PENERAPAN MACHINE LEARNING UNTUK PENENTUAN SEGMENTASI MAHASISWA BARU DENGAN METODE K MODES
DOI:
https://doi.org/10.47775/ictech.v17i1.227Abstrak
Strategi marketing sangat diperlukan, untuk mendapatkan mahasiswa sebanyak-banyaknya. Kelangsungan perguruan tinggi bergantung terhadap pembiayaan dari mahasiswa. Dibutuhkan strategi marketing untuk mempromosikan keunggulan dari setiap program studi, agar penerimaan mahasiswa baru semakin meningkat. Data yang perlu dianalisa adalah data pendaftaran mahasiswa baru di Sistem Pendaftaran Mahasiswa Baru SIPENMARU. Langkah langkah penelitian yang dilakukan : identifikasi masalah, pengumpulan data, pemrosesan data dan pemodelan. Data yang dikumpulkan dari tahun 2019 sampai dengan tahun 2021 sebanyak 1.219 data pendaftar dengan variabel sebanyak 109. Saat pemrosesan data dilakukan yang digunakan ada 5 variabel yaitu : jenis kelamin, asal kota, pekerjaan ayah, asal sekolah dan program studi. Pada fase pemodelan menggunakan clustering untuk pengelompokkan data dengan karakteristik yang sama, teknik cluster dengan mengelompokkan dengan tipe data bersifat kategorikal menggunakan K modes. Cluster dibagi menjadi 2 cluster, dari hasil eksperimen didapatkan hasil untuk program studi Teknik informatika di dominasi berjenis kelamin Laki-laki, asal kota Pekalongan, pekerjaan ayah PNS dan asal sekolah SMA. Sedangkan untuk program studi Sistem Informasi di dominasi jenis kelamin perempuan, asal kota Batang, perkejaan ayah wiraswasta, asal sekolah SMK.
Referensi
Abriyanto, Arif, and Natalia Damastuti. 2019. "Segmentasi Mahasiswa dengan Unsupervised Algoritma Guna Membangun Strategi Merketing Penerimaan Mahasiswa." Insand Comtech 10-18.
Aprilia, Yolanda Putri Kartikasari, Yosep Pranoto Agus, and Deddy Rudhistiar. 2021. "Penerapan Metode K-Modes untuk Proses Penetnuan Penerimaan Bantuan Langsung Tunai (BLT)." JATI 389-397.
Asroni, Hidayatul Fitri, and Eko Prasetyo. 2018. "Penerapan Metode Clustering dengan Algoritma K-Means pada Pengelompokkan data Calon Mahasiswa Baru di Universitas Muhammadiyah Yogyakarta (Studi Kasus: Fakultas Kedokteran dan Ilmu Kesehatan, dan Fakultas Ilmu Sosial dan Ilmu Politik)." Semesta Teknik 60-64.
Astri, Alyeska Az-zahra, Almira Marsaoly Fajriyati, Intan Lestyani Putri, Roghibah Salsabila, and Wa Ode Madjida Zuhayeni. 2021. "Penerapan Algoritma K Modes Clustering dengan Validasi Davies Bouldin Index pada Pengelompokkan tingkat Minat Balanja Onlien di Provisi Daerah Istimewa Yogyakarta ." Jurnal Matematika dan Statistika 24-36.
Chasanah, Tria Titiani, and Widiyono. 2017. "penentuan strategi promosi penerimaan mahasiswa baru dengan algoritma cluastering k -means." Ic-Tech 39-44.
Gupitha, Rino. 2018. "Penentuan Strategi Marketing Sekolah Menengah Kejuruan Terpadu Lampang Subang Menggunakan Metode K meansClustering." Global 17-24.
Indriani, Fatma, and Irawan Budiman. 2017. "K Modes Clustering untuk Mengetahui Jenis Masakan yang Populer Pada Website Resep Online (Studi Kasus Banjar di Cookpad.Com)." JTIIK 290-296.
Malikhatin, Hanik, Agus Rusgiyono, and Di Maruddani Asih. 2021. "Penerapan K Modes Clustering dengan Validasi Dunn Index Pada Pengelompokkan Karakteristik Calon TKI Menggunakan R-GUI." Gaussian 359-366.
Nurhayati, Busman, and Rayi iswara Pradono. 2019. "Pengembangan Algoritma Usupervised Learning Technique Pada Big Data Analysis di Media Sosial Sebagai Media Promosi Online Bagi Masyarakat." Teknik Informatika 79-96.
Prasetyo, Eko. 2014. Data Mining Mengolah Data Menjadi Informasi menggunakan Matlab. Yogyakarta: Andi.
Primartha, Rifkie. 2021. Algoritma Machhine Learning. Bandung: Informatika Bandung.
—. 2018. Belajar Machine Learning Teori dan Praktek. Bandung: Informatika Bandung.
Ramdhani, Mokhamad Raharjo, and Agus Windarto Perdana. 2021. "Penerapan
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2022 devi sugianti
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
