Penerapan Algoritma K-Means Dan Metode Marketing Mix dalam Segmentasi Mahasiswa dan Strategi Pemasaran
DOI:
https://doi.org/10.25126/jtiik.0811939Abstrak
Idealnya, semakin tinggi jumlah pendaftar di suatu institusi pendidikan, semakin tinggi kualitas dari mahasiswa yang diterima. Akan tetapi, kondisi ideal ini tidak dicapai oleh Fakultas Sains dan Teknologi (FST) UIN Suska Riau disebabkan karena sedikitnya jumlah mahasiswa yang berasal dari sekolah menengah unggul yang mendaftar sebagai mahasiswa di FST UIN Suska Riau. Berdasarkan survey terhadap dosen di FST UIN Suska, masih terdapat kendala yang cukup besar dalam proses transfer ilmu kepada mahasiswa terutama dalam hal daya tangkap dan pemahaman mahasiswa terhadap materi ajar. Oleh karena itu, analisis lebih lanjut mengenai mahasiswa saat ini diperlukan untuk merancang sebuah strategi bagaimana menarik minat siswa yang berasal dari sekolah menengah unggul untuk mendaftar sebagai mahasiswa di FST UIN Suska Riau. Metodologi yang digunakan dalam penelitian ini adalah segmentasi mahasiswa menggunakan algoritma K-Means dan teknik kluster menggunakan algoritma Dunn Index. Pengumpulan data dilakukan sebanyak 614 mahasiswa FST tahun ajaran 2015 sampai 2017. Output dari segmentasi mahasiswa digunakan untuk menentukan target dari Marketing Mix 7P. Penelitian ini menghasilkan 2 kluster mahasiswa dengan nilai Dunn Index 1,99. Kuesioner disebarkan kepada mahasiswa dari dua kluster yang berbeda tersebut dan hasilnya menunjukkan bahwa terdapat tiga variabel Marketing Mix yang berpotensi untuk meningkatkan target pasar yaitu people, product, dan place.
Abstract
Ideally, the higher number of registrant in an educational institution, the higher quality of the accepted students. But, this ideal condition was not achieved by Faculty of Science dan Technology UIN Suska Riau due to the minimum number of students from top ranking senior high school who registered as student in FST UIN Suska Riau. Based on a survey of lecturers at FST UIN Suska, there are still significant limitations in the process of transferring knowledge to students, especially in terms of catching dan understdaning students towards teaching materials. Therefore, further analysis of current input of students is needed to design a strategy how to attract the high quality of high school students to register as student in FST UIN Suska Riau. The methodology in this research are student segmentations using K-Means Algorithm dan Clustering with Dunn Index Algorithm. The data collection derived from 614 students of FST in academic year 2015 until 2017. The output of student segmentations were used to determine the target using Marketing Mix 7P. This research yield two clusters of students with Dunn Index Value was 1.99. The questionnaire were spreaded to students from the two different clusters dan the results showed that there are three variables of Marketing Mix that potentially increase the market target that is people, product, dan place.
Downloads
Referensi
BERRY, MICHAEL J A, DAN GORDON S LINOFF. 2012. Data Mining Techniques for Merketing, Sales dan Customer Relationship Management. Second edi. Wiley
BUTTLE, FRANCIS. 2008. Elsevier Butterworth-Heinemann Customer Relation Management,Concept dan Technologies, Second Edition.
BUTTLE, FRANCIS, DAN MAKLAN STAN. 2015. Customer Relationship Management. Third edit. Butterworth-Heinemann.
HAN, JIAWEI, MICHELINE KAMBER, DAN JIAN PEI. 2012. San Francisco, CA, itd: Morgan Kaufmann Data Mining: Concepts dan Techniques.
HASHIM, NURHAZIRAH, DAN MUHAMMAD ISKDANAR HAMZAH. 2014. “7P ’ S : A Literature Review of Islamic Marketing dan Contemporary Marketing Mix.” Procedia - Social dan Behavioral Sciences 130: 155–59.
HOLMBOM, ANNIKA H, DAN TOMAS EKLUND. 2008. “Customer Portfolio Analysis Using the SOM.” (2007): 412–22.
HOSSEINI, SEYED MOHAMMAD SEYED, ANAHITA MALEKI, DAN MOHAMMAD REZA GHOLAMIAN. 2010. “Cluster Analysis Using Data Mining Approach to Develop CRM Methodology to Assess the Customer Loyalty.” Expert Systems with Applications 37(7): 5259–64.
KDANEIL, DALIA ABDELRAZEK, AMANI ANWAR SAAD, DAN SHERIN MOUSTAFA YOUSSEF. 2014. “A Two-Phase Clustering Analysis for B2B Customer Segmentation.” Proceedings - 2014 International Conference on Intelligent Networking dan Collaborative Systems, IEEE INCoS 2014: 221–28.
KOTLER, PHILIP, DAN KEVIN LANE KELLER. 2008. “Manajemen Pemasaran Penerbit Jakarta : Erlangga.”
RETNO, DEWANTI. 2013. “Perbdaningan Metode Cluster Validity Pada.” Skripsi Fakultas Matematika Dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
SITANGGANG, IMAS SUKAESIH, DAN DHIYA AULIA MUHAMAD BAEHAKI. 2015. “Global dan Collective Outliers Detection on Hotspot Data as Forest Fires Indicator in Riau Province, Indonesia.” ICSDM 2015 - Proceedings 2015 2nd IEEE International Conference on Spatial Data Mining dan Geographical Knowledge Services: 66–70.
VENDRAMIN, LUCAS, DAN EDUARDO R HRUSCHKA. 2009. “On the Comparison of Relative Clustering Validity Criteria ∗.” : 733–744.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).