Implementasi K-Means Clustering dalam Pengelompokan Risiko Pinjaman Nasabah pada Koperasi Simpan Pinjam

Authors

  • Jihan Martha Universitas Nusantara PGRI Kediri Indonesia
  • Danar Putra Pamungkas Universitas Nusantara PGRI Kediri Indonesia
  • Made Ayu Dusea Widyadara Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/gknm9r11

Abstract

Koperasi Simpan Pinjam Sri Hadi Dharma menghadapi tantangan dalam pengelolaan risiko pinjaman karena proses analisis masih dilakukan secara manual dan bergantung pada penilaian subjektif pengelola. Kondisi tersebut dapat memengaruhi objektivitas dalam pengambilan keputusan terkait pengelolaan pinjaman nasabah. Penelitian ini bertujuan mengelompokkan risiko pinjaman nasabah menggunakan algoritma K-Means Clustering berdasarkan karakteristik pinjaman. Data yang digunakan merupakan data riwayat pinjaman nasabah koperasi periode 2021-2025. Tahapan penelitian meliputi preprocessing data, proses clustering menggunakan K-Means yang dievaluasi melalui pengujian stabilitas cluster, serta interpretasi hasil pengelompokan. Hasil penelitian menunjukkan bahwa K-Means mampu membentuk tiga kelompok nasabah dengan karakteristik yang berbeda berdasarkan pola pinjaman dan pembayaran. Pengelompokan yang dihasilkan memberikan informasi yang lebih terstruktur sehingga dapat mendukung analisis risiko pinjaman dan membantu pengambilan keputusan dalam pengelolaan pinjaman nasabah.

Keywords:

koperasi, risiko pinjaman, prediksi risiko, k-means

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

References

[1] L. Hasan and R. Delzy Perkasa, “PERAN KOPERASI SIMPAN PINJAM DALAM

MEMBERDAYAKAN EKONOMI MASYARAKAT,” Jurnal Genta Mulia, vol. 14, no.

1, Jan. 2023, doi: 10.61290/GM.V14I1.687.

[2] D. P. Ompusunggu, D. R. I. Sutrisno, and A. Hukom, “KONSISTENSI DAN

EFEKTIVITAS PERAN LEMBAGA KEUANGAN NON BANK (KOPERASI

SIMPAN PINJAM) SEBAGAI PENGGERAK PEREKONOMIAN INDONESIA,”

Jurnal Cahaya Mandalika ISSN 2721-4796 (online), vol. 4, no. 1, pp. 689–696, Feb. 2023,

doi: 10.36312/JCM.V4I1.1449.

[3] W. Wahyudin and R. Purnamasari, “Analisis Risiko Kredit Bermasalah terhadap Return

On Equity (ROE),” Coopetition : Jurnal Ilmiah Manajemen, vol. 15, no. 2, pp. 305–316,

Jun. 2024, doi: 10.32670/COOPETITION.V15I2.4392.

[4] Roviani, D. Supriadi, and I. Dzulfiqar Iskandar, “PREDICTION OF COOPERATIVE

LOAN FEASIBILITY USING THE K-NEAREST NEIGHBOR ALGORITHM,” Jurnal

Pilar Nusa Mandiri, vol. 17, no. 1, pp. 39–46, Mar. 2021, doi:

10.33480/PILAR.V17I1.2183.

[5] A. Rifqi and R. T. Aldisa, “Penerapan Data Mining dalam Implementasi Algoritma KMeans Clustering untuk Pelanggan Potensial pada Koperasi Simpan Pinjam,” Building

of Informatics, Technology and Science (BITS), vol. 5, no. 2, pp. 486−497-486−497, Sep.

2023, doi: 10.47065/BITS.V5I2.4278.

[6] Y. O. Tamba and N. Ekawati, “KLASTERISASI PINJAMAN NASABAH KOPERASI

MENGGUNAKAN ALGORITMA K-MEANS,” JATI (Jurnal Mahasiswa Teknik

Informatika), vol. 8, no. 6, pp. 11107–11114, Nov. 2024, doi: 10.36040/JATI.V8I6.11195.

