ANALISIS SEGMENTASI PELANGGAN BANK BERDASARKAN PENGAMBILAN KREDIT DENGAN MENGGUNAKAN METODE K-MEANS CLUSTERING

Abstrak

Untuk mengoptimalkan pembiayaan suatu perusahaan, analisis segmentasi pelanggan ditujukan agar penawaran pembiayaan tepat sasaran. Segmentasi pelanggan sering kali menggunakan algoritma K-means Clustering sebagai metode untuk membantu dalam pengelompokan menjadi beberapa klaster sehingga mendapatkan visualisasi data yang signifikan hasilnya. Algoritma K-means Clustering merupakan salah satu dari teknik data mining yang dapat membagi data dalam suatu himpunan ke dalam beberapa kelompok yang mana kesamaan data dalam suatu kelompok lebih besar dibandingkan kesamaan data tersebut dengan data dalam kelompok lain. Penentuan jumlah cluster terbaik bisa dilakukan berdasarkan metode elbow. Berdasarkan metode elbow 4 cluster adalah cluster terbaik dari semua kemungkinan cluster. Hasil dari k-means clustering dari 1000 data yang ada didapat jumlah dari cluster 1 dengan jumlah 286 nasabah dengan presentase 28,6% , cluster 2 dengan jumlah 130 nasabah dengan presentase 13%, cluster 3 dengan jumlah terbesar yaitu 542 nasabah dengan presentase 54,2% , dan cluster 4 memiliki jumlah sebaran terendah yaitu 42 nasabah dengan presentase 4,2% dari total keseluruhan data.