Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Media Sisfo
Akmal Fikri
Universitas Jambi
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Komparasi Antara Metode K-Means Clustering Dan Complete Linkage Dalam Pengelompokan Penyaluran Pinjaman Oleh Financial Technology Akmal Fikri; Benedika Ferdian Hutabarat; Ulfa Khaira
Jurnal Ilmiah Media Sisfo Vol 17 No 2 (2023): Jurnal Ilmiah Media Sisfo
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

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.
Co-Authors Benedika Ferdian Hutabarat Khaira, Ulfa