02
TINJAUAN
PUSTAKA

4/40
Analisis Cluster

Average Linkage
Metode clustering yang
mengelompokkan objek dengan
jarak rata-rata

 d ik
d (AB)C  i k

N (AB) N c

5/40
Analisis Cluster

Ward Linkage
Metode clustering yang
mengelompokkan objek dengan
Error sum of squares (ESS) terkecil
N
ESS    xi  x  '  xi  x 
i 1    

6/40
Analisis Cluster

Complete Linkage
Metode clustering yang
mengelompokkan objek dengan
jarak terjauh antar objek

d (ij) k  max(dik , d jk )

7/40
 Analisis Cluster

Ukuran jarak merupakan ukuran
kemiripan, semakin tinggi nilai jarak
maka semakin rendah kemiripan antar
objek
Jarak Manhattan
Jarak Manhattan digunakan untuk
menghitung perbedaan mutlak
antara koordinat sepasang objek
p
d (x i , x j )   | x ri  x rj |
r 1

8/40
Analisis Cluster

Dendogram
Dendogram merupakan representasi
dari pengelompokan yang dilakukan
dengan analisis cluster metode
hierarki

9/40
 Analisis Survival
Analisis survival adalah kumpulan Fungsi Survival
dari prosedur statistika yang mana 𝑆 ( 𝑡 ) = 𝑃 ( 𝑇 ≥ 𝑡 ) =1 − 𝐹 ( 𝑡 )
variabel yang diperhatikan adalah Menurut (Kleinbaum dan Klein, 2005),
waktu sampai kejadian (event) S(t) adalah fungsi non-increasing terhadap
yang dispesifikasikan terjadi. waktu t dinyatakan sebagai :
1 untuk t  0
S t   
0 untuk t  

10/40
 Analisis Survival
Asumsi Proportional Hazard (PH)
Pemeriksaan Asumsi PH dilakukan dengan:
- Grafik Log log 
 S t , X waktu
terhadap survival
- Grafik Kapplan Meier

- Global Test

Asumsi PH terpenuhi Ketika p-value > Angka Signifikansi

11/40
 Analisis Survival
Regresi Extended Cox
Digunakan Ketika:
Model Regresi Cox

[∑ ]
• Asumsi PH tidak terpenuhi 𝑝
h ( 𝑡 , 𝑥 ( 𝑡 ) ) =h0 ( 𝑡 ) 𝑒𝑥𝑝 𝛽𝑥 𝑥𝑘
• Terdapat variabel predictor yang 𝑘=1
bergantung pada waktu.
Model Regresi Extended Cox
• Model diinteraksikan dengan fungsi p q

waktu yang telah ditentukan h(t, x(t))  h 0 (t) exp[  x xk    m xm gm (t)]

k 1 m 1

• Estimasi parameter pada model

menggunakan maximum likelihood
estimation (MLE)

12/40
 Analisis Survival
Pengujian Signifikansi Parameter
 Menurut Kleinbaum dan Klein (2005), uji yang digunakan dalam
pengujian parameter regresi Cox adalah uji Wald

 Hipotesis
H0 :  j  0
H1 :  j  0, j  1, 2, , p.
 Statistik
  Uji (Tolak H0  variabel predictor ke-j berpengaruh signifikan terhadap waktu survival)
^
𝛽𝑗
2
2
𝑊 = 𝜒
[ 𝑆𝐸 ( ^
𝛽 )]
2 (𝑣 )
𝑗

13/40
 Integrasi Analisis Cluster dengan Regresi
Extended Cox
 Integrasi menggunakan variabel  Model integrasi Cluster pada
Dummy analisis survival menggunakan
regresi Extended Cox
 Banyaknya variabel Dummy = k– 1
h(t,x(t))  h 0 (t)exp[ 1 X 1i   2 X 2i  ...   p X pi   p1D1i X 1i   p 2 D1i X 2i  ... 
 Model regresi Extended Cox  p  q D1i X pi   p  q1D2i X 1i   p q  2 D2i X 2 i  ...   p 2 q D2i X pi  ...   p  qq1Dqi X 1i 
tanpa integrasi  p  qq2 Dqi X 2i  ...   p 2 qq Dqi X pi  1 X 11i g m (t)   2 X 12i g m (t)  ...   p X ri g m (t) 
p q
 p1D1i X 11i g m (t)  ...   p q D1i X ri g m (t)   p q 1D2i X 11i g m (t)  ...   p  2 qD2i X ri g m (t)
h(t, x(t))  h 0 (t) exp[  x xk    m xm gm (t)]
k 1 m 1 ...   p qq 1 Dqi X ri g m (t)  ...   p  2qq Dqi X ri g m (t)]

14/40
 Integrasi Analisis Cluster dengan Regresi
Extended Cox
 Misal, variabel yang digunakan sebanyak 3 variabel dengan 1 variabel
yang tidak memenuhi asumsi PH dan didapatkan jumlah Cluster adalah 2
Cluster, maka terbentuk 1 dummy.

