ANALISIS KOMPARATIF K-MEANS DAN AGGLOMERATIVE CLUSTERING TERHADAP RASIO KEUANGAN BPR WILAYAH SOLORAYA TAHUN 2023 - 2026

Bank Perekonomian Rakyat (BPR) memiliki peran penting dalam mendukung pembiayaan usaha mikro, kecil, dan menengah di Indonesia. Namun, evaluasi kinerja BPR secara komprehensif berbasis data kuantitatif masih terbatas dilakukan. Penelitian ini bertujuan membandingkan performa metode K-Means dan Agglomerative Clustering dengan Ward linkage dalam melakukan segmentasi BPR berdasarkan rasio keuangan sehingga diperoleh metode yang paling sesuai untuk mengelompokkan tingkat kinerja BPR.
Penelitian menggunakan data 61 BPR konvensional di wilayah Soloraya berdasarkan enam rasio keuangan OJK, yaitu KPMM, NPL Gross, ROA, BOPO, NIM, dan LDR pada periode Maret 2023 hingga Maret 2026 dengan total 793 observasi triwulanan. Tahap praproses meliputi penanganan missing value menggunakan interpolasi linear, deteksi outlier berbasis Z-score, serta normalisasi menggunakan StandardScaler. Penentuan jumlah klaster dilakukan dengan metode Elbow, sedangkan kualitas clustering dievaluasi menggunakan Silhouette Score dan Davies-Bouldin Index.
Hasil penelitian menunjukkan bahwa metode K-Means memberikan performa lebih baik dibandingkan Agglomerative Clustering dengan nilai Silhouette Score sebesar 0,3568, Davies-Bouldin Index sebesar 1,3076, dan WCSS sebesar 2778,28. K-Means menghasilkan tiga klaster, yaitu BPR Kinerja Sedang, BPR Kinerja Rendah, dan BPR Risiko Tinggi. Kedua metode secara konsisten mengidentifikasi kelompok BPR berisiko tinggi yang sama sehingga memperkuat validitas hasil segmentasi. Oleh karena itu, metode K-Means dinilai lebih sesuai untuk segmentasi kinerja BPR berbasis rasio keuangan dan dapat dijadikan dasar dalam memberikan rekomendasi pengelolaan BPR berdasarkan karakteristik kelompok yang dihasilkan.