PENGKLASIFIKASIAN KARAKTERISTIK MAHASISWA BARU DALAM MEMILIH PROGRAM STUDI MENGGUNAKAN ANALISIS CLUSTER

Maxsi Ary

Sari


Abstract - Object Clustering is one of the object mining process which aims to partition an existing object into one or more cluster objects based on their characteristics. Private Universities is one of the alternatives for the community colleges to meet increased demand for educational needs. The number of private colleges, especially in Bandung and generally in Indonesia is quite a lot. The number of colleges and universities means used to attract prospective students to be an interesting thing to study. As a reason for the intense competition in the search for new students, no doubt there are some ways that actually do not need to be done. Issues raised, namely classify new students of characteristics in selecting a course using cluster analysis. Data obtained from the questionnaire prospective new students in February 2014 Data processing using SPSS. The results using analysis SPSS aiming easier to describe the characteristics of each group of new students in choosing courses.

Keywords: Clustering, characteristics of students, courses, cluster analysis



Abstrak - Pengelompokan Objek (object clustering) adalah salah satu proses dari objek mining yang bertujuan untuk mempartisi objek yang ada kedalam satu atau lebih cluster objek berdasarkan karakteristiknya. Perguruan tinggi swasta merupakan salah satu perguruan tinggi alternatif bagi masyarakat untuk menghadapi peningkatan permintaan terhadap kebutuhan pendidikan. Jumlah perguruan tinggi swasta khususnya di Bandung dan umumnya di Indonesia berjumlah cukup banyak. Jumlah perguruan tinggi dan cara yang digunakan perguruan tinggi untuk menarik minat calon mahasiswa menjadi hal yang menarik untuk dikaji. Sebagai alasan ketatnya persaingan dalam mencari calon mahasiswa baru, tidak dipungkiri terdapat beberapa cara yang dilakukan yang sebetulnya tidak perlu dilakukan. Persoalan yang dikemukakan yaitu mengklasifikasikan karakteristik mahasiawa baru dalam memilih program studi menggunakan analisis cluster. Data diperoleh dari hasil kuisioner calon mahasiswa baru pada bulan februari 2014. Pengolahan data menggunakan SPSS. Hasil analisis menggunakan SPSS tersebut bertujuan memudahkan untuk mendeskripsikan karakteristik masing-masing kelompok mahasiswa baru dalam memilih program studi.

Kata kunci: Clustering, Karakteristik Mahasiswa, Program Studi, Analisis Cluster.

Teks Lengkap:

PDF

Referensi


Ary, Maxsi. (2014). Identifikasi Perilaku Calon Mahasiswa Baru dalam Memilih Program Studi Menggunakan Analisis Faktor. Paradigma Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika, 35-45.

Damanhuri, D. S. (n.d.). Dunia Esai. Retrieved September 12, 2012, from Kumpulan esai berbahasa Indonesia: http://www.duniaesai.com/index.php?option=com_content&view=article&id=108:sdm-indonesia-dalam-persaingan-global&catid=37:ekonomi&Itemid=93

Ghozali, I. (2011). Aplikasi Analisis Multivariate dengan Program IBM SPSS 19. Semarang: Badan Penerbit Universitas Diponegoro.

Gujarati, D. (2003). Basic Econometrics. New York: Mc-Grawhill.

Hadianto, B., & Wijaya, M. V. (Desember 2010). Prediksi Kebijakan Utang, Profitabilitas, likuiditas, Ukuran, dan Status Perusahaan Terhadap Kemungkinan Penentuan Peringkat Obligasi: Studi Empirik pada Perusahaan yang Menerbitkan Obligasi di Bursa Efek Indonesia. Jurnal Manajemen Teori dan Terapan, Tahun 3, No.3.

Sitepu, R., Irmeilyana, & Gultom, B. (2011). Analisis Cluster terhadap Tingkat Pencemaran Udara pada Sektor Industri di Sumatera Selatan. Jurnal Penelitian Sains, 11-17.

Steven, S. (1946). On The Theory of Scales of Measurement. Science, 103.

Sukandi, P. (2010). Hubungan Antara Fasilitas Kampus Terhadap Kepuasan Mahasiswa dalam Menghadapi Daya Saing Jasa Pendidikan (Studi Kasus: Mahasiswa Fakultas Bisnis dan Manajemen Universitas Widyatama). The 4th PPM National Confrence on Management Research. Jakarta.

Supranto, J. (2000). Teknik Sampling Untuk Survei dan Eksperimen, Edisi Baru. Jakarta: PT. Rineka Cipta.

Supranto, J. (2010). Analisis Multivariat : Arti & Interpretasi. Jakarta: Rineka Cipta.

Tabachnick, B. (1996). Using Multivariate Statistics. New York: Harper Collin.




DOI: https://doi.org/10.31311/ji.v2i1.58



 dipublikasikan oleh LPPM UBSI
Jl. Kamal Raya No. 18 Cengkareng, Jakarta Barat