Implementasi Metode K-Means Clustering untuk Meningkatkan Penjaringan Mahasiswa

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.