Model Clustering Pembelian Kredit Tertinggi Berdasarkan Fidusia Menggunakan Algoritma K-Means dan K-Medoids

Fidusia merupakan perjanjian atas pembelian suatu benda hidup atau mati antara pemberi fidusia dan penerima. Pada tahun 2021 pembelian motor meningkat yang berarti kebutuhan manusia pun meningkat, namun karena tidak semua orang mampu memenuhi kebutuhannya maka mereka melakukan pembelian motor secara kredit. Untuk mengetahui daerah mana saja dengan pembelian kredit tertinggi diperlukan waktu yang cukup lama jika tanpa bantuan komputer. Maka dari itu diperlukan data mining untuk mengelompokan daerah pembelian kredit tinggi, daerah pembelian kredit sedang, dan daerah pembelian kredit rendah. Data didapatkan dari akta dalam buku repertorium adalah 7 daerah dan 1.770 akta dan diolah menggunakan algoritma K-Means dan K-Medoids sebagai pembanding. Perhitungan dilakukan melalui 2 cara yaitu manual dengan microsoft excel dan bahasa python. Setelah melalui evaluasi silhouette coefficient hasil dari kedua algoritma berbeda. Algoritma k-means lebih tinggi tingkat akurasinya dalam penelitian ini. Daerah yang termasuk pembelian kredit tertinggi (C1) adalah Matraman, daerah pembelian kredit sedang (C2) adalah Karawang, Cikampek, Kelapa Gading, Cikarang, Purwakarta, dan daerah pembelian kredit rendah adalah Bekasi.
Kata Kunci : Clustering, Data Mining, Fidusia, K-Means, K-Medoids, Pembelian Kredit.