Analisis Segmentasi Frekuensi Transaksi ATM Dengan K-Means Clustering Pada Bank BJB Kantor Cabang Tasikmalaya

Analisis Segmentasi Frekuensi Transaksi ATM Dengan K-Means Clustering Pada Bank BJB Kantor Cabang Tasikmalaya

• By Ruhimat Dede;
• Skripsi
• 8
• 1-68

Dalam era digital, teknologi memainkan peran penting dalam perbankan untuk meningkatkan efisiensi dan pelayanan. Penelitian ini membahas tentang segementasi nasabah Bank BJB Kantor Cabang Tasikmalaya menggunakan metode K-Means Clustering untuk mengelompokkan data transaksi ATM guna memahami perilaku nasabah dan menyusun strategi pelayanan yang lebih baik. Proses penelitian meliputi pengumpulan data, preprocessing, cleaning, transformasi, clustering, dan analisis hasil. Data transaksi ATM dianalisis dan dikelompokkan menjadi empat klaster dengan karakteristik berbeda. Metode Elbow dan Silhouette Score digunakan untuk evaluasi dan validasi, menunjukkan segmentasi yang berkualitas. Visualisasi dengan PCA membantu interpretasi distribusi dan karakteristik setiap klaster. Hasil segmentasi ini dapat membantu Bank BJB mengembangkan program loyalitas untuk nasabah dengan frekuensi transaksi tinggi dan kampanye edukasi untuk nasabah dengan frekuensi transaksi rendah. Secara keseluruhan, penelitian ini memberikan wawasan penting bagi Bank BJB untuk memahami perilaku nasabah, mengoptimalkan operasional, dan meningkatkan kepuasan nasabah melalui layanan yang lebih personal dan efisien. Dengan K-Means Clustering, Bank BJB dapat meningkatkan pengelolaan dan pelayanan nasabah di era digital.

• Katakunci
• URL http://
• Penerbit ,

REFERENSI

Ahsina, N., Fatimah, F., & Rachmawati, F. (2022). Analisis Segmentasi Pelanggan Bank Berdasarkan Pengambilan Kredit Dengan Menggunakan Metode K-Means Clustering. Jurnal Ilmiah Teknologi Infomasi Terapan, 8(3). https://doi.org/10.33197/jitter.vol8.iss3.2022.883

Alifudin, M. Z., & Zamrozi, M. Y. (2021). Strategi Segmentasi Pasar Untuk Peningkatan Jumlah Nasabah Di Bmt Sidogiri Capem Sempu. Jurnal Ekonomi Syariah Darussalam, 2(I), 274538407.

Ariawan, M. P. A., Peling, I. B. A., & Subiksa, G. B. (2023). Prediksi Nilai Akhir Matakuliah Mahasiswa Menggunakan Metode K-Means Clustering (Studi Kasus/: Matakuliah Pemrograman Dasar). Jurnal Nasional Teknologi Dan Sistem                              Informasi,                  9(2),     1223131.

https://doi.org/10.25077/teknosi.v9i2.2023.122-131

Awalina, E. F. L., & Rahayu, W. I. (2023). Optimalisasi Strategi Pemasaran dengan Segmentasi Pelanggan Menggunakan Penerapan K-Means Clustering pada Transaksi Online Retail. Jurnal Teknologi Dan Informasi, 13(2), 1223137. https://doi.org/10.34010/jati.v13i2.10090

Buntoro, G. A. (2020). Penyakit Tbc Dengan Metode K-Means Clustering Menggunakan Aplikasi. Jurnal Teknologi Rekayasa, 5, 1310.

Butsianto, S., & Mayangwulan, N. T. (2020). Penerapan Data Mining Untuk Prediksi Penjualan Mobil Menggunakan Metode K-Means Clustering. Jurnal Nasional Komputasi Dan Teknologi Informasi (JNKTI), 3(3), 1873201.

https://doi.org/10.32672/jnkti.v3i3.2428

Dewi, F. P., Aryni, P. S., & Umaidah, Y. (2022). Implementasi Algoritma K-Means Clustering Seleksi Siswa Berprestasi Berdasarkan Keaktifan dalam Proses Pembelajaran. JISKA (Jurnal Informatika Sunan Kalijaga), 7(2), 1113121. https://doi.org/10.14421/jiska.2022.7.2.111-121

Fernanda, M. R. A., Sokibi, P., & Fahrudin, R. (2021). Sistem Prediksi Ketepatan Kelulusan Mahasiswa Berdasarkan Data Akademik Dan Non Akademik Menggunakan Metode K-Means (Studi Kasus/: Universitas Catur Insan Cendekia). Jurnal Digit, 11(1), 89. https://doi.org/10.51920/jd.v11i1.182

Gata, W., Surohman, S., & Nawawi, H. M. (2023). Twitter in analysis of policy sentiments of the omnibus law work creative design. AIP Conference Proceedings, 2714(September 2011). https://doi.org/10.1063/5.0128546

Halik, M. F. Al, & Septiana, L. (2022). Analisa Data Untuk Prediksi Daerah Rawan Bencana Alam Di Jawa Barat Menggunakan Algoritma K-Means Clustering. Journal of Information System, Applied, Management, Accounting and Research, 6(4), 8563870. https://doi.org/10.52362/jisamar.v6i4.939

Hidayatullah, A., & Berliana, A. (2023). Workshop Pengenalan Dasar Pemrograman Python Dengan Google Colaboratory. Prosiding ABDIMAS CORISINDO 2023, 65370.

