Analisis Model Segmentasi Data Kepuasan Pelayanan BKKBN dengan Pendekatan Hybrid PCA dan K-Means untuk Optimalisasi Customer Experience Management

Abstrak

Penelitian ini mengembangkan model segmentasi kepuasan pelayanan publik pada BKKBN Jawa Timur menggunakan pendekatan hybrid PCA dan K-Means Clustering untuk optimalisasi Customer Experience Management (CEM). Data 13 indikator kualitas pelayanan menunjukkan kepuasan baik secara agregat (mean 3,72–3,84; median 4,0) dengan 75% responden memberikan penilaian ≥4. Namun, standar deviasi 1,27–1,32 mengindikasikan variabilitas yang memerlukan analisis segmentasi. Uji kelayakan menghasilkan KMO 0,969 dan Bartlett's Test signifikan (p<0,01), yang menandakan data layak untuk analisis faktor. Dengan menggunakan PCA untuk mereduksi dimensi dan mengidentifikasi komponen utama yang menjelaskan 80% variasi total. K-Means menghasilkan delapan klaster optimal (Silhouette 0,532; Davies-Bouldin 1,59; Calinski-Harabasz 370,60). Namun, analisis segmentasi mengungkap adanya heterogenitas yang signifikan dalam pola kepuasan masyarakat, yaitu sebesar 29,4% sangat puas (mean 5,0), 24,0% puas (mean 3,95), 22,6% cukup puas (mean 3,04–3,06), dan 24,0% kurang puas hingga tidak puas (mean 1,88–2,93). Meskipun 53,4% responden puas hingga sangat puas, 46,6% memerlukan perbaikan layanan bervariasi sesuai karakteristik segmen. Hasil penelitian menegaskan perlunya strategi tersegmentasi sebagai peningkatan efisiensi untuk kelompok cukup puas, responsivitas untuk kelompok kurang puas, dan transparansi untuk kelompok tidak puas. Pendekatan hybrid PCA–K-Means efektif mengungkap pola heterogenitas tersembunyi di balik angka rata-rata dan menjadi dasar kebijakan berbasis segmentasi dalam peningkatan kualitas pelayanan publik.