Laura indari, NIM 162021026 (2025) IMPLEMENTASI K-MEANS CLUSTERING UNTUK IDENTIFIKASI POLA RISIKO PEMINJAM PINJAMAN ONLINE PADA MASYARAKAT KOTA PALEMBANG. Skripsi thesis, Universitas Muhammadiyah Palembang.

Preview	Text 162021026_BAB I_DAFTAR PUSTAKA.pdf - Published Version Download (2MB) | Preview
	Text 162021026_BAB II.pdf Restricted to Repository staff only Download (404kB)
	Text 162021026_BAB III.pdf Restricted to Repository staff only Download (551kB)
	Text 162021026_BAB IV.pdf Restricted to Repository staff only Download (790kB)
	Text 162021026_BAB V.pdf Restricted to Repository staff only Download (329kB)
	Text 162021026_DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (449kB)
	Text 162021026_LAMPIRAN.pdf Restricted to Repository staff only Download (2MB)
	Text 162021026_COVER_SAMPAI_LAMPIRAN.pdf Restricted to Repository staff only Download (3MB)

Abstract

Perkembangan teknologi finansial mendorong meningkatnya penggunaan pinjaman online, termasuk di Kota Palembang. Namun, kemudahan tersebut diiringi dengan risiko gagal bayar dan kecurangan yang merugikan penyedia layanan. Penelitian ini bertujuan untuk mengidentifikasi pola risiko peminjam pinjaman online menggunakan metode K-Means Clustering. Data penelitian diperoleh dari dataset publik di Kaggle yang berisi lebih dari 77.000 data peminjam dengan 28 atribut. Proses penelitian meliputi tahap praproses data, pemilihan atribut, normalisasi, serta penerapan algoritma K-Means dengan bantuan perangkat lunak RapidMiner. Penentuan jumlah cluster optimal dilakukan dengan metode Elbow dan Silhouette Coefficient, yang menghasilkan lima cluster. Hasil analisis menunjukkan distribusi risiko peminjam ke dalam lima kategori, yaitu Sangat Rendah (32,98%), Rendah (14,55%), Sedang (19,30%), Tinggi (23,75%), dan Sangat Tinggi (9,42%). Temuan ini menunjukkan bahwa mayoritas peminjam berada pada kategori risiko rendah, namun terdapat kelompok signifikan dengan risiko tinggi yang memerlukan perhatian khusus. Hasil penelitian diharapkan dapat membantu penyedia layanan pinjaman online dalam melakukan penilaian risiko secara lebih akurat dan mengurangi potensi kerugian.

Item Type:	Thesis (Skripsi)
Additional Information:	Pembimbing 1:Apriansyah., S.Kom.,M.Kom pembimbing 2: Jimmie., S.Kom.,M.Kom
Uncontrolled Keywords:	Kata kunci: Pinjaman Online, Risiko Peminjam, K-Means Clustering, RapidMiner
Subjects:	Teknologi informasi > ilmu informasi
Divisions:	Fakultas Teknik > Teknologi Informasi (S1)
Depositing User:	Mahasiswa Fakultas Teknik
Date Deposited:	22 Oct 2025 02:38
Last Modified:	22 Oct 2025 02:38
URI:	http://repository.um-palembang.ac.id/id/eprint/33902

Actions (login required)

View Item