Analisis Segmentasi dan Persona Konsumen Mie Instan di Jabodetabek dengan K-Means Clustering untuk Strategi Pemasaran yang Lebih Efektif
Main Article Content
Abstract
Penelitian ini bertujuan menganalisis segmentasi konsumen mie instan di Jabodetabek menggunakan metode K-Means Clustering berdasarkan data dari 153 responden yang dikumpulkan melalui kuesioner daring. Tiga segmen utama diidentifikasi seperti: Pekerja Sibuk Berpenghasilan Cukup, Keluarga Mapan Berpenghasilan Tinggi, dan Milenial Fleksibel Berpenghasilan Sedang. Masing-masing segmen memiliki preferensi merek, pola konsumsi, dan kebiasaan belanja yang khas. Segmen Pekerja Sibuk cenderung memilih merek praktis seperti Indomie dengan konsumsi tinggi saat lembur. Keluarga Mapan memilih merek premium seperti Lemonilo, mengutamakan kualitas bahan dan kandungan gizi. Sebaliknya, Milenial Fleksibel lebih eksploratif, menyukai rasa pedas, dan dominan berbelanja online. Penelitian ini menerapkan kerangka STP (Segmentation, Targeting, Positioning) untuk memberikan panduan strategi pemasaran yang efektif. Sebagai contoh, untuk segmen milenial, strategi promosi melalui e-commerce, kolaborasi dengan influencer, dan produk inovatif yang mencerminkan gaya hidup dinamis disarankan. Hasil menunjukkan bahwa pemanfaatan analisis berbasis data seperti K-Means membantu perusahaan mie instan memahami kebutuhan pelanggan lebih mendalam, memaksimalkan potensi pasar, dan meningkatkan loyalitas konsumen. Dengan integrasi strategi berbasis data, perusahaan dapat merancang kampanye yang relevan, memperkuat daya saing, dan memastikan keberlanjutan bisnis jangka panjang. Kontribusi praktis penelitian ini adalah panduan strategis bagi industri mie instan untuk meningkatkan kepuasan pelanggan, memperluas pangsa pasar, dan menyesuaikan diri dengan dinamika pasar digital. Penerapan ini menunjukkan bahwa analisis berbasis data efektif dalam memahami preferensi konsumen dan meningkatkan relevansi pemasaran.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Annur, C. M. (2023, May 25). Jumlah Konsumsi Mi Instan di Indonesia Meroket Semenjak Pandemi Covid-19. Retrieved from Databoks: https://databoks.katadata.co.id/food-beverage-tobacco/statistik/6211aa12e1c30f6/jumlah-konsumsi-mi-instan-di-indonesia-meroket-semenjak-pandemi-covid-19
Apriani, A., & Heikal, J. (2024). Segmentation Analysis Using K-Means Clustering Model with SPSS Case Study of Backpacker Jakarta Community Members. Jurnal Indonesia Sosial Sains, 5(03), 441-460.
Ardiansyah, G. T., Hasibuan, M. S., Santosa, S., & Heikal, J. (2024). Mapping the Wuling Vehicle Market with K-Means Clustering: An Effective Digital Marketing Strategy. Jurnal Fokus Manajemen Bisnis, 14(2), 136-150.
Arumsari, N. R., & Alifiana, M. A. (2017). Pengaruh Gaya Hidup dan Persepsi Kualitas dalam Keputusan Pembelian Produk Mie Instan “Indomie”(Studi Kasus pada Mahasiswa di Fakultas Ekonomi Universitas Muria Kudus). Prosiding SNATIF, 563-568.
Azkia, N., Devi, R. F., Siswanto, F. H., & Heikal, J. (2024). Application of K-Means Clustering to Analyze Insurance Data at PT AXA Insurance Indonesia. Journal of Business, Management and Accounting, 6(1), 421-430.
Burelia, U., Urva, G., & Sellyana, A. (2022). Mengukur Tingkat Kepuasan Masyarakat Pada Pelayanan Kepolisian Resor (POLRES) Dumai Menggunakan Algoritma K-Means Clustering. JUTEKINF (Jurnal Teknologi Komputer dan Informasi), 10(1), 12-18.
Dhuhita, W. M. (2015). Clustering Menggunakan Metode K-Means Untuk Menentukan Status Gizi Balita. Jurnal Informatika, 15(2), 160-174.
Fan, Z.-P., Che, Y.-J., & Chen, Z.-Y. (2017). Product Sales Forecasting Using Online Reviews and Historical Sales Data: A Method Combining the Bass Model and Sentiment Analysis. Journal of business research, 74, 90-100.
Farhan, M., & Heikal, J. (2024). Used Car Customer Segmentation Using K-Means Clustering Model With SPSS Program: Case Study Caroline.Id. Jurnal Indonesia Sosial Sains, 5(03).
