K-Means Clustering Analysis Untuk Menentukan Strategi Promosi Kampus

Agrienta Bellanov; lilis nurhayati

doi:10.24014/jti.v9i1.22492

K-Means Clustering Analysis Untuk Menentukan Strategi Promosi Kampus

Agrienta Bellanov, lilis nurhayati

Abstract

Sudah banyak sektor ekonomi, pendidikan, bisnis dan lainnya yang berlomba-lomba untuk merancang strategi terbaiknya agar memperoleh target yang diinginkannya. Seperti halnya yang terjadi pada Universitas Katolik Darma Cendika. Universitas ini berupaya untuk melakukan penyusunan strategi terbaik agar semakin maju. Seperti yang diketahui bersama, kampus yang dinyatakan maju adalah kampus yang memiliki jumlah mahasiswa banyak. Hal inilah yang kemudian memicu UKDC agar terus melakukan penyusunan strategi promosi kampus. Setelah di amati lebih lanjut ternyata strategi promosi yang selama ini dilakukan oleh pihak staff Universitas masih belum maksimal, staff universitas hanya melakukan promosi di lokasi yang sama, tidak dengan melakukan pemetaan wilayah terlebih dahulu untuk melihat wilayah mana yang memiliki potensi tinggi. Berdasarkan permasalahan inilah, penulis mencoba untuk memanfaatkan data mahasiswa sejak tahun 2015, untuk diproses agar menghasilkan pemetaan wilayah yang selama ini menyumbangkan mahasiswa terbanyak, dengan membagi data menjadi 2 atribut, yakni asal sekolah dan jurusan yang dipilih di UKDC. Penelitian ini menggunakan metode algoritma K-Means Clustering dengan bantuan software Rstudio, nantinya output yang dihasilkan berupa visualisasi kluster wilayah berdasarkan 2 atribut yang ditentukan sebelumnya. Hasil yang diperoleh dari 1064 data dapat membentuk 2 kluster, dimana kluster 1 berasal dari provinsi Nusa Tenggara Timur, dan kluster 2 dari provinsi Jawa Timur.

Kata kunci: K-Means Clustering, Rstudio, Mahasiswa, Strategi Promosi

Full Text:

PDF

References

A. Wardhana, “Strategi Promosi Penerimaan Siswa Baru (Studi Kasus Smk Kesehatan Cipta Bhakti Husada Yogyakarta),” CHANNEL J. Komun., vol. 6, no. 1, p. 96, 2018, doi: 10.12928/channel.v6i1.10215.

F. I. Nurlita, Analisis SWOT Sebagai Strategi Meningkatkan Daya Saing Usaha Kerajinan Sapu Glagah. 2020.

T. Triyono, D. Dasmadi, and A. F. A. TNK, “Pengaruh Promosi, Biaya, Fasilitas, Akreditasi, Dan Lokasi Universitas Boyolali Terhadap Minat Calon Mahasiswa Baru,” EKOBIS J. Ilmu Manaj. dan Akunt., vol. 9, no. 2, pp. 220–229, 2021, [Online]. Available: https://www.ejournal.uby.ac.id/index.php/ekobis/article/view/460

Y. M. LAROSA, “Analisis Faktor-Faktor Yang Mempengaruhi Motivasi Mahasiswa Dalam Memilih Konsentrasi Jurusan Manajemen Di Stie Pembnas Nias,” J. Akunt. dan Manaj. Pembnas, vol. 8, no. 1, pp. 53–62, 2021.

E. D. S. Mulyani, C. R. Hidayat, and T. C. Ulfa, “Sistem Pakar Untuk Menentukan Jurusan Kuliah Berdasarkan Minat dan Bakat Siswa SMA Dengan Menggunakan Metode Forward Chaining,” CSRID (Computer Sci. Res. Its Dev. Journal), vol. 10, no. 2, p. 80, 2021, doi: 10.22303/csrid.10.2.2018.80-92.

T. Hartati, O. Nurdiawan, and E. Wiyandi, “Analisis Dan Penerapan Algoritma K-Means Dalam Strategi Promosi Kampus Akademi Maritim Suaka Bahari,” J. Sains Teknol. Transp. Marit., vol. 3, no. 1, pp. 1–7, 2021, doi: 10.51578/j.sitektransmar.v3i1.30.

R. D. Dana, C. L. Rohmat, and A. R. Rinaldi, “Strategi Marketing Penerimaan Mahasiswa Baru Menggunakan Machine Learning dengan Teknik Clustering,” J. Pengemb. IT, vol. 04, no. 2, pp. 201–204, 2018, doi: 10.30591/jpit.v4i2-2.1879.

T. Tukino and B. Huda, “Penerapan Algoritma K-Means Untuk Mendukung Keputusan Dalam Pemilihan Tema Tugas Akhir Pada Prodi Sistem Informasi Universitas Buana Perjuangan Karawang.,” Techno Xplore J. Ilmu Komput. dan Teknol. Inf., vol. 4, no. 1, pp. 1–10, 2019, doi: 10.36805/technoxplore.v4i1.542.

