A Literature Review : Komparasi Algoritma K-Means dan DBSCAN dalam Klustering untuk Strategi Promosi
Main Article Content
Abstract
Dalam dunia pendidikan tinggi, strategi promosi yang efektif menjadi kunci dalam menarik calon mahasiswa. Salah satu cara yang dapat dilakukan adalah dengan memanfaatkan teknik analisis data, seperti klustering, untuk memahami pola dan segmentasi calon mahasiswa. Penelitian ini melakukan kajian literatur terhadap algoritma K-Means dan DBSCAN guna mengevaluasi kelebihan dan kekurangan masing-masing dalam proses segmentasi. Hasil studi menunjukkan bahwa K-Means lebih cepat dan efisien dalam mengelompokkan data yang memiliki distribusi rapi, sedangkan DBSCAN lebih unggul dalam menangani data dengan kepadatan yang tidak merata serta mampu mengidentifikasi data outlier. Beberapa penelitian yang ditinjau juga menunjukkan bahwa kombinasi kedua algoritma ini dapat meningkatkan akurasi segmentasi, di mana K-Means digunakan sebagai langkah awal untuk membentuk klaster awal, sementara DBSCAN digunakan untuk validasi dan penyempurnaan hasil klasterisasi. Kesimpulannya, pemilihan algoritma harus disesuaikan dengan karakteristik data yang dianalisis. Perguruan tinggi dapat memanfaatkan kombinasi kedua metode ini untuk mengembangkan strategi promosi yang lebih efektif dan terarah. Penelitian selanjutnya dapat mengeksplorasi metode lain, seperti machine learning, untuk lebih meningkatkan akurasi segmentasi dan efektivitas strategi pemasaran pendidikan tinggi.
Downloads
Article Details
References
. Gu, J. (2021). Comparative analysis based on clustering algorithms. Journal of Physics:
Conference Series, 1994(1). https://doi.org/10.1088/1742-6596/1994/1/012024
. Hidayati, S., Darmaliana, A. T., & Riski, R. (2022). Comparison of K-Means, Fuzzy C-Means,
Fuzzy Gustafson Kessel, and DBSCAN for Village Grouping in Surabaya Based on Poverty
Indicators. Jurnal Pendidikan Matematika (Kudus), 5(2), 185.
https://doi.org/10.21043/jpmk.v5i2.16552
. Irawan, I., Rizki, U., Jakak, P. M., Bagus Prayogi, M., & Rahman, M. (2024). Penerapan Metode
K-Means Clustering Dalam Pengembangan Strategi Promosi Berbasis Data Penerimaan
Mahasiswa Baru (Studi Kasus?:Universitas Nurul Huda). In Jurnal Nasional Ilmu Komputer
(Vol. 5, Issue 1).
. Kertanah, K., Nurmayanti, W. P., Aini, S. R., Amrullah, L. Muh., & Sya’roni, M. (2023).
Comparison of Algorithms K-Means and DBSCAN for Clustering Student Cognitive Learning
Outcomes in Physics Subject. Kappa Journal, 7(2), 251–255.
https://doi.org/10.29408/kpj.v7i2.18428
. Leon Villalba, A. F., & Cristina Gonzalez La Rotta, E. (2020, September 30). Comparison of
Dbscan and K-means clustering methods in the selection of representative clients for a vehicle
routing model. 2020 Congreso Internacional de Innovacion y Tendencias En Ingenieria,
CONIITI 2020 - Conference Proceedings.
https://doi.org/10.1109/CONIITI51147.2020.9240399
. Malarangan, H., Salim, M., & Haekal, A. (2020). Strategi Pemasaran Perguruan Tinggi Pada
Institut Agama Islam Negeri (IAIN) Palu. Jurnal Ilmu Ekonomi Dan Bisnis Islam-JIEBI, 2(1),
https://jurnaljam.ub.ac.id/index.php/jam/article/v
. Nurmalasari, N. (2024). Strategi Pemasaran dalam Meningkatkan Jumlah Peserta Didik Baru
Melalui Pemanfaatan Media Sosial. In Journal of Innovation Literacy Studies (Vol. 1, Issue 1).[8]. Pamuji, G. C., & Rongtao, H. (2020). A Comparison study of DBScan and K-Means Clustering
in Jakarta rainfall based on the Tropical Rainfall Measuring Mission (TRMM) 1998-2007. IOP
Conference Series: Materials Science and Engineering, 879(1). https://doi.org/10.1088/1757-
X/879/1/012057
. Paramita, A. S., & Hariguna, T. (2024). Comparison of K-Means and DBSCAN Algorithms for
Customer Segmentation in E-commerce. Journal of Digital Market and Digital Currency, 1(1),
–62. https://doi.org/10.47738/jdmdc.v1i1.3
. Rahmawati, A., S, R., & Rahmi, S. (2024). Peran Kolaborasi dalam Perguruan Tinggi. IndoMathEdu Intellectuals Journal, 5(6), 8161–8175. https://doi.org/10.54373/imeij.v5i6.2273
. ?AH?NBA?, K. (2022). Performance Comparison of K-Means and DBSCAN Methods for
Airline Customer Segmentation. Black Sea Journal of Engineering and Science, 5(4), 158–165.
https://doi.org/10.34248/bsengineering.1170943
. Saputra, A., & Yusuf, R. (2024). Perbandingan Algoritma DBSCAN dan K-MEANS dalam
Segmentasi Pelanggan Pengguna Transportasi Publik Transjakarta Menggunakan Metode RFM.
MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(4), 1346–1361.
https://doi.org/10.57152/malcom.v4i4.1516
. Wardani, S. D. K., Ariyanto, A. S., Umroh, M., & Rolliawati, D. (2023). PERBANDINGAN
HASIL METODE CLUSTERING K-MEANS, DB SCANNER & HIERARCHICAL UNTUK
ANALISA SEGMENTASI PASAR. JIKO (Jurnal Informatika Dan Komputer), 7(2), 191.