PENERAPAN DATA MINING DALAM PENGELOMPOKKAN PENYEBARAN DATA MAHASISWA BARU UNTUK STRATEGI PROMOSI PROGRAM STUDI TEKNIK INFORMATIKA (Studi Kasus : IIB Darmajaya)

Abstract

Proses penerimaan mahasiswa baru dalam suatu perguruan tinggi menghasilkan banyak data. Hal ini akan terjadi secara berulang di perguruan tinggi. IIB Darmajaya dalam melakukan kegiatan promosi belum sepenuhnya memanfaatkan data-data yang dimiliki untuk kebutuhan penentuan strategi baik evaluasi promosi maupun strategi promosi, sehingga kegiatan promosi yang berjalan tidak efisien dan tidak tepat sasaran. Penelitian ini menggunakan data mining dan algoritma K-means Clustering untuk mengelompokkan data mahasiswa baru Program Studi Teknik Informatika 3 tahun terakhir berdasarkan kesamaan atribut seperti jenis kelamin, kota/kabupaten asal, dan jenis sekolah. Validasi cluster dilakukan dengan menggunakan Davies-Bouldin Index (DBI). Tools yang digunakan adalah  Rapidminer sebagai alat bantu untuk pengujian, percobaan, dan perbandingan dengan sistem yang dibuat. Cluster yang terbentuk setelah proses K-Means Clustering adalah dua cluster. Cluster pertama berjumlah 75 data mahasiswa dan cluster kedua berjumlah 204 data mahasiswa. Nilai DBI yang diperoleh -0.548 menunjukkan bahwa cluster yang terbentuk memiliki kualitas yang baik dari cluster yang lainnya. Hasil penelitian ini dapat memanfaatkan data cluster untuk kegiatan promosi, yaitu dengan menyesuaikan strategi promosi yang tepat dan efisien.