ANALISIS SEGMENTASI DEBITUR KREDIT MENGGUNAKAN K-MEANS CLUSTERING PADA PERBANKAN

• DWIKI RAKA JUNIDA
• 2025

---

Berdasarkan UU No. 10 Tahun 1998, kredit didefinisikan sebagai penyediaan uang atau sumber daya lain berdasarkan kesepakatan atau perjanjian pinjam-meminjam antara bank dan pihak lain, di mana pihak peminjam wajib melunasi utangnya dalam jangka waktu tertentu dengan tambahan bunga. Kelancaran pembayaran kredit sangat mempengaruhi profit perusahaan atau bank, yang merupakan sumber pendapatan utama mereka. Proses pemberian kredit kepada nasabah bukanlah hal yang mudah karena harus mempertimbangkan berbagai faktor. Oleh karena itu tujuan dari penelitian ini adalah mengembangkan sistem pendukung keputusan untuk menentukan faktor kriteria yang menjadi kelayakan nasabah dalam menerima kredit. Studi kasus dilakukan di Bank Mandiri Jakarta Pahlawan Revolusi. Masalah utama yang dihadapi adalah tingginya kasus kredit macet oleh nasabah. Maka dari itu penelitian ini menggunakan algoritma k-means clustering guna memprediksi kelayakam nasabah dalam menerima kredit. Penelitian ini menggunakan dataset dengan berbagai kriteria penentu, dengan total 2.317 dataset yang digunakan dengan Metode Davies Bouldin Index dalam mencari pembentukan cluster. Berdasarkan pembentukan cluster tersebut menunjukan bahwa terbentuk 3 cluster dengan nilai Davies Bouldin Index yaitu. 0,069 terdapat 611 data masuk pada cluster_0 menunjukan bahwa data nasabah pasif, 0,058 terdapat 502 data masuk pada cluster_1 menunjukan bahwa data nasabah aktif, 0,062 terdapat 741 data masuk pada cluster_2 menunjukan bahwa data nasabah repeat order.

• K-Means Clustering
• Machine Learning

https://repository.bsi.ac.id/repo/61331/ANALISIS-SEGMENTASI-DEBITUR-KREDIT-MENGGUNAKAN-K-MEANS-CLUSTERING-PADA-PERBANKAN
File full-text dikunci.