| Summary: | Tingkat pesaing perguruan tinggi setiap tahunnya mengalami peningkatan yang sangat pesat. Dalam proses mendapatkan mahasiswa baru setiap perguruan tinggi memiliki strategi promosi yang berbeda-beda, seiring perkembangan teknologi maka pihak perguruan tinggi dapat memanfaatkan data mining dalam upaya promosi. Data mining dapat menjadi sebuah dasar atau pedoman untuk menentukan kebijakan bisnis dalam upaya peningkatan pesaing bisnis perusahaan. Dalam upaya penghematan biaya promosi maka dilakukan pemetaan lokasi promosi. Penelitian ini membandingkan tiga alogoritma klasifikasi agar mendapatkan nilai akurasi yang tinggi sehingga informasi yang dihasilkan lebih akurat. Pemetaan lokasi promosi menggunakan algoritma klasifikasi yaitu, decision tree, naïve bayes, dan k-nearest nighbour. Data set yang digunakan berjumlah 1281 record, dan menggunakan variabel, nama, total, alumni, luar kota, dan asal sekolah, denganlabel yaitu, sangat potensi, potensi, dan kurang potensi. Hasil klasifikasi dapat digunakan pihak pemasaran untuk menentukan lokasi promosi pada tahun yang akan datang. Berdasarkan hasil evaluasi crosss validation dari ketiga alogoritma tersebut maka alogoritma yang memiliki nilai akurasi tertinggi yaitu decision tree sebesar 100%, selanjutnya adalah algoritma k-nearest nighbour sebesar 99,61%, dan yang terakhir algoritma naïve bayes hanya 84,78%.
|
|---|