<![CDATA[Abstract: This study aims to apply the K-Means clustering algorithm in clustering potential customers at the Dana Mutiara Savings and Loan Cooperative. This method is used to group customer data based on several criteria such as age, occupation, income, marital status, number of dependents, and asset ownership. The results of this clustering will facilitate the cooperative in assessing the eligibility of potential customers for loans and reducing the risk of non-performing loans. This study utilized customer data collected from January to February 2025, using the PHP programming language and MySQL database to build an adaptive information system. The clustering results identified three customer groups: potential, moderately potential, and less potential. The implementation of this system can enhance decision-making efficiency in credit approval processes at the cooperative. Keyword: K-Means; Clustering; Potential Customers; Cooperatives; Data Mining. Abstrak: Penelitian ini bertujuan untuk menerapkan algoritma K-Means clustering dalam mengklaster calon nasabah potensial di Koperasi Simpan Pinjam Dana Mutiara. Metode ini digunakan untuk mengelompokkan data nasabah berdasarkan beberapa kriteria seperti usia, pekerjaan, penghasilan, status perkawinan, jumlah tanggungan, dan kepemilikan aset. Hasil dari klasterisasi ini akan memudahkan pihak koperasi dalam menilai kelayakan calon nasabah untuk mendapatkan pinjaman, serta mengurangi risiko kredit macet. Penelitian ini menggunakan data nasabah yang diperoleh pada periode Januari hingga Februari 2025, dengan menggunakan bahasa pemrograman PHP dan database MySQL untuk membangun sistem informasi yang adaptif. Hasil klasterisasi menunjukkan tiga kelompok nasabah: potensial, cukup potensial, dan kurang potensial. Implementasi sistem ini dapat meningkatkan efisiensi dalam pengambilan keputusan pemberian kredit pada koperasi. Kata kunci: K-Means; Clustering; Calon Nasabah Potensial; Koperasi; Data Mining]]>
Copyrights © 2025
