Penerapan Clustering Pada Tipe Data Campuran Menggunakan K-prototype Pada Perusahaan Multifinance
DOI:
https://doi.org/10.34818/eoe.v9i3.18011Abstrak
Abstrak Multifinance merupakan perusahaan pembiayaan keuangan yang berperan dalam penyediaan dana nasabah untuk pengadaan barang berdasarkan kebutuhan produktif maupun konsumtif masyarakat. Dalam menjalankan operasionalnya perusahaan melakukan observasi data nasabah berdasarkan profiling resiko nasabah untuk menentukan seberapa banyak pinjaman yang dapat diberikan oleh perusahaan. Namun data nasabah yang terdiri dari banyak numerik dan kategori serta memiliki bentuk yang tidak terstruktur membuat lembaga pembiayaan kesulitan dalam memberikan keputusan pada proses pembiayaan. maka diperlukan alat yang dapat melakukan pengelompokan data nasabah berdasarkan tingkat kesamaan atau kedekatan antar data sehingga mempermudah perusahaan dalam melakukan segmentasi profil nasabah berdasarkan tingkat resiko. Untuk mengatasi masalah tersebut maka pada penelitian ini menggunakan metode Clustering untuk mengelompokan data tipe campuran pada data nasabah perusahaan multifinance PT Bima Multifinance Cabang Sragen menggunakan algoritma k- prototype. Prosedur kerja pada algoritma k-prototype dengan mengintegrasikan algoritma k-means dan k- modes yang digunakan untuk menangani tipe data campuran. Selain itu algoritma k-prototype memiliki keunggulan seperti mudah untuk diterapkan dan serta mampu untuk menangani kumpulan data besar lebih baik dibandingkan algoritma yang berbasis hirarki lain. Pengujian pada penelitian ini menggunakan perhitungan elbow untuk mencari cluster optimal dan melakukan analisis lanjutan dengan melakukan pengujian ulang pada tahap inisiasi jumlah cluster. Hasil clustering pada penelitian ini menunjukan salah satu jenis cluster dengan tingkat kelancaran 100% dan jumlah rasio gaji terhadap angsuran nasabah dibawah rata rata yaitu 1.3% yang membuat cluster ini menjadi cluster dengan tingkat kelancaran tertinggi dibanding cluster lain. Kata kunci : Multifinance, Data Tipe Campuran, Clustering, K-Prototype, K-Means, K-ModesReferensi
[1] SEMBIRING, JIMMY, HARRY J. SUMAMPOUW, and WILFRIED S. MANOPPO. "Analisis Kredit Bermasalah Pada PT. Adira Dinamika Multifinance Tbk Cabang Manado." JURNAL ADMINISTRASI BISNIS (JAB) 4.4 (2016).
[2] Aritonang, Swandi. ANALISIS PENERAPAN SISTEM PENGENDALIAN INTERNAL PADA PROSES PEMBERIAN DANA PEMBIAYAAN DI PT. SINARMAS MULTIFINANCE CABANG CIKARANG. Diss. President University, 2017.
[3] Yin, Shuang, et al. "Applications of Clustering with Mixed Type Data in Life Insurance." Risks 9.3 (2021):
47.
[4] Gan, G., Ma, C. and Wu, J., 2020. Data clustering: theory, algorithms, and applications. Society for
Industrial and Applied Mathematics.
[5] Huang, Zhexue. "Clustering large data sets with mixed numeric and categorical values." Proceedings of the
1st pacific-asia conference on knowledge discovery and data mining,(PAKDD). 1997.
[6] Novidianto, Raditya, and Kartika Fithriasari. "Algoritma ClusterMix K-Prototype Untuk Menangkap
Karakteristik Pasien Berdasarkan Variabel Penciri Mortalitas Pasien Dengan Gagal Jantung." Inferensi 4.1 (2021): 37-46.
[7] Syakur, M. A., et al. "Integration k-means clustering method and elbow method for identification of the best customer profile cluster." IOP conference series: materials science and engineering. Vol. 336. No. 1.
IOP Publishing, 2018
[8] Sulthoni, Ahmad Shohibus, Rachmadita Andreswari, and Faqih Hamami. "Segmentasi Pelanggan Pt.
Telekomunikasi Seluler Indonesia Menggunakan Clustering Algoritma K-prototype Dan Metode Elbow
Sebagai Perumusan Strategi Marketing." eProceedings of Engineering 8.3 (2021).
[9] Huang, Zhexue. "Extensions to the k-means algorithm for clustering large data sets with categorical values." Data mining and knowledge discovery 2.3 (1998): 283-304.
[10] Huang, Zhexue. "Clustering large data sets with mixed numeric and categorical values." Proceedings of the
1st pacific-asia conference on knowledge discovery and data mining,(PAKDD). 1997.
[11] Yuan, Chunhui, and Haitao Yang. "Research on K-value selection method of K-means clustering algorithm." J 2.2 (2019): 226-235.
