<![CDATA[Perguruan tinggi menghadapi tantangan dalam merumuskan strategi promosi tepat sasaran karena belum memahami pola sebaran mahasiswa baru berdasarkan asal sekolah dan wilayah geografis, menyebabkan alokasi anggaran promosi tidak efisien dan kerja sama dengan sekolah asal tidak terarah. Penelitian ini bertujuan menerapkan K-Means, DBSCAN, dan K-Modes untuk segmentasi mahasiswa baru serta membandingkan kinerja ketiga metode dalam menyelesaikan permasalahan strategi promosi di STIKES Guna Bangsa Yogyakarta. Menggunakan 634 data mahasiswa baru dengan variabel tingkat pendidikan, jurusan, kabupaten, dan provinsi, metode meliputi label encoding dan normalisasi Min-Max untuk K-Means dan DBSCAN, sedangkan K-Modes bekerja langsung pada data kategorikal. Jumlah klaster optimal ditentukan menggunakan metode elbow (k=4), DBSCAN dengan ?=0,45 dan MinPts=8, serta evaluasi menggunakan Silhouette Coefficient dan Davies-Bouldin Index. Hasil menunjukkan K-Means membentuk empat klaster: Nusa Tenggara dengan SMA IPA (29,5%), Jawa dengan SMK kesehatan (24,6%), Jawa dengan SMA IPS (26,5%), dan luar Jawa dengan MA (19,4%). DBSCAN mengidentifikasi 53 mahasiswa (8,36%) sebagai noise, sementara K-Modes menghasilkan centroid berupa kategori aktual dengan performa lebih rendah (Silhouette: 0,193; DBI: 11,978). K-Means unggul secara metrik (Silhouette: 0,412; DBI: 1,024) dan menjawab inefisiensi anggaran dengan panduan prioritas wilayah. K-Modes unggul dalam interpretabilitas centroid untuk kerja sama sekolah terarah. DBSCAN unggul mendeteksi profil unik yang terlewatkan untuk memperluas jangkauan promosi. Ketiga metode bersifat komplementatif dan menjembatani kesenjangan antara data mentah dengan kebutuhan strategi promosi kampus secara operasional.]]>
