<![CDATA[Penelitian ini bertujuan untuk meningkatkan produktivitas akun back-to-current pada PT XYZ, sebuah perusahaan multi-finance yang menghadapi peningkatan persentase keterlambatan pembayaran angsuran (overdue) setiap tahunnya, dengan menerapkan algoritma klasifikasi dalam prioritas penanganan koleksi. Metodologi yang digunakan meliputi analisis data historis pembayaran dan evaluasi beberapa algoritma klasifikasi seperti Decision Tree, Neural Network untuk memprediksi risiko keterlambatan pembayaran. Temuan utama menunjukkan bahwa penerapan algoritma klasifikasi, dapat meningkatkan akurasi prediksi risiko dan produktivitas penanganan koleksi hingga 30%, serta mengurangi waktu proses handling akun kembali lancar. Implikasi praktis dari penelitian ini adalah optimalisasi alokasi sumber daya tim koleksi dan penyesuaian kebijakan penagihan yang lebih efektif berdasarkan skor risiko. Penelitian ini memberikan nilai orisinal dengan menyesuaikan model klasifikasi pada konteks industri multi-finance Indonesia dan memperkenalkan metrik produktivitas back-to- current sebagai indikator keberhasilan penanganan koleksi.]]>
Copyrights © 2025
