RANCANG BANGUN SISTEM PAKAR UNTUK APLIKASI PERMOHONAN KREDIT PADA KOPERASI SIMPAN PINJAM MENGGUNAKAN METODE FUZZY C-MEANS CLUSTERING BERBASIS WEBSITE

Abstract

ABSTRAK
Kopersi Simpan Pinjam berperan  sebagai lembaga penyaluran keuangan kepada
masyarakat. Untuk mengetahui tingkat keberhasilan dalam pemberian kredit, tidak hanya terletak
pada keputusan penerimaan dan pengeluaran uang saja, melainkan juga terletak pada
perkembangan nasabah  yang telah dibantu dengan kredit dan lancarnya pengembalian pinjaman
sesuai dengan perjanjian yang telah disepakati. Dalam mengidentifikasi kredit, pihak pemberi
kredit (koperasi) perlu menentukan parameter yang akan digunakan dalam penilaian kelayakan
calon nasabah maupun untuk mengevaluasi kemampuan membayar nasabah yang sudah ada yaitu
dengan menggunakan sistem penilaian kredit untuk sektor usaha kecil dan menengah
Untuk mengelompokan nasabah berdasarkan kategori-kategori tersebut dibutuhkan
metode  Fuzzy C-Means Clustering.  Dengan metode ini dapat membantu admin untuk membagi
nasabah yang layak mendapat kredit atau tidak.
Kata kunci : Nasabah Koperasi Simpan Pinjam, Sistem pakar, Fuzzy C-Means Clustering
ABSTRACT
Savings and Loans Cooperatives act  as financial distribution to the public institutions. To
determine the level of success in the provision of credit, not only in the admissions decisions and
spending money, but also lies in the development of the customers who have assisted with the
smooth repayment of credit and loans in accordance with the agreement that has been agreed
upon. In identifying credit, the lender (cooperative) need to specify the parameters to be used in the
assessment of the feasibility of prospective customers and to evaluate the ability of existing
customers pay by using credit scoring system for small and medium enterprise sector
To classify customers based on the categories needed Fuzzy C-Means Clustering. With this
method can help administrators to divide the customer to get credit  or not.
Keywords  :  Savings and Loans Cooperatives  Customers, Expert Systems,  Fuzzy C-Means
Clustering