Anisah Rizkina (2025) SEGMENTASI PELANGGAN BERBASIS MACHINE LEARNING DENGAN METODE KLASTERING K-MEANS UNTUK STRATEGI PEMASARAN EFEKTIF. PROGRAM STUDI SARJANA TEKNOLOGI INFORMASI FAKULTAS SAINS & TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2025.
![]() |
Text
Anisah Rizkina_11203362110059(1) - Anisah Rizkina.docx Download (5MB) |
Abstract
Pertumbuhan transaksi kartu kredit yang pesat menuntut perusahaan untuk memahami perilaku pelanggan secara lebih akurat guna meningkatkan efektivitas strategi pemasaran dan manajemen risiko. Penelitian dibuat bertujuan untuk mengidentifikasi pola perilaku pelanggan kartu kredit dan melakukan segmentasi berbasis machine learning menggunakan algoritma Klastering K-Means. Data yang digunakan berupa dataset sekunder dari 8950 pelanggan aktif dengan 18 variabel perilaku. Hasil segmentasi membentuk empat klaster: Klaster 0 (Pelanggan Transaksional Konsisten), Klaster 1 (Pelanggan Tunai), Klaster 2 (Pelanggan Pasif), dan Klaster 3 (Pelanggan Aktif dan Bertanggung Jawab). Masing-masing klaster menunjukkan pola perilaku unik terkait frekuensi transaksi, penggunaan cash advance, dan pembayaran minimum. Temuan ini menjadi dasar dalam merancang strategi pemasaran yang personal dan efisien serta mendukung pengelolaan risiko kredit yang lebih tepat sasaran. Penelitian ini membuktikan bahwa metode K-Means efektif dalam menghasilkan segmentasi pelanggan yang aplikatif dan mendukung pengambilan keputusan berbasis data.
Item Type: | Skripsi |
---|---|
Kata Kunci Tidak Terkontrol: | segmentasi pelanggan; machine learning; K-Means; kartu kredit; strategi pemasaran |
Subjects: | T Technology > T Technology (General) |
Fakultas: | FAKULTAS SAINS DAN TEKNOLOGI |
Pengguna Penyetoran: | Rahman Perpustakaan UNISM |
Tanggal Setoran: | 11 Sep 2025 02:55 |
Last Modified: | 11 Sep 2025 02:55 |
URI: | http://repository.unism.ac.id/id/eprint/3840 |
Actions (login required)
![]() |
View Item |