Penerapan Metode K-Means Clustering untuk Segmentasi Performa Konten Video Tiktok sebagai Dasar Optimasi Strategi Pemasaran Digital (Studi Kasus: Perusahaan Kecap Djoe-Hoa)
DOI:
https://doi.org/10.70182/jca.v3i1.2225Keywords:
K-Means Clustering, Segmentasi Performa, TikTok Analytics, Pemasaran Digital, Data MiningAbstract
Penelitian berjudul “Penerapan Metode K-Means Clustering untuk Segmentasi Performa Harian Akun TikTok sebagai Dasar Optimasi Strategi Pemasaran Digital” bertujuan mengelompokkan pola performa konten dan merumuskan strategi pemasaran digital yang terukur. Penelitian ini membatasi variabel pada data agregat harian berupa Video Views, Likes, Comments, Shares, dan Engagement Rate selama periode April 2025 hingga April 2026 dari Perusahaan Kecap Djoe-Hoa, yang dianalisis menggunakan algoritma K-Means Clustering dengan evaluasi Elbow Method dan Silhouette Score. Hasil analisis menunjukkan jumlah klaster optimal adalah k=2 dengan nilai Silhouette Score sebesar 0,7424, mengindikasikan struktur klaster yang sangat kuat. Terbentuk Klaster 0 (Low Engagement Cluster) yang mencakup 98,1% hari observasi, dan Klaster 1 (High Engagement Cluster) sebesar 1,9%. Temuan utama mengindikasikan adanya perbedaan pola antara Video Views dan Engagement Rate, di mana Klaster 1 memiliki Engagement Rate sepuluh kali lipat lebih tinggi (3,16%) dibandingkan Klaster 0 (0,31%) tanpa adanya peningkatan signifikan pada jumlah Video Views, yang mengisyaratkan bahwa kualitas emosional konten lebih menentukan interaksi audiens daripada sekadar jangkauan algoritma. Penelitian ini menyimpulkan bahwa K-Means Clustering efektif memetakan polarisasi performa konten, memberikan landasan objektif untuk menggeser fokus strategi dari optimasi kuantitas tayangan menuju peningkatan kualitas interaksi. Untuk penelitian selanjutnya, direkomendasikan penggunaan data tingkat per-video serta integrasi variabel kualitatif agar diperoleh insight yang lebih granular.
Downloads
References
A. Angelin dan S. Paramita, “Analisis Strategi Komunikasi Pemasaran dalam Meningkatkan Customer Engagement Produk Kecantikan di TikTok,” Prologia, 2024, doi: 10.24912/pr.v8i2.27615.
Kompas, “Budi Gunawan: Data Intelijen, Pemain Judi Online Capai 8,8 Juta pada 2024,” Kompas.com, 2024, [Daring]. Tersedia pada: https://nasional.kompas.com/read/2024/11/14/15382151/budi-gunawan-data-intelijen-pemain-judi-online-capai-88-juta-pada-2024
A. News, “TikTok Jadi Platform Media Sosial Paling Populer pada Tahun 2024,” ANTARA News, 2024, [Daring]. Tersedia pada: https://www.antaranews.com/berita/4556802/tiktok-jadi-platform-media-sosial-paling-populer-pada-tahun-2024
A. W. Kinanti dan P. Adi, “The Effect of Informative Values on Consumer Engagement in Digital Content Marketing: A Study of Consumers on TikTok on Indonesia,” Da’watuna J. Commun. Islam. Broadcast., 2025, doi: 10.47467/dawatuna.v5i5.9429.
N. A. Fitri et al., “Strategi Pembuatan Video Konten Digital Marketing Melalui Aplikasi Tiktok Di SMK N 1 Semarang,” SABER J. Tek. Inform. Sains dan Ilmu Komun., 2024, doi: 10.59841/saber.v1i3.1392.
F. R. Simanjuntak, A. Safirah, U. Rahma, dan W. W. Nst, “Pengaruh Konten Marketing Tiktok Grab Indonesia terhadap Customer Engagement Mahasiswa Universitas Sumatera Utara,” Cantaka J. Ilmu Ekon. dan Manaj., 2024, doi: 10.61492/cantaka.v2i2.228.
A. Felix, D. Yurisca, A. S. Kembau, J. Sutrisno, dan F. Maitri, “Pemanfaatan Tiktok Dalam Strategi Pemasaran: Studi Kasus Naughty Indonesia Dan Pelatihan Tim Pemasaran Digital,” J. Abdimas Bina Bangsa, 2024, doi: 10.46306/jabb.v5i1.1015.
