<![CDATA[Segmentasi nasabah kartu kredit penting untuk optimasi strategi pemasaran dan personalisasi layanan. Penelitian ini mengusulkan sistem segmentasi nasabah berdasarkan pola transaksi, yaitu frekuensi dan nilai transaksi, menggunakan algoritma K-Means Clustering. Dataset dari Kaggle, yang telah melalui tahap preprocessing, digunakan untuk mengidentifikasi cluster optimal. Metode Elbow dan Silhouette digunakan untuk menentukan jumlah cluster, dan keduanya mengindikasikan jumlah cluster optimal sebanyak 3, dengan titik siku pada grafik inersia di k=3 dan skor Silhouette tertinggi juga di k=3. Hasilnya, terdapat tiga cluster nasabah: nasabah aktif tarik tunai (ditandai dengan tingginya penggunaan cash advance), nasabah pasif (dengan frekuensi dan nilai transaksi rendah), dan nasabah aktif transaksi pembelian (dengan aktivitas pembelian tinggi dan penggunaan cash advance rendah). K-Means terbukti efektif dalam membagi nasabah menjadi tiga cluster berbeda ini. Segmentasi ini memungkinkan strategi pemasaran yang lebih tertarget, seperti penawaran produk finansial yang relevan untuk setiap cluster, dan pada akhirnya dapat meningkatkan kepuasan nasabah serta profitabilitas.]]>
Copyrights © 2025
