Analisis Perbandingan Algoritma Bisecting K-Means dan Fuzzy C-Means pada Data Pengguna Kartu Kredit

Di era digital seperti sekarang ini memiliki kartu kredit merupakan suatu hal yang wajar di masyarakat, dengan segala kemudahan yang ditawarkan dalam setiap transaksi pembayaran tidak menutup kemungkinan untuk menarik minat masyarakat dalam menggunakan kartu kredit. Dengan minat masyarakat yang tinggi terhadap kartu kredit, hal ini dapat dijadikan sebagai indikator yang baik bagi perusahaan kartu kredit untuk mengembangkan bisnis kartu kredit. Dalam rangka memenuhi kebutuhan konsumen akan kartu kredit, perusahaan dituntut untuk mengambil keputusan dalam menentukan strategi pemasaran yang tepat sehingga dapat menarik minat para pelanggan, salah satu caranya adalah dengan melakukan segmentasi pelanggan dengan metode clustering. Bisecting K-Means dan Fuzzy C-Means merupakan algoritma clustering yang akan digunakan pada penelitian ini untuk melakukan pengelompokan data pengguna kartu kredit. Analisis akan dilakukan untuk mengetahui  algoritma dengan performa terbaik berdasarkan pengujian validitas dari kedua algoritma dengan menggunakan metode silhouette coefficient. Dari penelitian ini didapapatkan hasil bahwa Bisecting K-Means tanpa normalisasi memiliki nilai silhouette coefficient yang lebih tinggi dibandingkan dengan Fuzzy C-Means. Dimana nilai silhouette coefficient Bisecting K-Means sebesar 0.588 dan 0.579 dengan normalisasi, sedangkan nilai silhouette coefficient Fuzzy C-Means adalah 0.488 dan 0.582 dengan normalisasi.