ABSTRAK
ANALISIS SEGMENTASI PELANGGAN BANK BERDASARKAN
PENGAMBILAN KREDIT DENGAN MENGGUNAKAN METODE K
MEANS CLUSTERING. Untuk mengoptimalkan pembiayaan suatu perusahaan,
analisis segmentasi pelanggan ditujukan agar penawaran pembiayaan tepat sasaran.
Segmentasi pelanggan sering kali menggunakan algoritma K-means Clustering
sebagai metode untuk membantu dalam pengelompokan menjadi beberapa klaster
sehingga mendapatkan visualisasi data yang signifikan hasilnya. Algoritma K
means Clustering merupakan salah satu dari teknik Data Mining yang dapat
membagi data dalam suatu himpunan ke dalam beberapa kelompok yang mana
kesamaan data dalam suatu kelompok lebih besar dibandingkan kesamaan data
tersebut dengan data dalam kelompok lain. Penentuan jumlah cluster terbaik bisa
dilakukan berdasarkan metode elbow. Berdasarkan metode elbow 4 cluster adalah
cluster terbaik dari semua kemungkinan cluster. Hasil dari k-means clustering dari
1000 data yang ada didapat jumlah cluster 1 dengan jumlah 371 pelanggan dengan
presentase 37,1% , cluster 2 dengan jumlah 133 pelanggan dengan presentase
13,3%, cluster 3 dengan jumlah terbesar yaitu 211 pelanggan dengan presentase
21,1% , dan cluster 4 memiliki jumlah sebaran terendah yaitu 285 pelanggan
dengan presentase 28,5 ?ri total keseluruhan data .
Kata kunci : Segmentasi Pelanggan, K-Means Clustering, Metode Elbow, Data
Mining