Clustering Penilaian Kelayakan Kredit Dengan Metode K-Mean (Studi Kasus : Ksp. Tunas Artha Mandiri Nganjuk)
PDF

Keywords

Clustering
Kelayakan kredit
K-Mean

How to Cite

Setiawan, F. A. ., Widodo, D. W. ., & Sulaksono, J. . (2020). Clustering Penilaian Kelayakan Kredit Dengan Metode K-Mean (Studi Kasus : Ksp. Tunas Artha Mandiri Nganjuk). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 4(2), 266–270. https://doi.org/10.29407/inotek.v4i2.157

Abstract

Penelitian ini dilaksanakan di KSP. TUNAS ARTHA MANDIRI NGANJUK. Masalah yang sering terjadi di koperasi adalah  petugas sering mengalami kesulitan dan kurang akurat dalam menentukan apakah calon debitur layak atau tidak layak diberi kredit, sehingga banyak menyebabkan kredit macet dan angsuran yang sering menunggak, hal ini  dikarenakan penghasilan dari usaha calon debitur yang terkadang naik turun. Jika banyak calon debitur yang sering menunggak pembayarannya, maka akan menggangu sistem keuangan koperasi. Tujuan peneltian ini adalah memudahkan petugas untuk memilih calon anggota atau debitur dalam menentukan kelayakan kredit.  

Data yang digunakan dalam penelitian ini adalah data primer  dan data sekunder yang berupa daftar nama calon debitur  yang disertai dengan alamat, jumlah plafon kredit yang diajukan. Sedangkan langkah pengumpulan data dilakukan dengan cara observasi dan wawancara dengan petugas pemberi kredit KSP. TUNAS ARTHA MANDIRI NGANJUK. Teknik analisis yang digunakan dalam penelitian ini dengan menerapkan prinsip 5C yaitu character, capacity, capital, collateral, dan condition dari calon debitur. Penilaian kelayakan kredit yang paling utama adalah besarnya penghasilan calon debitur dapat mengcover jumlah angsuran artinya jumlah penghasilan harus lebih besar dari jumlah angsuran. Jika jumlah angsuran tidak disesuaikan dengan penghasilan, maka akan mengakibatkan kredit macet. Hasil dari penelitian ini adalah C1 sebanyak 3 orang dinyatakan recomended yang berarti boleh pinjam karena sudah memenuhi kriteria 5C, C2 sebanyak 1 orang dinyatakan layak dan 1 orang dinyatakan tidak layak karena tidak memenuhi kriteri 5C.

https://doi.org/10.29407/inotek.v4i2.157
PDF

References

Angelina Donna, 2016. Prinsip 5C Perbankan. https://www.suara.com/bisnis/2016/05/18/121613/prinsip-5c-perbankan-apakah-anda-sudah-memenuhinya (diakses tanggal 10 Juli 2020)

Magdalena Simanjuntak, Ediman Manik, Tri Supratman, 2018. Penerapan Data Mining pengelompokan kejahatan elektronik sesuai ITE dengan menggunakan metode Clustering. Jurnal Mahajana Informasi, Vol. 3, No. 2, (2018), tersedia : http://e-journal.sari-mutiara.ac.id

Intan Nur Farida, Risa Helilintar, Rony Heri Irawan, 2015. Penerapan metode K-Means Clustering pada data penerimaan mahasiswa baru. Jurnal Seminar Nasional Teknologi Informasi dan Komunikasi, (2018), tersedia: http://prosiding.unipma.ac.id

Indra Kanedi, Jauhari, Ayu Wulandari, 2013. Tata kelola perpustakaan menggunakan bahasa pemrograman Visual Basic 6.0 (studi kasus pada sekolah menengah pertama negeri 3 selum). Jurnal Media Infotama, Vol. 9, No 1, (2013),tersedia: https://jurnal.unived.ac.id

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Copyright (c) 2020 Febri Adi Setiawan, Danang Wahyu Widodo, Juli Sulaksono

Downloads

Download data is not yet available.