Optimasi Strategi Pemasaran Perguruan Tinggi Berbasis Segmentasi Data Menggunakan HDBSCAN dan GMM

Abstract

Persaingan antar perguruan tinggi yang semakin ketat menuntut strategi pemasaran yang lebih presisi dan berbasis data. Namun, praktik segmentasi mahasiswa di banyak institusi masih didominasi oleh pendekatan konvensional yang bersifat subjektif dan kurang mampu menangkap heterogenitas karakteristik mahasiswa secara komprehensif. Penelitian ini bertujuan untuk mengoptimalkan strategi pemasaran perguruan tinggi melalui segmentasi mahasiswa berbasis data dengan pendekatan klasterisasi dua tahap (two-stage clustering), menggunakan data 731 mahasiswa baru Sekolah Tinggi Teknologi Pekanbaru (STTP) periode 2020–2023 dengan 97 atribut. Pada tahap awal, metode HDBSCAN digunakan untuk mengeksplorasi struktur global data mahasiswa, mengidentifikasi klaster mayoritas, serta menyaring noise. Selanjutnya, segmentasi lanjutan dilakukan menggunakan Gaussian Mixture Model (GMM) untuk memetakan heterogenitas internal pada klaster mayoritas secara probabilistik. Evaluasi jumlah klaster dilakukan menggunakan Bayesian Information Criterion (BIC) dan Akaike Information Criterion (AIC) guna memastikan keseimbangan antara kualitas model dan interpretabilitas. Hasil penelitian menunjukkan bahwa pendekatan hybrid ini mampu menghasilkan tiga segmen mahasiswa yang lebih homogen dan tajam dibandingkan penerapan GMM pada dataset utuh, yaitu: (1) Mahasiswa Tradisional Berprestasi — usia muda dengan pembiayaan eksternal dan tidak bekerja; (2) Mahasiswa Pekerja Fleksibel — seluruhnya bekerja dengan pembiayaan campuran; dan (3) Mahasiswa Mandiri Adaptif — hampir seluruhnya membiayai kuliah secara mandiri sambil bekerja dengan prestasi akademik tertinggi. Pembeda utama antar segmen terutama terletak pada pola pembiayaan pendidikan dan status keterlibatan kerja, sementara variabel usia dan sosial ekonomi berperan sebagai karakteristik deskriptif pendukung. Struktur segmentasi yang dihasilkan selanjutnya diterjemahkan ke dalam kerangka Segmenting–Targeting–Positioning (STP) untuk merumuskan rekomendasi strategi pemasaran yang relevan dan aplikatif. Temuan ini menegaskan bahwa segmentasi berbasis data dapat menjadi dasar yang lebih objektif dan efektif dalam perencanaan strategi pemasaran pendidikan tinggi.