POLTESAPOLTESA

JUMANTIK (JURNAL MANAJEMEN INFORMATIKA)JUMANTIK (JURNAL MANAJEMEN INFORMATIKA)

Data mahasiswa Program Studi Manajemen Informatika Politeknik Negeri Sambas setiap tahunnya dan menghasilkan data yang berlimpah sehingga terjadi penumpukan data. Data yang berlimpah perlu dilakukan pengolahan data untuk menggali informasi yang terdapat didalam data tersebut. Tujuan penelitian ini untuk mengcluster data mahasiswa di Program Studi Manajemen Informatika Politeknik Negeri Sambas melalui proses data mining dengan menggunakan algoritma K-Means untuk pembentukan cluster. Atribut data yang akan digunakan adalah nama mahasiswa, alamat, jenis kelamin, jalur pendaftaran, dan kecamatan. Data yang digunakan adalah data mahasiswa angkatan 2020-2023 dengan data 219 items dan sumber data berasal dari bagian staff Prodi Manajemen Informatika Politeknik Negeri Sambas.

Berdasarkan metode Elbow, jumlah cluster yang optimal untuk analisis data mahasiswa Program Studi Manajemen Informatika menggunakan algoritma K-Means Clustering adalah 4 cluster.Ini berarti mahasiswa dapat secara efektif dikelompokkan kedalam 4 kelompok berbeda berdasarkan variabel yang dianalisis (seperti, Quarter / tanggal lahir, jenis kelamin, jalur pendaftaran dan jumlah data perkecamatan).Hasil analisis data mahasiswa yang dihasilkan dari algoritma K-Means clustering dapat digunakan untuk merancang startegi promosi yang lebih terarah dan relevan untuk Program Studi Manajemen Informatika Politeknik Negeri Sambas, yaitu dengan melihat kecamatan mana yang lebih sedikit jumlah mahasiswa yang mendaftar di Prodi Manajemen Informatika.

Berdasarkan latar belakang penelitian yang menyoroti pentingnya strategi promosi yang terarah, serta keterbatasan data yang hanya mencakup atribut demografis, penelitian lanjutan dapat difokuskan pada eksplorasi faktor-faktor non-demografis yang memengaruhi minat mahasiswa terhadap Program Studi Manajemen Informatika. Sebagai contoh, penelitian dapat menginvestigasi peran persepsi kualitas program, reputasi kampus, atau pengaruh media sosial dalam menarik calon mahasiswa. Selain itu, penelitian dapat mengembangkan model prediktif yang lebih kompleks dengan menggabungkan algoritma K-Means dengan teknik machine learning lainnya, seperti regresi logistik atau decision tree, untuk mengidentifikasi pola-pola yang lebih nuanced dalam data mahasiswa. Terakhir, penelitian dapat mengeksplorasi potensi penggunaan data eksternal, seperti data pasar tenaga kerja atau tren industri, untuk mengoptimalkan strategi promosi dan memastikan relevansi program studi dengan kebutuhan dunia kerja.

Read online
File size502.96 KB
Pages8
DMCAReport

Related /

ads-block-test