PENGELOMPOKAN PENGGUNA GAGAL BAYAR PINJAMAN ONLINE PADA MEDIA SOSIAL TWITTER MENGGUNAKAN TF- IDF DAN K-MEANS CLUSTERING

Erfian  Junianto; Vini Shiva Salshabila

doi:10.33633/joins.v10i2.13652

Penulis

Erfian Junianto, S.T, M.Kom Adhirajasa Reswara Sanjaya University
Vini Shiva Salshabila ARS UNIVERSITY

DOI:

https://doi.org/10.33633/joins.v10i2.13652

Kata Kunci:

: Failed to pay, K-Means Clustering, Online Loans, Social Motives, TF-IDF, Twitter

Abstrak

Maraknya layanan pinjaman berani di Indonesia telah mempermudah akses keuangan tetapi juga menyebabkan peningkatan kasus gagal bayar. Kejadian ini tidak semata-mata dikaitkan dengan keterbatasan ekonomi pengguna, sehingga memerlukan eksplorasi yang lebih komprehensif tentang motif yang mendasarinya. Penelitian ini bertujuan untuk mengklasifikasikan motif di balik gagal bayar di kalangan pengguna pinjaman bold berdasarkan wacana publik di Twitter. Sebanyak 2.607 tweet berbahasa Indonesia dikumpulkan menggunakan metode crawling dengan token otorisasi dan alat tweet-harvest. Tahap data menjalani praproses teks—pelipatan kasus, tokenisasi, penghapusan stopword, dan vektorisasi menggunakan Term Frekuensi – Invers Dokumen Frekuensi (TF-IDF)—dilanjutkan dengan pengelompokan menggunakan algoritma K-Means. Metode Elbow menentukan empat klaster yang optimal. Temuan tersebut mengungkapkan empat tema dominan: tekanan ekonomi dan perilaku keuangan berisiko, promosi yang berputar, intimidasi penagih utang, dan gaya hidup konsumtif. TF-IDF dan K-Means efektif dalam mengekstraksi informasi yang tidak terstruktur dan mengelompokkan opini publik. Studi ini berkontribusi pada pemahaman perilaku default dan mendukung pengembangan sistem deteksi risiko sosial berbasis teks di masa depan.

Referensi

W. H. Susanto and A. F. Chawa, “Aksi Gagal Bayar pada Perusahaan Fintech,” JSSH (Jurnal Sains Sosial dan Humaniora), vol. 5, no. 1, p. 9, Apr. 2021, doi: 10.30595/jssh.v5i1.9305.

A. Werdayanti, “Jurnal Pendidikan Ekonomi,” Jurnal Pendidikan Ekonomi Vol 2 No.2 Juli, Tahun 2008, vol. 3, no. 2, pp. 79–92, 2023.

R. A. E. Wahyuni and B. E. Turisno, “Praktik Finansial Teknologi Ilegal Dalam Bentuk Pinjaman Online Ditinjau Dari Etika Bisnis,” Jurnal Pembangunan Hukum Indonesia, vol. 1, no. 3, pp. 379–391, 2019, doi: 10.14710/jphi.v1i3.379-391.

N. putu M. dewi P. Asti, “Upaya Hukum Otoritas Jasa Keuangan (OJK) dalam Mengatasi Layanan Pinjaman Online Ilegal,” Acta Comitas, vol. 5, no. 1, p. 111, Apr. 2020, doi: 10.24843/AC.2020.v05.i01.p10.

Z. Gustiana, “Exploration of Data Mining Techniques in Business Decision-Making,” Dharmawangsa: International Journal of the Social Sciences, Education and Humanitis, vol. 5, no. 2, pp. 103–112, 2024, doi: 10.46576/ijsseh.v5i2.4647.

C. Zhang, Y. Yang, W. Zhou, and S. Zhang, “Distributed Bayesian Matrix Decomposition for Big Data Mining and Clustering,” IEEE Trans Knowl Data Eng, vol. 34, no. 8, pp. 3701–3713, 2022, doi: 10.1109/TKDE.2020.3029582.

A. Pambudi, “Penerapan CRISP-DM Menggunakan MLR K-Fold Pada data Saham PT. Telkom Indonesia (Persero) TBK (TLKM) (Studi Kasus: Bursa Efek Indonesia Tahun 2015-2022),” Jurnal Data Mining dan Sistem Informasi, vol. 4, no. 1, p. 1, Mar. 2023, doi: 10.33365/jdmsi.v4i1.2462.

