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

Authors

  • Akmal Fikri Universitas Jambi
  • Benedika Ferdian Hutabarat Universitas Jambi
  • Ulfa Khaira Universitas Jambi

DOI:

https://doi.org/10.33998/mediasisfo.2023.17.2.1373

Keywords:

K-Means clustering, Complete Linkage, DBI, Silhouette score, Elbow method

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.

Downloads

Download data is not yet available.

Published

2023-10-31

Abstract views:

39

PDF Download:

49

DOI:

10.33998/mediasisfo.2023.17.2.1373

Dimension Badge:

How to Cite

Fikri, A., Hutabarat, B. F., & Khaira, U. (2023). Komparasi K-Means Clustering Dan Complete Linkage Dalam Pengelompokan Penyaluran Pinjaman Financial Technology. Jurnal Ilmiah Media Sisfo, 17(2), 228–239. https://doi.org/10.33998/mediasisfo.2023.17.2.1373