SEGMENTASI PELANGGAN AGEN BEAUTY LOCAL BRAND MENGGUNAKAN ALGORITMA K-MODES BERBASIS PYTHON

Mochammad Ainul Yaqin, Nisa Ayunda, Sujarwo Sujarwo, M. Ali Murtadho

Abstract


Pertumbuhan beauty local brand di Indonesia kini mengalami pertumbuhan yang pesat. Salah satu brand local kecantikan yang telah berkembang, yaitu brand MS Glow, menyusun strategi pemasaran dengan sistem stokist. Sistem stokist dijalankan dengan memperbanyak distributor, agen, reseller, serta memaksimalkan promosi melalui iklan. Ketidaktepatan stok produk dan penurunan interaksi konten di media sosial merupakan permasalahan inti yang dihadapi oleh distributor, agen, dan juga reseller brand kecantikan local. Permasalahan tersebut dapat diatasi apabila manajemen mampu mengidentifikasi karakteristik pelanggannya. Oleh karena itu, pada penelitian ini dilakukan segmentasi pelanggan salah satu agen brand kecantikan lokal, yaitu Agen Ami Ms Glow Peterongan, dengan Algoritma K-Modes. Algoritma ini dapat digunakan untuk menangani data beratribut kategorik. Hal ini sesuai dengan data pelanggan yang memiliki tipe atribut kategorik. Hasil dari penelitian ini yaitu pelanggan agen tersebut terbagi menjadi 3 segmen pelanggan yang didominasi oleh segmen pertama, dengan karakteristik pelanggan: berusia 26 – 35 tahun; tidak memakai KB dan tidak sedang hamil; berjenis kulit berminyak; tidak berjerawat di luar menstruasi; tidak sedang berjerawat; memiliki bekas jerawat dan komedo; tidak berflek hitam; serta tidak mengalami kulit yang terkadang merah dan gatal, berjumlah 193 pelanggan, segmen kedua berjumlah 76 pelanggan, dan segmen ketiga berjumlah 98 pelanggan. Penentuan jumlah stok dan target konten untuk pemasaran dapat menyesuaikan hasil segmentasi pelanggan tersebut.


Keywords


Segmentasi Pelanggan, K-Modes, Python, Beauty Local Brand.

References


Amin, M.A., & Juniati, D. (2017) Klasifikasi Kelompok Umur Manusia Berdasarkan Analisis Dimensi Fraktal Box Counting dari Citra Wajah dengan Deteksi Tepi Canny. Jurnal Ilmiah Matematika., 2(6), (Online), (https://media.neliti.com/media/publications/249455-none-23b6a822.pdf), diakses pada 12 Januari 2022.

Ashish. (2019). “Bank Customer Clustering (K-Modes Clustering)”. Dalam Kaggle. https://www.kaggle.com/code/ashydv/bank-customer-clustering-k-modes-clustering/notebook. Diakses pada 11 Januari 2022.

Badruttamam, A., Sudarno, & Maruddani, D.A.I. (2020). Penerapan Analisis Klaster K-Modes dengan Validasi Davies Bouldin Index dalam Menentukan Karakteristik Kanal Youtube di Indonesia. Jurnal Gaussian, (Online), 9(3): 263-272, (https://ejournal3.undip.ac.id/index.php/gaussian/article/view/28907), diakses pada 11 Januari 2022.

Blythe, J. (2005). Essential of Marketing, Edisi Ketiga. Harlow, Essex: Pearson Education Limited.

Fahmi, M.F. (2016). Sistem Informasi Geografis (SIG) Sebaran Daerah Aliran Sungai (DAS) Menggunakan Segmentasi Berbasis Algoritma K-Modes Clustering dan Davies-Bouldin Index. Tesis tidak diterbitkan. Surabaya: FTI, ITS.

Hair, J. F., Black, W. C., Babin, B. J. dan Anderson, R. E. (2014). Multivariate Data Analysis 7th. USA: Pearson.

Han, J., & Kamber, M. (2006). Data Mining: Concept and Techniques 2nd. United States of America: Elsevier.

Harani, N.H., Cahyo, P., & Fikri, A.N. (2020). Segmentasi Pelanggan Produk Digital Service Indihome Menggunakan Algoritma K-Means Berbasis Python. Jurnal Manajemen Informatika (JAMIKA), (Online), 10(2): 133-146, (https://ojs.unikom.ac.id/index.php), diakses 11 Januari 2022.

Hooley, G., Piercy, N.F., dan Nicolaud, B. (2008). Marketing Strategy and Competitive Positioning, Edisi keempat. Harlow, Essex: Pearson Education Limited.

Huang, Z., (1997). A Fast Clustering Algorithm to Cluster Very Large Categorical Data Sets in Data Mining. Canberra: Cooperative Research Centre for Advanced Computational Systems.

