PEMETAAN KARAKTERISTIK PELANGGAN DAN MENGETAHUI FAKTOR YANG MEMPENGARUHI KEPUASAN PELANGGAN UNTUK MENYUSUN STRATEGI PEMASARAN MENGGUNAKAN METODE K-MEANS DAN REGRESI LOGISTIK ORDINAL

Authors

  • Elsa Elviyana Dewi IST AKPRIND Yogyakarta, Jl. Kalisahak No.28, Yogyakarta
  • Kris Suryowati IST AKPRIND Yogyakarta, Jl. Kalisahak No.28, Yogyakarta

Keywords:

Toko Fashion Amigo Boyolali, Karakteristik, Kepuasan, Pelanggan

Abstract

Persaingan ritel fashion yang semakin pesat, menuntut untuk pelaku usaha mengatur atau merencanakan strategi yang tepat dan efisien. Amigo Boyolali adalah salah satu usaha dalam bidang ritel fashion yang saat ini memerlukan strategi yang tepat untuk meningkatkan penjualan. Penelitian ini dilakukan untuk mengelompokan pelanggan berdasarkan karakteristik pelanggan menggunakan metode K-Means dan mengetahui faktor-faktor apa saja yang mempengaruhi kepuasan pelanggan setelah berbelanja di Toko Fashion Amigo Boyolali dengan menggunakan metode Analisis Regresi Logistik Ordinal. Hasil pengelompokan pelanggan berdasarkan karakteristik tersebut dapat memberikan informasi jenis-jenis pelanggan yang datang berbalanja di toko. Hasil clustering menggunakan metode K-Means  diperoleh 2 cluster. Perbedaan antara cluster 1 dan cluster 2 paling menonjol adalah pada range umur, pendapatan dan kepuasan mereka setelah berbelanja di Amigo Boyolali. Dengan menggunakan analisis regresi logistic ordinal, model 1 diperoleh beberapa faktor yang mempengaruhi kepusan pelanggan setelah berbelanja di Amigo Boyolali. Faktor tersebut adalah Range Umur, Ketertarikan Fashion, Perilaku belanja kosnumen, penilaian terhadap produk yang disediakan, promosi yang diberikan dan customer service yang diberikan dengan memperoleh nilai Rsquare sebesar 20,73% artinya sebanyak 79,27% kepuasan pelanggan setelah berbelanja dipengaruhi faktor yang lain. Setelah dilakukan perbaikan model dengan menghilangkan factor yang tidak berpengaruh yaitu X2 (Gaya Hidup) diperoleh hasil yang sama atau tidak ada peningkatan pada nilai Rsquare-nya.

Downloads

Published

2022-01-17