Musytari : Jurnal Manajemen, Akuntansi, dan Ekonomi

Vol. 25 No. 1 (2025): Musytari: Neraca Manajemen, Akuntasi, dan Ekonomi, ISSN 3025-9495
Articles

SEGMENTASI KONSUMEN E-COMMERCE BERDASARKAN PERSEPSI KUALITAS LAYANAN DAN NIAT PERILAKU: ANALISIS CLUSTER K-MEANS PADA PENGGUNA SHOPEE DI INDONESIA

pdf
  • Zhenyar Alya
Zhenyar Alya
Universitas Pembangunan Nasional “Veteran” Jakarta

Published 2025-12-14

Keywords

  • Kualitas layanan, niat perilaku, K-Means, segmentasi konsumen, e-commerce, Shopee, Statistical Package for the Social Sciences

How to Cite

SEGMENTASI KONSUMEN E-COMMERCE BERDASARKAN PERSEPSI KUALITAS LAYANAN DAN NIAT PERILAKU: ANALISIS CLUSTER K-MEANS PADA PENGGUNA SHOPEE DI INDONESIA. (2025). Musytari : Jurnal Manajemen, Akuntansi, Dan Ekonomi, 25(1), 2491-2500. https://cibjournal.com/index.php/musytari/article/view/3750

Abstract

Penelitian ini bertujuan untuk mengelompokkan pengguna Shopee di Indonesia ke dalam segmen konsumen yang berbeda berdasarkan persepsi mereka terhadap kualitas layanan serta niat perilaku dalam berbelanja. Sebanyak 156 responden memberikan jawaban melalui kuesioner berskala Likert, dan data yang terkumpul dianalisis menggunakan metode K-Means melalui aplikasi Statistical Package for the Social Sciences. Hasil analisis menunjukkan terbentuknya tiga segmen yang memiliki karakteristik unik: kelompok yang menunjukkan tingkat kepuasan tertinggi dan kecenderungan loyal, kelompok yang mempertimbangkan keseimbangan antara kualitas dan harga, serta kelompok yang lebih selektif dan mengutamakan kenyamanan selama menggunakan aplikasi. Perbedaan antarsegmen terbukti signifikan melalui uji ANOVA, sehingga segmentasi yang dihasilkan dinilai valid dan dapat dijadikan dasar dalam memahami perilaku konsumen. Temuan ini menegaskan pentingnya strategi layanan yang disesuaikan dengan kebutuhan setiap segmen agar Shopee dapat meningkatkan kepuasan pengguna, memperbaiki pengalaman berbelanja, serta mendorong niat perilaku positif di masa mendatang.

pdf

Downloads

Download data is not yet available.

References

  1. Arthur, D., & Vassilvitskii, S. (2007). k-means++: The advantages of careful seeding. Proceedings of the Eighteenth Annual ACM-SIAM Symposium on Discrete Algorithms, 1027–1035. https://theory.stanford.edu/~sergei/papers/kMeansPP-soda.
  2. Gefen, D., & Straub, D. W. (2000). The relative importance of perceived ease of use in IS adoption: A study of e-commerce adoption. MIS Quarterly, 24(3), 389–400. https://aisel.aisnet.org/misq/vol24/iss3/14/
  3. Halkidi, M., Batistakis, Y., & Vazirgiannis, M. (2001). On clustering validation techniques. Journal of Intelligent Information Systems, 17(2–3), 107–145. https://link.springer.com/article/10.1023/A:1012801612483
  4. Hoyer, W. D. (1984). An examination of consumer decision making for a common repeat purchase product. Journal of Consumer Research, 11(3), 822–829. https://www.jstor.org/stable/3151413
  5. Kanungo, T., Mount, D., Netanyahu, N., Piatko, C., Silverman, R., & Wu, A. (2002). An efficient k-means clustering algorithm: Analysis and implementation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 24(7), 881–892. https://www.cs.umd.edu/~mount/Papers/kMeans-soda.pdf
  6. Nugroho, B., & Purnomo, E. (2024). Implementasi clustering K-Means dalam segmentasi pengguna e-learning berbasis fitur interaksi pengguna. Jurnal Inotek, 5(3), 78–89. https://proceeding.unpkediri.ac.id/index.php/inotek/article/view/7166
  7. Santoso, H., & Wijaya, A. (2022). Pengembangan sistem rekomendasi buku digital menggunakan collaborative filtering. Jurnal Perpustakaan dan Informasi, 10(2), 123–131. https://e-journal.unair.ac.id/JPERPUS/article/download/41986/23702
  8. Solomon, M. R. (2018). Consumer behavior: Buying, having, and being (12th ed.). Pearson. https://archive.org/details/consumerbehavior12e
  9. Tan, P.-N., Steinbach, M., & Kumar, V. (2005). Introduction to data mining. Addison Wesley. https://www-users.cse.umn.edu/~kumar001/dmbook/ch8.pdf
  10. UPNVJ Informatika. (2023). Analisis Pengaruh Kualitas Layanan dan Kepuasan terhadap Loyalitas Pengguna: Studi Kasus Aplikasi Mobile. Informatik: Jurnal Ilmiah Informatika, 8(1), 45–56. https://ejournal.upnvj.ac.id/informatik/article/view/3654
  11. Wijaya, F., & Prasetyo, B. (2023). Perbandingan algoritma K-Means dan Hierarchical dalam pengelompokan data penjualan ritel. SNTEKPAN: Jurnal Sains dan Teknologi Pan, 2(1), 15–27. https://ejurnal.itats.ac.id/sntekpan/article/view/353
  12. Xu, D., & Tian, Y. (2015). A comprehensive survey of clustering algorithms. Annals of Data Science, 2(2), 165–193. https://arxiv.org/pdf/1502.02167.pdf
  13. Zeithaml, V. A. (1988). Consumer perceptions of price, quality, and value: A means-end model and synthesis of evidence. Journal of Marketing, 52(3), 2–22. https://www.jstor.org/stable/1251446

Similar Articles

You may also start an advanced similarity search for this article.