ABSTRAK

Setiap Bank memiliki layanan berupa peminjaman modal kepada nasabah dengan jumlah nominal yang tidak sedikit, sehingga untuk pengembalian modal dapat dilakukan dengan lancar berdasarkan analisa likuiditas maka untuk mencegah diperlukan clustering. Clustering merupakan salah satu metode dalam menyelesaikan masalah ini. K-means sendiri merupakan algoritma pengelompokan yang sederhana serta popular dalam masalah clustering, dan untuk meningkatkannya maka perlu di perkuat dengan slovin sebagai margin of error dalam menggunakan sampel. Sampel sendiri adalah bagian dari populasi yang digunakan untuk menyimpulkan, atau menggambarkan populasi, pemilihan sample dengan metode yang tepat, dapat menggambarkan kondisi populasi yang sesungguhnya yang akurat dan dapat menghemat biaya penelitian secara efektif. Sistem penentuan strategi ini dapat menerapkan metode data mining algoritma K- Means Clustering yaitu dengan mempartisi data yang ada ke dalam bentuk satu atau lebih. Cluster atau dapat dikatakan memiliki tujuan untuk membagi data menjadi beberapa kelompok yang berfokus kepada berdasarkan likuiditas dengan hasil cluster 1 mencapai titik centroid 32,216 dan centoid 2 mencapai titik 85,333. Sehingga bisa di identifikasikan terbagi ke dalam dua cluster.