UNRIYOUNRIYO
International Journal of Informatics and ComputationInternational Journal of Informatics and ComputationUniversitas Aisyiyah Yogyakarta merupakan salah satu universitas swasta di Yogyakarta. Jumlah universitas swasta yang banyak di Yogyakarta telah meningkatkan persaingan dalam penerimaan mahasiswa baru. Dalam situasi ini, setiap universitas memerlukan strategi yang tepat untuk menarik minat calon mahasiswa. Salah satu strategi yang digunakan oleh Universitas Aisyiyah Yogyakarta untuk menarik minat calon mahasiswa adalah dengan melakukan promosi langsung ke sekolah-sekolah di Yogyakarta, Jawa, dan Sumatra. Dalam proses penerimaan mahasiswa baru di Program Studi Teknologi Informasi, sering terjadi masalah yaitu jumlah calon mahasiswa yang tidak melakukan registrasi ulang setiap tahun. Calon mahasiswa yang telah lulus seleksi dan dinyatakan diterima, tetapi tidak melanjutkan dengan registrasi ulang. Strategi presentasi sekolah berkontribusi pada penerimaan mahasiswa baru, sehingga menjadi strategi yang baik, tetapi membutuhkan biaya operasional yang signifikan. Segmentasi area promosi diperlukan agar strategi ini dapat lebih terarah dan efisien secara biaya. Segmentasi atau pengelompokan area promosi dapat ditangani menggunakan teknik data mining, khususnya clustering. Penelitian ini bertujuan untuk melakukan segmentasi area promosi menggunakan algoritma clustering, yaitu K-Means dan K-Medoids, serta metodologi Cross-Industry Standard Process for Data Mining (CRISP-DM). Evaluasi DBI (Davies-Bouldin Index) menunjukkan bahwa algoritma K-Means lebih baik daripada algoritma K-Medoids.
Berdasarkan penelitian yang telah dilakukan, diperoleh metode clustering menggunakan algoritma K-Means dan K-Medoids.Hasil kedua algoritma dibandingkan berdasarkan evaluasi DBI (Davies-Bouldin Index).Nilai DBI yang diperoleh adalah 0,196 untuk K-Medoids dan 0,170 untuk K-Means.Perbedaan ini menunjukkan bahwa K-Means menghasilkan klaster yang lebih padat dan terpisahkan dengan baik.Hasil clustering memberikan wawasan berharga bagi pengambil keputusan dalam mengidentifikasi area promosi yang lebih strategis dan efisien, mengurangi biaya operasional, dan meningkatkan jumlah pendaftar yang sesuai dengan demografi target universitas.Selain itu, metodologi CRISP-DM yang diterapkan dalam penelitian ini terbukti fleksibel dalam menangani data berskala besar, mencakup fase dari pemahaman bisnis hingga implementasi hasil.Penelitian ini diharapkan dapat menjadi referensi untuk mengembangkan strategi promosi yang didorong data di institusi pendidikan lainnya.Penelitian selanjutnya dapat mengeksplorasi penggunaan algoritma lain, seperti Fuzzy C-Means atau model hibrida, untuk membandingkan hasil dan meningkatkan akurasi clustering.
Untuk penelitian lanjutan, dapat dilakukan perbandingan dengan algoritma lain seperti Fuzzy C-Means atau model hibrida untuk meningkatkan akurasi clustering. Selain itu, dapat dilakukan analisis lebih mendalam mengenai faktor-faktor yang mempengaruhi keputusan calon mahasiswa dalam memilih universitas, seperti biaya pendidikan, jarak tempuh, dan fasilitas kampus. Dengan demikian, strategi promosi dapat disesuaikan dengan preferensi calon mahasiswa dan meningkatkan efektivitasnya. Penelitian juga dapat dilakukan untuk mengeksplorasi metode-metode lain dalam data mining, seperti klasifikasi dan prediksi, untuk mendukung proses penerimaan mahasiswa baru dan meningkatkan kualitas data yang digunakan dalam proses tersebut.
