Penelitian ini bertujuan untuk menganalisis dan mengidentifikasi karakteristik perilaku transaksi nasabah serta melakukan segmentasi nasabah menggunakan pendekatan Recency, Frequency, Monetary (RFM) dan algoritma K-Means Clustering. Penelitian ini menggunakan metodologi Cross-Industry Standard Process for Data Mining (CRISP-DM) dengan data awal sebanyak 6.001 transaksi selama periode Januari hingga Desember 2025. Setelah dilakukan pembersihan data dengan menghapus transaksi yang tidak merepresentasikan aktivitas nasabah, diperoleh 772 nasabah yang selanjutnya dihitung nilai Recency, Frequency, dan Monetary sebagai dasar proses clustering. Penentuan jumlah cluster dilakukan menggunakan Elbow Method, kemudian kualitas hasil clustering dievaluasi menggunakan Silhouette Score dan Davies-Bouldin Index. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah tiga cluster (K=3) yang terdiri atas Champions sebanyak 86 nasabah, Potential Loyal sebanyak 194 nasabah, dan Dormant sebanyak 492 nasabah, dengan nilai Silhouette Score sebesar 0,7254 dan Davies-Bouldin Index sebesar 0,4069 yang menunjukkan kualitas cluster yang baik. Selain menghasilkan segmentasi perilaku transaksi nasabah, penelitian ini juga memberikan business insight berupa rekomendasi pengelolaan saldo operasional, kesiapan uang tunai, serta pengaturan pelayanan berdasarkan pola transaksi historis sehingga dapat mendukung pengambilan keputusan operasional berbasis data pada Agen BRILink Kenzo.

S12575

INF 0097 2026

Bekasi

Tersedia