Customer Segmentation for Optimizing Marketing Strategy at Hotel Puri Mesari Using the K-Means Clustering Method
DOI:
https://doi.org/10.71282/jurmie.v2i6.382Keywords:
Segmentasi Pelanggan, K-Means Clustering, Marketing Mix 4PAbstract
Hotel Puri Mesari Sanur menghadapi tantangan dalam mempertahankan tingkat okupansi dan retensi pelanggan, dengan tingkat retensi hanya 32,44%. Penelitian ini bertujuan untuk menganalisis segmentasi pelanggan menggunakan algoritma K-Means Clustering dan memberikan rekomendasi strategi pemasaran yang efektif. Tujuan tersebut adalah untuk memahami karakteristik pelanggan dan meningkatkan potensi pendapatan di tengah persaingan industri perhotelan yang ketat. Data reservasi hotel dari 2018 hingga 2024 dianalisis menggunakan K-Means Clustering, dengan validasi melalui Silhouette Score dan Elbow Method. Hasil analisis menunjukkan tiga cluster pelanggan: Cluster 0 mencakup pelanggan loyal dengan rata-rata 371 kunjungan dan pengeluaran moderat; Cluster 1 terdiri dari pelanggan dengan kunjungan rendah tetapi beragam asal negara; dan Cluster 2 merupakan segmen eksklusif dengan pengeluaran tertinggi dan durasi menginap terpanjang. Rekomendasi strategi pemasaran disusun menggunakan Marketing Mix 4P, lalu pihak manajemen hotel menguji rekomendasi tersebut dengan mengisi kuesioner skala Likert kepada mereka. Hasilnya, didapatkan rekomendasi strategi bagi setiap cluster yang sudah sesuai dan dapat diterapkan di hotel untuk memperkuat hubungan dengan pelanggan dan meningkatkan pendapatan.
Downloads
References
K. Tabianan, S. Velu, and V. Ravi, “K-Means Clustering Approach for Intelligent Customer Segmentation Using Customer Purchase Behavior Data,” Sustainability (Switzerland), vol. 14, no. 12, pp. 1–15, 2022, doi: 10.3390/su14127243.
S. F. Djun, REKOMENDASI PENDAMPINGAN BISNIS UMKM BERDASARKAN HASIL SEGMENTASI PELANGGAN MENGGUNAKAN K-MEANS CLUSTERING PADA MODEL ….
repo.undiksha.ac.id, 2024. [Online]. Available: https://repo.undiksha.ac.id/id/eprint/20204
A. G. Ramadhan, “DATA MINING UNTUK SEGMENTASI PELANGGAN DENGAN ALGORITMA K-MEANS: STUDI KASUS PADA DATA PELANGGAN DI TOKO RETAIL,”
Jurnal Ilmiah Indonesia, vol. 8, no. 1, pp. 5698–5715, 2023, doi: http://dx.doi.org/10.36418/syntax-literate.v6i6.
V. K. Tan, Pang-Ning, Michael Steinbach, Introduction to Data Mining. 2014. doi: 10.1016/b978-155558242-5/50003-6.
S. J. Shaw and K. R. Davis, Marketing Management, vol. 37, no. 1. 1973. doi: 10.2307/1250781.
Wendell R . Smith, “Product Differentiation and Market Segmentation as Alternative Marketing Strategies Author ( s ): Wendell R . Smith Published by : American Marketing Association Stable URL : http://www.jstor.org/stable/1247695 PRODUCT DIFFERENTIATION AND MARKET SEGMENTAT,” American Marketing Association, vol. 21, no. 1, pp. 3–8, 1956.
V. Kumar, Data Clustering : Algorithms and Applications. 2014. doi: 10.1201/9781315373515- 4.
https://revou.co/kosakata/clustering, diakses pada 21 Januari 2025
V. Alvianatinova, I. Ali, N. Rahaningsih, and A. Bahtiar, “Penerapan Algoritma K-Means Clustering Dalam Pengelompokan Data Penjualan Supermarket Berdasarkan Cabang (Branch),” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 2, pp. 1529–1535, 2024, doi: 10.36040/jati.v8i2.8993.
P. Mir and P. Mir-Bernal, “the Ultimate Theory of the Marketing Mix: a Proposal for Marketers and Managers,” International Journal of Entrepreneurship, vol. 26, no. 1, 2022, [Online].
Available: https://www.researchgate.net/publication/360075989
E. Hendrayani et al., “Konsep Bauran Pemasaran 4P dan 7P,” Manajemen Pemasaran: Dasar dan Konsep, no. June, p. 126, 2021.
Alimah Nur and Atik Lusia, “Pengaruh Strategi Marketing Mix (4P) Dalam Upaya Meningkatkan Kinerja Pemasaran Pada Masa Pandemi Covid-19 (Studi Kasus Pada Geffa Production Sukoharjo),” Jurnal Sinar Manajemen, vol. 10, no. 2, pp. 102–115, 2023, doi: 10.56338/jsm.v11i2.2821.
H. O.C, Ferrel , Michael D, Marketing_Strategy, 6th ed., vol. 6, no. 1. 2019. [Online]. Available: http://scioteca.caf.com/bitstream/handle/123456789/1091/RED2017-Eng- 8ene.pdf?sequence=12&isAllowed=y%0Ahttp://dx.doi.org/10.1016/j.regsciurbeco.2008.06.005
%0Ahttps://www.researchgate.net/publication/305320484_SISTEM_PEMBETUNGAN_TERPU SAT_STRATEGI_MELESTARI
R. Wu, “Behavioral analysis of electricity consumption characteristics for customer groups using the k-means algorithm,” Systems and Soft Computing, vol. 6, no. April, p. 200143, 2024, doi: 10.1016/j.sasc.2024.200143.
Ramadhan, A. G. (2023). DATA MINING UNTUK SEGMENTASI PELANGGAN DENGAN ALGORITMA K-MEANS: STUDI KASUS PADA DATA PELANGGAN DI TOKO RETAIL. Jurnal Ilmiah Indonesia, 8(1), 5698–5715. https://doi.org/http://dx.doi.org/10.36418/syntaxliterate.v6i6
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Ni Kadek Juniawatia, Ni Putu Sutramiani, Kadek Suar Wibawa (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
