CLUSTERTING KARAKTERISTIK KONSUMEN ONLINE FOOD DELIVERY BERDASARKAN PERILAKU DAN FREKUENSI PENGGUNAAN
Published 2025-12-16
Keywords
- online food delivery, perilaku konsumen, segmentasi pasar, K-Means clustering, pemasaran digital
How to Cite
Abstract
Perkembangan layanan online food delivery telah mendorong perubahan signifikan dalam pola konsumsi masyarakat, terutama terkait cara konsumen memesan, memilih, dan mengevaluasi layanan makanan berbasis digital. Dinamika tersebut menuntut pemahaman yang lebih mendalam mengenai karakteristik perilaku konsumen agar strategi layanan dan pemasaran dapat dirancang secara lebih tepat sasaran. Penelitian ini bertujuan untuk mengelompokkan konsumen online food delivery berdasarkan tingkat kepuasan terhadap layanan, intensitas penggunaan fitur promo atau diskon, frekuensi pemesanan, serta faktor utama dalam memilih layanan. Metode yang digunakan adalah analisis K-Means Clustering dengan bantuan perangkat lunak SPSS terhadap 30 responden valid. Hasil penelitian menunjukkan terbentuknya tiga klaster konsumen dengan karakteristik perilaku yang berbeda secara signifikan. Klaster pertama merepresentasikan konsumen pragmatis dengan penggunaan layanan yang cukup rutin namun tidak terlalu dipengaruhi promosi. Klaster kedua merupakan kelompok dominan yang menunjukkan tingkat kepuasan tinggi, intensitas penggunaan promo besar, serta frekuensi pemesanan yang tinggi. Klaster ketiga mencerminkan konsumen situasional yang menilai layanan secara positif namun menggunakannya secara lebih selektif. Uji ANOVA menunjukkan bahwa seluruh variabel pembentuk klaster memiliki perbedaan yang signifikan antar klaster. Temuan ini menegaskan bahwa konsumen online food delivery bersifat heterogen dan dapat dipetakan ke dalam segmen perilaku yang jelas, sehingga berpotensi menjadi dasar bagi pengembangan strategi layanan dan pemasaran yang lebih tersegmentasi.
Downloads
References
- Belanche, D., Flavián, M., & Pérez-Rueda, A. (2021). Mobile apps use and customer experience: A literature review. Journal of Retailing and Consumer Services, 61, 102224. https://doi.org/10.1016/j.jretconser.2020.102224
- Bottou, L., & Bengio, Y. (1995). Convergence properties of the K-means algorithms. Advances in Neural Information Processing Systems, 7, 585–592.
- Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate Data Analysis (8th ed.). Cengage Learning.
- Hwang, J., & Kim, H. (2020). Consequences of a green image of drone food delivery services. Sustainability, 12(19), 7929. https://doi.org/10.3390/su12197929
- Jain, A. K. (2010). Data clustering: 50 years beyond K-means. Pattern Recognition Letters, 31(8), 651–666. https://doi.org/10.1016/j.patrec.2009.09.011
- Kotler, P., & Keller, K. L. (2016). Marketing Management (15th ed.). Pearson Education.
- Ray, A., Dhir, A., Bala, P. K., & Kaur, P. (2019). Why do people use food delivery apps? A consumer value perspective. Journal: Computers in Human Behavior, 91, 262–273. https://doi.org/10.1016/j.chb.2018.10.034
- Schiffman, L. G., & Wisenblit, J. (2019). Consumer Behavior (12th ed.). Pearson Education.
- Sekaran, U., & Bougie, R. (2016). Research Methods for Business: A Skill-Building Approach (7th ed.). Wiley.
- Wedel, M., & Kamakura, W. A. (2012). Market Segmentation: Conceptual and Methodological Foundations (2nd ed.). Springer.