<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="13291">
 <titleInfo>
  <title>Performansi model-model credit scoring pada data debitur kredit produktif PT. BANK X</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Astri Afrilia</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Bandung</placeTerm>
   <publisher>Magister Statistika Terapan</publisher>
   <dateIssued>2014</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd"></form>
  <extent>xiv,;72 hlm,;29 cm</extent>
 </physicalDescription>
 <note>ABSTRAK &#13;
&#13;
: Performansi Model-model Credit scoring pada &#13;
&#13;
Data Debitur Kredit Produktif Bank X &#13;
&#13;
1. Regresi Logistik Biner &#13;
&#13;
2. Classification and Regression Tree (CART) &#13;
&#13;
3. Chi Square Automatic Interaction Detection &#13;
(CHAID) &#13;
&#13;
4. Multivariate Adaptive Regression Spline &#13;
(MARS) &#13;
&#13;
5. Evaluasi Model &#13;
: Astri Afrilia &#13;
&#13;
: 140720120008 &#13;
&#13;
: Statistika Terapan &#13;
: Statistika Sosial &#13;
&#13;
1. Dr. Suwanda, M. S. &#13;
&#13;
2. Dr. Lienda Noviyanti, M. Si &#13;
: 2014 &#13;
&#13;
Tesis ini mengkaji mengenai metode-metode credit scoring yang &#13;
dapat diaplikasikan pada data debitur kredit produktif Bank X. Metode­ &#13;
metode tersebut yakni metode regresi logistik biner, CART, CHAID dan &#13;
MARS. Setiap metode menghasilkan model yang kemudian dievaluasi &#13;
performansinya berdasarkan nilai error rate serta error tipe I dan H. &#13;
Tujuan analisis adalah untuk memperoleh metode credit scoring terbaik &#13;
yang paling sesuai untuk data dimaksud. Metode terbaik ditandai dengan &#13;
nilai error rate serta error tipe I dan II yang terkeeil dibandingkan metode &#13;
lainnya. Hasil yang diperoleh adalah metode MARS merupakan metode &#13;
terbaik yang dapat diaplikasikan pada data penelitian karena metode ini &#13;
memiliki nilai error rate serta error tipe I dan II yang terkecil. &#13;
&#13;
</note>
 <note type="statement of responsibility">Astri Afrilia</note>
 <subject authority="">
  <topic>Regresi Logistik Biner   2. Classification and Reg</topic>
 </subject>
 <classification>519.5</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Perpustakaan Universitas Padjadjaran Kementerian Riset Teknologi dan Pendidikan Tinggi</physicalLocation>
  <shelfLocator>519.5 Afr p/R.14.10</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">01001140700330</numerationAndChronology>
    <sublocation>Perpustakaan Pusat (REF.14.10)</sublocation>
    <shelfLocator>519.5 afr p</shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:image>20%252Fscan0001.jpg.jpg</slims:image>
 <recordInfo>
  <recordIdentifier>13291</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2017-04-01 15:44:41</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2018-05-16 10:24:58</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>