Analisis Pola Transaksi Pelanggan BRILink Menggunakan K-Means Clustering untuk Optimalisasi Kas dan Saldo
Abstract
Penelitian ini bertujuan untuk menganalisis pola transaksi pelanggan pada agen BRILink menggunakan algoritma K-Means clustering guna mendukung optimalisasi pengelolaan kas dan saldo. Peningkatan volume transaksi yang tidak terkontrol sering menyebabkan ketidakseimbangan antara ketersediaan kas dan saldo digital pada agen, sehingga berpotensi menghambat pelayanan kepada pelanggan. Penelitian ini menggunakan pendekatan data mining dengan metode clustering untuk mengelompokkan data transaksi berdasarkan tingkat kemiripan karakteristiknya. Tahapan penelitian meliputi pengumpulan data, praproses data (transformasi dan normalisasi), penentuan jumlah klaster menggunakan metode Elbow, penerapan algoritma K-Means clustering, serta analisis karakteristik masing-masing klaster yang terbentuk. Hasil penelitian menunjukkan bahwa data transaksi dapat dikelompokkan menjadi empat klaster utama, yaitu cash heavy (C1), digital heavy (C2), big deals (C3), dan low transaction (C4). Setiap klaster memiliki karakteristik yang berbeda sehingga dapat digunakan sebagai dasar dalam pengambilan keputusan terkait strategi pengelolaan kas dan saldo secara lebih efektif dan efisien.
Downloads
References
[2] F. P. Darajat and H. A. Muslihat, “Strategi Peningkatan Kualitas Pelayanan Pada Agen Brilink (Agk Brilink),” Jurnal Ilmiah Wahana Pendidikan, vol. 10, no. 3, pp. 267–274, 2024.
[3] F. Achmad, O. Nurdiawan, and Y. A. Wijaya, “Analisa Pola Transaksi Pembelian Konsumen Pada Toko Ritel Kesehatan Menggunakan Algoritma Fp-Growth,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 1, pp. 168–175, 2023.
[4] A. P. Ani, “Persepsi Dan Peran Agen BRILink Terhadap Inklusi Keuangan Di Desa Maoslor Kabupaten Cilacap,” Skripsi, UIN Prof. KH Saifuddin Zuhri Purwokerto, 2024.
[5] N. N. Hasanah and A. S. Purnomo, “Implementasi Data Mining Untuk Pengelompokan Buku Menggunakan Algoritma K-Means Clustering (Studi Kasus: Perpustakaan Politeknik LPP Yogyakarta),” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 4, no. 2, pp. 300–311, 2022.
[6] M. Hafizh, T. Novita, D. Guswandi, H. Syahputra, and L. Mayola, “Implementasi Data Mining Menggunakan Algoritma Fp-Growth Untuk Menganalisa Transaksi Penjualan Ekspor Online,” Jurnal teknologi dan sistem informasi bisnis, vol. 5, no. 3, pp. 242–249, 2023.
[7] E. F. L. Awalina and W. I. Rahayu, “Optimalisasi strategi pemasaran dengan segmentasi pelanggan menggunakan penerapan K-means clustering pada transaksi online retail,” Jurnal Teknologi Dan Informasi, vol. 13, no. 2, pp. 122–137, 2023.
[8] F. W. Yarisma et al., “Analisis Pengelompokan Ulasan Pengguna E-Wallet DANA dan GoPay Menggunakan TF-IDF dan Teknik K-Means/K-Medoids dalam Perspektif Ekonomi dan Manajemen Strategi,” 2025.
[9] S. Mira, M. Kom, A. C. Nurcahyo, S. Kom, and M. Kom, Data Mining Mengeksplorasi Teknik-Teknik Data Mining dan Metode K-Means Teori, Konsep, Algoritma dan Studi Kasus. Uwais Inspirasi Indonesia, 2025.
[10] J. Creswell and D. Creswell, Research Design, Qualitative, Quantitative and Mixed Methods Approaches. California: In SAGE Publications,Inc, 2023. Accessed: Dec. 03, 2025. [Online]. Available: https://www.scirp.org/reference/referencespapers?referenceid=3784840
[11] Y. Humairi and W. Rachbini, “PENGARUH PENDAPATAN DAN TRANSAKSI ONLINE TERHADAP FREKUENSI PENGGUNAAN APLIKASI DANA,” Musytari: Jurnal Manajemen, Akuntansi, dan Ekonomi, vol. 19, no. 5, pp. 121–130, 2025.
[12] A. Nabila and Y. A. Wijaya, “Pengelompokan Data Varian Pekerjaan Dan Status Pernikahan Pt Dika Menggunakan Algoritma K-Means Clustering,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 3, pp. 3279–3284, 2024.
[13] S. Alhapida, A. Nabila, and M. Wulandari, “Analysis of Transaction Patterns and User Preferences in the DANA Application Using the Apriori Algorithm for Digital Wallet Service Optimization,” Digital Informatics, vol. 1, no. 1, pp. 51–56, 2025.
[14] G. Daruhadi and P. Sopiati, “Pengumpulan data penelitian,” J-CEKI: Jurnal Cendekia Ilmiah, vol. 3, no. 5, pp. 5423–5443, 2024.
[15] R. Rustiyana et al., Data Mining: Algoritma dan Penerapannya. PT. Sonpedia Publishing Indonesia, 2025.
[16] D. Anggraini and M. S. Hasibuan, “Initial centroid pada algoritma K-means dan K-medoids,” Jurnal Multimedia dan Teknologi Informasi (Jatilima), vol. 7, no. 03, pp. 487–500, 2025.
[17] N. A. Maori and E. Evanita, “Metode elbow dalam optimasi jumlah cluster pada k-means clustering,” Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, vol. 14, no. 2, pp. 277–288, 2023.
[18] S. P. L. Geni, H. Safitri, F. Merry, M. Wati, and H. Haviluddin, “Penerapan K-Means clustering untuk segmentasi konsumen E-Commerce berdasarkan pola pembelian,” JUKI: Jurnal Komputer dan Informatika, vol. 7, no. 1, pp. 89–99, 2025.
[19] A. Puspitaloka and Agtriadi Herman Bedi, “ PROFILING RISIKO KREDIT NASABAH BERBASIS K MEANS CLUSTERING DENGAN OPTIMASI SILHOUETTE COEFFICIENT PADA BANK MALUKUMALUT MASOHI,” Skripsi, Institut Teknologi PLN, 2026.
[20] M. A. Bui and A. Bahtiar, “Implementasi metode algoritma K-Means Clustering untuk mengelompokkan transaksi penjualan barang di Toko Arino,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 2, pp. 1451–1456, 2024.
[21] N. N. R. Aulia, C. A. B. Saputri, and E. Daniati, “Analisis Segmentasi Kebiasaan Belanja Berdasarkan Data Penjualan Menggunakan Metode K-Means,” in Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 2025, pp. 1743–1752.
[22] M. Susilawati, D. Meilandri, R. Semmawi, and N. S. Primasari, “Implementasi Sistem Pembayaran Digital Untuk Peningkatan Perputaran Ekonomi di Pasar Tradisional: Penelitian,” Jurnal Pengabdian Masyarakat dan Riset Pendidikan, vol. 4, no. 3, pp. 15067–15075, 2026.
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under an Attribution 4.0 International (CC BY 4.0) that allows others to share — copy and redistribute the material in any medium or format and adapt — remix, transform, and build upon the material for any purpose, even commercially with an acknowledgment of the work's authorship and initial publication in this journal.
