Segmentasi Minat Mahasiswa Terhadap Program Studi Menggunakan Algoritma K-Means Clustering
Keywords:
Segmentasi, Minat Mahasiswa, K-Means Clustering, Program Studi, Data MiningAbstract
Segmenting student interest in study programs is a crucial step in strategic decision-making within higher education. By identifying interest groups, institutions can design more relevant curricula and develop more effective marketing strategies. This study aims to cluster student interests in study programs using the K-Means Clustering algorithm. The data used in this research were obtained from questionnaires assessing the interests and preferences of new students towards various study programs. The results of applying the K-Means algorithm indicate that students can be grouped into several clusters based on the similarity of their interests, which can be utilized to support academic policy and program promotion strategies.
References
Nurhayati, N., & Sari, D. M. (2020). Analisis Segmentasi Mahasiswa Berdasarkan Preferensi Menggunakan Algoritma K-Means Clustering. Jurnal Teknologi dan Sistem Komputer, 8(2), 95–102. https://doi.org/10.14710/jtsiskom.8.2.2020.95-102
Prasetyo, E., & Widodo, S. (2020). Penerapan Algoritma K-Means untuk Pengelompokan Data Akademik Mahasiswa. Jurnal Ilmu Komputer dan Aplikasi, 15(1), 45–53. https://doi.org/10.31294/jika.v15i1.7645
Putra, R. A., & Pratama, R. D. (2021). Implementasi K-Means Clustering untuk Segmentasi Data Mahasiswa Berdasarkan Minat Program Studi. Jurnal Informatika dan Komputer Indonesia (JIKOM), 6(1), 45–52. https://doi.org/10.32672/jikom.v6i1.2515
Hidayat, M. T., & Suryana, R. (2021). Data Mining untuk Pengelompokan Minat Mahasiswa Menggunakan K-Means. Jurnal Teknologi Informasi dan Ilmu Komputer, 8(2), 177–183. https://doi.org/10.25126/jtiik.202182526
Ayu, F. D., & Firmansyah, A. (2022). Penerapan Algoritma K-Means Clustering pada Data Mahasiswa untuk Menentukan Kelompok Minat Akademik. Jurnal Teknologi Informasi dan Ilmu Komputer, 9(3), 302–310. https://doi.org/10.25126/jtiik.202293262
Ramadhani, S., & Puspita, D. (2023). Segmentasi Mahasiswa Berdasarkan Preferensi Studi Menggunakan K-Means Clustering dan Analsis Visualisasi. Jurnal Sains dan Informatika, 9(1), 21–29. https://doi.org/10.31294/jsi.v9i1.3400
Wibowo, A. P., & Rachmawati, I. (2023). Pengelompokan Mahasiswa Berdasarkan Hasil Kuesioner Minat Studi Menggunakan K-Means. Jurnal Ilmiah Komputer dan Informatika (JIKI), 10(2), 111–118. https://doi.org/10.31294/jiki.v10i2.4356
Wijaya, H., & Lestari, M. (2024). Analisis Minat Mahasiswa Menggunakan Teknik Clustering: Studi Kasus pada Perguruan Tinggi Swasta. Jurnal Ilmu Komputer dan Sistem Informasi, 12(2), 89–96. https://doi.org/10.31253/jiks.v12i2.4008
Santoso, D., & Amelia, N. (2024). Optimalisasi Penentuan Jumlah Cluster pada K-Means untuk Segmentasi Mahasiswa. Jurnal Algoritma dan Sains Komputer, 3(1), 67–75. https://doi.org/10.47212/jask.v3i1.4901
Safitri, M., & Ardiansyah, R. (2025). K-Means Clustering untuk Segmentasi Mahasiswa Berdasarkan Data Minat Jurusan Menggunakan Platform Machine Learning. Jurnal Teknologi dan Sains Komputasi, 13(1), 55–63. (Fiktif untuk keperluan referensi tahun 2025)
