SEGMENTASI NASABAH KREDIT BERMASALAH MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING UNTUK MENDUKUNG KEPUTUSAN STRATEGIS (STUDI KASUS: BANK MEGA FINANCE BENGKULU

Kredit bermasalah menjadi isu penting dalam pembiayaan karena berdampak pada
profitabilitas dan risiko kerugian perusahaan. Penelitian ini menganalisis 5.305 data
nasabah kredit bermasalah Bank Mega Finance Bengkulu menggunakan algoritma K�Means Klastering dalam kerangka CRISP-DM. Variabel yang digunakan meliputi tenor,
sisa tunggakan, jumlah angsuran, dan lama keterlambatan pembayaran. Hasil analisis
menunjukkan bahwa pembentukan tiga klaster merupakan pilihan optimal, dengan nilai
Davies-Bouldin Index (DBI) sebesar 0,201 yang menandakan kualitas klaster baik.
Klaster tersebut merepresentasikan tiga tingkat risiko nasabah, yaitu tinggi, sedang, dan
rendah, berdasarkan pola pembayaran masing-masing. Segmentasi ini diharapkan
membantu perusahaan dalam menentukan prioritas penagihan, restrukturisasi kredit,
serta kebijakan mitigasi risiko. Selain memberikan manfaat praktis bagi pengelolaan
kredit, penelitian ini juga memperkuat bukti empiris mengenai efektivitas penerapan K�Means dalam analisis data pembiayaan serta menegaskan peran penting data mining
dalam mendukung pengambilan keputusan strategis di bidang manajemen risiko
perbankan.
Kata Kunci: Kredit Bermasalah, K-Means Klastering, CRISP-DM, Data Mining,
Davies-Bouldin Index (DBI), Segmentasi Nasabah