CLUSTERING DATA MAHASISWA MENGGUNAKAN METODE SELF ORGANIZING MAPS UNTUK MENENTUKAN STRATEGI PROMOSI UNIVERSITAS KANJURUHAN MALANG

AbstrakData akademik mahasiswa merupakan data yang dihimpun dari hasil kegiatan proses belajar mengajar selama mengikuti studi di suatu perguruan tinggi. Berdasarkan data yang diperoleh dari Pangkalan Data Pendidikan Tinggi (PDDIKTI), Universitas Kanjuruhan Malang pada 2 tahun terakhir ini terjadi penurunan pendaftaran mahasiswa baru. Untuk menarik minat calon mahasiswa maka dilakukan analisis dari historis data mahasiswa dengan cara melakukan pengolahan data.Self Organizing Maps (SOM) merupakan salah satu metoda dalam Jaringan Syaraf Tiruan (Neural Network) yang menggunakan pembelajaran tanpa pengarahan (unsupervised learning). Input dari penelitian ini adalah data asal sekolah mahasiswa berdasarkan jurusan yaitu MA, SMA dan SMK, sedangkan output-nya adalah dikelompokkan ke dalam 2 cluster. Penelitian ini bertujuan untuk membuat aplikasi sistem berbasis web dalam menentukan acuan strategi promosi, dengan melakukan clusteringterhadap sejumlah data mahasiswa berdasarkan asal sekolah (SMA, SMK & MA) menggunakan algoritma clustering SOM.Kata Kunci : Data Mahasiswa, Aplikasi Web, Jaringan Syaraf Tiruan, Self Organizing Maps (SOM).AbstractStudent academic data is data collected from the results of the teaching and learning activities during studies at a college. Based on data obtained from the database of higher education (PDDIKTI), Kanjuruhan University of Malang on last 2 years the amount of new students decreased. To attract the candidate of students, so the staff analyze from the data history by processing the data.Self Organizing Maps (SOM) is one of the methods in Neural Networks that use learning without direction (unsupervised learning). Input from this research is original data school students based on majors namely MA, SMA, and SMK, while his output was grouped into 2 clusters. This research aims to create a web-based application system in determining the reference promotion strategy, by performing clustering of a number of student data based on the origin of the school ( SMA, SMK & MA ) using SOM clustering algorithm.Keywords : Student Data, Web Applications, Neural Network, Self Organizing Maps (SOM)