Pembentukan Target Pasar Berdasarkan Data Stream Transaksi Kartu Kredit (Clustering dan Association Rule Mining) Studi Kasus Di Pt Bank Bukopin

Abstract

Perusahaan mengkomunikasikan nilai sebuah produk dan membangun hubungan ke konsumen melalui media pemasaran. Perlunya memahami karakteristik dan keinginan konsumen terhadap nilai barang dan pasar dapat menjadi kunci sukses meningkatkan kegiatan pemasaran. Oleh karena itu bisnis kartu kredit merupakan salah satu produk bisnis yang memerlukan dukungan pemasaran yang efektif dengan cara mendapatkan informasi terkait karakteristik konsumen dalam mengenali merchant kartu kredit yang sering dikunjungi. Bisnis kartu kredit PT Bank Bukopin telah memberikan kontribusi besar bagi perusahaan pada tahun 2014 yaitu sebesar 41,8% namun terjadi penurunan pada penggunaan transaksi. Penurunan pertumbuhan total penjualan pada merchant dan peningkatan pada biaya pemasaran promosi kartu kredit menjadikan sebagai salah satu isu perusahaan. Oleh karena itu diperlukan penggalian informasi (data mining) sebagai salah satu cara dalam meningkatkan dan mengefektifkan kegiatan pemasaran promosi kartu kredit. Penggabungan dua teknik data mining yaitu clustering dan association rule Mining (ARM) dapat dijadikan suatu cara dalam mengidentifikasi segmentasi nasabah dan pola merchant dominan yang digunakan sebagai tempat bertransaksi. Proses clustering algoritma K-Means menghasilkan tiga cluster dengan nilai silhouette yang mendekati satu adalah sebesar 0,40 sementara hasil ARM menggunakan minimum support 1% dan minimum confidence sebesar 33% menghasilkan dua role hubungan antar jenis merchant. Penggabungan clustering dan ARM mengidentifikasi dua pola hubungan antar jenis merchant dengan tiga cluster nasabah berdasarkan karakteristik pekerjaan, penghasilan, pendidikan, usia dan wilayah asal. Hasil penelitian ini diharapkan dapat dijadikan masukan efektif pemasaran kartu kredit dan meningkatkan fee based income perusahaan.