- Journal of Open Source Software: Fast k-medoids Clustering in Rust and Python. journal open source software... doi.org/10.21105/joss.04183Journal of Open Source Software Fast k medoids Clustering in Rust and Python journal open source software doi 10 21105 joss 04183
- PENERAPAN ALGORITMA K-MEDOIDS CLUSTERING UNTUK PENGELOMPOKKAN PENYEBARAN DIARE DI KOTA MEDAN (STUDI KASUS:... doi.org/10.30865/komik.v3i1.1659PENERAPAN ALGORITMA K MEDOIDS CLUSTERING UNTUK PENGELOMPOKKAN PENYEBARAN DIARE DI KOTA MEDAN STUDI KASUS doi 10 30865 komik v3i1 1659
- Segmentasi Lokasi Promosi Penerimaan Mahasiswa Baru Menggunakan Metode RFM dan K-Means Clustering | MATRIK... doi.org/10.30812/matrik.v21i2.1542Segmentasi Lokasi Promosi Penerimaan Mahasiswa Baru Menggunakan Metode RFM dan K Means Clustering MATRIK doi 10 30812 matrik v21i2 1542
| File size | 235.13 KB |
| Pages | 11 |
| DMCA | Report |
Related /
UNRIYOUNRIYO Penelitian ini mengusulkan dan mengevaluasi sistem pakar fuzzy berbasis Mamdani untuk menilai risiko stunting pada balita dengan mengintegrasikan enamPenelitian ini mengusulkan dan mengevaluasi sistem pakar fuzzy berbasis Mamdani untuk menilai risiko stunting pada balita dengan mengintegrasikan enam
UNRIYOUNRIYO Keberhasilan transfer learning dalam konteks ini menunjukkan utilitasnya dalam mengatasi keterbatasan data, memungkinkan klasifikasi yang tangguh tanpaKeberhasilan transfer learning dalam konteks ini menunjukkan utilitasnya dalam mengatasi keterbatasan data, memungkinkan klasifikasi yang tangguh tanpa
UNRIYOUNRIYO Peningkatan kunci dalam arsitektur, termasuk fusi fitur yang ditingkatkan dan penugasan anchor dinamis, berkontribusi pada deteksi objek di lingkunganPeningkatan kunci dalam arsitektur, termasuk fusi fitur yang ditingkatkan dan penugasan anchor dinamis, berkontribusi pada deteksi objek di lingkungan
UNRIYOUNRIYO Hasil interpolasi jarak pada konsumsi listrik menunjukkan bahwa konsumsi listrik berkurang seiring meningkatnya jarak. Pada jarak 5 km (Ds. Galih), konsumsiHasil interpolasi jarak pada konsumsi listrik menunjukkan bahwa konsumsi listrik berkurang seiring meningkatnya jarak. Pada jarak 5 km (Ds. Galih), konsumsi
STPI PAJAKSTPI PAJAK Instrumen penelitian menggunakan skala Likert 1-4 yang telah diuji validitas dan reliabilitasnya. Pengolahan dan analisis data dilakukan menggunakan SPSSInstrumen penelitian menggunakan skala Likert 1-4 yang telah diuji validitas dan reliabilitasnya. Pengolahan dan analisis data dilakukan menggunakan SPSS
JOURNAL COMPUTINGJOURNAL COMPUTING Prosesnya meliputi impor data, pembagian data latih dan uji, pelatihan model, pemilihan algoritma, dan pengujian matriks. Dari 3106 data antara JanuariProsesnya meliputi impor data, pembagian data latih dan uji, pelatihan model, pemilihan algoritma, dan pengujian matriks. Dari 3106 data antara Januari
JOURNAL COMPUTINGJOURNAL COMPUTING Implementasi metode k-means clustering untuk menentukan kelayakan penerima Bantuan Langsung Tunai (BLT) melalui platform mobile didasarkan pada pengolahanImplementasi metode k-means clustering untuk menentukan kelayakan penerima Bantuan Langsung Tunai (BLT) melalui platform mobile didasarkan pada pengolahan
ARKAINSTITUTEARKAINSTITUTE Faktor pendukung dalam pelaksanaan supervisi akademik adalah peran kepala sekolah dalam memotivasi guru yang mengalami masalah dalam pengajaran, sertaFaktor pendukung dalam pelaksanaan supervisi akademik adalah peran kepala sekolah dalam memotivasi guru yang mengalami masalah dalam pengajaran, serta
Useful /
STISDARUSSALAMSTISDARUSSALAM Pembahasan difokuskan pada substansi pemberian yang terkait jabatan, bukan pada bentuk lahiriahnya. Metode yang digunakan adalah penelitian kepustakaanPembahasan difokuskan pada substansi pemberian yang terkait jabatan, bukan pada bentuk lahiriahnya. Metode yang digunakan adalah penelitian kepustakaan
JOURNAL COMPUTINGJOURNAL COMPUTING Evaluasi dengan metrik AUC juga menunjukkan nilai 89.59%, mengindikasikan bahwa model ini memiliki kemampuan klasifikasi yang hampir sempurna. Temuan iniEvaluasi dengan metrik AUC juga menunjukkan nilai 89.59%, mengindikasikan bahwa model ini memiliki kemampuan klasifikasi yang hampir sempurna. Temuan ini
JOURNAL COMPUTINGJOURNAL COMPUTING Penelitian ini bertujuan untuk mengatasi kendala dalam pengelolaan dan pengawasan arsip di Dinas Kearsipan Provinsi Sumatera Selatan, yang meliputi kesulitanPenelitian ini bertujuan untuk mengatasi kendala dalam pengelolaan dan pengawasan arsip di Dinas Kearsipan Provinsi Sumatera Selatan, yang meliputi kesulitan
JOURNAL COMPUTINGJOURNAL COMPUTING Penelitian ini bertujuan untuk mengevaluasi efektivitas pemanfaatan teknologi informasi dalam proses penerbitan E-KTP di Dinas Kependudukan dan PencatatanPenelitian ini bertujuan untuk mengevaluasi efektivitas pemanfaatan teknologi informasi dalam proses penerbitan E-KTP di Dinas Kependudukan dan Pencatatan