Penelitian ini bertujuan meningkatkan efisiensi
pengelolaan piutang iuran di BPJS Ketenagakerjaan KCP Karanganyar, mengatasi
masalah piutang tidak tertagih yang berdampak pada layanan jaminan sosial.
Fokus penelitian adalah penerapan data mining dengan metode K-means clustering
untuk mengoptimalkan penagihan dan merumuskan rekomendasi.
Landasan teori mencakup konsep data mining, khususnya
K-means clustering untuk identifikasi pola, serta definisi dan klasifikasi
piutang iuran BPJS Ketenagakerjaan. Metode penelitian kuantitatif digunakan,
dengan pengumpulan data observasi dan sekunder dari database internal BPJS
Ketenagakerjaan KCP Karanganyar (Jan-Des 2024). Analisis data dilakukan
menggunakan analisis deskriptif kuantitatif dan algoritma K-means clustering
melalui Orange Data Mining, melibatkan pre-processing, pemilihan atribut (jumlah
dan umur piutang), serta evaluasi menggunakan silhouette plot dan visualisasi
scatter plot.
Hasil penelitian menunjukkan K-means clustering
berhasil mengelompokkan piutang iuran ke dalam empat cluster berdasarkan jumlah
dan umur: piutang kecil-menengah bervariasi (C1), menengah-tua (C2), besar-muda
(C3), dan sangat besar-sangat muda (C4). Berdasarkan pengelompokan ini,
strategi penagihan disesuaikan untuk setiap cluster, dari otomatisasi hingga
pendekatan proaktif intensif. Kesimpulannya, penerapan data mining dengan
K-means clustering secara signifikan meningkatkan efisiensi penagihan, mengurangi
risiko gagal bayar, dan memperkuat hubungan dengan pemberi kerja, mendukung
keberlanjutan program jaminan sosial.
