VISUALISASI SEGMENTASI FITUR ATM MENGGUNAKAN ANALISIS RFM DAN ALGORITMA K-MEANS UNTUK MENDUKUNG EVALUASI FITUR ATM DI PT. BANK BRISYARIAH

KURNIATI, EKA AYU (2016) VISUALISASI SEGMENTASI FITUR ATM MENGGUNAKAN ANALISIS RFM DAN ALGORITMA K-MEANS UNTUK MENDUKUNG EVALUASI FITUR ATM DI PT. BANK BRISYARIAH. skripsi thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 5211100097-abstract.pdf]
Preview
Text
5211100097-abstract.pdf - Published Version

Download (273kB) | Preview
[thumbnail of 5211100097-conclusionpdf.pdf]
Preview
Text
5211100097-conclusionpdf.pdf - Published Version

Download (184kB) | Preview
[thumbnail of 5211100097-Undergraduate_theses.pdf]
Preview
Text
5211100097-Undergraduate_theses.pdf - Published Version

Download (2MB) | Preview

Abstract

ATM merupakan salah satu layanan utama yang diberikan
oleh PT. Bank BRISyariah. Untuk mempermudah layanan transaksi perbankan nasabah, PT. Bank BRISyariah telah mengoperasikan 413 mesin ATM di seluruh Indonesia dan dilengkapi dengan 261 fitur ATM. Jumlah transaksi ATM bisa mencapai ribuan tiap harinya. Dengan banyaknya transaksi ATM yang terjadi setiap hari, pihak bank merasa perlu adanya sebuah evaluasi untuk mengetahui fitur ATM mana saja yang paling banyak digunakan dan memberikan fee-based income kepada pihak bank. Pendekatan yang sesuai untuk membantu evaluasi fitur ATM yaitu dengan mengelompokkan fitur ATM berdasarkan karakteristik penggunaannya. Untuk itu diperlukan sebuah segmentasi terhadap fitur ATM untuk mengetahui fitur ATM mana saja yang berharga bagi pihak bank. Penelitian ini bertujuan untuk membuat segmentasi fitur ATM yang ada pada PT. Bank BRISyariah dengan teknik Data Mining yaitu clustering. Metode yang digunakan dalam proses clustering adalah metode Ward dan algoritma K-Means, sedangkan atribut clustering didapatkan dari analisis model RFM. Validasi untuk hasil clustering menggunakan indeks Dunn dan uji ANOVA yaitu indeks R-Squared. Selain itu, dibangun juga visualisasi dari hasil clustering untuk mempermudah pemahaman akan segmen fitur ATM yang terbentuk.

Item Type: Thesis (skripsi)
Uncontrolled Keywords: Algoritma K-Means, Analisis RFM, Data Mining, Indeks Dunn, Indeks R-Squared, Segmentasi, SSE, Ward.
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science. EDP
Q Science > QA Mathematics > QA76 Computer software
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: Anis Wulandari
Date Deposited: 13 Jun 2016 18:38
Last Modified: 27 Dec 2018 02:08
URI: http://repository.its.ac.id/id/eprint/351

Actions (login required)

View Item View Item