STRATEGI PROMOSI PERGURUAN TINGGI MENGGUNAKAN MODEL CLUSTERING DAN ASOSIATION

Mustakim Mustakim, Shasa Elfina Rahmadani, Jeni Adhiva

Abstract


Universitas swasta di Pekanbaru seperti Universitas Muhammadiyah Riau (UMRI) melakukan promosi-promosi tentang perguruan tinggi tersebut agar tidak kalah saing dengan universitas lainnya. Diperlukan A nalisa terhadap data mahasiswa yang lulus dari UMRI yang nantinya akan membantu dalam mempromosikan universitas untuk wilayah promosi dan prioritas calon dari mahasiswa baru dari setiap wilayah. Implementasi metode dengan algoritma K-Means, K-Medoids dan FP-Growth digunakan untuk analisa dan memperoleh rule prioritas calon mahasiswa baru. Pecobaan pembagian mulai dari cluster dari 2 sampai 7 maka pada nilai cluster 3 menggunakan K-Medoids menghasilkan akurasi paling optimal dengan pengukuran (DBI) 0.174, hasil cluster yang optimal diasosiasikan dengan Algoritma FP-Growth dengan nilai support 20% dan confidence 50% dimana nilai ini efektif untuk memenuhi analisis promosi dengan mendapatkan rule yaitu UMRI dapat menonjolkan jurusan Akuntansi dan jenis kelamin perempuan yang dapat menjadi target dalam mempromosikan UMRI di wilayah Riau


Full Text:

PDF

References


R. D. Ramadhani, “Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Universitas Dian Nuswantoro,” Ind. Mark. Manag., vol. 1, no. 1, pp. 1–9, 2014, [Online]. Available: http://dx.doi.org/10.1016/j.indmarman.2016.05.016.

S. Genjang, E. K. Sari, L. R. Elita, and S. A. Putri, “Market Basket Analysis with K-Means and FP-Growth Algorithm as Citra Mustika Pandawa Company Analisis Keranjang Pasar Menggunakan Algoritma K-Means dan,” Inst. Res. Publ. Indones., vol. 1, no. April, pp. 41–46, 2021.

I. Syukra, A. Hidayat, and M. Z. Fauzi, “Implementation of K-Medoids and FP-Growth Algorithms for Grouping and Product Offering Recommendations,” Indones. J. Artif. Intell. Data Min., vol. 2, no. 2, p. 107, 2019, doi: 10.24014/ijaidm.v2i2.8326.

G. Rahayu and Mustakim, “Principal Component Analysis Untuk Dimensi Reduksi Data Clustering Sebagai Pemetaan Persentase Sertifikasi Guru Di Indonesia,” Semin. Nas. Teknol. Inf. Komun. dan Ind., vol. 0, no. 0, pp. 201–208, 2017, [Online]. Available: http://ejournal.uin-suska.ac.id/index.php/SNTIKI/article/view/3265.

Setiawan, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru ( Studi Kasus : Politeknik Lp3i Jakarta ),” J. Lentera Ict, vol. 3, no. 1, pp. 76–92, 2016.

M. A. Ramadhan, Efendi, “Perbandingan K-Means dan Fuzzy C-Means untuk Pengelompokan Data User Knowledge Modeling,” Semin. Nas. Teknol. Informasi, Komun. dan Ind. 9, pp. 219–226, 2017.

T. Velmurugan, “Efficiency of k-Means and K-Medoids Algorithms for Clustering Arbitrary Data Points,” Int. J. Comput. …, vol. 3, no. 5, pp. 1758–1764, 2012, [Online]. Available: http://www.researchgate.net/publication/233986697_Efficiency_of_k-Means_and_K-Medoids_Algorithms_for_Clustering_Arbitrary_Data_Points/file/d912f50dc62a03083a.pdf.

D. Larasati, “Analisis Dan Implementasi Algoritma Fp-Growth Pada Aplikasi Smart Untuk Menentukan Market Basket Analysis Pada Usaha Retail ( Studi Kasus : Pt . X ) Analysis and Implementation of Fp-Growth Algorithm in Smart Application To Determine Market Basket Analysi,” Sist. Komput., vol. 2, no. 1, pp. 749–755, 2015.

H. Maulidiya and A. Jananto, “Asosiasi Data Mining Menggunakan Algoritma Apriori Dan Fp-,” pp. 978–979, 2020.

E. Asril, F. Wiza, and Y. Yunefri, “Analisis Data Lulusan dengan Data Mining untuk Mendukung Strategi Promosi Universitas Lancang Kuning,” J. Teknol. Inf. Komun. Digit. Zo., vol. 6, no. 2, pp. 24–32, 2015.

N. I. Selviana and Mustakim, “Analisis perbandingan K-Means dan Fuzzy C-Means untuk pemetaan motivasi balajar mahasiswa,” Semin. Nas. Teknol. Informasi, Komun. dan Ind. 8, vol. 01, no. 01, pp. 95–105, 2016.




DOI: http://dx.doi.org/10.24014/rmsi.v8i1.15296

Refbacks

  • There are currently no refbacks.