<![CDATA[Abstract: The Tanjung Tiram Religious Affairs Office (KUA) plays a crucial role in providing marriage registration services to the public. The increasing number of marriages each period requires the KUA to optimally prepare its resources and services. This study aims to predict the monthly number of marriages at the KUA using the Single Exponential Smoothing (SES) method as an effort to improve service quality and readiness. The data used in this study comprise 68 monthly data sets obtained from the KUA. The SES method is applied by determining the smoothing parameter (a) and performing forecasting calculations in stages until a prediction for the next period is obtained. The accuracy of the forecasting results is evaluated using the Mean Absolute Percentage Error (MAPE) method. The results show that the Single Exponential Smoothing method is capable of producing fairly accurate predictions of the number of marriages and can be used as a basis for service planning at the KUA. With this prediction system, the KUA can prepare human resources, service schedules, and facilities more optimally. The conclusion of this study is that the application of the Single Exponential Smoothing method is effective in helping improve KUA services through better, data-driven planning. Keyword: PMB; K-Means Clustering; Elbow Method; WCSS; Student Segmentation; Promotion Strategy. Abstrak: Penerimaan Mahasiswa Baru (PMB) menghasilkan data yang beragam, tetapi pemanfaatannya sebagai dasar penyusunan strategi promosi perguruan tinggi masih belum optimal. Penelitian ini bertujuan melakukan segmentasi calon mahasiswa baru menggunakan algoritma K-Means Clustering untuk mengidentifikasi karakteristik kelompok pendaftar sebagai dasar penyusunan strategi promosi yang lebih tepat sasaran. Data yang digunakan terdiri dari 2.000 data pendaftar dengan atribut jenis kelamin, jurusan, asal sekolah, kabupaten, provinsi, program studi, gelombang, dan jalur pendaftaran. Tahapan penelitian meliputi preprocessing, transformasi data kategorikal menggunakan LabelEncoder, standardisasi menggunakan StandardScaler, serta penerapan K-Means. Penentuan jumlah cluster optimal dilakukan menggunakan Metode Elbow berdasarkan nilai Within Cluster Sum of Squares (WCSS). Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah 4 cluster, dengan distribusi yang relatif seimbang. Karakteristik utama yang membedakan cluster adalah jenis kelamin, jurusan, dan jalur pendaftaran. Hasil segmentasi dapat dimanfaatkan untuk menentukan target promosi, media komunikasi, sekolah sasaran, dan alokasi anggaran secara lebih efektif. Dengan demikian, K-Means Clustering dapat mendukung strategi promosi perguruan tinggi yang lebih terarah dan berbasis data. Kata kunci: PMB; K-Means Clustering; Metode Elbow; WCSS; Segmentasi; Strategi Promosi.]]>
Copyrights © 2026
