<![CDATA[Perkembangan layanan Payment Point Online Bank (PPOB) telah mendorong peningkatan signifikan pada volume dan kompleksitas data transaksi digital yang dihasilkan. Algoritma K-Means merupakan salah satu metode clustering yang paling banyak digunakan karena kesederhanaan, efisiensi komputasi, dan kemampuannya dalam menangani data berskala besar. Tujuan penelitian adalah mengelompokkan data transaksi PPOB secara optimal menggunakan kombinasi algoritma K-Means dan Fuzzy C-Means (FCM) serta mengevaluasi kualitas cluster berdasarkan validitas cluster. Data yang digunakan dalam penelitian ini merupakan data transaksi Payment Point Online Bank (PPOB) periode Januari 2024 yang diolah menggunakan Google Colaboratory (Google Colab). Data tersimpan dalam format CSV dan berisi informasi transaksi yang dilakukan oleh berbagai loket PPOB dengan jumlah data: 498.853 data transaksi. Penerapan metode Fuzzy C-Means memberikan hasil yang lebih sesuai karena mampu merepresentasikan derajat keanggotaan ganda pada loket-loket yang berada di zona transisi antar cluster. Keberadaan zona transisi tersebut membuktikan bahwa pendekatan Fuzzy lebih tepat digunakan dalam konteks bisnis PPOB yang dinamis, di mana performa loket dapat berubah seiring waktu dan tidak selalu berada pada kategori yang bersifat mutlak.]]>
Copyrights © 2026
