Analisis Aktivitas Pengguna Mobile Banking Berdasarkan Klasterisasi Waktu Transaksi Menggunakan Metode Self-Organizing MAP (SOM)

Abstract

Pertumbuhan pesat layanan mobile banking di Indonesia menuntut pemahaman yang lebih dalam terhadap perilaku pengguna, terutama dalam hal waktu dan pola transaksi. Namun, tantangan yang dihadapi adalah bagaimana mengelompokkan pengguna secara efektif berdasarkan kebiasaan waktu mereka dalam melakukan transaksi, agar strategi layanan dapat disesuaikan secara tepat sasaran. Untuk menjawab permasalahan tersebut, penelitian ini menerapkan metode Self-Organizing Maps (SOM) guna melakukan klasterisasi terhadap pengguna berdasarkan fitur waktu transaksi, seperti jumlah transaksi pagi, siang, sore, malam, serta pembagian antara hari kerja dan akhir pekan. Dataset yang digunakan mencakup 87.361 pengguna mobile banking sepanjang tahun 2023. Hasil penelitian menunjukkan bahwa metode SOM mampu membentuk sembilan klaster perilaku pengguna yang berbeda, dengan klaster terbesar adalah Early User (Weekday) yang terdiri dari 32.324 pengguna (37,0%). Secara keseluruhan, segmen Early User (Weekday) mencakup sekitar 60,3% populasi pengguna. Sementara itu, terdapat juga segmen minoritas seperti Night Owl (Weekday) (5,9%) dan Early User (Weekend) (2,7%) yang menunjukkan pola perilaku unik. Evaluasi performa model menghasilkan nilai Quantization Error (QE) sebesar 0,339 dan Topographic Error (TE) sebesar 0,066, baik pada data validasi maupun data pengujian, menandakan bahwa hasil klasterisasi cukup akurat dan topologi pemetaan data terjaga dengan baik. Penelitian ini memberikan kontribusi terhadap pemahaman segmentasi perilaku pengguna mobile banking dan dapat digunakan sebagai dasar untuk strategi layanan berbasis waktu yang lebih adaptif dan personal.