Analisis Strategi Penerimaan Peserta Didik Baru Menggunakan K-Means Clustering dengan Optimasi Elbow

Abdul Hadi; Decky Ryansyah; Goenawan Brotosaputro

doi:10.30998/b4efjt07

Authors

Abdul Hadi Universitas Budi Luhur Author
Decky Ryansyah Universitas Budi Luhur Author
Goenawan Brotosaputro Universitas Budi Luhur Author

DOI:

https://doi.org/10.30998/b4efjt07

Keywords:

Strategi PPDB, K-Means Clustering, Data Mining, Optimasi Metode Elbow, Metode Min-Max, Clustering

Abstract

New Student Admission is an annual routine activity at schools, including SMP Citra Negara Depok. Every year, the school receives a large amount of registration data, but it has not been optimally utilized to determine the new student admission strategy for the following year, resulting in a decrease in the number of applicants. This study aims to cluster effective new student admission strategies using the K-Means clustering method optimized with the Elbow method and min-max normalization. The dataset used is derived from the registration data for the 2021–2022 and 2022–2023 academic years, with attributes including school name, number of classes, number of registrants, and difference. The Elbow Method results indicate that the optimal number of clusters is three. The K-Means process stops at the 7th iteration out of a maximum of 10 iterations. The clustering results in three strategies: a 55% discount during the October–December period, a brochure distribution strategy, and a 50% discount during the January–June period. The research findings indicate that the K-Means method optimized with the Elbow Method can help determine a more effective new student admission strategy for the school.

Downloads

Download data is not yet available.

References

Agneresa, Lia Hananto, A., Shofiah Hilabi, S., Hananto, A., & Tukino. (2022). Strategi Promosi Penerapan Data Mining Mahasiswa Baru Dengan Metode K-Means Clustering.

Alhapizi, R., Nasir, M., & Effendy, I. (2020). Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru Universitas Bina Darma Palembang. In Journal of Software Engineering Ampera (Vol. 1, Number 1). https://journal-computing.org/index.php/journal-sea/index

Arief Soeleman, M., & Ilmu Komputer, F. (2021). Penentuan Centroid Awal Pada Algoritma K-Means Dengan Dynamic Artificial Chromosomes Genetic Algorithm Untuk Tuberculosis Dataset Pre-Centroid Determination in K-Means Algorithm using Dynamic Artificial Chromosomes Genetic Algorithm for Tuberculosis Dataset. In Februari (Vol. 20, Number 1).

Farahdinna, F., Nurdiansyah, I., Suryani, A., & Wibowo, A. (2019). Perbandingan Algoritma K-Means Dan K-Medoids Dalam Klasterisasi Produk Asuransi Perusahaan Nasional. Jurnal Ilmiah FIFO, 11(2), 208. https://doi.org/ 10.22441/fifo.2019.v11i2.010

Farozi, M. (2021). Metode K-Means Clustering Dalam Merancang Strategi Promosi Penerimaan Mahasiswa Baru Pada STIE Serelo Lahat.

Herlina, H., Siti Mundari, Elsa Amanda Putri, & Amanda Dian Rahmawati. (2024). Penerapan K-Means Clustering Untuk Strategi Promosi Untuk Meningkatkan Jumlah Perolehan Mahasiswa Baru. JOURNAL OF INDUSTRIAL AND MANUFACTURE ENGINEERING, 8(1), 98–103. https://doi.org/10.31289/jime.v8i1.10928.

Maori, N. A., & Evanita. (2023). Metode Elbow Dalam Optimasi Jumlah Cluster Pada K-Means Clustering. Jurnal SIMETRIS, 14.

Ordila, R., Wahyuni, R., Irawan, Y., & Yulia Sari, M. (2020). Penerapan Data Mining Untuk Pengelompokan Data Rekam Medis Pasien Berdasarkan Jenis Penyakit Dengan Algoritma Clustering (Studi Kasus : Poli Klinik Pt.Inecda). Jurnal Ilmu Komputer, 9(2), 148–153. https://doi.org/10.33060/jik/2020/vol9.iss2.181.

Palinggik Allorerung, P., Erna, A., Bagussahrir, M., & Alam, S. (2024). Analisis Performa Normalisasi Data untuk Klasifikasi K-Nearest Neighbor pada Dataset Penyakit. In Jurnal Informatika Sunan Kalijaga) (Vol. 9, Number 3).

Pamungkas, T. B., Maesaroh, S., Ardiansyah, P., Komputer, F. I., Buana, U. M., Sains, F., & Teknologi, D. (2023). Implementasi Data Mining Pada Stok Penggunaan Barang Di Gmf Aeroasia Menggunakan Algoritma K-Means Clustering. In Jurnal Ilmiah Sains dan Teknologi P (Vol. 7, Number 2).

Orisa, M. (2022). Optimasi Cluster pada Algoritma K-Means. 13, 2022.

Sa’diah, H., Enri, U., & Nur Padilah, T. (2023). Penerapan Algoritme K-Means Dalam Segmentasi Daerah Rawan Kekerasan Anak Di Jawa Barat.

Pribadi, W. W., Yunus, A., & Sartika Wiguna, A. (2022). Perbandingan Metode K-Means Euclidean Distance Dan Manhattan Distance Pada Penentuan Zonasi Covid-19 Di Kabupaten Malang. In Jurnal Mahasiswa Teknik Informatika) (Vol. 6, Number 2).

Ramadhani, A., Fauziah, R., & Royal, S. (2021). CLUSTERING TINGKAT PROMOSI KAMPUS DENGAN MENGGUNAKAN ALGORITMA K-MEANS. In Journal of Science and Social Research (Number 1). http://jurnal.goretanpena.com/index.php/JSSR.

Silaban, R., Fauzi, A., Arliana, L., & Kadim, N. (2024). Penerapan K-Means Clustering untuk Menentukan Lokasi Promosi Penerimaan Mahasiswa Baru (Studi Kasus: STMIK Kaputama Kota Binjai). Jurnal Riset Sistem Informasi Dan Teknik Informatika, 2(5). https://doi.org/10.61132/merkurius.v2i4.322.

Syahputra, S., Ramadani, S., Manaor, A., & Pardede, H. (2020). Menentukan Strategi Promosi Menggunakan Algoritma Clustering K-Means. JOISIE Journal Of Information System And Informatics Engineering, 4(1), 7–14.

Tri, A., Dani, R., Wahyuningsih, S., & Rizki, N. A. (2019). Penerapan Hierarchical Clustering Metode Agglomerative pada Data Runtun Waktu. Jambura Journal of Mathematics, 1. http://ejurnal.ung.ac.id/index.php/jjom.

Trisya Amanda, S., Berlianindita, K., Jahid Alfarizi, A., Arifin, W. A., Kelautan, L., & Daerah Serang, K. (2025). Analisis Komparatif Svm Dan K-Means Dalam Data Mining Untuk Promosi Perguruan Tinggi.

Tunggawijaya, W., Liestyasari, S. I., & Budiati, A. C. (2024). McDonaldisasi Sistem Zonasi: Studi Fenomenologi Implementasi PPDB SMP di Kabupaten Karanganyar. Ideas: Jurnal Pendidikan, Sosial, Dan Budaya, 10(1), 23. https://doi.org/10.32884/ideas.v10i1.1604.