Segmentasi Nasabah Bank Pada Data Campuran Menggunakan K-Means Clustering
DOI:
https://doi.org/10.30865/json.v6i3.8532Keywords:
Customer Segmentation, Mixed Data, K-Means Clustering,Abstract
In order to increase the extension of the use of Local Government Banks’s services, customer segmentation is crucial for banks to develop marketing strategies tailored to specific customer groups. While the RFM model is commonly used, enhancing service usage expansion requires data on customer transaction preferences, which are typically categorical in nature. Therefore, this study segments bank customers based on their transaction history, utilizing not only numerical data but also categorical data representing transaction preferences using K-Means Clustering. The clustering model effectively groups customers into four clusters with distinct characteristicsReferences
F. Rabbani, “Analisis Perbandingan Efisiensi Bank Pembangunan Daerah dan Unit Usaha Syariah BPD Sebelum dan Sesudah Penerapan BPD Regional Champion (BRC) dengan Metode Data Envelopment Analysis (DEA).,” 2014. [Online]. Tersedia: https://repository.uinjkt.ac.id/dspace/handle/123456789/25078
K. Tsiptsis dan A. Chorianopoulos, “Teknik Penambangan Data dalam CRM: Segmentasi Pelanggan Internal,” Januari 2010, doi: 10.1002/9780470685815.ch7.
AJ Christy, A. Umamakeswari, L. Priyatharsini, dan A. Neyaa, “Peringkat RFM – Pendekatan efektif untuk segmentasi pelanggan,”J. King Saud Univ. - Ilmu Komputer Inf., jilid. 33, tidak. 10, hal. 1251–1257, 2021, doi: https://doi.org/10.1016/j.jksuci.2018.09.004.
A. Cuce, “Analisis Data dalam Segmentasi Pelanggan dan Metode RFM UNIVERSITAS TEKNIS ISTANBUL? FAKULTAS MANAJEMEN B.Sc. TESIS Eda T?RYAK? Jurusan Teknik Industri JUNI 2022,” no. September, 2022, doi: 10.13140/RG.2.2.28067.94244.
AM Ikotun, AE Ezugwu, L. Abualigah, B. Abuhaija, dan J. Heming, “Algoritma pengelompokan K-means: Tinjauan komprehensif, analisis varian, dan kemajuan di era data besar,”Inf. Sains (Ny)., jilid. 622, hlm. 178–210, 2023, doi: https://doi.org/10.1016/j.ins.2022.11.139.
RJ Kuo, M. Alfareza, dan T. Nguyen, “Algoritma fuzzy c-means kemungkinan puncak kepadatan berbasis genetik untuk analisis klaster- studi kasus pada segmentasi pelanggan,”Eng. Sci. Technol. dan Int. J., vol. 47, hal. 101525, November 2023, doi: 10.1016/j.jestch.2023.101525.
H. Chen, L. Zhang, X. Chu, dan B. Yan, “Segmentasi pelanggan ponsel pintar berdasarkan pola penggunaan,”Teknik Informatika Lanjutan, jilid. 42, hal. 101000, 2019, doi: https://doi.org/10.1016/j.aei.2019.101000.
C. Wang, “Segmentasi pelanggan yang efisien dalam pemasaran digital menggunakan pembelajaran mendalam dengan pendekatan kecerdasan kelompok,”Inf. Proses. Kelola., jilid. 59, tidak. 6, hal. 103085, 2022, doi: https://doi.org/10.1016/j.ipm.2022.103085.
C. Rungruang, P. Riyapan, A. Intarasit, K. Chuarkham, dan J. Muangprathub, “Segmentasi pelanggan model RFM berdasarkan pendekatan hierarkis menggunakan FCA,”Aplikasi Sistem Pakar, jilid. 237, hal. 121449, 2024, doi: https://doi.org/10.1016/j.eswa.2023.121449.
J. Zhou, J. Wei, dan B. Xu, “Segmentasi pelanggan dengan penambangan konten web,”J. Ritel. Konsumsi. Layanan., vol. 61, no. Maret, hal. 102588, 2021, doi: 10.1016/j.jretconser.2021.102588.
S. Ghoreishi, “Segmentasi Pelanggan Berdasarkan GRFM: Studi Kasus,” vol. 9, no. 1, hlm. 1–6, 2019.
Z. Li, Y. Zhao, X. Hu, N. Botta, C. Ionescu, dan GH Chen, “ECOD: Deteksi Outlier Tanpa Pengawasan Menggunakan Fungsi Distribusi Kumulatif Empiris,”IEEE Trans. Pengetahuan. Teknik Data., jilid. 35, tidak. 12, hal. 12181–12193, 2023, doi: 10.1109/TKDE.2022.3159580.
IF Ashari, E. Dwi Nugroho, R. Baraku, I. Novri Yanda, dan R. Liwardana, “Analisis Elbow, Silhouette, Davies-Bouldin, Calinski-Harabasz, dan Evaluasi Rand-Index pada Algoritma K-Means untuk Klasifikasi Daerah Terdampak Banjir di Jakarta,”J. Aplikasi Informatika Komputer., vol. 7, no. 1, hlm. 89–97, 2023, doi: 10.30871/jaic.v7i1.4947.
E. Luthfi dan AW Wijayanto, “Analisis Perbandingan Metode Hirearchical, K-Means, dan K-Medoids Clustering Dalam Pengelompokkan Indeks Pembangunan Manusia Indonesia Analisis Komparatif Hirearchical, K-Means, dan K-Medoids Clustering serta Metode Pengelompokan Manusia di Indonesia,”Inovasi, vol. 17, no. 4, hal. 761–773, 2021.
PJ Rousseeuw, “Siluet: Bantuan grafis untuk interpretasi dan validasi analisis klaster,”J. Komputasi. Aplikasi. Matematika., vol. 20, no. C, hal. 53–65, 1987, doi: 10.1016/0377-0427(87)90125-7.
S. Raschka, “Menerapkan Analisis Komponen Utama.” Diakses: 06 Juni 2024. [Online]. Tersedia: https://sebastianraschka.com/Articles/2014_pca_step_by_step.html
