PENGEMBANGAN SISTEM PENILAIAN KINERJA ENVIRONMENTAL, SOCIAL, AND GOVERNANCE (ESG) BERBASIS K-MEANS CLUSTERING DENGAN PENDEKATAN BEST-IN-CLASS

Evaluasi kinerja Environmental, Social, and Governance (ESG) lintas sektor menghadapi tantangan bias sektoral akibat perbedaan karakteristik operasional antar industri. Penelitian ini mengembangkan sistem penilaian ESG berbasis web bernama UNBEESG yang mengintegrasikan pembobotan Katadata ESG Index (KESGI) 2025 dengan K-Means Intra-Sector Clustering untuk menghasilkan klasifikasi best-in-class yang bebas dari bias sektoral. K-Means dipilih sebagai algoritma utama karena menempatkan setiap perusahaan tepat ke satu klaster tanpa tumpang tindih, menghasilkan hasil yang konsisten, dan mudah dijelaskan melalui centroid yang merepresentasikan rata-rata skor anggotanya. Nilai k sama dengan 3 ditetapkan dengan mengambil referensi kelas dari pemeringkatan ESG internasional, yaitu MSCI ESG Ratings yang mengkategorikan perusahaan menjadi Leaders, Average, dan Laggards. Sistem dibangun menggunakan arsitektur Flask REST API dan Vue.js 3 dengan pipeline penskoran meliputi konversi kategorik, revenue normalization, normalisasi Min-Max, agregasi sub-aspek, dan pembobotan KESGI diferensial. Klasterisasi dilakukan secara terpisah per sektor dalam mode 1D per pilar dan 3D gabungan, dengan tiga algoritma pembanding (Agglomerative, DBSCAN, GMM) sebagai validasi. Interpretabilitas model dijamin melalui integrasi SHAP (SHapley Additive exPlanations). Pengujian validasi konsistensi penskoran menggunakan studi kasus PT Vale Indonesia Tbk 2024 menunjukkan kecocokan 100 persen dengan perhitungan manual Excel (skor KESGI 85,13 selisih 0,00). Evaluasi kualitas klaster menghasilkan Silhouette Score 0,47 sampai 0,74 yang mengindikasikan pemisahan klaster bermakna. Sistem berhasil mengklasifikasikan perusahaan ke dalam tiga klaster dengan persona korporat ESG dan dashboard interaktif.