1
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah
Peraturan Bank Indonesia No.13/1/PBI/2011 Pasal 7 ayat 1 penilaian terhadap faktor profil risiko sebagaimana dimaksud dalam pasal 6 huruf a merupakan penilaian terhadap risiko inheren dan kualitas penerapan manajemen risiko dalam operasional Bank yang dilakukan terhadap delapan risiko (Lasta, 2014), salah satunya adalah likuiditas. likuiditas merupakan kemampuan suatu entitas untuk melunasi kewajiban lancar perusahaan dengan memanfaatkan aktiva lancarny (Luh dkk,2015). Sehingga bisa dikatakan jika perusahaan tidak lagi mempunyai tingkat likuiditas yang cukup untuk memenuhi kebutuhan perusahaannya, maka perusahaan tersebut dengan kata lain akan mengalami kebangkrutan. Analisa likuiditas penting dilakukan terhadap para nasabah Bank, yang mempunyai usaha maupun pinjaman di Bank tersebut. Maka, pihak Bank dapat mengetahui apakah pinjaman tersebut bisa dikembalikan dengan lancar atau tidak. Maka dari itu pihak Bank melakukan profitabilitas perusahaan. Hal ini sejalan dengan Pecking Order Theory yang menyatakan bahwa penggunaan return on asset dapat mencerminkan tingkat pengembalian (return) dari modal yang diinvestasikan perusahaan dari keseluruhan aktiva (Anggun dkk,2015).
Analisa likuiditas dilakukan dengan beberapa data nasabah yaitu dari lamanya perusahaan tersebut berdiri dan lamanya keterlambatan dalam pembayaran(Wahyuni, dkk 2016).
2
Penggunaan dari data tersebut yang akan dipakai, maka akan didapatkan data nasabah mana saja yang sekiranya akan bangkrut dan pihak Bank dapat mengambil tindakan selanjutnya untuk meminimalisir kerugian. Kemudian untuk mencegah diperlukan clustering.
Tujuan dari clustering yaitu untuk pengelompokan berdasarkan ukuran kedekatan (kemiripan).(Desa et al., 2015) dan untuk meningkatkannya maka perlu diperkuat dengan slovin sebagai margin of error dalam menggunakan sampel data. Kemudaian untuk menghitung data maka digunakan algoritma K-Means Clustering.
K-Means merupakan metode clustering yang populer dan bersifat tanpa kendali (Anggodo et al., 2017), tujuan utama K-Means yaitu untuk melakukan clustering objek ke cluster atau kelompok. Pertama adalah menentukan jumlah k yang mempresentasikan jumlah cluster yang akan dibentuk, lalu menentukan titik pusat atau centroid untuk setiap cluster dan dilakukan pengelompokan.
Berdasarkan permasalahan tersebut maka penulis bermaksud mengangkat permasalahan tersebut sebagai bahan penulisan skripsi dengan judul : “Penerapan K-Means Clustering Pada Sistem Identifikasi Kredit Bank Berdasarkan Likuiditas “.
3 1.2 Perumusan Masalah
Berdasarkan latar belakang yang sudah telah paparkan, maka dalam perumusan masalah diperoleh sebagai berikut :
1. Bagaimana mengidentifikasi nasabah Bank dengan metode clustering menggunakan algoritma k-means berdasarkan likuiditas ?
2. Bagaimana mengimplementasikan untuk menentukan identifikasi terhadap nasabah Bank berdasarkan likuiditas ?
1.3 Maksud dan Tujuan Penelitian
Penulis dalam menyusun dan melaksanakan penelitian ini memiliki maksud sebagai berikut :
1. Mengidentifikasi nasabah Bank dengan metode clustering menggunakan algoritma k-means berdasarkan likuiditas.
2. Mengimplementasikan untuk menentukan identifikasi terhadap nasabah Bank berdasarkan likuiditas, serta memberikan informasi kepada pihak yang membutuhkan terkait identifikasi kredit Bank.
Sedangkan tujuan dari penelitian ini adalah sebagai salah satu syarat mutlak kelulusan Program Strata Satu (S1) Jurusan Teknik Informatika di Universitas Bina Sarana Informatika Bandung.
4 1.4 Metode Penelitian
Dalam penulisan ini, penulis menggunakan metode penelitian deksriptif yaitu metode untuk mengumpulkan, menyajikan serta menganalisa data sehingga bisa memberikan gambaran yang jelas dengan objek yang akan di analisa.
1.4.1 Teknik Pengumpulan Data
Teknik yang digunakan dalam metode ini adalah : a. Studi Pustaka
Metode ini dilakukan sebagai proses bahan referensi baik dari buku, artikel, jurnal, makalah serta mengunjungi situs-situs internet guna mendukung dan membandingkan serta melengkapi penelitian ini dengan beberapa penelitian yang ada dalam situs-situs tersebut dan dataset diperoleh dari UCI Repository.
1.4.2 Metode Pengembangan Aplikasi
Dalam metode pengembangan ini penulis menggunakan clustering dengan algoritma k-means berdasarkan likuiditas disertai dengan teknik memakai sampel data dengan rumus Slovin.
a. Analisa Kebutuhan
Tahapan ini merupakan analisa dan apa saja yang dibutuhkan oleh sistem dengan data yang spesifik, dengan menggunakan data publik waktu penelitian jadi lebih singkat sehingga penelitian bisa berjalan dengan lancar.
b. Implementasi
Implentasi dilakukan untuk mengidentifikasi kredit Bank berdasarkan data yang diperoleh dari Uci Repsitory dengn menggunakan K-Means Clustering
5
sebagai algortima yang diterapkan untuk mendapatkan nasabah Bank bangkrut atau tidak bangkrut berdasarkan likuid itas.
c. Desain diagram
Supaya mempermudah dalam proses penerjemahan untuk eksperimen dan implementasi maka digunakan flowcart dan activity diagram sebagai desain diagram dalam mensajkan proses penyampaian untuk dipaparkan.
d. Testing
Dalam tahap ini untuk menguji perangkat lunak menggunakan Black Box system yaitu menguji dari segi fungsional tanpa menguji design dan kode program.
1.5 Ruang Lingkup
Dalam penelitian ini penulis membatasi agar mencapai dan memenuhi sasaran maka ruang lingkup pembahasan ini meliputi proses Penerapan K-Means Clustering Pada Sistem Identifikasi Kredit Bank Berdasarkan Likuiditas sebagai berikut :
1. Dataset berasal dari UCI Repository https://archive.ics.uci.edu /ml/datasets/default+of+credit+card+clients.
2. Implementasi menggunakan metode clustering dengan algoritma K-Means berdasarkan likuiditas, disertai dengan pemakaian sampel data menggunakan rumus Slovin.
Pengujian penelitian menggunakan tool aplikasi RapidMiner.
