Claim Missing Document
Check
Articles

Found 1 Documents
Search

Klasterisasi Bank di Indonesia Berdasarkan Kinerja Finansial Menggunakan Algoritma K-Means Hafidzah, Afiyah Nur; Gulo, Hasrat Setiawan; Yolanda, Sevliana Prisca; Saban, Veliana Putri Ayu; Sari, Vella Aprilia; Nanang, Nanang
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1387

Abstract

Industri perbankan di Indonesia memiliki keragaman yang sangat luas, yang mencakup bank-bank milik negara, swasta domestik, asing, dan juga bank pembangunan daerah. Variasi ini menyebabkan kesulitan dalam mengevaluasi posisi kompetitif serta kesehatan seluruh pasar. Tujuan dari penelitian ini adalah untuk mengelompokkan bank-bank di Indonesia ke dalam kategori-kategori yang seragam berdasarkan kinerja mereka. Dengan memanfaatkan algoritma pembelajaran tanpa pengawasan K-Means, studi ini menganalisis kumpulan data yang terdiri dari 25 bank terkemuka di Indonesia. Variabel yang digunakan untuk pengelompokan meliputi Aset, Kredit yang Diberikan, Laba, dan proporsi Kepemilikan Asing. Sebelum analisis, data melalui proses pra-pemrosesan yang meliputi konversi data kategorikal menjadi numerik dan normalisasi dengan menggunakan StandardScaler. Analisis ini berhasil menemukan 3 klaster yang berbeda secara signifikan: (1) Klaster Bank Besar dengan Aset dan Laba yang dominan; (2) Klaster Bank yang Mayoritas Dimiliki Asing dengan ukuran menengah; dan (3) Klaster Bank Lokal dan Regional yang memiliki fokus pada pasar yang lebih khusus. Sebagai kesimpulan, pengelompokan ini memberikan gambaran yang jelas tentang struktur pasar perbankan dan bisa menjadi dasar bagi regulator, investor, serta pelaku industri dalam mengambil keputusan strategis.