Klasterisasi Teknik Promosi dalam Meningkatkan Mutu Kampus Menggunakan Algoritma K-Medoids

Abstract

Promotion technique is one of the methods used by AMIK and STIKOM Tunas Bangsa Pematangiantar in finding new students. By developing promotional techniques that are more effective and efficient, it can produce the information needed to get new student candidates. The data that is processed in this research is the data of new student candidates who come from the AMIK New Student Admissions (PMB) and STIKOM Tunas Bangsa Pematangsiantar. Based on promotional data in 2020, there are several promotions carried out, including through print media, banners, collaboration with SMA / SMK schools in Pematangsiantar city, through alumni, and the web. Furthermore, the data is processed using Rapidminer software. The processing stages are grouped using the K-Medoids algorithm on the data of prospective students, including name, place and date of birth, address, religion, cellphone number, school origin, choice of study program and source of information. Followed by the process of improving the data so that more accurate data is obtained to be processed. The results of the testing of this method are knowing which regions are applying to AMIK and STIKOM Tunas Bangsa Pematngsiantar which are grouped into 2 clusters, namely the highest and the lowest. The K-Medoids algorithm that is used makes a big contribution by providing new information that can be used as a reference for AMIK and STIKOM Tunas Bangsa Pematngsiantar in terms of Promoting New Student Admissions in the coming year.

Penerapan Algoritma K-Medoids Clustering Dalam Pembentukan Zona Cluster Vaksin Boster

“…Dimana pada tahapan awal Algoritma K-Medoids terlebih dahulu menenutkan nilai titik pusat pada masingmasing titik cluster. Proses pembentukan kelompok/cluster pada Algoritma K-Medoids berdasarkan dengan jarak terdekat dari titik pusat masingmasing cluster, kemiripan ataupun kesamaan karakteristik [11]- [13]. Data jumlah kasus covid-19 di Kalimantan Timur dapat dipergunakan dan juga dimanfaatkan untuk pembentukan zona cluster pada pemberian prioritas vaksin ketiga (boster) pada wilayah Kabupaten/Kota.…”

Data Mining for Determining The Best Cluster Of Student Instagram Account As New Student Admission Influencer

“…Dengan memanfaatkan kombinasi dari kedua metode tersebut, penentuan lokasi dan strategi pemasaran dapat dilakukan secara lebih optimal, khususnya dalam hal waktu, tenaga, dan biaya. Darma dan Nurcahyono di 2021 [18] memanfaatkan teknik klasterisasi dengan metode K-Medoids untuk menentukan teknik promosi dalam meningkatkan mutu kampus, dalam rangka untuk mendapatkan mahasiswa baru. Dengan memanfaatkan metode tersebut, penentuan wilayah terbaik untuk promosi dapat dilakukan.…”

Pengelompokan Data Penjualan Mie Berdasarkan Bulan Dengan Menggunakan Algoritma K-Medoids

“…Perbedaannya terletak pada penentuan pusat cluster, di mana algoritma K-Means menggunakan nilai rata -rata (means) dari setiap cluster sebagai pusat cluster dan algoritma K-Medoids menggunakan objek data sebagai perwakilan (medoid) sebagai pusat cluster. [10] Perbedaan dari kedua metode ini yaitu metode k-medoids menggunakan objek sebagai perwakilan (medoid) sebagai pusat cluster untuk setiap cluster, sedangkan k-means menggunakan nilai rata-rata (mean) sebagai pusat cluster. Metode k-medoids memiliki kelebihan untuk mengatasi kelemahan pada pada metode k-means yang sensitive terhadap noise dan outlier, dimana objek dengan nilai yang besar yang memungkinkan menyimpang pada dari distribusi data.…”