Indriani, F., & Budiman, I. (2017). K-Modes Clustering untuk Mengetahui Jenis Masakan Daerah yang Populer pada Website Resep Online (Studi Kasus: Masakan Banjar di Cookpad.com). Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), (Online), 4(4): 290-296, (https://jtiik.ub.ac.id/index.php/jtiik), diakses pada 11 Januari 2022

Kumar. (2018). “2018 Kaggle Machine Learning & Data Science Survey”. Dalam Kaggle. https://www.kaggle.com/code/sudhirnl7/data-science-survey-2018/notebook. Diakses pada 11 Januari 2022.

Kurniawan, D. (2020). Pengenalan Machine Learning dengan Python. Jakarta: PT Elex Media Komputindo.

Morissan. (2010). Periklanan: Komunikasi Pemasaran Terpadu. Jakarta: Kharisma Putra Utama.

Nduru, E. K., Buulolo, E., & Pristiwanto. (2018). Implementasi Algoritma K-Modes untuk Menentukan Strategi Marketing STMIK Budi Darma. Makalah disajikan dalam Konferensi Nasional Teknologi Informasi dan Komputer (KOMIK), Medan, Oktober 2018. Dalam Ejournal STMIK Budidarma, (Online), (https://ejournal.stmik-budidarma.ac.id/index.php/komik/article/download/903/778 ), diakses pada 11 Januari 2022.

Prasetyo, E. (2014). Data Mining Mengolah Data Menjadi Informasi dengan Matlab. Yogyakarta: Andi.

Rohmawati, N., Sofi, D., & Mohamad, J. (2015). Implementasi Algoritma K-Means dalam Pengklasteran Mahasiswa Pelamar Beasiswa. Jurnal Ilmiah Teknologi Informasi Terapan, 1(UTAMA), 63.

Sharma, N. & Ashok, S. (2015). K-Modes Clustering Algorithm for Categorical Data. International Journal of Computer Applications., 127(17), (Online), (https://www.ijcaonline.org/research/volume127/number17/sharma-2015-ijca-906708.pdf), diakses pada 11 Januari 2022.

Smith, W.R. (1956). Product Differentiation and Market Segmentation as Alternative Marketing Strategies. Journal of Marketing, 20(3), 3-8.

Supriyatna, I. & Djailani, M. F. (2022). “Pertumbuhan Industri Kosmetik Peluang Cuan Baru”. Dalam SUARA. https://www.suara.com/bisnis/2021/10/01/165627/pertumbuhan-industri-kosmetik-peluang-cuan-baru. Diakses pada 11 Januari 2022.

Tjiptono, F. (2015). Strategi Pemasaran, Edisi Keempat. Yogyakarta: CV. Andi Offset (Penerbit Andi).

Wartaekonomi (2021, 24 Agustus). Pecahkan Rekor! MS Glow Sabet Rekor Muri, Bosnya Sampai Gemetaran Menerima Penghargaan Ini. Diakses pada 20 November 2021, dari https://wartaekonomi.co.id/read356730/pecahkan-rekor-ms-glow-sabet-rekor-muri-bosnya-sampai-gemetaran-menerima-penghargaan-ini

Yulianita, T., & Istiawan, D. (2017). “Implementasi Algoritma K-Modes untuk Penentuan Prioritas Rehabilitasi Daerah Aliran Sungai Berdasarkan Parameter Lahan Kritis”. The Sixth University Research Colloqium 2017 Universitas Muhammadiyah Magelang : 429-439.

Yulianton, H., Sutanto, F. A., & Mulyani, S. (2021). Pengelompokan Mahasiswa Berbasis Categorical Variables Menggunakan Metode K-Modes Clustering. Makalah disajikan dalam Seminar Nasional Multi Disiplin Ilmu (SENDIU), Semarang, 28 Juli 2021. Sendi Unisbank, (Online), (https://www.unisbank.ac.id/ojs), diakses pada 11 Januari 2022.




DOI: http://dx.doi.org/10.36564/njca.v7i1.232

DOI (PDF (Bahasa Indonesia)): http://dx.doi.org/10.36564/njca.v7i1.232.g95

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Mochammad Ainul Yaqin, Nisa Ayunda, Sujarwo Sujarwo, M. Ali Murtadho

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

NJCA(Nusantara Journal of Computers and Its Applications)
Published by Computer Society of Nahdlatul Ulama, Indonesia.
Office : PO.BOX 1 Paiton Probolinggo kodepos 67291 Jawa Timur, Indonesia

DECREE OF THE MINISTER OF LAW AND HUMAN RIGHTS OF THE REPUBLIC OF INDONESIA
NUMBER AHU-0060541.AH.01.07.YEAR 2016