Implementasi Metode K-Means Clustering untuk Meningkatkan Penjaringan Mahasiswa

Muhammad Zulfadhilah; Mambang; Septyan Eka Prastya

doi:10.38204/tematik.v9i2.1053

Muhammad Zulfadhilah Univeristas Sari Mulia
Mambang Universitas Sari Mulia
Septyan Eka Prastya Universitas Sari Mulia

DOI: https://doi.org/10.38204/tematik.v9i2.1053

Keywords: klastering, data mining, k-means

Abstract

Rekrutmen mahasiswa di perguruan tinggi swasta memiliki tantangan tersendiri bagi pihak kampus. Pengelompokan mahasiswa berdasarkan asal sekolah, kota dan provinsi merupakan salah satu metode rekrutmen mahasiswa baru; penggunaan data mining dalam pengelompokan dapat dilakukan dengan menggunakan algoritma K-Means Clustering. Implementasi Algoritma K-Means Clustering relatif mudah dan memiliki komputasi yang cepat, sehingga dapat digunakan untuk menganalisis data profil mahasiswa perguruan tinggi untuk membantu meningkatkan seleksi mahasiswa baru pada tahun berikutnya. Pada data yang telah dikelompokkan dengan K-Means Clustering terdapat 3 cluster, cluster 1 (cluster_0) berdomisili kota-kota di Provinsi Kalimantan Tengah, dan cluster 2 (cluster_1) didominasi oleh mahasiswa dari berbagai kota di Provinsi Kalimantan Selatan, dan kluster 3 (cluster_2) didominasi oleh mahasiswa dari kota Banjarmasin, provinsi Kalimantan Selatan. Strategi pemilihan mahasiswa bisa lebih baik lagi berdasarkan analisis menggunakan K-Means Clustering.

Downloads

Download data is not yet available.

References

W. Lestari, “Clustering Data Mahasiswa Menggunakan Algoritma K-Means Untuk Menunjang Strategi Promosi (Studi Kasus : STMIK Bina Bangsa Kendari),” SIMKOM, vol. 4, no. 2, pp. 35–48, Jul. 2019, [Online]. Available: http://e-jurnal.stmikbinsa.ac.id/index.php/simkom35

A. Octaviani and P. Dewi, “Big Data di Perpustakaan dengan Memanfaatkan Data Mining,” ANUVA, vol. 4, no. 2, pp. 223–230, 2020, doi: 10.14710/anuva.4.2.223-230.

B. Maryanto, “BIG DATA DAN PEMANFAATANNYA DALAM BERBAGAI SEKTOR,” Media Informatika, vol. 16, no. 2, pp. 14–19, 2017, doi: 10.37595/mediainfo.v17i1.

G. Triyandana, L. A. Putri, and Y. Umaidah, “Penerapan Data Mining Pengelompokan Menu Makanan dan Minuman Berdasarkan Tingkat Penjualan Menggunakan Metode K-Means,” Journal of Applied Informatics and Computing (JAIC), vol. 6, no. 1, pp. 40–46, Jul. 2022, doi: 10.30871/jaic.v6i1.3824.

D. K. Sitinjak, B. A. Pangestu, and B. N. Sari, “Clustering Jumlah Tenaga Kesehatan Berdasarkan Kecamatan di Kabupaten Karawang Menggunakan Algoritma K-Means,” Journal of Applied Informatics and Computing (JAIC), vol. 6, no. 1, pp. 46–54, Jul. 2022, doi: 10.30871/jaic.v6i1.3855.

J. Nasir, “PENERAPAN DATA MINING CLUSTERING DALAM MENGELOMPOKAN BUKU DENGAN METODE K-MEANS,” Jurnal SIMETRIS, vol. 11, no. 2, Nov. 2020, doi: 10.24176/simet.v11i2.5482.

B. V and R. G, “Hyperspectral Image Processing in Internet of Things model using Clustering Algorithm,” Journal of ISMAC, vol. 3, no. 2, pp. 163–175, Jun. 2021, doi: 10.36548/jismac.2021.2.008.

R. Muliono and Z. Sembiring, “DATA MINING CLUSTERING MENGGUNAKAN ALGORITMA K-MEANS UNTUK KLASTERISASI TINGKAT TRIDARMA PENGAJARAN DOSEN,” CESS (Journal of Computer Engineering System and Science), vol. 4, no. 2, pp. 272–279, Jul. 2019, doi: 10.24114/cess.v4i2.13620.

N. N. Fransiska R, D. S. Anggraeni, and U. Enri, “Pengelompokkan Data Kemiskinan Provinsi Jawa Barat Menggunakan Algoritma K-Means dengan Silhouette Coefficient,” TEMATIK Jurnal Teknologi Informasi Komunikasi, vol. 9, no. 1, pp. 29–35, Jun. 2022, doi: 10.38204/tematik.v9i1.921.

M. A. Syakur, B. K. Khotimah, E. M. S. Rochman, and B. D. Satoto, “Integration K-Means Clustering Method and Elbow Method for Identification of the Best Customer Profile Cluster,” in IOP Conference Series: Materials Science and Engineering, Apr. 2018, vol. 336, no. 1. doi: 10.1088/1757-899X/336/1/012017.

D. Triyansyah and D. Fitrianah, “Analisis Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Marketing,” IncomTech, Jurnal Telekomunikasi dan Komputer, vol. 8, no. 3, pp. 163–182, Jul. 2018, doi: 10.22441/incomtech.v8i2.4174.

W. Purba, S. Tamba, and J. Saragih, “The effect of mining data k-means clustering toward students profile model drop out potential,” in Journal of Physics: Conference Series, Apr. 2018, vol. 1007, no. 1, pp. 1–6. doi: 10.1088/1742-6596/1007/1/012049.

I. Firman Ashari, R. Banjarnahor, D. R. Farida, S. P. Aisyah, A. P. Dewi, and N. Humaya, “Application of Data Mining with the K-Means Clustering Method and Davies Bouldin Index for Grouping IMDB Movies,” Journal of Applied Informatics and Computing (JAIC), vol. 6, no. 1, pp. 7–15, Jul. 2022, doi: 10.30871/jaic.v6i1.3485.

A. Chusyairi and P. Ramadar Noor Saputra, “Pengelompokan Data Puskesmas Banyuwangi Dalam Pemberian Imunisasi Menggunakan Metode K-Means Clustering,” Telematika, vol. 12, no. 2, pp. 139–148, Aug. 2019, doi: 10.35671/telematika.v12i2.848.

M. A. P. Sari and U. Chotijah, “Pengelompokan Aanggota Divisi Himpunan Mahasiswa Jurusan Pada Universitas ‘XYZ’ Dengan Metode K-Means Clustering,” ANTIVIRUS: Jurnal Ilmiah Teknik Informatika, vol. 16, no. 1, pp. 52–62, May 2022, doi: doi.org/10.35457/antivirus.v16i1.2139.