<![CDATA[Perkembangan di bidang teknologi informasi telah meningkatkan penggunaan data untuk membantu proses pengambilan keputusan dalam industri perbankan. Salah satu aplikasinya adalah dalam segmentasi pelanggan untuk memperoleh pemahaman yang lebih mendalam mengenai karakteristik nasabah. Tujuan dari penelitian ini adalah untuk menerapkan algoritma K-Medoids dalam melakukan segmentasi nasabah menggunakan Dataset Bank Marketing. Proses penelitian mencakup pembersihan data, pemilihan fitur, transformasi logaritmik, normalisasi dengan StandardScaler, reduksi dimensi melalui Principal Component Analysis (PCA), proses pengelompokan dengan K-Medoids, dan evaluasi menggunakan Silhouette Score. Hasil dari pengujian mengindikasikan bahwa jumlah kluster yang paling optimal diperoleh pada K=2, dengan nilai Silhouette Score sebesar 0,6423, yang menunjukkan bahwa kualitas kluster tersebut cukup baik. Proses pengelompokan ini berhasil mengkategorikan nasabah ke dalam dua kelompok utama yang didasarkan pada karakteristik keuangan dan riwayat interaksi pemasaran. Perbedaan karakteristik antara kluster menyiratkan bahwa atribut balance, duration, pdays, dan previous berkontribusi dalam pembentukan kelompok nasabah. Temuan dari penelitian ini menegaskan bahwa algoritma K-Medoids merupakan alat yang efisien untuk segmentasi nasabah dan dapat membantu dalam merancang strategi pemasaran yang lebih terarah di sektor perbankan.]]>
Copyrights © 2026
