<![CDATA[Proses penerimaan calon mahasiswa baru di Politeknik LP3I Jakarta setiap tahun, menghasilkan data yang sangat banyak berupa profil calon mahasiswa. Kegiatan tersebut menimbulkan penumpukan data dalam jumlah besar, hal ini menjadi kesulitan untuk melakukan identifikasi terhadap calon mahasiswa. Penelitian ini membahas tentang penerapan data mining, menggunakan algoritma K-Means Clustering untuk menghasilkan profil yang memiliki kemiripan atribut yang sama. Metode yang digunakan adalah CRISP-DM dengan melalui proses business understanding, data understanding, data preparation, modeling, evaluation dan deployment. Implementasi proses K-Means Clustering menggunakan Rapid Miner 7.0. Atribut yang digunakan usia, agama, status ujian, kelulusan, registrasi, kelamin, gelombang pendaftaran, gelombang registrasi, Nilai Tes, Jurusan, program studi, sumber informasi, asal kota, lokasi kampus, pekerjaan orang tua, jenis sekolah, pembayaran uang registrasi. Menghasilkan jumlah kluster 4 (k=4) dengan cluster pertama 17007 calon mahasiswa, cluster kedua sebanyak 83 calon mahasiswa, cluster ketiga sebanyak 12919 calon mahasiswa dan cluster keempat sebanyak 356 calon mahasiswa.Kata Kunci : Data Mining, Algoritma, K-Means, Clustering, Strategi Promosi]]>
Copyrights © 2016
