SEGMENTASI KONSUMEN TIKTOK SHOP BERDASARKAN PERILAKU PEMBELIAN IMPULSIF MENGGUNAKAN K-MEANS CLUSTERING
DOI:
https://doi.org/10.47701/dutacom.v18i2.5131Keywords:
Clustering, E-commerce, K-Means, Segmentasi, Shopping LifestyleAbstract
Kebiasaan belanja secara impulsif di platform e-commerce seperti TikTok Shop semakin menjadi fenomena yang umum, terutama pada kalangan mahasiswa. TikTok Shop sendiri menyajikan pengalaman belanja yang interaktif dan menarik melalui konten video singkat yang memicu emosi dan mendorong tindakan pembelian secara spontan. Penelitian ini bertujuan untuk mengeksplorasi faktor-faktor psikologis yang mempengaruhi pembelian secara impulsif dan mengelompokkan konsumen berdasarkan kecenderungan perilakunya. Data dikumpulkan melalui survei terhadap 361 responden mahasiswa yang telah melakukan transaksi pembelian di TikTok Shop. Penelitian ini menggunakan metode K-Means Clustering dengan enam variabel utama: Scarcity, Serendipity Information, Trust, Hedonic Motivation, Shopping Lifestyle, dan Product Presentation. Hasil analisis membentuk tiga segmen konsumen dengan karakteristik yang berbeda, yaitu: (1) visual-rasional, (2) emosional-impulsif dengan tingkat kepercayaan tinggi dan (3) spontan berdasarkan mood. Evaluasi menggunakan Silhouette Score yang menunjukkan tingkat kualitas segmentasi yang baik. Temuan ini memberikan kontribusi nyata dalam perencanaan strategi pemasaran digital yang lebih personal, relevan dan berbasis data psikologis konsumen serta membuka ruang baru untuk pendekatan promosi yang disesuaikan dengan tipe konsumen yang lebih spesifik
References
Aldino, A. A., Darwis, D., Prastowo, A. T., & Sujana, C. (2021). Implementation of K-means algorithm for clustering corn planting feasibility area in south lampung regency. Journal of Physics: Conference Series, 1751(1), 12038.
Harahap, D. A., & Amanah, D. (2022). Memahami Impulsif Buying Dalam Proses Keputusan Pembelian Konsumen. Jurnal Manajemen Dan Bisnis Performa, 19(1), 31–55.
Herlinda, V., Darwis, D., & Dartono, D. (2021). Analisis Clustering Untuk Recredesialing Fasilitas Kesehatan Menggunakan Metode Fuzzy C-Means. Jurnal Teknologi Dan Sistem Informasi, 2(2), 94–99.
Ikotun, A. M., Ezugwu, A. E., Abualigah, L., Abuhaija, B., & Heming, J. (2023). K-means clustering algorithms: A comprehensive review, variants analysis, and advances in the era of big data. Information Sciences, 622, 178–210.
Khamidah, N., Astari, R. A., Fitrianto, A., Erfiani, E., & Pradana, A. N. (2023). Penerapan multi-clustering dalam pengelompokan kabupaten/kota di Provinsi Jawa Barat berdasarkan indeks desa membangun. Jurnal Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika Dan Statistika, 4(3), 1651–1665.
Liang, J., Zhou, T., Liu, D., & Wang, W. (2023). Clustseg: Clustering for universal segmentation. ArXiv Preprint ArXiv:2305.02187.
Manggu, B., & Beni, S. (2021). Analisis Penerapan Segmentasi, Targeting, Positioning (STP) dan Promosi Pemasaran Sebagai Solusi Meningkatkan Perkembangan UMKM Kota Bengkayang. Sebatik, 25(1), 27–34.
Nahjan, M. R., Heryana, N., & Voutama, A. (2023). Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 101–104.
Nuryani, I., & Darwis, D. (2021). Analisis clustering pada pengguna brand hp menggunakan metode k-means. Seminar Nasional Ilmu Komputer (SNASIKOM), 1(1), 190–211.
Park, J., & Choi, M. (2022). A K-means clustering algorithm to determine representative operational profiles of a ship using AIS data. Journal of Marine Science and Engineering, 10(9), 1245.
Perdana, S. A., Florentin, S. F., & Santoso, A. (2022). Analisis Segmentasi Pelanggan Menggunakan K-Means Clustering Studi Kasus Aplikasi Alfagift. Sebatik, 26(2), 446–457.
Prastyabudi, W. A., Alifah, A. N., & Nurdin, A. (2024). Segmenting the higher education market: An analysis of admissions data using k-means clustering. Procedia Computer Science, 234, 96–105.
Purwatiningsih, A., & Habibi, M. (2024). Optimalisasi Analisis Data Peserta Olimpiade Sains Nasional Indonesia Menggunakan Algoritma K-Means Clustering. JURNAL FASILKOM, 14(3), 786–793.
Ran, X., Zhou, X., Lei, M., Tepsan, W., & Deng, W. (2021). A novel k-means clustering algorithm with a noise algorithm for capturing urban hotspots. Applied Sciences, 11(23), 11202.
Setyawan, D. A., & Purwatiningsih, A. (2024). A Comparative Analysis between K-Means and Agglomerative Clustering Techniques in Maritime Skill Certification. Compiler, 13(1), 45–54.
Winarta, A., & Kurniawan, W. J. (2021). Optimasi cluster k-means menggunakan metode elbow pada data pengguna narkoba dengan pemrograman python. JTIK (Jurnal Teknik Informatika Kaputama), 5(1), 113–119.
Yudistira, A., & Andika, R. (2023). Pengelompokan Data Nilai Siswa Menggunakan Metode K-Means Clustering. Journal of Artificial Intelligence and Technology Information, 1(1), 20–28.
