Penerapan Metode K-Means Clustering untuk Menentukan Debitur Existing Penerima Pinjaman KUR

Abstrak

Salah satu faktor yang mempengaruhi tingkat kesehatan bank yaitu profil risiko. Pada profil risiko terdapat risiko kredit yang harus diantisipasi oleh lembaga keuangan dalam memberikan pinjaman kepada nasabah yang diawali dengan proses analisa debitur dengan tepat. Account Officer adalah karyawan yang bertugas mengelola kredit nasabah yang didalamnya terdapat proses analisa kredit, pemantauan perkembangan usaha dan memastikan debitur membayar tunggakan pinjaman pokok dan bunga tepat waktu. Untuk memperoleh debitur yang layak diberikan pinjaman, Account Officer perlu melakukan pengelompokan data debitur terlebih dahulu. Penelitian ini dilakukan untuk pengelompokan debitur yang layak diberikan pinjaman dengan menggunakan Algoritma K-Means. Algoritma K-Means digunakan sebagai salah satu teknik data mining yang efektif dalam pengelompokan untuk memperoleh data yang akurat. Data yang digunakan mencakup atribut seperti, jangka waktu pinjaman, kolektabilitas saat ini, kolektabilitas sebelumnya, persediaan usaha, hasil usaha dan angsuran pinjaman. Proses analisis dilakukan dengan menggunakan Metode Silhouette Coefficient untuk mengukur performa cluster dan diperoleh nilai sebesar 0.7299 yang termasuk dalam kategori Strong Structure untuk tingkat kemiripan data. Penelitian ini sudah dilakukan pengujian diantaranya uji ahli dengan nilai pesentase kelayakan sebesar 100% yang artinya sistem dapat dikembangkan, serta uji pengguna dengan nilai sebesar 89.85% yang artinya program yang dibuat termasuk kategori sangat layak untuk dikembangkan.