 Model yang terbentuk,

h(t, x(t))  h 0 (t) exp[ 1 X 1i   2 X 2 i   3 D1i X 1i   4 D1i X 2 i   1 X 3i g1 (t)   2 D1i X 3i g1 (t)]

Cluster 1 (D=0) Cluster 2 (D=1)

h(t, x(t))  h 0 (t) exp[ 1 X 1i   2 X 2 i  1 X 3 i g1 (t)] h(t, x(t))  h 0 (t) exp[( 1   3 ) X 1i  (  2   4 ) X 2i  ( 1   2 ) X 3i g 1 (t)]

15/40
 Pemilihan Model yang terbaik
MINIMUM MEAN SQUARED ERROR (MSE)
 Menurut Gujarati (2006), MSE adalah nilai yang berperan untuk penentuan
model terbaik dengan menguadratkan dari masing-masing error

 Model terbaik merupakan model dengan nilai MSE terkecil.

 Nilai MSE dirumuskan sebagai berikut: Keterangan

Yi =D
n

 (Y  Y )
i i
2 =i Data hasil peramalan
Y

MSE  i 1
n = Banyaknya
n

16/40
 Variabel Penelitian

Character Capacity Capital

Kemampuan nasabah
Informasi mengenai Sejumlah modal yang
dalam menegelola
watak nasabah dimiliki nasabah
usahanya

Kolektibilitas
Collateral Condition
Kondisi sekitar yang Kredit
Jaminan yang mempengaruhi kredit lancar dan kredit
digunakan untuk kelancaran kegiatan macet.
mengajukan KPR usaha debitur

Waktu Pembayaran Kredit

17/40
 METODE
PENELITIAN

03
18/40
 Data

Data Sekunder
300 sampel nasabah diambil dari cabang
Bank X di wilayah Jawa Timur

19/40
 Mulai

Diagram Alir
Data

Asumsi
Tidak Proportional Hazard (PH) Ya
Terpenuhi?

Model Regresi Cox Model Regresi Cox tanpa

interaksi waktu interaksi waktu

Model Regresi Extended Cox

Mengintegrasikan Analisis Cluster

dengan Analisis Survival Melakukan Analisis Survival

Melakukan Analisis Cluster

dengan Ward, Average, dan Menentukan fungsi waktu yang
Complete Linkage berdasarkan digunakan sebagai interaksi
jarak Manhattan

Membuat Matriks Variabel Mengestimasi parameter model

Dummy Regresi Extended Cox

Integrated Cluster Dummy

Variabel dengan Pendekatan
Regresi Extended Cox

Menentukan fungsi waktu yang

digunakan sebagai interaksi

Mengestimasi parameter model

integrasi

Menentukan model terbaik

Interpretasi Hasil

Selesai

20/40
 HASIL
DAN PEMBAHASAN

04
21/40
 Asumsi Proportional Hazard

Asumsi PH tidak terpenuhi jika Nilai global test < alfa

22/40
Metode Average Linkage dengan Jarak
Manhattan

Cluster Jumlah Anggota

ke- Cluster
1 271
2 29

23/40
Metode Ward Linkage dengan
Jarak Manhattan

Cluster Jumlah Anggota

ke- Cluster
1 215
2 85

24/40
Metode Complete Linkage dengan Jarak
Manhattan

Cluster Jumlah Anggota

ke- Cluster
1 273
2 27

25/40
 Model Regresi Extended Cox
h(t, x(t))  h 0 (t) exp[0,182 X 111i  0, 007 X 112i  0, 003 X 12i  0, 008 X 21i  0,175 X 22i
0, 001X 23i  0, 024 X 241i  0, 062 X 242i  0, 203 X 251i  0,192 X 252i  0, 082 X 31i
1, 011X 321i  0,974 X 322i  0,974 X 323i  0, 016 X 33i  0, 086 X 34i  0, 290 X 351i
0,313 X 352i  0, 233 X 354i  0, 002 X 36i  0, 084 X 37 i  0,365 X 411i  0,864 X 412 i
0, 004 X 5i  1, 201X 353i (t )]
• Variabel yang memiliki nilai
koefisien negatif akan memperbesar
kemungkinan nasabah memiliki
waktu pembayaran KPR lebih lama di
Bank X, dan berlaku sebaliknya.