Firmansyah, Y., Purwaningtias, D., Pudjadi, T., & Tommy, A. (2017). Tinjauan Metodologi Ward dan Peppard Dalam Menentukan Perencanaan Strategis SI/TI Pada Perusahan. Semin. Nas. Apl. Teknol. Inf, 1(02), 7-12.

E. Nurhayati, “Strategi Peningkatan Produktivitas Untuk Mencapai Target Produktivitas Dan Efisiensi Perusahaan,” Ind. Eng. J. Univ. Sarjanawiyata Tamansiswa, vol. 2, no. 1, pp. 62–69, 2018.

I. Irmayansyah and S. E. Triyono, “Penerapan Algoritma K-Means Untuk Pemetaan Potensi Calon Mahasiswa Baru,” Teknois J. Ilm. Teknol. Inf. dan Sains, vol. 12, no. 2, pp. 139–150, 2022, doi: 10.36350/jbs.v12i2.139.

R. Budiman and R. Anto, “Penerapan Data Mining Untuk Menentukan Lokasi Promosi Penerimaan Mahasiswa Baru Pada Universitas Banten Jaya (Metode K-Means Clustering),” ProTekInfo(Pengembangan Ris. dan Obs. Tek. Inform., vol. 6, no. 1, p. 6, 2019, doi: 10.30656/protekinfo.v6i1.1691.

L. Hakim, “Universitas Xyz Menggunakan Algoritma K-Means Clustering,” J. Sist. Inf. Dan Tenologi, vol. 2, pp. 80–86, 2019, [Online]. Available: http://www.jurnal.umk.ac.id/sitech

H. Hairani, D. Susilowati, I. Puji Lestari, K. Marzuki, and L. Z. A. Mardedi, “Segmentasi Lokasi Promosi Penerimaan Mahasiswa Baru Menggunakan Metode RFM dan K-Means Clustering,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 2, pp. 275–282, 2022, doi: 10.30812/matrik.v21i2.1542.

P. Puntoriza and C. Fibriani, “Analisis Persebaran UMKM Kota Malang Menggunakan Cluster K-means,” JOINS (Journal Inf. Syst., vol. 5, no. 1, pp. 86–94, 2020, doi: 10.33633/joins.v5i1.3469.

N. Syifa and R. N. Fahmi, “Implementasi Metode K-Means Clustering dalam Analisis Persebaran UMKM di Jawa Barat,” JOINS (Journal Inf. Syst., vol. 6, no. 2, pp. 211–220, 2021, doi: 10.33633/joins.v6i2.5310.

T. Zulyanti and Noeryanti, “Perbandingan Pengelompokan Usaha Mikro Kecil dan Menengah di Kabupaten Klaten Tahun 2019 dengan Metode K-Means dan Clustering Large Application,” J. Stat. Ind. dan Komputasi, vol. 7, no. 1, pp. 46–59, 2022.

Y. Ansori and C. Wulandari, “CRISP-DM Method On Indonesian Micro Industries (UMKM) Using K-Means Clustering Algorithm,” MATICS J. Ilmu Komput. dan Teknol. Inf. (Journal Comput. Sci. Inf. Technol., vol. 14, no. 2, pp. 35–40, 2022, doi: 10.18860/mat.v14i2.13760.

Z. Nabila, A. Rahman Isnain, and Z. Abidin, “Analisis Data Mining Untuk Clustering Kasus Covid-19 Di Provinsi Lampung Dengan Algoritma K-Means,” J. Teknol. dan Sist. Inf., vol. 2, no. 2, p. 100, 2021, [Online]. Available: http://jim.teknokrat.ac.id/index.php/JTSI

W. Yustanti, N. Rahmawati, and Y. Yamasari, “Klastering Wilayah Kota/Kabupaten Berdasarkan Data Persebaran Covid-19 Di Propinsi Jawa Timur dengan Metode K-Means,” J. Inf. Eng. Educ. Technol., vol. 4, no. 1, pp. 1–9, 2020, doi: 10.26740/jieet.v4n1.p1-9.

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

M. W. Goni, D. Gustian, and F. Sembiring, “Implementasi K-Means Dalam Pengelompokan Penyebaran COVID-19 di Jawa Barat,” Progresif J. Ilm. Komput., vol. 17, no. 2, p. 107, 2021, doi: 10.35889/progresif.v17i2.648.

Putra, R. R., & Wadisman, C. (2018). Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K Means. INTECOMS: Journal of Information Technology and Computer Science, 1(1), 72-77.

A. Karami and Y. Widharto, “Perancangan Business Intelligence Dan Segmentasi Pelanggan Menggunakan K Means Clustering Berdasarkan Rfm Model,” Ind. Eng. Online J., vol. 12, no. 1, 2023.

D. Exasanti and A. Jananto, “Analisa Hasil Pengelompokan Wilayah Kejadian Non-Kebakaran Menggunakan Agglomerative Hierachical Clustering di Semarang,” J. Tekno Kompak, vol. 15, no. 2, p. 63, 2021, doi: 10.33365/jtk.v15i2.1166.

DOI: http://dx.doi.org/10.24014/jti.v9i1.22492