<![CDATA[Persaingan dalam merekrut mahasiswa baru semakin ketat, sehingga perguruan tinggi memerlukan strategi promosi yang efektif dan tepat sasaran. Salah satu cara untuk meningkatkan efektivitas promosi adalah dengan melakukan segmentasi calon mahasiswa berdasarkan data penerimaan. Penelitian ini menawarkan solusi dengan membandingkan performa algoritma K-Means dan K-Medoids dalam segmentasi data Penerimaan Mahasiswa Baru (PMB) Universitas X tahun 2024. Metode yang digunakan meliputi tahapan pengumpulan data, preprocessing (pembersihan, normalisasi, dan transformasi), implementasi algoritma K-Means dan K-Medoids, serta evaluasi kualitas klaster menggunakan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa konfigurasi tiga klaster (K=3) memberikan nilai DBI terendah, dengan K-Medoids mencapai 1,038, lebih baik dibandingkan K-Means sebesar 1,059. Klaster dominan menunjukkan bahwa lulusan SMK mendominasi sebesar 40,45% dan cenderung memilih program studi Pendidikan TIK. Kontribusi penelitian ini adalah memberikan panduan bagi institusi pendidikan dalam memilih algoritma klasterisasi yang paling sesuai untuk mendukung strategi promosi yang lebih akurat, efisien, dan terarah.]]>
Copyrights © 2025
