PEMETAAN KEBERLANGSUNGAN HIDUP UMKM GUNA OPTIMALISASI BANTUAN KREDIT MENGGUNAKAN ALGORITMA FUZZY C-MEANS
##plugins.themes.academic_pro.article.main##
Abstract
Dinamika perekonomian Indonesia mengalami kontraksi semenjak pandemi Coronavirus Disease (COVID-19) mulai menyebar awal tahun 2020. Pembatasan sosial dan terbatasnya kegiatan masyarakat serta larangan beroperasinya usaha yang dapat menimbulkan kerumunan menyebabkan melemahnya ekonomi usaha mikro, kecil dan menengah (UMKM) bahkan hingga terancam menutup usahanya. Padahal UMKM merupakan penyumbang produk domestik bruto (PDB) nasional terbesar. Pemerintah melalui kementerian terkait telah meluncurkan berbagai program bantuan guna menyelamatkan UMKM dari krisis permodalan. Dalam upaya optimalisasi program pemerintah, maka diperlukan sebuah kelompok atau tingkatan yang dapat digunakan untuk menentukan prioritas bantuan pemerintah bagi UMKM agar program bantuan tersebut tepat sasaran. Untuk mengelompokan UMKM digunakan teknik data mining yakni, clustering. Partitive clustering digunakan sebagai pendekatan karena dinilai cocok dengan masalah yang dihadapi karena dapat mengelompokan berdasarkan kemiripan atau kedekatan antar data, sesuai dengan tujuan untuk mengelompokan UMKM berdasarkan kesamaan kondisi yang saat ini sedang dihadapi. Algoritma partitive clustering akan digunakan pada penelitian ini yakni algoritma fuzzy-c-means. Metode penelitian yang digunakan adalah cross industry standard process for data mining (CRISP-DM) yang merupakan standar model penelitian lintas industri untuk pemrosesan data yang memiliki enam tahapan penelitian diantaranya, pemahaman bisnis, pemahaman, penyiapan, pemodelan, evaluasi hingga implementasi. Penelitian ini menghasilkan 2 kelompok tingkatan UMKM yaitu kelompok keberlangsungan hidup kuat dan lemah. UMKM kuat memiliki kriteria omset yang besar dengan perbandingan jumlah karyawan terhadap omsetnya seimbang, sementara UMKM lemah memiliki kriteria omset yang relatif besar namun dengan perbandingan jumlah karyawan terhadap omsetnya tidak seimbang. Kualitas pengelompokan yang dihasilkan pun cukup baik ditandai dengan nilai Davies-Bouldin Index sebesar 0.75.
##plugins.themes.academic_pro.article.details##
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Pemberitahuan Hak Cipta
Usulan kebijakan untuk jurnal yang menawarkan akses terbuka Syarat yang dibutuhkan penulis adalah sebagai berikut:
1. Penulis memegang hak cipta dan memberikan jurnal hak penerbitan pertama secara bersamaan di bawah lisensi di bawah Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0), yang mengizinkan orang lain untuk menyalin dan mendistribusikan ulang materi ini dalam bentuk atau format apa pun termasuk menyusun, memodifikasi, dan membuat turunan materi ini untuk tujuan apa pun, termasuk tujuan komersial.
2. Penulis dapat membuat pengaturan kontrak terpisah untuk distribusi non-eksklusif dari versi dekaden publikasi jurnal (misalnya mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan mengakui publikasi aslinya di jurnal ini.
3. Penulis diizinkan dan didorong untuk memposting artikel secara online (misalnya di repositori institusional atau di situs web mereka) seperti pada Garuda, Academia, researchgate atau repository lainnya sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif dan kutipan artikel yang diterbitkan lebih awal dan lebih maju (periksa: Efek Akses Terbuka)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Hafsari, R., & Nurcahyo, G. W. (2021). Penerapan Fuzzy C-Means pada Teknologi Adopsi Usaha Mikro Kecil dan Menengah. Jurnal KomtekInfo, 183-188.
Junaedi, D., & Salistia, F. (2020). Dampak Pandemi Covid-19 Terhadap Pertumbuhan Ekonomi Negara-Negara Terdampak. Simposium Nasional Keuangan Negara.
Kementerian Keuangan Republik Indonesia. (2021, September 27). Pemerintah Terus Perkuat UMKM Melalui Berbagai Bentuk Bantuan. Retrieved from Kementerian Keuangan Republik Indonesia: https://www.kemenkeu.go.id/publikasi/berita/pemerintah-terus-perkuat-umkm-melalui-berbagai-bentuk-bantuan
Kementerian Koperasi dan Usaha Kecil Menengah. (2018). Perkembangan Data Usaha Mikro Kecil dan Menengah (UMKM) dan Usaha Besar (UB) Tahun 2017-2018. Jakarta: Kementerian Koperasi dan Usaha Kecil Menengah.
Khomarudin, A. N. (2014). Teknik Data Mining: Algoritma k-Means Clustering. Jurnal Ilmu Komputer.
Kumar, S. (2021). Deep Dive Understanding of Fuzzy C-Means Clustering Algorithm. Toward Data Science.
Lucky, J. (2021). Pengaruh Pembatasan Sosial Berskala Besar (PSBB) Selama Pandemi COVID-19 Terhadap Tingkat Penjualan UMKM. Jurnal Riset Akuntansi dan Bisnis, 10-15.
Marchella, A. (2020). Penerapan Data Mining Menggunakan Algoritma k-Means dalam Sistem Clustering Data UMKM Kota Padang. e-Skripsi Universitas Andalas.
Mardian, E. (2020). PSBB dan Daya Tahan UMKM di Jakarta. Jakarta: Bisnis.com.
Prasetio, R. T. (2020). Prasetio, R. T. (2020). Genetic Algorithm to Optimize k-Nearest Neighbor Parameter for Benchmarked Medical Datasets Classification. Jurnal Online Informatika, 153-160.
Putra, A. C., & Hartomo, K. D. (2021). Optimalisasi Penyaluran Bantuan Pemerintah untuk UMKM Menggunakan Metode Fuzzy C-Means. Jurnal RESTI Rekayasa Sistem dan Teknologi Informasi, 474-482.
Ramadhani, R. A., Widodo, D. W., & Sadartanto, R. (2017). Perancangan Sistem Clusterisasi Usaha Mikro Kecil dan Menengah di Kota Kediri. Jurnal Sains dan Informatika, 106.
Riana, D., Ramdhani, Y., Rizki, T. P., & Hidayanto, A. N. (2018). Riana, D., Ramdhani, Y., Rizki, T. P., & Hidayanto, A. N. (2018). Improving hierarchical decision approach for single image classification of pap smear. International Journal of Electrical and Computer Engineering, 5415.
Rouza, E., & Fimawahib, L. (2020). Implementasi Fuzzy C-Means Clustering dalam Pengelompokan UKM di Kabupaten Rokan Hulu. Jurnal Teknologi Informasi.
Sayad, S. (2010). An Introduction to Data Science. Toronto: University of Toronto.
Sukesa, I. K. (2022, Juni 22). CRISP DM Sebagai Salah Satu Standard untuk Menghasilkan Data Driven Decision Making yang Berkualitas. Retrieved from Kementerian Keuangan Republik Indonesia: https://www.djkn.kemenkeu.go.id/artikel/baca/15134/CRISP-DM-Sebagai-Salah-Satu-Standard-untuk-Menghasilkan-Data-Driven-Decision-Making-yang-Berkualitas.html
Xiao, Y., & Yu, J. (2012). Partitive Clustering (k-Means Family). WIREs Data Mining Knowledge Discovery, 209-225.