PENERAPAN K-MEANS DAN K-MEDOIDS CLUSTERING PADA DATA INTERNET BANKING DI BANK XYZ

Abstract

Peningkatan jumlah pengguna Internet Banking berdampak pada semakin banyaknya data transaksi bank. Data tersebut bisa dimanfaatkan sebaik mungkin oleh bank. Salah satu caranya adalah menerapkan salah satu teknik data mining, yakni metode clustering. Tujuan penelitian ini adalah menerapkan metode clustering pada data transaksi Internet Banking untuk segmentasi customer sehingga dapat membantu pihak pemasaran bank. Metode penelitian mengacu pada metode knowledge discovery. Pada penelitian ini, diterapkan metode unsupervised learning, yakni clustering untuk mensegmentasi customer. Hasil penelitian menunjukkan bahwa nilai k yang paling optimal pada k-means adalah 3 dengan nilai average within centroid distance (W) sebesar 35.241. Sedangkan untuk k-medoids, nilai k yang paling optimal adalah 3 dengan nilai average within centroid distance (W) sebesar 88.849. Algoritme k-means memiliki performa yang lebih baik daripada k-medoids, baik dari sisi nilai average within centroid distance dan kompleksitas waktu.

Kata kunci: clustering, data mining, transaksi internet banking