Analisis Segmentasi Pelanggan Dalam Preferensi Pembelian Produk Menggunakan Metode K-Means: Studi Kasus Industri Sepatu

Penulis

  • Ni'matus Sa'adah Universitas Telkom
  • Muhammad Rafif Hardyanto Universitas Telkom
  • Arsyana Oktavia Prameswari Universitas Telkom
  • Michael Rizky Setiawan Universitas Telkom

DOI:

https://doi.org/10.58812/jmws.v3i11.1632

Kata Kunci:

K-Means, Clustering, Preferensi Pelanggan, Customer

Abstrak

Industri sepatu telah menjadi salah satu sektor yang berkembang pesat dalam perekonomian global. Meskipun demikian, pemahaman yang komprehensif mengenai preferensi pelanggan dalam pembelian sepatu masih merupakan tantangan yang relevan. Faktor-faktor seperti tren, budaya, dan elemen lainnya memainkan peran penting dalam dinamika ini. Oleh karena itu, tujuan dari penelitian ini adalah untuk mengeksplorasi dan memahami preferensi pelanggan dalam konteks pembelian sepatu. Kami memfokuskan penelitian ini pada dataset penjualan sepatu yang diperoleh dari PT. XYZ, dengan tujuan akhir untuk mengidentifikasi dan memahami segmen pelanggan serta variabilitas yang mendasarinya. Penelitian ini menggunakan pendekatan kuantitatif dengan menerapkan metode clustering, khususnya k-means, untuk mengelompokkan data penjualan sepatu berdasarkan karakteristiknya. Penggunaan metode ini memberikan kemampuan untuk mengidentifikasi pola dan hubungan yang mungkin tidak terdeteksi secara langsung. Hasil penelitian ini menunjukkan 3 pembagian klaster pelanggan yang terdiri dari cluster customers are quite satisfied, customers are very satisfied, dan customers are not satisfied, serta nilai centroid yang terkait dengan masing-masing cluster. Penelitian ini terdapat adanya peluang untuk meningkatkan pengelolaan hubungan pelanggan dan pengembangan strategi pemasaran yang lebih terfokus. Dengan pemahaman yang lebih baik tentang preferensi pelanggan, perusahaan dapat menyesuaikan produk dan layanan dengan lebih efektif, meningkatkan loyalitas pelanggan, dan mengoptimalkan kinerja penjualan.

Referensi

Abdullah, A. &. (2023). Liver Disease Classification Using the Elbow Method to Determine Optimal K in the K-Nearest Neighbor (K-NN) Algorithm. Jurnal Sisfokom (Sistem Informasi dan Komputer), 12(2), 218-228. DOI: https://doi.org/10.32736/sisfokom.v12i2.1643

Abdul-Nasir, A. S., Mashor, M. Y., Halim, N. H. A., & Mohamed, Z. (2015, May). The cascaded moving k-means and fuzzy c-means clustering algorithms for unsupervised segmentation of malaria images. In AIP Conference Proceedings (Vol. 1660, No. 1). AIP Publishing.

Abdul Rehman, A. (2012). Customer satisfaction and service quality in Islamic banking: A comparative study in Pakistan, United Arab Emirates and United Kingdom. Qualitative Research in Financial Markets, 4(2/3), 165-175.

Achmad, F., & Wiratmadja, I. I. (2024). Driving Sustainable Performance in SMEs through Frugal Innovation: The Nexus of Sustainable Leadership, Knowledge Management, and Dynamic Capabilities. IEEE Access, 12, 103329 - 103347. DOI: 10.1109/ACCESS.2024.3433474

Achmad, F., & Wiratmadja, I. I. (2024). Strategic advancements in tourism development in Indonesia: Assessing the impact of facilities and services using the PLS-SEM approach. Journal Industrial Servicess, 10(1), 49-62. DOI: http://dx.doi.org/10.62870/jiss.v10i1.24494