C. S. Octiva, T. I. Fajri, E. B. Sulistiarini, S. Suharjo, and U. W. Nuryanto, “Penggunaan Teknik Data Mining untuk Analisis Perilaku Pengguna pada Media Sosial,” Jurnal Minfo Polgan, vol. 13, no. 1, pp. 1074–1078, Jul. 2024, doi: 10.33395/jmp.v13i1.13936.

A. Ardhi Baskara, N. Maharani Piranti, and M. Fahrury Romdendine, “Framework Data Mining: Sebuah Survei,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 3, pp. 4886–4895, May 2025, doi: 10.36040/jati.v9i3.13803.

M. A. Hasanah, S. Soim, and A. S. Handayani, “Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir,” Journal of Applied Informatics and Computing, vol. 5, no. 2, pp. 103–108, 2021, doi: 10.30871/jaic.v5i2.3200.

Maulidya Prastita Syah, Ajeng Puspa Wardani, Mohammad Idhom, and Trimono, “Perbandingan Representasi Teks Tf-Idf Dan Bert Terhadap Akurasi Cosine Similarity Dalam Penilaian Otomatis Jawaban Berbasis Teks,” Data Sciences Indonesia (DSI), vol. 5, no. 1, pp. 47–59, Jul. 2025, doi: 10.47709/dsi.v5i1.6021.

H. Ma’rifah, A. Prasetya Wibawa, and M. I. Akbar, “Sains, Aplikasi, Komputasi dan Teknologi Informasi Klasifikasi artikel ilmiah dengan berbagai skenario preprocessing,” vol. 2, no. 2, p. 70, 2020.

N. Wakhidah, “Clustering Menggunakan K-Means Algorithm ( K-Means Algorithm Clustering ),” Fakultas Teknologi informasi, vol. 21, no. 1, pp. 70–80, 2014.

R. Sibarani and O. Omby, “Algorithma K-Means Clustering Strategi Pemasaran Penerimaan Mahasisswa Baru Universitas Satya Negara Indonesia,” Jurnal Algoritma, Logika dan Komputasi, vol. 1, no. 2, Nov. 2018, doi: 10.30813/j-alu.v1i2.1367.

B. Hakim, F. Joanda Kaunang, C. Susanto, J. Salim, and R. Indradjaja, “Implementasi Machine Learning Dalam Pengelompokan Musik Menggunakan Algoritma K-Means Clustering,” 2025. [Online]. Available: http://jom.fti.budiluhur.ac.id/index.php/IDEALIS/indexBhustomyHakim|http://jom.fti.budiluhur.ac.id/index.php/IDEALIS/index|

I. Herdiana, M. A. Kamal, Triyani, M. N. Estri, and Renny, “A More Precise Elbow Method for Optimum K-means Clustering,” pp. 1–22, 2025.

Y. Hasan, “Pengukuran Silhouette Score dan Davies-Bouldin Index Pada Hasil Cluster K-Means Dan DBSCAN,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3S1, Oct. 2024, doi: 10.23960/jitet.v12i3S1.5001.

P. Santoso, H. Abijono, and N. L. Anggreini, “Algoritma Supervised Learning dan Unsupervised Learning dalam Pengolahan DatA,” Unira Malang |, vol. 4, no. 2, 2021.

N. Hafidhoh, A. P. Atmaja, G. N. Syaifuddiin, I. B. Sumafta, S. M. Pratama, and H. N. Khasanah, “Machine Learning untuk Prediksi Kegagalan Mesin dalam Predictive Maintenance System,” Jurnal Masyarakat Informatika, vol. 15, no. 1, pp. 56–66, May 2024, doi: 10.14710/jmasif.15.1.63641.

R. G. Wardhana, G. Wang, and F. Sibuea, “Penerapan Machine Learning dalam Prediksi Tingkat Kasus Penyakit di Indonesia,” 2023.

I. Fitriyaningsih, Y. Basani, and L. M. Ginting, “Machine Learning: Prosperity of Rainfall, Water Discharge, and Flood With Web Application in Deli Serdang,” Jurnal Penelitian Komunikasi dan Opini Publik, vol. 22, no. 2, Dec. 2018, doi: 10.33299/jpkop.22.2.1752.

S. A. Azzahra, N. Wachid, and A. Majid, “Klasifikasi dan Analisis Semantik Cyberbullying Sosial Media X : Integrasi Web Scraping dan Natural Language Processing ( NLP ),” vol. 11, no. 2, pp. 353–360, 2025.

