Analisis Clustering Pada BPR Dan BPRS Menggunakan Algoritma K-Means, Fuzzy C-Means, Dan Self-Organizing Map

Kawiyanto, Amara Sabhinaya (2025) Analisis Clustering Pada BPR Dan BPRS Menggunakan Algoritma K-Means, Fuzzy C-Means, Dan Self-Organizing Map. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5006211098-Undergraduate_Thesis.pdf Download (3MB)

Abstract

Perbankan memiliki peranan penting dalam perekonomian suatu negara, termasuk Bank Perekonomian Rakyat (BPR) dan Bank Pembiayaan Rakyat Syariah (BPRS) yang melayani segmen kecil dan mikro. Namun, keduanya menghadapi beberapa tantangan seperti tingkat likuiditas yang rendah dan risiko kredit yang tinggi dibandingkan dengan bank umum konvensional maupun syariah. Oleh karena itu, penilaian tingkat kesehatan bank menjadi aspek yang krusial dalam memastikan keberlanjutan operasional perbankan. Penelitian ini bertujuan mengelompokkan BPR dan BPRS di wilayah Surabaya Raya berdasarkan tingkat kesehatannya menggunakan analisis clustering. Algoritma yang digunakan dalam analisis ini antara lain k-means, fuzzy c-means, serta Self Organizing Map (SOM). Validitas hasil clustering akan diukur menggunakan Silhouette index (Sil), Davies-Bouldin index (DB), dan Calinski-Harabasz index (CH) untuk menentukan metode pengelompokan terbaik. Hasil penelitian menunjukkan bahwa klasterisasi fuzzy c-means menghasilkan nilai validitas yakni Silhouette index sebesar 0,9788 untuk BPR dan 0,8168 untuk BPRS, Davies-Bouldin index sebesar 0,0784 untuk BPR dan 0,1270 untuk BPRS, serta Calinski-Harabasz index sebesar 598,2775 untuk BPR dan 41,1124 untuk BPRS. Nilai validitas tersebut merupakan nilai yang paling optimal jika dibandingkan dengan k-means dan Self-Organizing Map. Dengan demikian, diperoleh 3 klaster optimal yang terbentuk dengan algoritma fuzzy c-means yaitu klaster dengan tingkat kesehatan baik berisi 2 BPR, klaster dengan tingkat kesehatan cukup baik berisi 81 BPR, dan klaster dengan tingkat kesehatan kurang baik berisi 1 BPR. Sedangkan pada BPRS diperoleh 2 klaster optimal yang terbentuk yaitu klaster dengan tingkat kesehatan baik berisi 1 BPRS dan klaster dengan tingkat kesehatan kurang baik berisi 6 BPRS. Saran yang dapat diberikan berdasarkan hasil penelitian ini adalah bagi pemerintah khususnya OJK agar lebih aktif dan intensif mengawasi kinerja keuangan BPR dan BPRS yang dikategorikan ke dalam klaster tingkat kesehatan perbankan kurang baik.
====================================================================================================================================
Bank plays a crucial role in a country's economy, including rural banks and sharia rural banks, which serve the small and micro segments. However, both face several challenges, such as low liquidity levels and high credit risk compared to commercial banks. Therefore, assessing the financial health of bank is a critical aspect in ensuring the sustainability of banking operations. This study aims to grouping BPR and BPRS in the Surabaya Raya area based on their financial health using clustering analysis. The algorithms used in this analysis including k-means, fuzzy c-means, and Self-Organizing Map (SOM). The validity of the clustering results is evaluated using the Silhouette Index (Sil), Davies-Bouldin Index (DB), and Calinski-Harabasz Index (CH) to determine the most effective clustering method. The findings indicate that the fuzzy c-means clustering algorithm results the most optimal validity scores, with Silhouette Index of 0,9788 for BPR and 0,8168 for BPRS, Davies-Bouldin Index of 0,0784 for BPR and 0,1270 for BPRS, and also Calinski-Harabasz Index of 598,2775 for BPR and 41,1124 for BPRS. These scores outperform other clustering results obtained using k-means or SOM algorithms. Based on the fuzzy c-means clustering results, three optimal clusters were identified for BPR: good financial health cluster containing 2 BPR, moderate financial health cluster comprising 81 BPR, and poor financial health cluster consisting of 1 BPR. For BPRS, two optimal clusters were identified: good financial health cluster containing 1 BPRS and poor financial health cluster consisting of 6 BPRS. Based on these findings, it is recommended that the government, particularly Otoritas Jasa Keuangan intensify its oversight of the financial performance of BPR and BPRS bankings categorized in the poor financial health cluster.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	BPR, BPRS, Clustering, Fuzzy C-means, K-means, Rural banks, Self-Organizing Map, Sharia rural banks
Subjects:	Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics)
Divisions:	Faculty of Mathematics, Computation, and Data Science > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Amara Sabhinaya Kawiyanto
Date Deposited:	30 Jul 2025 06:57
Last Modified:	30 Jul 2025 06:57
URI:	http://repository.its.ac.id/id/eprint/123250

Actions (login required)

View Item