Achmad, F., Prambudia, Y., & Rumanti, A. A. (2023). Improving tourism industry performance through support system facilities and stakeholders: The role of environmental dynamism. Sustainability, 15(5), 4103. DOI: https://doi.org/10.3390/su15054103

Achmad, F., Prambudia, Y., & Rumanti, A. A. (2023). Sustainable Tourism Industry Development: A Collaborative Model of Open Innovation, Stakeholders, and Support System Facilities. IEEE Access, 11, 83343 - 83363. DOI: 10.1109/ACCESS.2023.3301574

Achmad, F. A. (2023). Decision-Making Process for Tourism Potential Segmentation. International Journal of Innovation in Enterprise System, 7(01), 19-30.

Achmad, F., Prambudia, Y., & Rumanti, A. A. (2023, December). Examining the Feedback Effects of Support System Facilities on Tourism Industry Performance: A Causal Loop Diagram Modeling Approach. In 2023 IEEE International Conference on Industrial Engineering and Engineering Management (IEEM) (pp. 0768-0772). IEEE.

Aditya, A. J. (2020). Implementasi K-Means Clustering Ujian Nasional Sekolah Menengah Pertama di Indonesia Tahun 2018/2019 . Jurnal Media Informatika Budidarma, 4(1), 51-58.

Ashari, I. F. (2022). Application of data mining with the K-means clustering method and Davies Bouldin index for grouping IMDB movies. Journal of Applied Informatics and Computing.

Erinda, A. &. (2016). Analisis Faktor-Faktor Preferensi Pelanggan Dan Pengaruhnya Terhadap Keputusan Pembelian. Study Terhadap Pelanggan McDonald’s di Indonesia dan Malaysia.

Footwear Market Size, Share & Trends Analysis Report By Type (Athletic, Non-Athletic), By End-User (Men, Women, Children) and By Region(North America, Europe, APAC, Middle East and Africa, LATAM) Forecasts, 2023-2031 . (n.d.). Retrieved from strait research: https://straitsresearch.com/report/footwear-market

Guntara, M. &. (2023). Optimasi Cacah Klaster pada Klasterisasi dengan Algoritma KMeans Menggunakan Silhouette Coeficient dan Elbow Method. JuTI" Jurnal Teknologi Informasi", 2(1), 43-52.

Nahjan, M. R. (2023). Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 101-104.

Santoso, P. Y. (2018). Transformasi Integrated Marketing Communication Di Era Digital. Jurnal Pustaka Komunikasi, 1(2), 313-326.

Sinaga, K. P., & Yang, M. S. (2020). Unsupervised K-means clustering algorithm. IEEE access, 8, 80716-80727. DOI: 10.1109/ACCESS.2020.2988796

Shreffler, J. &. (2023). Exploratory data analysis: Frequencies, descriptive statistics, histograms, and boxplots. . In StatPearls [Internet]. StatPearls Publishing.

Tabianan, K. V. (2022). K-means clustering approach for intelligent customer segmentation using customer purchase behavior data. Sustainability, 14(12), 7243. DOI: https://doi.org/10.3390/su14127243

Tariq, D. T. (2023). Visualization and Explorative Data Analysis. International Journal of Enhanced Research in Science, Technology & Engineering, 12(3), 11-21.

Yadav, J. &. (2013). A Review of K-mean Algorithm. Int. J. Eng. Trends Technol, 4(7), 2972-2976.

Unduhan

Diterbitkan

2024-11-29

Cara Mengutip

Sa’adah, N., Hardyanto, M. R., Prameswari, A. O., & Setiawan, M. R. (2024). Analisis Segmentasi Pelanggan Dalam Preferensi Pembelian Produk Menggunakan Metode K-Means: Studi Kasus Industri Sepatu. Jurnal Multidisiplin West Science, 3(11), 1780–1792. https://doi.org/10.58812/jmws.v3i11.1632