Firdaus, A., & Heikal, J. (2024). Segmentation of Students Using K-Means Clustering Case Study of Sekolah Dasar Tahfizh Quran (SDTQ) Citamulia. Jurnal Pendidikan Indonesia, 5(11).
Harahap, M., Lubis, Y., & Situmorang, Z. (2021). Data Science Bidang Pemasaran : Analisis Prilaku Pelanggan. Data Sciences Indonesia (DSI), 1(1), 21-32.
Husein, A. M., Waruwu, F. K., Batu Bara, Y. M., Donpril, M., & Harahap, M. (2021). Clustering Algorithm For Determining Marketing Targets Based Customer Purchase Patterns And Behaviors. Sinkron: Jurnal dan Penelitian Teknik Informatika, 5(2B), 137-143.
Jack, T., & Ries, A. (1986). Positioning: The Battle For Your Mind. New York: NY: McGraw-Hill.
Kamthania, D., Pawa, A., & Madhavan, S. S. (2018). Market Segmentation Analysis and Visualization Using K-Mode Clustering Algorithm for E-Commerce Business. Journal of Computing and Information Technology, 26(1), 57-68.
Kotler, P., & Keller, K. L. (2016). Marketing Management. England: Pearson Education Limited.
Kozak, M., & Rimmington, M. (2000). Tourist Satisfaction with Mallorca, Spain, as an off-season Holiday Destination. Journal of travel research, 38(3), 260-269.
Miraftabzadeh, S. M., Colombo, C. G., Longo, M., & Foiadelli, F. (2023). K-Means and Alternative Clustering Methods in Modern Power Systems. IEEE Access.
Muhamad, N. (2024, May 16). Indonesia, Konsumen Mi Instan Terbesar ke-2 di Dunia. Retrieved from Databoks: https://databoks.katadata.co.id/produk-konsumen/statistik/93ac2451db5b87c/indonesia-konsumen-mi-instan-terbesar-ke-2-di-dunia
Nasari, F., & Darma, S. (2013). Penerapan K-Means Clustering Pada Data Penerimaan Mahasiswa Baru (Studi Kasus: Universitas Potensi Utama). Semnasteknomedia Online, 3(1).
Puspita, A. C., Setiawan, B., Ayu, C., & Heikal, J. (2024). Analisis Preferensi Konsumen dan Profil Pembeli di Industri Otomotif: Studi Kasus Pembelian Kendaraan di Wilayah Jabodetabek. AKADEMIK: Jurnal Mahasiswa Ekonomi & Bisnis, 4(3), 1036-1050.
Rohmawati, N., Defiyanti, S., & Jajuli, M. (2015). Implementasi Algoritma K-Means Dalam Pengklasteran Mahasiswa Pelamar Beasiswa. Jurnal Ilmiah Teknologi Infomasi Terapan, 1(2).
Saputra, T. C., Fadhilah, S. M., Mangkuto, S. U., & Heikal, J. (2024). Segmentation, Targeting and Positioning Analysis Using K-Means Clustering Model: A Case Study of the Laptop Market in Indonesia. International Journal of Applied Finance and Business Studies, 12(2), 195-203.
Sinaga, K. P., & Yang, M.-S. (2020). Unsupervised K-Means Clustering Algorithm. IEEE Access, 8, 80716-80727.
Smith, W. R. (1956). Product Differentiation and Market Segmentation as Alternative Marketing Strategies. Journal of marketing 21.1, 3-8.
Wardhani, A. K. (2016). K-Means Algorithm Implementation for Clustering of Patients Disease in Kajen Clinic of Pekalongan. Jurnal Transformatika, 14(1), 30-37.
Widitasari, S., & Mulyadi, D. (2023). Analisis Perilaku Konsumen Terhadap Pembelian Produk Mie Instan Indomie. Madani: Jurnal Ilmiah Multidisiplin, 1(5).
Windarto, A. P., Solikhun, S., Handrizal, H., & Fauzan, M. (2017). Jaringan Saraf Tiruan Dalam Memprediksi Sukuk Negara Ritel Berdasarkan Kelompok Profesi Dengan Backpropogation Dalam Mendorong Laju Pertumbuhan Ekonomi. Klik-Kumpulan Jurnal Ilmu Komputer, 4(2), 184-197.
Yusnidar, Y., Yudhakusuma, D., & Sari, F. (2023). Personalized Marketing Strategy in Digital Business Using Data Mining Approach. International Journal Software Engineering and Computer Science (IJSECS), 3(2), 137-143.
Zainal, Azim, F., & Sari, T. N. (2020). Analisis Penjualan Mie Instan Produk PT Indofood Sukses Makmur Medan. Juripol (Jurnal Institusi Politeknik Ganesha Medan), 3(2), 172-186.