Clustering Data Mahasiswa Menggunakan Algoritma K-Means Untuk Menunjang Strategi Promosi (Studi Kasus : STMIK Bina Bangsa Kendari)

  • Widhi Lestari STMIK Bina Bangsa Kendari
Keywords: Data Mining, K-Means, Clustering, Promosi

Abstract

Data mahasiswa STMIK Bina Bangsa Kendari setiap tahunnya terus bertambah dan menghasilkan data yang berlimpah sehingga terjadi penumpukan data. Data yang berlimpah perlu di lakukan pengolahan data untuk menggali informasi yang terdapat didalam data tersebut. Tujuan penelitian ini untuk mengkluster data mahasiswa di STMIK Bina Bangsa Kendari melalui proses data mining dengan menggunakan algoritma K-Means untuk pembentukan cluster. Atribut data digunakan adalah nama mahasiswa, jurusan, sekolah asal, nilai IPK. Data yang digunakan adalah data mahasiswa angkatan 2018/2019 dengan sampel data 171 items dan sumber data berasal dari bagian akademik dan admisi STMIK Bina Bangsa Kendari. Cluster mahasiswa yang terbentuk ada 2 yaitu Cluster 1 (cluster_0) 72 items, dan Cluster 2 (cluster_1) 99 items. Hasil dari penelitian ini di gunakan sebagai dasar untuk menentukan strategi promosi program studi yang ada di STMIK Bina Bangsa Kendari berdasarkan hasil cluster program studi yang banyak di minati dari masing-masing sekolah.

References

[1] Elvira, A., Fana, W., Yogi, Y. (2015), “Analisis Data Lulusan dengan Data Mining untuk Mendukung Strategi Promosi Universitas Lancang Kuning”, Jurnal Teknologi Informasi & Komunikasi Digital Zone, Volume 6, 2015.

[2] Fajar, R., Risky A. (2017), “Penerapan Data Mining Menggunakan Association Rules untuk Mendukung Strategi Promosi Universitas Nusantara PGRI Kediri”, SNATIKA, 2017.

[3] Femi, D. (2017), “Penerapan Data Mining Untuk Clustering Data Penduduk Miskin Menggunakan Algoritma Hard C-Means”, Jurnal Ilmiah DASI, Volume 18, 2017.

[4] Fadlina, (2014), “Data Mining Untuk Analisa Tingkat Kejahatan Jalanan Dengan Algoritma Association Rule Metode Apriori”, Majalah Ilmiah INTI, Vol. 3, No. 1, 2014.

[5] Alfina, Santosa, Barkbah. “Analisa Perbandingan Metode Hierarchical Clustering, K-Means dan Gabungan Kedua dalam Cluster Data”, Jurnal Teknik ITS, Vol. 1, No. 1, 2012.

[6] Khotimah, T., Teknik, D. F., Studi, P., (2014). Pengelompokan Surat Dalam AL QUR ’ AN Menggunakan Algoritma K-Means, Informatika, T., & Kudus, U. M, Vol. 5, No. 1, 2014.
Published
2019-07-30
Section
Articles