• Nilai MSE dari persamaan model

regresi extended cox sebesar 0,330.

26/40
 Model Integrated cluster pada Regresi Extended Cox
Berbasis Average Linkage
h(t, x(t))  h 0 (t)exp[ 0,151X 111i  0, 009 X 112i  2,188e  04 X 12i  0,004 X 21i  0,158 X 22i
0,001X 23i  0,033 X 241i  0,021X 242i  0,151X 251i  0, 219 X 252i  0,002 X 31i  0,959 X 321i • Variabel yang memiliki nilai koefisien negatif
0,892 X 322i  0,908 X 323i  0,022 X 33i  0,098 X 34i  0, 279 X 351i  0,350 X 352i  0, 226 X 354i akan memperbesar kemungkinan nasabah
0,005 X 36i  0,084 X 37i  0,536 X 411i  1,176 X 412i  0,006 X 5i  1, 203 X 353i (t )  0,079 D1i X 111i memiliki waktu pembayaran KPR lebih lama di
0,003D1i X 112i  0, 004 D1i X 12i  0,993D1i X 21i  0,003D1i X 22i  0,008D1i X 23i  0, 053D1i X 241i
Bank X, dan berlaku sebaliknya.
0, 233D1i X 242i  0, 292 D1i X 251i  0, 050 D1i X 252i  16,940 D1i X 31i  16,890 D1i X 321i
16,900 D1i X 322i  0,021D1i X 323i  0,109 D1i X 33i  0,163D1i X 34i  0,169 D1i X 351i
0,102 D1i X 352i  0,004 D1i X 354i  0,121D1i X 36i  0,351D1i X 37i  0,005 D1i X 412i ]
• Nilai MSE dari model integrasi sebesar 0,307.

Cluster rendah ( D1  0) Cluster tinggi ( D1  1)

h(t, x(t))  h 0 (t) exp[ 0,151 X 111i  0,009 X 112i  2,188e  04 X 12i  0, 004 X 21i  0,158 X 22i h(t, x(t))  h 0 (t) exp[0, 23 X 111i  0,012 X 112i  0,004 X 12i  0,989 X 21i  0,155 X 22i  0, 009 X 23i
0,001X 23i  0,033 X 241i  0, 021X 242i  0,151X 251i  0, 219 X 252i  0,002 X 31i  0,959 X 321i 0,02 X 241i  0, 212 X 242i  0,141X 251i  0, 269 X 252i  16,938 X 31i  15,931X 321i  16,008 X 322i
0,892 X 322i  0,908 X 323i  0,022 X 33i  0,098 X 34i  0, 279 X 351i  0,350 X 352i  0, 226 X 354i 0,929 X 323i  0, 087 X 33i  0, 261X 34i  0,11X 351i  0, 452 X 352i  0, 23 X 354i  0,126 X 36i
0,005 X 36i  0, 084 X 37i  0,536 X 411i  1,176 X 412i  0,006 X 5i  1, 203 X 353i (t )] 0, 435 X 37 i  0,536 X 411i  1,171X 412i  0,006 X 5i  1, 203 X 353i (t )]

