Penelitian ini bertujuan untuk melakukan segmentasi customer berdasarkan perilaku penggunaan kartu kredit menggunakan beberapa metode clustering, yaitu K-Means, K-Median, DBSCAN, Mean Shift, dan Fuzzy C-Means. Dataset yang digunakan terdiri dari 8950 data dengan 17 variabel numerik yang merepresentasikan aktivitas transaksi customer. Tahapan analisis meliputi preprocessing data, penerapan metode clustering, serta evaluasi kinerja menggunakan silhouette score. Hasil evaluasi kemudian divisualisasikan untuk mempermudah interpretasi karakteristik masing-masing cluster. Hasil penelitian diharapkan dapat memberikan insight yang berguna dalam mendukung pengambilan keputusan bisnis.

Основы статистического вывода в зависимых выборках и категориальных данных

EDA Analysis - Gabriel Lopes Guidi

EDA analysis _ Gabriel Lopes Guidi

This project applies five clustering methods K-Means, K-Median, DBSCAN, Mean Shift, and Fuzzy C-Means to segment credit card customers based on their usage behavior. The analysis uses the Credit Card Dataset from Kaggle with 8,950 observations and 17 numerical variables. Methods are evaluated using Silhouette Score, Dunn Index, and Calinski-Harabasz Index, with K-Means identified as the best-performing method. The findings reveal three distinct customer segments that can serve as a basis for further behavioral analysis.