Penerapan Metode K-Means Clustering Untuk Menentukan Debitur Existing Penerima Pinjaman KUR / Ariyati Wuri Kesumaningtias / 11523057 / Pembimbing: Binanda Wicaksana / Program Studi Sistem Informasi

Salah satu faktor yang mempengaruhi tingkat kesehatan bank yaitu profil risiko. Pada profil risiko terdapat risiko kredit yang harus diantisipasi oleh perusahaan yang diawali
dengan proses analisa debitur dengan tepat. Account Officer bank adalah karyawan yang bertugas mengelola kredit nasabah yang didalamnya terdapat proses analisa kredit, pemantauan perkembangan usaha dan memastikan debitur membayar pinjaman 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 dengan nilai sebesar 0.7299 termasuk dalam kategori strong structure untuk tingkat kemiripan data. Penelitian ini sudah dilakukan pengujian diantaranya uji ahli dengan pesentase kelayakan sebesar 100% yanga artinya sistem dapat dikembangkan,
serta uji pengguna dengan nilai sebesar 89.85% yang artinya program yang dibuat termasuk kategori sangat layak untuk dikembangkan.