27/40
 Model Integrated cluster pada Regresi Extended
Cox Berbasis Ward Linkage
h(t, x(t))  h 0 (t) exp[ 0,115 X111i  0, 07 X 112 i  0, 005 X12 i  0, 006 X 21i  0,174 X 22 i
0, 002 X 23i  0, 016 X 241i  0,072 X 242i  0, 264 X 251i  0,157 X 252 i  0, 083 X 31i • Variabel yang memiliki nilai koefisien negatif
0,985 X 321i  0,821X 322i  0,957 X 323i  0, 035 X 33i  0,145 X 34i  0, 237 X 351i
0,398 X 352i  0,114 X 354i  0, 006 X 36i  0,128 X 37i  0, 609 X 411i  1,326 X 412i
akan memperbesar kemungkinan nasabah
0, 009 X 5i  1,187 X 353i (t )  0,122 D1i X 111i  0, 006 D1i X 112i  0, 006 D1i X12i memiliki waktu pembayaran KPR lebih lama di
0,166 D1i X 21i  0, 002 D1i X 22i  0, 029 D1i X 23i  0, 043 D1i X 241i  0, 291D1i X 242i Bank X, dan berlaku sebaliknya.
0,171D1i X 251i  0,096 D1i X 252i  5, 417 D1i X 31i  5, 239 D1i X 321i  5,361D1i X 322 i
0, 036 D1i X 323i  0,148 D1i X 33i  0,149 D1i X 34 i  0, 291D1i X 351i  0, 070 D1i X 352i
0, 006 D1i X 354 i  0,129 D1i X 36i  0,550 D1i X 37 i  1,158 D1i X 411i  0, 009 D1i X 412i ]
• Nilai MSE dari model integrasi sebesar 0,265.

Cluster rendah ( D1  0) Cluster tinggi ( D1  1)

h(t, x(t))  h 0 (t) exp[0,115 X 111i  0, 07 X 112i  0, 005 X 12i  0,006 X 21i  0,174 X 22i  0,002 X 23i h(t, x(t))  h 0 (t) exp[0, 237 X 111i  0, 076 X 112i  0,011X 12i  0,16 X 21i  0,172 X 22 i  0, 031 X 23i
0, 016 X 241i  0, 072 X 242i  0, 264 X 251i  0,157 X 252i  0, 083 X 31i  0,985 X 321i  0,821X 322i 0,059 X 241i  0, 219 X 242i  0, 093 X 251i  0, 253 X 252i  5,334 X 31i  4, 254 X 321i  4,54 X 322 i
0,957 X 323i  0,035 X 33i  0,145 X 34i  0, 237 X 351i  0,398 X 352i  0,114 X 354i  0,006 X 36i 0,993 X 323i  0,113 X 33i  0, 294 X 34i  0, 054 X 351i  0, 468 X 352i  0,12 X 354i  0,135 X 36i
0,128 X 37 i  0, 609 X 411i  1,326 X 412i  0, 009 X 5i  1,187 X 353i (t )] 0,678 X 37i  0,549 X 411i  1,317 X 412i  0,009 X 5i  1,187 X 353i (t )]

28/40
 Model Integrated cluster pada Regresi Extended Cox
Berbasis Complete Linkage
h(t, x(t))  h 0 (t) exp[ 0,139 X 111i  0, 026 X 112i  3,839 e  04 X 12i  0, 004 X 21i  0,159 X 22i
0,001X 23i  0, 043 X 241i  0, 015 X 242i  0,169 X 251i  0, 220 X 252i  0, 006 X 31i  0,975 X 321i • Variabel yang memiliki nilai koefisien negatif
0,905 X 322 i  0,937 X 323i  0, 021X 33i  0,099 X 34 i  0, 288 X 351i  0,376 X 352i  0, 233 X 354i
0,005 X 36 i  0, 086 X 37 i  0,537 X 411i  1,173 X 412 i  0, 005 X 5 i  1, 203 X 353i (t )
akan memperbesar kemungkinan nasabah
0,092 D1i X 111i  0, 002 D1i X 112i  6,345e  04 D1i X 12i  1,047 D1i X 21i  0, 003D1i X 22i memiliki waktu pembayaran KPR lebih lama di
0,044 D1i X 23i  0, 059 D1i X 241i  0, 263D1i X 242i  0, 293D1i X 251i  0, 041D1i X 252i Bank X, dan berlaku sebaliknya.
17,850 D1i X 31i  17, 740 D1i X 321i  17, 770 D1i X 322i  0, 021D1i X 323i  0,107 D1i X 33i
0,165 D1i X 34i  0,195 D1i X 351i  0,119 D1i X 352 i  0, 004 D1i X 354i  0,114 D1i X 36 i
0, 402 D1i X 37i  0, 005 D1i X 412i ] • Nilai MSE dari model integrasi sebesar 0,308.

