<![CDATA[Program penerimaan mahasiswa baru adalah agenda tahunan yang penting bagi perguruan tinggi untuk menarik calon mahasiswa. Pemilihan program studi yang tepat sangat penting agar sesuai dengan kemampuan calon mahasiswa, menghasilkan lulusan yang unggul. Di Institut Bisnis dan Informatika Kesatuan, penerimaan mahasiswa baru mengalami perubahan signifikan beberapa tahun terakhir, yang mengurangi motivasi belajar. Oleh karena itu, diperlukan strategi untuk merekomendasikan program studi yang sesuai dengan bakat dan potensi calon mahasiswa. Penelitian ini menggunakan Data Mining dengan algoritma K-Means Clustering dan Classification untuk menentukan cluster dari data tes mahasiswa baru sebagai dasar untuk merekomendasikan program studi. Hasil K-Means Clustering menunjukkan, 85 mahasiswa di rekomendasikan ke prodi Manajemen, 84 mahasiswa direkomendasikan ke prodi Pariwisata, 72 mahasiswa direkomendasikan ke prodi Sistem Informasi, 39 mahasiswa direkomendasikan ke prodi Biokewirausahaan, 39 mahasiswa direkomendasikan ke prodi Akuntansi, dan 38 mahasiswa direkomendasikan ke prodi Teknologi Informasi. Hasil data mining menunjukan akurasi menggunakan tiga model kalsifikasi yaitu Random Forest dengan akurasi 80.56%, KNN dengan akurasi 76.39%, dan SVC 52.78%. Dengan demikian, model Random Forest dipilih untuk implementasi dalam aplikasi web menggunakan API Flask, karena memberikan akurasi terbaik dalam memprediksi program studi yang cocok untuk mahasiswa baru.]]>
