PENERAPAN MODEL REGRESI LOGISTIK LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR PADA CREDIT SCORING = APPLICATION OF THE LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR LOGISTICS MODEL IN CREDIT SCORING

Credit scoring merupakan suatu metode berbasis analisis statistika yang digunakan untuk mengukur besaran resiko kredit. Metode klasifikasi debitur yang paling populer digunakan untuk credit scoring adalah regresi logistik. Regresi logistik digunakan untuk memprediksi variabel respon yang biner dengan satu atau lebih variabel prediktor. Regresi logistik mempunyai keterbatasan yaitu jika terdapat korelasi yang tinggi antar variabel prediktor membuat model regresi yang didapat menjadi tidak lagi efisien karena nilai standar error koefisien regresi menjadi sangat besar atau dengan kata lain mengurangi akurasi dari estimasi. Oleh karena itu, diusulkan metode Least Absolute Shrinkage and Selection Operator (LASSO) untuk mengatasi hal tersebut. LASSO akan menyusutkan koefisien parameter menjadi nol atau mendekati nol sehingga menghasilkan model akhir yang lebih representatif. Berdasarkan model regresi logistik LASSO terdapat dua variabel prediktor yang terseleksi dan diperoleh lima variabel yang mempengaruhi status debitur yaitu usia, pekerjaan, jumlah pinaman, jangka waktu pinjaman, dan jumlah tanggungan serta debitur akan memiliki skor kredit maksimum jika debitur tersebut berusia kurang dari 25 tahun, bekerja sebagai profesional, memiliki jumlah pinjaman 500-650 juta, dengan jangka waktu pinjaman lebih dari 15 tahun, serta jumlah tanggungan kurang dari 2 orang.