SEGMENTASI MAHASISWA DENGAN ‘UNSUPERVISED’ ALGORITMA GUNA MEMBANGUN STRATEGI MARKETING PENERIMAAN MAHASISWA

Arif Abriyanto, Natalia Damastuti

Abstract


Perkembangan teknologi informasi yang demikian cepat akan menghasilkan suatu data yang besar dan heterogen yang dapat dimanfaatkan dalam berbagai bidang tidak terkecuali dalam bidang pendidikan. Proses pendaftaran peserta didik baru atau mahasiswa baru akan menghasilkan suatu data mahasiswa mulai dari   profil mahasiswa sampai dengan kegiatan proses belajar. pengolahan data yang benar akan dapat membantu mendapatkan suatu informasi yang akurat. Dengan memanfaatkan suatu algoritma pembelajaran mesin dalam melakukan segmentasi data mahasiswa akan dihasilkan informasi terkait prediksi penerimaan mahasiswa baru. K-Means Clustering dilakukan untuk mengelompokkan data mahasiswa berdasarkan tiga atribut yaitu  wilayah asal pendaftar, program studi dan umur  mahasiswa. Hasil dari pengolahan data klaster mahasiswa yang terbentuk adalah tiga cluster, dengan cluster pertama 1112 mahasiswa, cluster kedua 825 mahasiswa dan cluster ketiga sejumlah 744 mahasiswa. Berdasarkan klasterisasi yang dihasilkan diharapkan mampu memberikan rekomendasi kepada kegiatan marketing didalam menjaring calon mahasiswa baru.

Kata Kunci : K-Means Clustering, Segmentasi, Klaster, Mahasiswa


Full Text:

PDF

References


Beta Estri Adiana. (2018a). Analisis Segmentasi Pelanggan Menggunakan Kombinasi RFM Model dan Teknik Clustering. JUTEI, 23-32.

Dikti, D. J. (2016). Jakarta.

Dr. Suyanto, S. M. (2017). Data Mining untuk Klasifikasi dan Klasterisasi Data. Bandung: Informatika.

Irwansyah. (2016). Implementasi Data Mining untuk Menentukan Persediaan Stok Burger Menggunakan Metode K-Means Clustering. RUBSI.

Preeti Panwar. (2016a). Image Segmentation using K-means clustering and Thresholding. International Research Journal of Engineering and Technology .

Roni, A. (2015a). Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan Nilai Akademik dengan Weka Interface. https://www.researchgate.net/publication/329831347.

Unnati R. Raval, Chaita Jani. (2015). Implementing and Improvisation of K-Means Clustering. International Journal of Computer Science and Mobile Computing.

Youguo Li. (2012a). A Clustering Method Based on K-Means Algorithm. International Conference on Solid State Devices and Materials Science. China: Elsevier.


Refbacks

  • There are currently no refbacks.


E-ISSN: 2580-488X

P-ISSN: 2302-6227

Indexed by:

Published by Prodi Informatika - Teknik Informatika - Universitas Madura
Jl. Raya Panglegur Km 3,5 Pamekasan
Phone: (0324) 322231
website: http://http://ejournal.unira.ac.id/index.php/insand_comtech/index

Email: roney@unira.ac.id

Creative Commons License
InsandComtech by Universitas Madura is licensed under a Creative Commons Attribution 4.0 International License.