I. Irmawati, H. T, S. Santi, N. Nurdiansah, H. Herlinda, dan K. Kasmawaru, “Analisis Perilaku Pembelian Audiens Tiktok Melalui Klasterisasi Preferensi Konten Dengan Algoritma K-Means,” TRANSFORMASI, 2025, doi: 10.56357/jt.v21i1.432.
I. Jamalulel, Melinda, J. Hernando, dan A. K. Sihombing, “Analyzing Tiktok’s Content Marketing Strategy for Enhancing Customer Engagement in Indonesian MSMEs,” Int. J. Latest Technol. Eng. Manag. & Appl. Sci., 2025, doi: 10.51583/ijltemas.2025.140500092.
W. Sari et al., “Pengaruh Konten Gaya Bahasa Campuran Indonesia-Inggris Terhadap Minat Konsumsi Tiktok @joviadhigunahunter (Survei Followers TikTok @joviadhigunahunter),” J. Multidisiplin Dehasen, 2025, doi: 10.37676/mude.v4i3.8828.
N. Ramadhani, N. E. Salam, dan R. E. Yozani, “Pemanfaatan Konten Tiktok Sebagai Media Komunikasi Pemasaran Digital Shoppe Affiliate Pada Akun Tiktok ‘Indisyindi,’” Pendas J. Ilm. Pendidik. Dasar, 2023, doi: 10.23969/jp.v8i1.7591.
C. A. Krisdanu dan K. A. Sumantri, “TikTok sebagai Media Pemasaran Digital di Indonesia,” J. LENSA MUTIARA Komun., 2023, doi: 10.51544/jlmk.v7i2.4173.
D. Tewu, D. Destine, dan I. Gunawan, “Analysis of Social Media User Growth and Its Implications for Digital Marketing Strategies in Indonesia 2024,” Int. J. Manag. Stud. Soc. Sci. Res., 2025, doi: 10.56293/ijmsssr.2025.5623.
M. I. Ciptandini dan R. Prathivi, “Klasterisasi Tingkat Kecanduan Penggunaan Tiktok Terhadap Minat Belajar Menggunakan Algoritma K-Means Clustering,” Kesatria J. Penerapan Sist. Inf. (Komputer dan Manajemen), 2025, doi: 10.30645/kesatria.v6i1.548.
A. Kurniawan, R. Fitriana, M. Vrisaliani, N. S. Adesti, dan S. Rahmadhani, “Pemanfaatan Media Sosial Tiktok Untuk Pemasaran Bisnis Digital Sebagai Media Promosi,” J. Ilm. Raflesia Akunt., 2025, doi: 10.53494/jira.v11i1.845.
D. Trihapningsari, H. Basri, M. B. S. Julianto, dan I. Kusyadi, “Segmenting perceptions of social media’s impact on MSMEs using K-means,” J. Ilm. Teknol. Inf. Asia, 2025, doi: 10.32815/jitika.v19i2.1188.
N. H. Harani, C. Prianto, dan F. A. Nugraha, “Segmentasi Pelanggan Produk Digital Service Indihome Menggunakan Algoritma K-Means Berbasis Python,” vol. 10, hal. 133–146, 2020, doi: 10.34010/jamika.v10i2.2683.
C. Wiguna, S. Mulyana, dan R. Wardoyo, “Selection of TikTok Content Based on User Engagement Criteria Using the Analytic Hierarchy Process,” JUITA J. Inform., 2023, doi: 10.30595/juita.v11i1.16314.
R. Saputra, Z. Syahrani, S. Rahmadani, dan D. Prihadi, “Eksplorasi Engagement Rate dan Strategi Konten Tiktok Tasya Farasya: Validasi Model Komunikasi Pemasaran Digital,” J. Manag. Educ. Commun., 2025, doi: 10.64685/jmec.v3i1.42.
M. A. Uddin et al., “Data-driven strategies for digital native market segmentation using clustering,” Int. J. Cogn. Comput. Eng., 2024, doi: 10.1016/j.ijcce.2024.04.002.
I. Wahyuni, R. Arifiansyah, E. Meidasari, dan I. Siskawati, “Role of Brand Equity, Digital Marketing, Customer Experience, and Social Media Engagement on Consumer Purchase Intention on Tiktok Shop Application,” Int. J. Business, Law, Educ., 2024, doi: 10.56442/ijble.v5i2.942.
M. M. Islam dan M. A. Kabir, “The Impact Of Short Video Content And Social Media Influencers On Digital Marketing Success: A Systematic Literature Review Of Smartphone Usage,” Innov. Eng. J., 2025, doi: 10.70937/faet.v1i02.46.
I. Khan et al., “Addressing limitations of the K-means clustering algorithm: outliers, non-spherical data, and optimal cluster selection,” AIMS Math., 2024, doi: 10.3934/math.20241222.
