Strategi Promosi Penerapan Data Mining Mahasiswa Baru Dengan Metode K-Means Clustering

Authors

  • Agneresa Agneresa Universitas Buana Perjuangan Karawang
  • April Lia Hananto Universitas Buana Perjuangan Karawang
  • Shofa Shofiah Hilabi Universitas Buana Perjuangan Karawang
  • Agustia Hananto Universitas Buana Perjuangan Karawang
  • Tukino Tukino Universitas Buana Perjuangan Karawang

DOI:

https://doi.org/10.35969/dirgamaya.v2i2.275

Keywords:

Clustering Data Mining DBI K-Means.

Abstract

Kegiatan penerimaan mahasiswa sudah menjadi kebiasaan tahunan bagi perguruan tinggi seperti Universitas Buana Perjuangan yang diadakan setiap tahun ajaran baru. Banyaknya data yang dihasilkan melalui proses ini dapat menjadi sumber informasi baru bagi perguruan tinggi yang dapat dimanfaatkan untuk menentukan strategi promosi yang efisien dan spesifik. Pada penelitian ini, teknik Clustering dan algoritma K-Means digunakan dalam proses Data Mining. Data dalam penelitian ini menggunakan data penerimaan mahasiswa baru tahun ajaran 2020/2021 yang berjumlah 2479 pendaftar dengan atribut seperti jenis kelamin, asal sekolah, asal jurusan, dan program studi yang dipilih. Penelitian ini menggunakan perangkat lunak RapidMiner untuk implementasi. Davies Bouldin Index digunakan untuk mencari jumlah Cluster yang optimal kemudian menghasilkan 2 Cluster. Cluster 1 sebagai cluster minat tinggi berjumlah 1945 data dengan persentase sebesar 78,82%.  karakteristik cluster 1 didominasi oleh mahasiswa yang berasal dari SMA Negeri 52% dan SMK Swasta 21% Prodi yang paling banyak dipilih yaitu Manajemen sebanyak 22%. Cluster 2 sebagai cluster minat rendah berjumlah 525 data dengan persentase sebesar 21,18% mempunyai karakteristik yang didominasi oleh mahasiswa berasal dari SMK Negeri 48% dan SMK Swasta 45% program studi yang paling mendominasi pada cluster yaitu Prodi Manajemen 25% dan Teknik Industri 24%. Penelitian ini menghasilkan pola yang menarik sebagai sumber informasi baru untuk menentukan strategi promosi yang lebih efektif dan tepat sasaran dalam mempromosikan setiap program studi sehingga dapat meningkatkan jumlah calon pendaftar mahasiswa baru di tahun berikutnya.

Downloads

Download data is not yet available.

References

S. S. Hilabi, U. Buana, P. Karawang, and B. Huda, “TechnoXplore Jurnal Ilmu Komputer & Teknologi Informasi,” 2019.

A. Lia Hananto et al., “Analysis of Drug Data Mining with Clustering Technique Using K-Means Algorithm,” J Phys Conf Ser, vol. 1908, no. 1, 2021, doi: 10.1088/1742-6596/1908/1/012024.

M. Tonggiroh and M. Taher Jufri, “DATA MINING STRATEGI PROMOSI PADA UNIVERSITAS YAPIS PAPUA MENGGUNAKAN ALGORTIMA K-MEANS CLUSTERING,” 2018.

D. D. Pertiwi and R. Taufiq, “ANALISIS DAN DESAIN SISTEM INFORMASI PENGOLAHAN NILAI SISWA DI SMK AVICENA RAJEG,” pp. 29–35, 2020.

C. Nas, “Data Mining Pengelompokan Bidang Keahlian Mahasiswa Menggunakan Algoritma K-Means (Studi Kasus : Universitas Cic Cirebon),” 2020.

N. Ayu Rahmalinda and A. Jananto, “Penerapan Metode K-Means Clustering Dalam Menentukan Strategi Promosi Berdasarkan Data Penerimaan Mahasiswa Baru.”

F. Yunita, “PENERAPAN DATA MINING MENGGUNKAN ALGORITMA K-MEANS CLUSTRING PADA PENERIMAAN MAHASISWA BARU (STUDI KASUS : UNIVERSITAS ISLAM INDRAGIRI),” 2018.

