<![CDATA[Risiko gagal bayar pada perusahaan pembiayaan tidak selalu tersebar secara merata karena karakteristik pembayaran konsumen dapat berbeda antarwilayah. Penelitian ini bertujuan memetakan tingkat risiko pembiayaan berdasarkan wilayah pengajuan konsumen serta merumuskan strategi pengendalian yang sesuai dengan profil setiap kelompok. Penelitian menggunakan pendekatan kuantitatif deskriptif dengan studi kasus pada perusahaan pembiayaan di Sidoarjo. Data sekunder mencakup 712 konsumen yang tersebar pada 40 wilayah selama 2025 dan dikelompokkan berdasarkan proporsi pembayaran tepat waktu, keterlambatan 1–90 hari, serta keterlambatan 91–210 hari. Data dibersihkan, ditransformasi menjadi proporsi, kemudian dianalisis menggunakan metode Elbow, algoritma K-Means berbasis jarak Euclidean, dan evaluasi deskriptif antarcluster. Hasil menunjukkan bahwa tiga cluster merupakan struktur yang paling informatif. Cluster 1 terdiri atas 13 wilayah dengan profil WARNING, cluster 2 mencakup 19 wilayah dengan profil EXCELLENT, dan cluster 3 berisi 8 wilayah dengan profil BAD. Centroid cluster berisiko tinggi memperlihatkan proporsi pembayaran tepat waktu 0,6901, keterlambatan 1–90 hari 0,2661, dan keterlambatan 91–210 hari 0,0438. Wilayah Jabon menunjukkan proporsi keterlambatan panjang tertinggi. Penelitian menyimpulkan bahwa clustering wilayah dapat menyediakan dasar objektif untuk diferensiasi kebijakan pembiayaan. Implikasinya, perusahaan perlu menerapkan pemantauan preventif pada wilayah WARNING, ekspansi terukur pada wilayah EXCELLENT, serta pengetatan persetujuan, kunjungan lapangan, dan restrukturisasi pada wilayah BAD.]]>
Copyrights © 2026