L. S. Ling dan C. T. Weiling, “Enhancing Segmentation: A Comparative Study of Clustering Methods,” IEEE Access, vol. 13, hal. 47418–47439, 2025, doi: 10.1109/access.2025.3550339.
M. Kasem, M. Hamada, dan I. Taj-Eddin, “Customer profiling, segmentation, and sales prediction using AI in direct marketing,” Neural Comput. Appl., hal. 1–11, 2023, doi: 10.1007/s00521-023-09339-6.
X. Li dan Y. S. Lee, “Customer Segmentation Marketing Strategy Based on Big Data Analysis and Clustering Algorithm,” J. Cases Inf. Technol., vol. 26, hal. 1–16, 2024, doi: 10.4018/jcit.336916.
G. Wang, “Customer segmentation in the digital marketing using a Q-learning based differential evolution algorithm integrated with K-means clustering,” PLoS One, vol. 20, 2025, doi: 10.1371/journal.pone.0318519.
K. Sinaga dan M.-S. Yang, “Unsupervised K-Means Clustering Algorithm,” IEEE Access, vol. 8, hal. 80716–80727, 2020, doi: 10.1109/access.2020.2988796.
D. Aditya dan D. Fitrianah, “Comparative Study Of Fuzzy C-Means And K-Means Algorithm For Grouping Customer Potential In Brand Limback,” J. Ris. Inform., 2021, doi: 10.34288/jri.v3i4.241.
T. A. Rainy, M. A. Rahman, dan A. J. Mou, “CUSTOMER RELATIONSHIP MANAGEMENT AND DATA-DRIVEN DECISION-MAKING IN MODERN ENTERPRISES: A SYSTEMATIC LITERATURE REVIEW,” Am. J. Adv. Technol. Eng. Solut., 2024, doi: 10.63125/jetvam38.
O. Sarioguz dan E. Miser, “Data-Driven Decision-Making: Revolutionizing Management in the Information Era,” J. Artif. Intell. Gen. Sci. ISSN3006-4023, 2023, doi: 10.60087/jaigs.v4i1.131.
A. A. S. Mohammad, S. I. S. Mohammad, B. Al Oraini, A. H. A. Hindieh, A. V. A. Vasudevan, dan M. T. Alshurideh, “Decoding Consumer Behaviour: Leveraging Big Data and Machine Learning for Personalized Digital Marketing,” Data Metadata, 2025, doi: 10.56294/dm2025700.
Y. Lu dan C. Shen, “Unpacking Multimodal Fact-Checking: Features and Engagement of Fact-Checking Videos on Chinese TikTok (Douyin),” Soc. Media + Soc., vol. 9, 2023, doi: 10.1177/20563051221150406.
A. Rynarzewska, L. Nafees, dan A. Nikolov, “Typology and impact of follower responses to social media influencer ‘promotional crisis,’” Psychol. & Mark., 2024, doi: 10.1002/mar.22133.
B. R. M. Erdiani, A. Y. Husodo, dan I. B. K. Widiartha, “Novel Application of K-Means Algorithm for Unique Sentiment Clustering in 2024 Korean Movie Reviews on TikTok Platform,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., 2025, doi: 10.30812/matrik.v24i2.4794.
Y. Yusnidar, D. Yudhakusuma, dan F. Sari, “Personalized Marketing Strategy in Digital Business Using Data Mining Approach,” Int. J. Softw. Eng. Comput. Sci., 2023, doi: 10.35870/ijsecs.v3i2.1515.
G. Dash, C. Sharma, dan S. Sharma, “Sustainable Marketing and the Role of Social Media: An Experimental Study Using Natural Language Processing (NLP),” Sustainability, 2023, doi: 10.3390/su15065443.
M. A. Gomes dan T. Meisen, “A review on customer segmentation methods for personalized customer targeting in e-commerce use cases,” Inf. Syst. E-bus. Manag., vol. 21, hal. 527–570, 2023, doi: 10.1007/s10257-023-00640-4.
H. Liu, “A Digital Marketing Strategy Analysis and Application in the New Media Era: A Case Study of TikTok,” Adv. Econ. Manag. Polit. Sci., 2025, doi: 10.54254/2754-1169/2025.bl23891.
H. Turpo, K. Guillén, dan K. Balasubramanian, “Projected image of Taquile Island-Peru: an unsupervised learning approach with AI-supported video analytics of promotional content on TikTok,” J. Travel Tour. Mark., vol. 42, hal. 754–768, 2025, doi: 10.1080/10548408.2025.2502420.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Ayu Kartika, Slamet Wiyono, Sarif Surorejo (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
