SEGMENTASI PENGGUNA APLIKASI MOBILE DAN TV STREAMING MENGGUNAKAN ANALISIS CLUSTERING K-MEANS DENGAN PYTHON: STUDI KASUS PENGGUNA DI PULAU JAWA
Abstract
Penelitian ini bertujuan untuk mengidentifikasi segmentasi pengguna layanan streaming digital berbasis Aplikasi Mobile Android dan Android-TV di wilayah pulau Jawa dan sekitarnya. Metode penelitian menggunakan kusioner online. Data dikumpulkan melalui survey dan diproses menggunakan K-Means clustering menggunakan olah data Pyton, melalui kurang lebih 200 orang responden pengguna aplikasi streaming mobile android-TV. Berdasarkan hasil analisis menghasilkan lima persona utama: Movie Lovers, Religi Family Streamer, Big Screen Lover, Esport Mobile Fan, Local Budget Viewer. Masing-masing persona mencerminkan preferensi terhadap pengeluaran bulanan untuk entertaiment, pengelompokan usia, Gender, waktu yang dihabiskan untuk menonton streaming dalam satu minggu, Jenis layanan streaming yang diminati VOD/ Linear- Channel, kategori konten yang disukai, Jumlah TV yang dimiliki, dan kesukaan menonton pada TV atau smartphone. Segmentasi pada penelitian ini menunjukkan bahwa terdapat 88 orang responden masuk ke dalam target segmen Big Screen Lover dengan value preposition pembuatan product yang diselaraskan dengan segmentasi yang terbentuk. Temuan ini, menekankan pentingnya strategi pemasaran yang ditargetkan dan disesuaikan dengan kebutuhan dan keinginan spesifik dari masing-masing segmen yang terbentuk. Dengan memanfaatkan Informasi dari penelitian ini, diharapkan bisa digunakan bagi Perusahaan yang bergerak pada bidang Aplikasi Streaming Mobile dan Android-TV agar bisa mengoptimalkan produk atau paket yang akan ditawarkan, sesuai dengan kemampuan daya beli konsumen, serta juga bisa merekomendasikan konten yang akan disajikan dalam aplikasi, dan mengetahui platform mana yang paling disukai (Android- Mobile atau Android-TV).
References
Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches. Sage.
Farhan, M., & Heikal, J. (2024). Used Car Customer Segmentation Using K-Means Clustering Model With SPSS Program: Case Study Caroline.Id. Jurnal Indonesia Sosial Sains, 5(03). https://doi.org/10.59141/jiss.v5i03.1042
Jain, A. K. (2010). Data Clustering: 50 Years Beyond K-Means. Pattern Recognition Letters.
Linknet. (2024). Paparan Publik Tahunan 2024. Retrieved June 05, 2025, from https://www.linknet.co.id/files/document/announcement/Public%20Expose%20%5BNew%5D/2024%20-%20Tahunan/20241211LINK%20Materi%20PE%20Tahunan%202024.pdf Mutmainnah, I. (2023, November). Cluster analysis for customer segmentation based on the reasons for choosing Indihome products using the k-means method at PT. Telkom Access Witel SBU. In International Management Conference and Progressive Papers (pp. 394-409).
Nielsen. (2024). Waktu yang Dihabiskan untuk Streaming Melonjak Menjadi Lebih dari 40% di Bulan Juni, Pangsa Penggunaan TV Tertinggi dalam Sejarah The Gauge™ Nielsen. Retrieved June 05, 2025, from https://www.nielsen.com/id/news- center/2024/time-spent-streaming-surges-to-over-40-percent-in-june-2024/phyton Program: Case Study Caroline.Id. Jurnal Indonesia Sosial Sains, 5(03), 543– 559.
Rachmadi, T. (2020). The Power of Digital Marketing. TIGA Ebook.
Resti, A. Della, & Heikal, J. (2023). … on Top 3 Online Food Ordering Applications To Members of Roller Skates Community in Jakarta Using K-Means Clustering Method. Jurnal Scientia, 12(03), 4178–4183.
Santosa, B. (2007). Data Mining: Teknik Pemanfaatan Data untuk Keperluan Bisnis. Graha Ilmu.
Sharyanto, S., & Lestari, D. (2022). Penerapan Data Mining untuk Segmentasi Pelanggan dengan K-Means dan RFM. JURIKOM.
Sugiyono. (2017). Metode Penelitian Kuantitatif & Kualitatif. Alfabeta. x.php/pendidikan/article/download/1880/1580
