| Abstract | ABSTRACT. Technology advances have changed how Indonesia's finances and payment systems are managed. This is supported by the accelerated digitalization of regional financial transactions promoted by the government. UMKM is the largest economic entity group supporting Indonesia's economic activities. The introduction of QRIS for UMKM under the regional digitization program will further digitize transactions. However, according to Bank Indonesia data, the use of QRIS as a form of regional digitalization is not evenly distributed across different regions. Therefore, to provide a fair opportunity for QRIS usage among merchants in each district/city, district/city data based on QRIS transaction volume achieved by merchants using clustering techniques can be used to be grouped into clusters. Clustering techniques can be performed using the K-means method. In this report, clusters are categorized into two characteristics. Cluster 1 has six members with a high average number of transactions in the former Pekalongan residential area, and Cluster 2 has one with a low average number of transactions.Keywords: K-Means Clustering, Merchant, QRIS, Financial Transactions. ABSTRAK. Kemajuan teknologi telah mengubah cara mengelola keuangan dan sistem pembayaran di Indonesia. Hal ini didukung dengan adanya percepatan implementasi digitalisasi transaksi keuangan daerah yang dicanangkan oleh pemerintah. UMKM menjadi kelompok pelaku ekonomi terbesar yang menyokong aktivitas perekonomian Indonesia. Digitalisasi transaksi juga terus didorong dengan diperkenalkannya QRIS pada UMKM dalam program elektronifikasi daerah. Namun, berdasarkan data Bank Indonesia penggunaan QRIS sebagai salah satu bentuk elektronifikasi daerah belum merata di berbagai daerah. Oleh karena itu, pengelompokan dalam cluster menggunakan data kabupaten/kota berdasarkan volume capaian transaksi QRIS pada merchant dengan teknik clustering diperlukan untuk melihat peluang pemerataan penggunaan QRIS pada merchant yang ada di masing-masing kabupaten/kota. Teknik clustering dapat dilakukan dengan metode K-means. Pada laporan ini cluster dibagi menjadi dua dengan karakteristik masing-masing, yaitu cluster 1 memiliki enam anggota dengan transaksi rata-rata tinggi dan cluster 2 memiliki satu anggota dengan transaksi rata-rata rendah di daerah eks-Keresidenan Pekalongan.Kata Kunci: K-Means Clustering, Merchant, QRIS, Transaksi Keuangan. |
|---|