Cluster rendah ( D1  0) Cluster tinggi ( D1  1)

h(t, x(t))  h 0 (t) exp[0,139 X 111i  0,026 X 112i  3,839e  04 X 12i  0, 004 X 21i  0,159 X 22i h(t, x(t))  h 0 (t) exp[0, 231X 111i  0, 028 X 112i  0, 001 X 12i  1, 043 X 21i  0,156 X 22i  0, 043 X 23i
0,001X 23i  0, 043 X 241i  0,015 X 242 i  0,169 X 251i  0, 220 X 252i  0, 006 X 31i  0,975 X 321i 0,102 X 241i  0, 248 X 242 i  0,124 X 251i  0, 261X 252i  17,844 X 31i  16, 765 X 321i  16,865 X 322i
0,905 X 322i  0,937 X 323i  0, 021X 33i  0, 099 X 34i  0, 288 X 351i  0,376 X 352 i  0, 233 X 354 i 0, 958 X 323i  0,086 X 33i  0, 264 X 34i  0,093 X 351i  0, 495 X 352i  0, 237 X 354i  0,119 X 36i
0,005 X 36 i  0,086 X 37 i  0,537 X 411i  1,173 X 412i  0, 005 X 5i  1, 203 X 353i (t )] 0, 488 X 37 i  0,537 X 411i  1,168 X 412i  0, 005 X 5i  1, 203 X 353i (t )]

29/40
 Pemilihan Model yang terbaik
MINIMUM MEAN SQUARED ERROR (MSE)
Model Nilai MSE
Model persamaan Regresi Extended Cox 0,330
Model persamaan Regresi Extended Cox
0,265
berbasis Ward Linkage
Model persamaan Regresi Extended Cox
0,308
berbasis Complete Linkage
Model persamaan Regresi Extended Cox
0,307
berbasis Average Linkage

30/40
 Model Terbaik
Model Integrated Cluster Pada Regresi Extended Cox Berbasis Ward Linkage
Cluster 1: Cluster 2:
Indikator Cluster Rendah Cluster Tinggi
Rata-rata Rata-rata
X12: Lama di Tempat Tinggal (Tahun) 8,635 7,700
X22: Pendidikan (Tahun) 15,390 15,740
X23: Usia (Tahun) 39,220 39,980
X33: Jangka Waktu Kredit (Tahun) 10,690 12,800
X34: RPA (Rasio Penghasilan Angsuran) 2,218 2,676
h(t, x(t))  h 0 (t) exp[0,115 X 111i  0, 07 X 112i  0, 005 X 12i  0, 006 X 21i  0,174 X 22i
X36: Pengalaman Kerja (Bulan) 41,990 142,200 0, 002 X 23i  0, 016 X 241i  0, 072 X 242i  0, 264 X 251i  0,157 X 252 i  0, 083 X 31i
X37: Jumlah Tanggungan Keluarga (Orang) 1,493 1,235 0, 985 X 321i  0,821 X 322i  0,957 X 323i  0, 035 X 33i  0,145 X 34i  0, 237 X 351i
X5: Loan to Value 82,530 81,060 0,398 X 352i  0,114 X 354i  0, 006 X 36i  0,128 X 37i  0, 609 X 411i  1, 326 X 412i
0, 009 X 5i  1,187 X 353i (t )  0,122 D1i X 111i  0,006 D1i X 112i  0, 006 D1i X 12i
0,166 D1i X 21i  0, 002 D1i X 22i  0, 029 D1i X 23i  0, 043D1i X 241i  0, 291D1i X 242i
0,171D1i X 251i  0, 096 D1i X 252i  5, 417 D1i X 31i  5, 239 D1i X 321i  5, 361D1i X 322 i
0, 036 D1i X 323i  0,148 D1i X 33i  0,149 D1i X 34i  0, 291D1i X 351i  0, 070 D1i X 352 i
0, 006 D1i X 354i  0,129 D1i X 36 i  0,550 D1i X 37 i  1,158 D1i X 411i  0, 009 D1i X 412i ]

31/40
 Model Terbaik
Model Integrated Cluster Pada Regresi Extended Cox Berbasis Ward Linkage
Pendugaan dan Pengujian Signifikansi Pendugaan dan Pengujian Signifikansi
Parameter Variabel Collateral (X1) Parameter Variabel Character (X2)

32/40
 Model Terbaik
Model Integrated Cluster Pada Regresi Extended Cox Berbasis Ward Linkage
Pendugaan dan Pengujian Signifikansi
Parameter Variabel Capacity (X3)

