Komparasi K-Means Clustering Dan Complete Linkage Dalam Pengelompokan Penyaluran Pinjaman Financial Technology

Abstract

 Penelitian ini bertujuan membandingkan efektivitas dan efisiensi metode K-Means Clustering dan Complete Linkage dalam mengelompokkan penyaluran pinjaman oleh perusahaan Financial Technology (FinTech). Penyaluran pinjaman penting bagi industri FinTech dalam mengelola risiko kredit dan meningkatkan pengembalian investasi. KMeans Clustering dan Complete Linkage adalah pendekatan populer dalam analisis klasterisasi data. Penelitian dilakukan dengan dataset pinjaman dari pelanggan FinTech yang diolah oleh OJK. Pertama, K-Means Clustering digunakan untuk mengelompokkan data pinjaman dan penyebaran dana berdasarkan atribut relevan. Kemudian,
Complete Linkage digunakan sebagai pembanding untuk mengevaluasi hasil K-Means Clustering. Evaluasi menggunakan metrik seperti Silhouette Score, Elbow method, dan Davies-Bouldin Index. Hasil penelitian diharapkan memberi wawasan bagi industri FinTech dalam memilih metode lebih efektif dan efisien dalam mengelompokkan penyaluran pinjaman. DBI menunjukkan DBI terendah (0,07364345) dengan K-Means Clustering, menggunakan 2 cluster. Penelitian juga menunjukkan sebagian besar daerah di Indonesia sesuai regulasi, kecuali DKI Jakarta.