Penelitian ini di latar belakangi berdasarakan hasil pengamatan yang di lakukan peneliti di MAN 3 Nganjuk berdasarkan pengamatan yang dilakukan di ketahui bahwa selama ini promosi sekolah kurang efisien sehingga promosi yang dilakukan kurang mengenai pada sasaran promosi, terdapat beberapa jurusan yang kouta siswanya masih kurang. Tujuan penelitian adalah merancang system dan membangun system untuk strategi promosi MAN 3 Nganjuk. Mengimplementasikan metode K - Nearest Neighbor untuk mengolah data siswa yang akan dijadikan sebagai acuan pemilihan strategi promosi MAN 3 Nganjuk.
Metode KNN adalah sebuah metode yang melakukan klasifikasi obyek yang berdasarkan dari data pembelajaran yang paling dekat dengan obyek tersebut. Data pembelajaran diproyeksikan diruang dimensi yang banyak dimana masing-masing dimensi mempresentasikan dari data. Ruang ini dibagi bagian – bagian berdasarkan klasifikasi data pembelajaran. Dimana titik query, akan ditemukan sejumlah k obyek yang paling dekat dengan titik query.
Tahapan proses sistem menginputkan data nilai UN SMP dan MTs dari siswa MAN 3 Nganjuk tahun 2016/2017 perjurusan, untuk dijadikan data training. Kemudian menentukan bobot pada setiap atribut dan juga menentukan bobot pada masing-masing nilai UN, penentuan bobot dilakukan secara random. Setelah dibobotkan selanjutnya mengkategorikan data training, kemudian admin memasukan data testing nilai UN yang akan di cari untuk mempromosikan sekolah, kemudian dihitung nilai kedekatan data testing dengan data training dengan menggunakan rumus KNN. Setelah dihitung nilai jaraknya, jarak yang paling tertinggi merupakan jarak yang terdekat dengan data testing dan itu merupakan hasilnya.
Berdasarkan pembahasan yang telah dilakukan didapatkan hasil bahwa : Penelitian ini membantu tim PPDB MAN 3 Nganjuk dalam menentukan acuan strategi promosi, dimana tim menentukan pilihan promosi yang akan di pasarkan. Pemilihan strategi promosi perjurusan, dengan promosi perjurusan promosi di harapkan lebih baik, terarah dan strategi promosi lebih tepat sasaran dengan memilih siswa dari sekolah mana yang mempunyai nilai tertinggi berdasarkan testing yang di masukan oleh tim PPDB dalam setiap jurusan.
KATA KUNCI : Promosi, CRISP-DM, KNN
Agustin, Wirta. 2016. Implementasi Metode K – Means Cluster Analysis Untuk Memilih Strategi Promosi Penerimaan Mahasiswa Baru. Jurnal SNIK, : 9 – 15.
Bramer, Max. 2007. Principles of Data Mining. London: Springer.
Emerensye. 2012. Implementasi Algoritma Data Mining K- Nearest Neighbor Dalam Pengambilan Keputusan Pengajuan Kredit. Seminar Nasional Sains dan Teknik. Tesedia: http://media.neliti.com, diunduh 25 November 2017.
Hermaduanti, Niki. 2008. Sistem Pendukung Keputusan Berbasis SMS Untuk menentukan Setatus Gizi dengan Metode K – Nearest Neightbor : 49 -56 .
Paramita fadillah, Anissa. 2015. Penerapan Metodede CRISP – DM untuk Prediksi Studi Mahasiswa Menempuh Mata Kuliah. Jurnal Teknik Informatika dan Sistem Informasi, 1 (3): 260 -270.
Santoso, Budi. 2007. Teknik Pemanfaatan Data Untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu.
Setiawan, Roni. 2016. Penerapan data mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru. (Studi Kasus : Politeknik LP3I Jakarta), 3 (1): 76 - 92.
Suprawoto, Totok. 2016. Klasisfikasi Data Mahasiswa Menggunakan Metode K-Means Untuk Menunjang Pemilian Strategi Pemasaran. Jurnal Informatika dan Komputer, 1 (1) : 9 – 16.
Tiara Kusuma, Diere. 2015. Prototipe Komparasi Model Clustering Menggunakan Metode K – Means dan FCM untuk Menetukan Strategi Promosi : Study Kasus Sekolah Tinggi Teknik PLN jakarta. 2 (1): 7 – 16.