<![CDATA[Strategi promosi yang efektif menjadi kebutuhan penting bagi perguruan tinggi dalam menghadapi persaingan penerimaan mahasiswa baru. Penelitian ini bertujuan untuk mengelompokkan asal sekolah calon mahasiswa baru Universitas Muhammadiyah Banjarmasin (UMB) menggunakan algoritma K-Means Clustering berbasis data pendaftaran tahun akademik 2019 hingga 2025. Proses penelitian mengadopsi pendekatan Knowledge Discovery in Database (KDD) yang mencakup tahap seleksi, pra-pemrosesan, transformasi, data mining, dan evaluasi. Penentuan jumlah klaster optimal dilakukan dengan empat metode evaluasi internal, yaitu Elbow Method, Silhouette Score, Davies-Bouldin Index, dan Calinski-Harabasz Index, dengan hasil terbaik pada K=4. Hasil pengelompokan menghasilkan empat kategori potensi sekolah, yaitu Sangat Berpotensi, Berpotensi, Sedang, dan Rendah. Sekolah dalam kategori Sangat Berpotensi terkonsentrasi di wilayah Kalimantan Tengah, sedangkan kategori lainnya tersebar lebih merata di Kalimantan Selatan dan daerah lain. Temuan ini menunjukkan bahwa pemetaan berbasis data dapat menjadi acuan strategis dalam menyusun promosi wilayah yang lebih efektif dan terarah.]]>
Copyrights © 2025