Badry Ali Mustofa and Wawan Laksito Yuly Saptomo, “Use of Natural Language Processing in Social Media Text Analysis,” Journal of Artificial Intelligence and Engineering Applications (JAIEA), vol. 4, no. 2, pp. 1235–1238, Feb. 2025, doi: 10.59934/jaiea.v4i2.875.

D. Choirinnisa et al., “LDA Topic Modeling: Twitter-Based Public Opinion on Indonesian Ministry of Finance,” Sinkron, vol. 9, no. 2, pp. 849–863, May 2025, doi: 10.33395/sinkron.v9i2.14719.

M. A. Rosid, A. S. Fitrani, I. R. I. Astutik, N. I. Mulloh, and H. A. Gozali, “Improving Text Preprocessing For Student Complaint Document Classification Using Sastrawi,” IOP Conf Ser Mater Sci Eng, vol. 874, no. 1, p. 012017, Jun. 2020, doi: 10.1088/1757-899X/874/1/012017.

S. Khairunnisa, A. Adiwijaya, and S. Al Faraby, “Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19),” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 2, p. 406, Apr. 2021, doi: 10.30865/mib.v5i2.2835.

M. Yusuf Ibrahim, “Kewenangan Otoritas Jasa Keuangan untuk Mengatasi Layanan Pinjaman Online Illegal,” FENOMENA, vol. 21, no. 2, p. 173, Nov. 2023, doi: 10.36841/fenomena.v21i2.3777.

R. Ani, E. Wahyuni, and E. Turisno, “Praktik Finansial Teknologi Ilegal dalam Bentuk Pinjaman Online Ditinjau Dari Etika Bisnis.”

“3777-97-20032-1-10-20240822”.

J. Z. Y. Arvante, “Dampak Permasalahan Pinjaman Online dan Perlindungan Hukum Bagi Konsumen Pinjaman Online,” Ikatan Penulis Mahasiswa Hukum Indonesia Law Journal, vol. 2, no. 1, pp. 73–87, 2022, doi: 10.15294/ipmhi.v2i1.53736.

N. I. Rahmahafida, “Perlindungan Hukum Pihak Pemberi Pinjaman pada Layanan Pinjaman Pendidikan Berbasis Teknologi Informasi terhadap Risiko Gagal Bayar,” Jurist-Diction, vol. 3, no. 2, p. 541, 2020, doi: 10.20473/jd.v3i2.18203.

M. A. Syahira and R. Kurniawan, “Analisis Sentimen Cyberbullying Pada Media Sosial X Menggunakan Metode Support Vector Machine,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 8, no. 3, p. 1724, Jul. 2024, doi: 10.30865/mib.v8i3.7926.

H. Ma’rifah, A. P. Wibawa, and M. I. Akbar, “Klasifikasi Artikel Ilmiah Dengan Berbagai Skenario Preprocessing,” Sains, Aplikasi, Komputasi dan Teknologi Informasi, vol. 2, no. 2, p. 70, Apr. 2020, doi: 10.30872/jsakti.v2i2.2681.

R. Rinandyaswara, Y. A. Sari, and M. T. Furqon, “Pembentukan Daftar Stopword Menggunakan Term Based Random Sampling Pada Analisis Sentimen Dengan Metode Naïve Bayes (Studi Kasus: Kuliah Daring Di Masa Pandemi),” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 9, no. 4, p. 717, Aug. 2022, doi: 10.25126/jtiik.2022934707.

R. S. Nurhalizah, R. Ardianto, and P. Purwono, “Analisis Supervised dan Unsupervised Learning pada Machine Learning: Systematic Literature Review,” Jurnal Ilmu Komputer dan Informatika, vol. 4, no. 1, pp. 61–72, 2024, doi: 10.54082/jiki.168.

B. Hakim, F. J. Kaunang, C. Susanto, J. Salim, and R. Indradjaja, “Implementasi Machine Learning dalam Pengelompokan Musik Menggunakan Algoritma K-Means Clustering,” IDEALIS : InDonEsiA journaL Information System, vol. 8, no. 1, pp. 74–83, Jan. 2025, doi: 10.36080/idealis.v8i1.3357.

E. Retnoningsih and R. Pramudita, “Mengenal Machine Learning Dengan Teknik Supervised Dan Unsupervised Learning Menggunakan Python,” Bina Insani Ict Journal, vol. 7, no. 2, p. 156, 2020, doi: 10.51211/biict.v7i2.1422.

“Prospect Theory: Decision Research ’A Branch Of Percep Iron Ics Dar ~ eI K:hn:man ii.”