CONTOH LATAR BELAKANG

Judul Skripsi : Segmentasi Promosi PMB Universitas Bumigora menggunakan model RFM dan
algoritma K-Means

BAB I
PENDAHULUAN
1.1. LATAR BELAKANG
Setiap perguruan tinggi dituntut untuk siap menghadapi sebuah persaingan dengan
perguruan tinggi lainnya dalam penerimaan mahasiswa baru baik dalam perguruan tinggi negeri
maupun swasta. Saat ini semakin marak perguruan tinggi menawarkan berbagai macam
program yang menggiurkan pada calon mahasiswa baru seperti murahnya biaya kuliah,
mendapatkan diskon bagi pendaftar tercepat, bebas tes bagi mahasiswa berprestasi, beasiswa,
setelah lulus akan langsung mendapatkan pekerjaan dan banyak lagi program yang ditawarkan
oleh perguruan tinggi (Budiman & Anto, 2019).

PMB Universitas Bumigora Mataram bisa mendapatkan jumlah calon mahasiswa baru
yang sesuai dengan apa yang diharapkan, dengan melakukan berbagai macam strategi promosi,
beberapa diantaranya adalah dengan melakukan promosi atau sosialisasi kepada sekolah-
sekolah yang ada di dalam maupun luar wilayah dengan membentuk tim promosi dan
koordinator wilayah. Namun ada permasalahan yang terjadi yaitu dalam menentukan lokasi
promosi, banyaknya sekolah menengah atas yang perlu dikunjungi membuat panitia PMB
Universitas Bumigora Mataram kesulitan untuk menentukan skala prioritas sekolah mana yang
terlebih dahulu diprioritaskan untuk dikunjungi. Selain itu media promosi yang digunakan oleh
tim promosi dari PMB Universitas Bumigora yaitu melalui media sosial yakni : youtube,
instagram, facebook, twitter, dan lain-lain.

Sebelum melakukan promosi, panitia PMB Universitas Bumigora perlu menentukan

target segmentasi yang ingin dicapai dalam penerimaan mahasiswa baru. Segmentasi
merupakan proses untuk mengetahui karakteristik calon mahasiswa baru yang memiliki
kesamaan tertentu, sehingga mempermudah penggalian informasi terkait calon mahasiswa baru
yang menguntungkan (Savitri et al., 2018). Dalam permasalahan yang dibahas segmentasi
digunakan untuk mengelompokan data mahasiswa berdasarkan karakteristik atau atribut yang

1
dimiliki agar membantu dalam penerapan strategi promosi. Atribut yang digunakan yaitu nama
calon mahasiswa baru, asal sekolah, tanggal daftar dan ada tambahan atribut yaitu tanggal
penelitian. Sedangkan untuk data yang akan digunakan yaitu data mahasiswa Universitas
Bumigora Mataram tahun 2019 dan 2020. Oleh karena itu untuk mengelompokkan karakteristik
data calon mahasiswa baru dibutuhkan metode data mining.

Penerapan data mining dapat menjadi solusi untuk membantu segmentasi data dari
informasi data mahasiswa yang diperoleh sehingga dapat mengeksplorasi pola-pola atau sistem
baru yang dapat dijadikan solusi untuk proses identifikasi calon mahasiswa baru (Savitri et al.,
2018) sehingga promosi PMB dapat dilakukan tepat sasaran. Dalam data mining memiliki
banyak sekali metode termasuk metode clustering yang akan digunakan untuk menyelesaikan
penelitian ini. Algoritma yang akan digunakan adalah K-Means dimana algoritma K-Means
digunakan untuk pengelompokan data mahasiswa berdasarkan atribut yang sudah ditentukan.
Sedangkan model RFM digunakan untuk menganalisa data mahasiswa. Model RFM merupakan
model yang membedakan pelanggan penting dari data besar oleh tiga variabel yaitu recency,
frequency dan monetary (Adiana et al., 2018).

Pada beberapa penelitian yang menerapkan metode data mining dengan

clustering menggunakan algoritma K-Means dan model RFM dilakukan oleh (Savitri et
al., 2018) melakukan analisis berdasarkan nilai RFM yang menunjukkan bahwa peringkat
pertama merupakan kelompok pelanggan yang memiliki profitable karena memiliki nilai
RFM lebih besar dibandingkan dengan segmen yang lain. Sedangkan, penelitian Adiana
et al., 2018 bermaksud melakukan Analisa segmentasi untuk mengukur kesetiaan
pelanggan terhadap sebuah produk. Penelitian yang terakhir adalah penelitian Rudianto
et al.,2019 ini bermaksud untuk menentukan lokasi atau daerah mana saja yang
berpotensi untuk mendatangkan mahasiswa baru di perguruan tinggi tersebut. Dengan
menerapkan data mining dengan metode clustering pengelompokan item objek penelitian
berdasarkan kemiripan sifatnya, sehingga akan diketahui daerah mana saja yang
berpotensi untuk mendatangkan mahasiswa baru. Dalam penelitian ini hanya
menggunakan algoritma K-Means.
Berdasarkan masalah yang dipaparkan tersebut maka pada penelitian ini akan
dilakukan segmentasi promosi PMB Universitas Bumigora menggunakan model RFM
dan algoritma K-Means untuk pengelompokan sekolah yang memiliki potensi dalam

2
perekrutan calon mahasiswa baru Universitas Bumigora sehingga dapat diprioritaskan
dalam promosi.