[7] M. Alfarisi and M. S. Ramadhan, “IMPLEMENTASI K-MEANS CLUSTERING

UNTUK MENGIDENTIFIKASI CALON NASABAH POTENSIAL PADA

LEMBAGA KEUANGAN KECIL DAN MENENGAH,” JOURNAL OF SCIENCE

AND SOCIAL RESEARCH, vol. 8, no. 3, pp. 3807–3813, Aug. 2025, doi:

10.54314/JSSR.V8I3.4094.

[8] F. D. S. Alhamdani, A. A. Dianti, and Y. Azhar, “Segmentasi Pelanggan Berdasarkan

Perilaku Penggunaan Kartu Kredit Menggunakan Metode K-Means Clustering,” JISKA

(Jurnal Informatika Sunan Kalijaga), vol. 6, no. 2, pp. 70–77, May 2021, doi:

10.14421/jiska.2021.6.2.70-77.

[9] A. Fikri, B. F. Hutabarat, and U. Khaira, “Komparasi K-Means Clustering Dan Complete

Linkage Dalam Pengelompokan Penyaluran Pinjaman Financial Technology,” Jurnal

Ilmiah Media Sisfo, vol. 17, no. 2, pp. 228–239, Oct. 2023, doi:

10.33998/MEDIASISFO.2023.17.2.1373.

[10] A. Fikri, B. F. Hutabarat, and U. Khaira, “Komparasi K-Means Clustering Dan Complete

Linkage Dalam Pengelompokan Penyaluran Pinjaman Financial Technology,” Jurnal

Ilmiah Media Sisfo, vol. 17, no. 2, pp. 228–239, Oct. 2023, doi:

10.33998/MEDIASISFO.2023.17.2.1373.

[11] A. Ramadhanu, S. Defit, and S. W. Wahhab Kareem, “Hybrid Data Mining with the

Combination of K-Means Algorithm and C4.5 to Predict Student Achievement,”

International Journal Of Artificial Intelegence Research, vol. 5, 2021, Accessed: Apr. 29,

2026. [Online]. Available:

https://ijair.id/index.php/ijair/article/view/225?utm_source=chatgpt.com

[12] H. Manurung, “PENGELOMPOKAN UMKM KOTA BINJAI MENGGUNAKAN

METODE CLUSTERING K-MEANS UNTUK MENGIDENTIFIKASI POLA

PERKEMBANGAN BISNIS,” Jurnal Informatika Kaputama (JIK), vol. 8, no. 2, pp. 93–

99, Jul. 2024, doi: 10.59697/JIK.V8I2.844.

[13] S. Ocktavia and W. T. Atmojo, “ANALISIS SEGMENTASI PELANGGAN

PEMBIAYAAN BERDASARKAN DEMOGRAFI UNTUK MEMPREDIKSI

TINGKAT KREDIT MENGGUNAKAN ALGORITMA K-MEANS,” Jurnal

Informatika Teknologi dan Sains (Jinteks), vol. 7, no. 1, pp. 394–402, Mar. 2025, doi:

10.51401/JINTEKS.V7I1.5582.

[14] M. Rifqi Mubarok, A. Tri, J. Harjanto, and R. Renaldy, “PENINGKATAN PERFORMA

DBSCAN DENGAN REDUKSI DIMENSI PRINCIPAL COMPONENT ANALYSIS

(PCA) DALAM KLASTERISASI TINGKAT KEMISKINAN DI INDONESIA,” Jurnal

Informatika Teknologi dan Sains (Jinteks), vol. 7, no. 3, pp. 1176–1184, Aug. 2025, doi:

10.51401/JINTEKS.V7I3.6129.

Downloads

Published

2026-07-20

How to Cite

Implementasi K-Means Clustering dalam Pengelompokan Risiko Pinjaman Nasabah pada Koperasi Simpan Pinjam. (2026). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 10(3), 2748-2756. https://doi.org/10.29407/gknm9r11