Perancangan Model Trend Prediksi Penerimaan Mahasiswa Baru Dengan Menggunakan Analisis Data (Studi Kasus: Universitas XYZ)

Mahendrako, Wiranto (2021) Perancangan Model Trend Prediksi Penerimaan Mahasiswa Baru Dengan Menggunakan Analisis Data (Studi Kasus: Universitas XYZ). Undergraduate thesis, Universitas Internasional Batam.

Text 1731002_FF.pdf Restricted to Repository staff only Download (2MB)

Abstract

Universitas XYZ sebagai salah satu universitas swasta telah menerima mahasiswa dalam jumlah sangat banyak dalam beberapa tahun terakhir. Namun, masih belum ada dilakukannya analisis data mahasiswa dalam Universitas XYZ sehingga sulit untuk menentukan strategi pemasaran yang tepat. Dengan demikian, Penulis berniat melakukan analisis data supaya dapat memperoleh gambaran dari mahasiswa yang masuk di Universitas XYZ. Penulis menggunakan metode yaitu data mining, dan Penulis melakukan clustering menggunakan algoritma K-means terhadap data penerimaan mahasiswa baru dalam Universitas XYZ. Hasilnya, ditemukan 3 cluster terbesar dimana cluster terbesar pertama dengan 1,082 mahasiswa cenderung berasal dari jurusan SMK Akuntansi, berjenis kelamin perempuan, tidak memiliki saudara yang kuliah di universitas yang sama, serta berasal dari daerah A. Selain itu, cluster terbesar kedua terdapat 1,073 mahasiswa yang cenderung berasal dari jurusan SMU/MA IPA, berjenis kelamin perempuan, memiliki jumlah rata-rata saudara yang kuliah di universitas yang sama 0.1342, dan berasal dari daerah A, dan cluster terbesar ketiga memiliki 951 mahasiswa yang rata-rata berasal dari jurusan SMU/MA IPS, berjenis kelamin perempuan, memiliki jumlah rata-rata saudara di universitas yang sama 0.1767, dan berasal dari Daerah A. Dari hasil tersebut Penulis memberikan rekomendasi yaitu untuk meningkatkan penerimaan mahasiswa dari luar daerah A, serta juga meningkatkan penerimaan mahasiswa dari jurusan SMU/MA IPS, yang terindikasi paling mungkin memiliki saudara yang kuliah bersama di universitas yang sama. Kata kunci: data mining, clustering, K-means

Actions (login required)

View Item