Penerapan Algoritma K-Means untuk Klasterisasi Minat Calon Mahasiswa Baru Berdasarkan Sumber Informasi dan Lokasi Domisili
Abstrak
Strategi promosi yang tepat sasaran merupakan kunci keberhasilan perguruan tinggi dalam meningkatkan jumlah penerimaan mahasiswa baru, khususnya di tengah persaingan yang semakin ketat. Penelitian ini bertujuan untuk mengelompokkan data calon mahasiswa baru Tahun 2023 sampai 2025 di STIKOM Muhammadiyah Batam guna menemukan pola hubungan antara preferensi saluran informasi dengan lokasi tempat tinggal. Metode yang digunakan adalah Data Mining dengan algoritma K-Means Clustering. Variabel utama yang dianalisis meliputi sumber informasi pendaftaran (media sosial, aplikasi pesan, referensi langsung) dan lokasi domisili (kecamatan). Penentuan jumlah klaster optimal dilakukan menggunakan metode Elbow. Hasil penelitian menunjukkan bahwa data dapat dikelompokkan menjadi 3 klaster optimal. Klaster 1 merupakan kelompok dominan yang berdomisili di area padat penduduk (Sagulung dan Batu Aji) dengan preferensi informasi melalui media sosial visual (Instagram/Facebook). Klaster 2 adalah kelompok yang mengandalkan komunikasi interaktif (Whatsapp), sedangkan Klaster 3 tersebar di wilayah terjauh atau kawasan industri (Sei Beduk/Nongsa) yang lebih mengandalkan sumber informasi konvensional. Temuan ini menjadi landasan bagi pihak kampus untuk menerapkan strategi pemasaran terdeferensiasi, yaitu penguatan Digital Ads berbasis lokasi untuk Klaster 1, layanan respons cepat untuk Klaster 2, dan sosialisasi langsung (roadshow) untuk Klaster 3.
