Report Preview
1 screenshot — klik untuk memperbesarAnalysis Summary
Proyek ini bertujuan untuk memberikan wawasan mendalam tentang portofolio kredit P2P lending melalui simulasi yang mencakup analisis kelas risiko, deskripsi kelas, dan parameter model keuangan. Data yang digunakan dalam simulasi ini mencakup informasi dari berbagai sumber yang relevan, termasuk data input yang mencakup hasil panggilan koleksi, nama agen, dan informasi terkait lainnya. Dengan menggunakan alat Power BI, analisis dilakukan untuk menghasilkan visualisasi yang informatif dan interaktif.
Dalam laporan ini, terdapat 24 visual yang menyajikan informasi penting seperti KPI, grafik batang, dan diagram lingkaran yang menggambarkan proporsi antara kategori terhubung dan tidak terhubung. Temuan utama dari analisis ini menunjukkan bahwa dari total 2489 referensi, terdapat 1990 yang tidak terhubung dan 499 yang terhubung, dengan persentase terhubung sebesar 20.05%. Selain itu, terdapat 616 data NTB dan 1873 data repeat yang menunjukkan dinamika dalam portofolio kredit.
Metode yang digunakan dalam analisis ini meliputi penghitungan jumlah data terhubung dan tidak terhubung, serta perhitungan persentase untuk memberikan gambaran yang jelas tentang kinerja portofolio. Hasil analisis menunjukkan bahwa 79.95% dari total data adalah tidak terhubung, yang menunjukkan adanya potensi untuk meningkatkan keterhubungan dalam portofolio.
Kesimpulan dari simulasi ini adalah bahwa ada kebutuhan untuk strategi yang lebih baik dalam mengelola portofolio kredit P2P lending, terutama dalam meningkatkan jumlah data yang terhubung. Dengan pemahaman yang lebih baik tentang kelas risiko dan parameter model keuangan, pihak terkait dapat membuat keputusan yang lebih tepat dalam pengelolaan kredit. Proyek ini memberikan dasar yang kuat untuk pengembangan lebih lanjut dalam analisis portofolio kredit dan strategi mitigasi risiko.
Keterbatasan (Limitations)
- Data yang digunakan dalam simulasi ini bersifat tidak terpercayakan dan harus diverifikasi lebih lanjut.
- Tidak ada informasi tambahan mengenai deskripsi kelas risiko yang lebih mendetail.
- Analisis tidak mencakup faktor eksternal yang mungkin mempengaruhi hasil P2P lending.
Project ShowcasePower BI Interaktif
Oleh Alvandi Immanuille SaerangDetail Breakdown
Preview Report

Tentang Author
Alvandi Immanuille Saerang
Business Intelligence Consultant
Meningkatkan efisiensi pengambilan keputusan dengan solusi BI.
“Business Intelligence Consultant dan Pengajar Data Analytics dengan keahlian dalam Power BI, Microsoft Fabric, dan optimasi proses bisnis. Berpengalaman dalam memberikan solusi BI berskala besar untuk organisasi besar dan mendirikan AISight Academy, platform pembelajaran independen yang fokus pada pendidikan analitik praktis.”