33/40
 Model Terbaik
Model Integrated Cluster Pada Regresi Extended Cox Berbasis Ward Linkage
Pendugaan dan Pengujian Signifikansi Pendugaan dan Pengujian Signifikansi
Parameter Variabel Condition (X4) Parameter Variabel Capital (X5)

34/40
 Model Integrated cluster pada Regresi Extended Cox
Berbasis Ward Linkage dengan variabel yang berpengaruh
signifikan
h(t, x(t))  h 0 (t) exp[ 0,115 X 111i  0,174 X 22i  0, 264 X 251i  0,157 X 252i  0, 083 X 31i
0, 035 X 33i  0,145 X 34i  0, 006 X 36i  0,128 X 37 i  0, 009 X 5i  0,122 D1i X 111i
0, 002 D1i X 22i  0, 278 D1i X 251i  0, 096 D1i X 252i  0,148 D1i X 33i  0,149 D1i X 34i
0,129 D1i X 36i  0,550 D1i X 37i ]

Cluster rendah ( D1  0)

h(t, x(t))  h 0 (t) exp[0,115 X 111i  0,174 X 22i  0, 264 X 251i  0,157 X 252i  0, 083 X 31i
0, 035 X 33i  0,145 X 34i  0, 006 X 36i  0,128 X 37 i  0, 009 X 5i ]

Cluster tinggi ( D1  1)

h(t, x(t))  h 0 (t) exp[ 0, 237 X 111i  0,172 X 22i  0, 014 X 251i  0, 253 X 252i
0, 083 X 31i  0,113 X 33i  0, 294 X 34i  0,135 X 36i  0, 678 X 37 i  0, 009 X 5i

35/40
 05
KESIMPULAN
DAN
SARAN
36/40
 KESIMPULAN
 Variabel Pekerjaan nasabah sebagai pegawai swasta/profesional (X 353) tergantung pada waktu

 Model terbaik adalah model integrated cluster pada regresi extended cox berbasis
ward linkage dengan nilai MSE terkecil dibandingkan model lainnya, yakni sebesar
0,265.
 Pada cluster rendah, koefisien dari (Dokumen Jaminan), (Joint Income), dan (Jumlah Tanggungan
Keluarga) adalah bernilai negatif, sehingga apabila nilai tersebut meningkat maka akan memperbesar
kemungkinan nasabah cluster rendah memiliki waktu pembayaran KPR lebih lama di Bank X.
Sedangkan koefisien (Pendidikan), (Status Perkawinan Cerai), (Status Perkawinan Kawin), (Jangka
Waktu Kredit), (Rasio Penghasilan Angsuran), (Pengalaman Kerja), dan (Loan to Value) adalah bernilai
positif, artinya semakin tinggi nilai koefisien, maka akan memperbesar kemungkinan nasabah pada
cluster rendah memiliki waktu pembayaran KPR lebih cepat di Bank X.

37/40
 KESIMPULAN

 Pada cluster tinggi, koefisien dari (Dokumen Jaminan), (Status Perkawinan Cerai), (Joint Income),
(Jangka Waktu Kredit), dan (Jumlah Tanggungan Keluarga) bernilai negatif. Jadi, dapat disimpulkan
bahwa jika nilai koefisien meningkat maka akan memperbesar kemungkinan nasabah cluster tinggi
memiliki waktu pembayaran KPR lebih lama di Bank X. Koefisien yang bernilai positif seperti pada
(Pendidikan), (Status Perkawinan Kawin), (Rasio Penghasilan Angsuran), (Pengalaman Kerja),dan
(Loan to Value) memiliki makna bahwa semakin tinggi nilai koefisien, maka akan memperbesar
kemungkinan nasabah pada cluster tinggi memiliki waktu pembayaran KPR lebih cepat di Bank X.

38/40
 SARAN
Penelitian selanjutnya dapat menambahkan
variabel selain 5C dan kolektibilitas kredit Penelitian selanjutnya dapat menggunakan
agar hasilnya lebih meluas dan analisis survival metode regresi extended
mempertimbangkan banyak aspek dengan cox dan stratified cox berbasis integrasi
memanfaatkan Big Data dalam model untuk mengetahui model terbaik.
penambahan variabel.

Bank X dapat menentukan kebijakan mengenai KPR kepada

nasabah berdasarkan hasil analisis dengan mempertimbangkan
faktor yang mempengaruhi lama nasabah dalam membayar kredit
dan dua cluster nasabah yang terbentuk.

39/40
Thank You
40/40