Implementasi Geospatial Clustering Menggunakan Algoritma K-Means Untuk Penentuan Lokasi Strategis Promosi Kampus Universitas Langlangbuana
DOI:
https://doi.org/10.59395/xfctnc12Keywords:
Geospatial Clustering, K-Means, Data Mining, Elbow Method, clusteringAbstract
Data mining merupakan teknik untuk mengekstraksi informasi bernilai dari kumpulan data berskala besar. Di lingkungan perguruan tinggi, proses seleksi mahasiswa baru menghasilkan kumpulan data yang kaya, khususnya terkait latar belakang asal sekolah calon mahasiswa. Namun, jika data tersebut tidak dianalisis dan dimanfaatkan secara maksimal, potensi informasinya akan menurun seiring berjalannya waktu. Berdasarkan data yang diperoleh dari Universitas Langlangbuana, ditemukan adanya penurunan jumlah mahasiswa baru selama tiga tahun terakhir jika dibandingkan dengan tahun 2021. Untuk merespons kondisi ini, dibutuhkan strategi berbasis data yang mampu mengidentifikasi wilayah promosi secara lebih tepat. Penelitian ini menerapkan metode geolocation clustering dengan algoritma K-Means untuk mengelompokkan data asal sekolah mahasiswa. Sistem dikembangkan menggunakan bahasa pemrograman Python, dengan fokus pada segmentasi wilayah berdasarkan sebaran sekolah. Hasil analisis menghasilkan tujuh klaster utama, dengan distribusi tertinggi berada di wilayah Jawa Barat, khususnya Kota Bandung dan Kabupaten Bandung. Temuan ini memberikan gambaran wilayah potensial sebagai sasaran promosi guna meningkatkan jumlah pendaftar di masa yang akan datang. Pendekatan ini memungkinkan institusi pendidikan untuk merumuskan strategi pemasaran yang lebih efektif dan efisien berdasarkan data yang tersedia.
Downloads
References
[1] Utami, L. L., Nurfadhilah, D. S., & Zulkifli, R. (2025). RANCANG BANGUN SISTEM INFORMASI MANAJEMEN RELASI MITRA PERUSAHAAN PADA PT SARANA KREASINDO TEKNOLOGI. Journal of Information System Management (JOISM), 6(2), 171–178.
[2] Budiman, R. (2019). Penerapan Data mining Untuk Menentukan Lokasi Promosi Penerimaan Mahasiswa Baru Pada Universitas Banten Jaya (Metode K-Means Clustering). ProTekInfo: Jurnal Pengembangan Riset dan Observasi Teknik Informatika, 6, 2019.
[3] Eska, J. (2018). Penerapan data mining untuk prediksi penjualan wallpaper menggunakan algoritma C4. 5. JURTEKSI (Jurnal Teknol. dan Sist. Informasi), 2.
[4] Metisen, B. M., & Sari, H. L. (2015). Analisis clustering menggunakan metode K-Means dalam pengelompokkan penjualan produk pada Swalayan Fadhila. Jurnal media infotama, 11(2).
[5] Utari, W. (2021). ANALISIS IMPLEMENTASI KOMPETENSI PENGUJI KENDARAAN DI UNIT PELAKSANA UJI BERKALA KENDARAAN BERMOTOR DINAS PERHUBUNGAN KABUPATEN PROBOLINGGO. MAP (Jurnal Manajemen dan Administrasi Publik), 4(1), 120–130.
[6] Shirkhorshidi, A. S., Aghabozorgi, S., Wah, T. Y., & Herawan, T. (2014, June). Big data clustering: a review. In International conference on computational science and its applications (pp. 707–720). Cham: Springer International Publishing.
[7] Yolandari, N. A., Butarbutar, L. E., Rajagukguk, G. C. H., Zulfi, M. F., & Ramadhani, F. (2025). ANALISIS PERBANDINGAN K-MEANS DAN DBSCAN DALAM PENGELOMPOKAN DATA TRAVEL REVIEW RATINGS MENGGUNAKAN EVALUASI SILHOUETTE INDEX DAN DAVIES-BOULDIN INDEX. Jurnal Informatika dan Teknik Elektro Terapan, 13(3).
[8] I. Pii, N. Suarna, and N. Rahaningsih, “Penerapan Data mining Pada Penjualan Produk Pakaian Dameyra Fashion Menggunakan Metode K-Means Clustering,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 423–430, 2023.
[9] Khormarudin, A. N. (2016). Teknik data mining: Algoritma K-Means clustering. J. Ilmu Komput, 1–12.
[10] Ikotun, A. M., Ezugwu, A. E., Abualigah, L., Abuhaija, B., & Heming, J. (2023). K-Means clustering algorithms: A comprehensive review, variants analysis, and advances in the era of big data. Information Sciences, 622, 178–210.
[11] Sulistiyawati, A., & Supriyanto, E. (2021). Implementasi Algoritma K-Means Clustring dalam Penetuan Siswa Kelas Unggulan. Jurnal Tekno Kompak, 15(2), 25.
[12] Metisen, B. M., & Sari, H. L. (2015). Analisis clustering menggunakan metode K Means dalam pengelompokkan penjualan produk pada Swalayan Fadhila. Jurnal media infotama, 11(2).
[13] Syakur, M. A., Khotimah, B. K., Rochman, E. M. S., & Satoto, B. D. (2018, April). Integration K-Means clustering method and elbow method for identification of the best customer profile cluster. In IOP Conference Series: Materials Science and Engineering (Vol. 336, No. 1, p. 012017). IOP Publishing.
[14] Muningsih, E., & Yogyakarta, A. B. S. I. (2017). Optimasi jumlah cluster K-Means dengan metode elbow untuk pemetaan pelanggan. In Pros. Semin. Nas. ELINVO (pp. 105–114).
[15] Kusuma, D. T., & Agani, N. (2015). Prototipe Komparasi Model Clustering Menggunakan Metode K-Means Dan FCM untuk Menentukan Strategi Promosi: Study Kasus Sekolah Tinggi Teknik–PLN Jakarta. Jurnal TICom, 3(3), 93460.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Dila Siti Nurfadhilah, Awan Setiawan, Ridwan Zulkifli
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.