SEGMENTASI NASABAH BANK MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING DAN VISUALISASI DINAMIS DENGAN STREAMLIT

Permaslahan dalam penelitian ini adalah, industri perbankan menghadapi persaingan yang semakin ketat, mendorong bank untuk mengembangkan strategi pemasaran yang efektif guna menarik dan mempertahankan nasabah. Segmentasi pasar merupakan salah satu strategi yang digunakan untuk mengidentifikasi dan mengelompokkan nasabah berdasarkan karakteristik tertentu, dengan tujuan meningkatkan efisiensi pemasaran dan penawaran produk yang tepat sasaran.
Penelitian ini bertujuan untuk mengimplementasikan algoritma K-Means Clustering dalam segmentasi nasabah bank, mengembangkan aplikasi web interaktif menggunakan Streamlit untuk visualisasi hasil segmentasi, serta menyediakan alat bantu analisis yang memudahkan bank dalam menginterpretasikan hasil segmentasi dan mengambil keputusan strategis. Dalam penelitian ini, data nasabah bank yang mencakup informasi demografi, jumlah kredit, dan lama kredit dianalisis menggunakan algoritma K-Means Clustering
untuk mengelompokkan nasabah ke dalam beberapa klaster berdasarkan kemiripan karakteristik. . Dengan batasan yang diterapkan, yaitu menggunakan data nasabah dari satu bank dan tidak mempertimbangkan faktor eksternal lainnya, penelitian ini memberikan kontribusi penting dalam penerapan teknik data mining dan pengembangan aplikasi visualisasi interaktif untuk meningkatkan strategi pemasaran di industri perbankan. Hasil penelitian menunjukkan bahwa algoritma
K-Means Clustering efektif dalam mengelompokkan nasabah bank ke dalam klaster yang berbeda, berdasarkan karakteristik yang relevan. Hasil segmentasi tersebut kemudian divisualisasikan dalam bentuk dashboard interaktif menggunakan Streamlit, sehingga memudahkan pihak bank untuk memahami dan menganalisis hasil segmentasi secara lebih intuitif.
Kata kunci: K-Means Clustering, segmentasi nasabah bank, Streamlit, data mining