O. Oktaviarna Tensao et al., “INFORMASI (Jurnal Informatika dan Sistem Informasi) Analisa Data Mining dengan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru Pada STMIK Primakara.”

R. Pormes and D. H. F. Manongga, “Penggunaan Algoritma Clustering K-means Untuk Melihat Daerah-Daerah Penyuplai Mahasiswa Di Biro Promosi UKSW,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 5, pp. 2443–2229, 2019, doi: 10.28932/jutisi.v5i2.1968.

M. Sobri Sungkar, “ANALISIS MINAT MAHASISWA MEMASUKI PROGRAM STUDI TEKNIK DENGAN MENGGUNAKAN METODE K-MEANS CLUSTERING DI POLITEKNIK HARAPAN BERSAMA,” vol. 5, no. 5, 2020.

A. Lia Hananto, S. Sofiah Hilabi, and D. Noviani, “Design of Customer Satisfaction Application at BCA Kcp Rengasdengklok Using C.45 Algorithm Method,” Buana Information Technology and Computer Sciences (BIT and CS), vol. 3, no. 1, pp. 11–16, 2022, doi: 10.36805/bit-cs.v3i1.2048.

Y. Yuliani, “Algoritma Random Forest Untuk Prediksi Kelangsungan Hidup Pasien Gagal Jantung Menggunakan Seleksi Fitur Bestfirst,” Infotek : Jurnal Informatika dan Teknologi, vol. 5, no. 2, pp. 298–306, Jul. 2022, doi: 10.29408/jit.v5i2.5896.

M. R. Muttaqin and M. Defriani, “Algoritma K-Means untuk Pengelompokan Topik Skripsi Mahasiswa,” ILKOM Jurnal Ilmiah, vol. 12, no. 2, pp. 121–129, 2020, doi: 10.33096/ilkom.v12i2.542.121-129.

D. P. Sari, “Implementasi Algoritma K-Means Dalam Menentukan Tingkat Penyebaran Pandemi Covid-19 Di Sumatera Barat,” Computer Based Information System Journal, vol. 9, no. 1, pp. 50–56, 2021, doi: 10.33884/cbis.v9i1.3646.

R. Julianti Hablum, A. Khairan, J. Jati Metro, and K. Ternate Selatan, “JIKO (Jurnal Informatika dan Komputer) Ternate CLUSTERING HASIL TANGKAP IKAN DI PELABUHAN PERIKANAN NUSANTARA (PPN) TERNATE MENGGUNAKAN ALGORITMA K-MEANS,” 2019.

D. Marlina, N. Lina, A. Fernando, and A. Ramadhan, “Implementasi Algoritma K-Medoids dan K-Means untuk Pengelompokkan Wilayah Sebaran Cacat pada Anak,” Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi, vol. 4, no. 2, p. 64, 2018, doi: 10.24014/coreit.v4i2.4498.

Tukino and Baenil Huda, “TechnoXplore Jurnal Ilmu Komputer & Teknologi Informasi,” 2019.

K. D. R. Sianipar, S. W. Siahaan, M. Siregar, F. I. R.H Zer, and D. Hartama, “PENERAPAN ALGORITMA K-MEANS DALAM MENENTUKAN TINGKAT KEPUASAN PEMBELAJARAN ONLINE PADA MASA PANDEMI COVID-19,” Jurnal Teknologi Informasi, vol. 4, no. 1, 2020, doi: 10.36294/jurti.v4i1.1258.

E. Muningsih, I. Maryani, and V. R. Handayani, “Penerapan Metode K-Means dan Optimasi Jumlah Cluster dengan Index Davies Bouldin untuk Clustering Propinsi Berdasarkan Potensi Desa,” Jurnal Sains dan Manajemen, vol. 9, no. 1, pp. 95–100, 2021.

M. Herviany, S. P. Delima, T. Nurhidayah, and Kasini, “Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokkan Daerah Rawan Tanah Longsor di Provinsi Jawa Barat,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 1, no. 1, pp. 34–40, 2021.

Downloads

Published

2022-10-31