Analisa Data Mining dengan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru Pada STMIK Primakara

Oki Oktaviarna Tensao; I Nyoman Yudi Anggara Wijaya; Ketut Queena Fredlina

doi:10.37424/informasi.v14i1.135

Oki Oktaviarna Tensao STMIK Primakara
I Nyoman Yudi Anggara Wijaya STMIK Primakara
Ketut Queena Fredlina STMIK Primakara

DOI: https://doi.org/10.37424/informasi.v14i1.135

Keywords: data mining, k-means clustering, program studi, Gelombang pendaftaran

Abstract

Persaingan antar perguruan tinggi membuat institusi dapat menjalankan institusinya dengan professional, maka dari itu kampus STMIK Primakara memerlukan strategi pemasaran yang baik dalam melakukan promosi untuk mendapatkan target mahasiswa agar lebih efektif dan efisien. Penelitian ini membahas tentang penerapan data mining, dengan memakai algoritma K-Means Clustering untuk menganalisis dan mengelompokkan data calon mahasiswa.

Metode yang dipakai adalah CRISP-DM dengan melalui proses business understanding, data understanding, data preparation, modelling, evaluation, dan deployment. Implementasi memakai RapidMiner 9.10 untuk membantu menemukan nilai yang akurat. Atribut yang dipakai adalah wilayah asal sekolah, program studi, dan gelombang pendaftaran. Cluster yang terbentuk sebanyak tiga cluster dengan jumlah cluster pertama adalah 906 mahasiswa, cluster kedua adalah 28 mahasiswa, dan cluster ketiga adalah 77 mahasiswa.

Hasil dari cluster diatas bahwa mahasiswa yang paling banyak mendaftar berasal dari wilayah Denpasar timur dan Gianyar, solusi dari strategi promosi yang bisa dilakukan yaitu melakukan promosi langsung, memperbanyak promosi ke sekolah, membuka booth, melakukan pemasaran ke sekolah yang sejurusan dengan kampus, melakukan promosi besar-besaran pada gelombang pertama dan memberikan potongan tambahan, serta untuk daerah yang jauh dijangkau sesuai dengan hasil cluster 2 dan cluster 3 hanya dilakukan pemasaran dengan periklanan yang tertera pada tabel promotion mix.

References

Deny Jollyta, W. R. (2020). Konsep Data mining dan Penerapan. Deepublish.

Etin Indrayani. (2011). Pengelolaan Sistem Informasi Akademik Peruruan Tinggi Berbasis Teknologi dan Komunkasi (TIK). Jurnal Penelitian Pendidikan, 12(1), 45–60.

Fadlina, 2014. (2014). Data Mining Untuk Analisa Tingkat Kejahatan Jalanan. Informasi Dan Teknologi Ilmiah (INTI), 3(1), 144–154.

Júnior, B. C. (2010). Identifying Bank Frauds using CRISP-DM and Decision Trees. International Journal, 162-170.

Nurhayati, I., & Mulyadi, A. (n.d.). PROMOSI UNIVERSITAS SWASTA DALAM MENARIK MINAT MAHASISWA BARU (Studi Kasus Promosi UPT HPPMB Universitas Muhammadiyah Sukabumi).

Ong, J. O. (2013). Implementasi Algotritma K-means clustering untuk menentukan strategi marketing president university. Jurnal Ilmiah Teknik Industri, vol.12, no(juni), 10–20.

Prasetyo, V. R., Lazuardi, H., Mulyono, A. A., & Lauw, C. (2021). Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Linear Regression. Jurnal Nasional Teknologi Dan Sistem Informasi, 7(1), 8–17. https://doi.org/10.25077/teknosi.v7i1.2021.8-17

Purnama, I., Saputra, R., & Wibowo, A. (n.d.). IMPLEMENTASI DATA MINING MENGGUNAKAN CRISP-DM PADA SISTEM INFORMASI EKSEKUTIF DINAS KELAUTAN DAN PERIKANAN PROVINSI JAWA TENGAH.

Santosa, B. (2007). Santosa, Budi. Yogyakarta: Graha Ilmu.

Tes., R. S. and N. (2016). Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru ( Studi Kasus : Politeknik Lp3i Jakarta ). Jurnal Lentera Ict, 3(1), 76–92.

Tonggiroh, M., & Jufri, M. T. (2018). Data Mining Strategi Promosi Pada Universitas Yapis Papua Menggunakan Algortima K-Means Clustering. Seminar Nasional Teknologi Informasi Dan Komunikasi (SEMNASTIK) X, 8, 587–594.