Indiani, N. Al, Santoso, K. A., & Anggraeni, D. (2022). Penentuan Lokasi Atm Bank Syariah Indonesia Di Wilayah Jember Kota Menggunakan K-Means Clustering. UNEJ             E-Proceeding,      23,                     68379.                        Retrieved from https://jurnal.unej.ac.id/index.php/prosiding/article/view/33496

Izzah, L. 8, & Jananto, A. (2022). Penerapan Algoritma K-Means Clustering Untuk Perencanaan Kebutuhan Obat Di Klinik Citra Medika. Progresif: Jurnal Ilmiah Komputer, 18(1), 69. https://doi.org/10.35889/progresif.v18i1.769

Kirman, K., & Kurniawan, F. (2023). Implementasi Metode Kruskal dan Open Street Map Pada Pencarian Lokasi Anjungan Tunai Mandiri (ATM) Kota Bengkulu. Journal of Technopreneurship and Information System (JTIS), 6(3), 67373.

https://doi.org/10.36085/jtis.v6i3.5928

Kurniawan, R., Defit, S., & Sumijan, S. (2020). Prediksi Tingkat Kerugian Peternak Akibat Penyakit pada Sapi Menggunakan Algoritma K-Means Clustering. Jurnal Informasi Dan Teknologi, 3. https://doi.org/10.37034/jidt.v3i1.87

Mulia, S. W., Sujiharno, S., & Wibowo, A. (2021). Implementasi Algoritma Naive Bayes Untuk Memprediksi Frekuensi Tunai Pada Mesin Atm Di Masa Transisi Pembatasan Sosial Berskala Besar (Psbb) Pandemi Covid-19. SINTECH (Science and Information Technology) Journal, 4(1), 47352. https://doi.org/10.31598/sintechjournal.v4i1.622

Prabiantissa, C. N., & Yuliastuti, G. E. (2021). Prediksi Pergerakan Ikan Di Pesisir Pulau Madura Menggunakan Metode Gaussian Mixture Model Dan K-Means Clustering. Jurnal Teknologi Informasi Dan Terapan, 8(2), 1213128.

https://doi.org/10.25047/jtit.v8i2.244

Prasatya, A., Siregar, R. R. A., & Arianto, R. (2020). Penerapan Metode K-Means Dan C4.5 Untuk Prediksi Penderita Diabetes. Petir, 13(1), 863100.

https://doi.org/10.33322/petir.v13i1.925

Priyatman, H., Sajid, F., & Haldivany, D. (2019). Klasterisasi Menggunakan Algoritma K-Means Clustering untuk Memprediksi Waktu Kelulusan Mahasiswa. Jurnal Edukasi Dan Penelitian Informatika, 5(1), 62366.

Purba, W., Siawin, W., & Hardi, H. (2019). Implementasi Data Mining Untuk Pengelompokkan Dan Prediksi Karyawan Yang Berpotensi Phk Dengan Algoritma K-Means Clustering. Jurnal Sistem Informasi Dan Ilmu Komputer Prima(JUSIKOM          PRIMA),                2(2), 85390.

https://doi.org/10.34012/jusikom.v2i2.429

Sagala, R. M. (2021). Prediksi Kelulusan Mahasiswa Menggunakan Data Mining Algoritma K-Means.                                TeIKa,                    11(2),                 1313142.

https://doi.org/10.36342/teika.v11i2.2610

Sari, R. M., Tasril, V., & M, Y. A. (2020). Prediksi Jumlah APBD Kota Payakumbuh dengan Metode K-Means. IPTEKS Terapan, 14(1), 45350.

Sovia, R., Mandala, E. P. W., & Mardhiah, S. (2020). Algoritma K-Means dalam Pemilihan Siswa Berprestasi dan Metode SAW untuk Prediksi Penerima Beasiswa Berprestasi. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 6(2), 181. https://doi.org/10.26418/jp.v6i2.37759

Wicaksono, D. W., & Hartono, B. (2024). Analisis Sentimen Twitter Terhadap Kualitas Udara Jakarta Menggunakan Metode NBC. JURNAL ILMIAH ELEKTRONIKA DAN KOMPUTER, 17(1), 1033110.