Penerimaan mahasiswa baru yang efektif menjadi tantangan bagi ITPLN, terutama dalam menentukan strategi pemasaran yang tepat. Penelitian ini bertujuan untuk mengelompokkan calon mahasiswa berdasarkan asal daerah dan media informasi dan membandingan metode K-Means dan DBSCAN, serta mengevaluasi efektivitas kedua metode tersebut. Davies-Bouldin Index (DBI) digunakan untuk menentukan jumlah klaster optimal. Hasil penelitian menunjukkan bahwa K-Means menghasilkan klaster yang lebih terstruktur dengan nilai DBI sebesar 0.4222, sementara DBSCAN hanya menghasilkan satu klaster atau menganggap sebagian besar data sebagai noise. Hasil klasterisasi dengan K-Means mengungkap bahwa calon mahasiswa dari Pulau Jawa lebih banyak mengakses informasi melalui Website InfoPMB dan Media Sosial, sedangkan calon mahasiswa dari Kalimantan, Maluku, dan Papua lebih banyak mengandalkan media tradisional seperti TV dan radio. Validasi oleh Manager Bagian Pemasaran dan Admisi ITPLN menunjukkan bahwa hasil klasterisasi ini dapat digunakan untuk mendukung strategi pemasaran ITPLN, dengan saran agar analisis ke depan juga mencakup mahasiswa kelas karyawan.

The effectiveness of new student admissions remains a challenge for ITPLN, particularly in determining the right marketing strategy. This study aims to group prospective students based on their region of origin and the information media they use, utilizing K-Means and DBSCAN methods, and to evaluate the effectiveness of both approaches. The Davies Bouldin Index (DBI) is used to determine the optimal number of clusters. The results indicate that K-Means forms more structured clusters with a DBI value of 0.4222, while DBSCAN produces only one cluster or considers most of the data as noise. The K-Means clustering results reveal that prospective students from Java Island primarily obtain information through Website InfoPMB and Social Media, whereas those from Kalimantan, Maluku, and Papua still rely more on traditional media such as TV and radio. Validation by the Manager of the Marketing and Admissions Department at ITPLN confirms that this clustering approach can support ITPLN's marketing strategy, with the recommendation that future analyses also include working-class students.