Penerapan Data Mining Dalam Pengelompokkan Penyebaran Data Mahasiswa Baru Untuk Strategi Promosi Program Studi Teknik Informatika , Studi Kasus ( IIB DARMAJAYA )

Anggie Fiqy Ramadhan, Anggie Fiqy and Nisar, Nisar (2023) Penerapan Data Mining Dalam Pengelompokkan Penyebaran Data Mahasiswa Baru Untuk Strategi Promosi Program Studi Teknik Informatika , Studi Kasus ( IIB DARMAJAYA ). Skripsi thesis, IIB Darmajaya.

	Text Cover Judul.pdf Download (498kB)
	Text Halaman Pernyataan.pdf Download (328kB)
	Text Halaman Persetujuan.pdf Download (778kB)
	Text Halaman Pengesahan.pdf Download (751kB)
	Text Halaman Daftar Isi.pdf Download (979kB)
	Text Halaman Daftar Tabel.pdf Download (600kB)
	Text Halaman Daftar Gambar.pdf Download (760kB)
	Text Halaman Abstrak.pdf Download (835kB)
	Text BAB I.pdf Download (2MB)
	Text BAB II.pdf Download (8MB)
	Text BAB III.pdf Download (17MB)
	Text BAB IV.pdf Download (3MB)
	Text BAB V.pdf Download (606kB)
	Text Daftar Pustaka.pdf Download (968kB)
	Text Lampiran.pdf Download (13MB)

Abstract

Proses penerimaan mahasiswa baru dalam suatu perguruan tinggi menghasilkan banyak data. Hal ini akan terjadi secara berulang di perguruan tinggi. IIB Darmajaya dalam melakukan kegiatan promosi belum sepenuhnya memanfaatkan data-data yang dimiliki untuk kebutuhan penentuan strategi baik evaluasi promosi maupun strategi promosi, schingga kegiatan promosi yang berjalan tidak efisien dan tidak tepat sasaran. Penelitian ini menggunakan data mining dan algoritma K- means Clustering untuk mengelompokkan data mahasiswa baru Program Studi Teknik Informatika 3 tahun terakhir berdasarkan kesamaan atribut seperti jenis kelamin, kota/kabupaten asal, dan jens sekolah. Validasi cluster dilakukan dengan menggunakan Davies-Bouldin Index (DBI). Tools yang digunakan adalah Rapidminer sebagai alat bantu untuk pengujian, percobaan, dan perbandingan dengan sistem yang dibuat. Cluster yang terbentuk setelah proses K-Means Clustering adalah dua cluster. Cluster pertama berjumlah 75 data mahasiswa dan cluster kedua berjumlah 204 data mahasiswa. Nilai DBI yang diperoleh -0.548 menunjukkan bahwa cluster yang terbentuk memiliki kualitas yang baik dari cluster yang lainnya. Hasil penelitian ini dapat memanfaatkan data cluster untuk kegiatan promosi, yaitu dengan menyesuaikan strategi promosi yang tepat dan efisien. Kata Kunci : Penerimaan Mahasiswa Baru, Strategi Promosi, Data Mining, K- means Clustering, Davies Bouldien Index, Rapidminer.

Item Type:	Thesis (Skripsi)
Subjects:	Ilmu Komputer eSkripsi
Divisions:	Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	ANGGIE ANGGIE FIQY RAMADHAN FIQY
Date Deposited:	23 Aug 2023 01:49
Last Modified:	23 Aug 2023 01:49
URI:	http://repo.darmajaya.ac.id/id/eprint/12443

Actions (login required)

View Item