Prediksi Mahasiswa Baru Universitas Papua Menggunakan Autoregressive Integrated Moving Average

Christian Dwi Suhendra, Lion Ferdinand Marini, Ana Sarungallo

Abstract


Perguruan tinggi sangat memperhatikan penerimaan mahasiswa baru sebagai indikator kemajuan dan pertumbuhan institusi. Namun, fluktuasi jumlah penerimaan mahasiswa baru dapat menjadi kendala dalam perencanaan dan pengambilan keputusan. Penelitian ini bertujuan untuk menerapkan metode Autoregressive Integrated Moving Average (ARIMA) dalam menghitung prediksi jumlah mahasiswa baru pada Universitas Papua. Oleh karena itu, penelitian ini menggunakan metode ARIMA untuk meramalkan jumlah mahasiswa baru tahun 2023 dengan memanfaatkan data historis dari tahun 2017 hingga 2022. Hasil analisis menggunakan R Studio menunjukkan bahwa model terbaik adalah ARIMA (11,0,12) dengan nilai error terendah. Penelitian ini memberikan manfaat bagi peneliti dalam memahami metode peramalan menggunakan ARIMA dan juga memberikan informasi yang berguna bagi Universitas Papua dalam perencanaan strategis untuk meningkatkan kualitas dan minat calon mahasiswa baru.

 

Universities pay great attention to the acceptance of new students as an indicator of the progress and growth of the institution. However, fluctuations in the number of new student admissions can be an obstacle in planning and decision making. This study aims to apply the Autoregressive Integrated Moving Average (ARIMA) method in calculating predictions for the number of new students at the University of Papua. Therefore, this study uses the ARIMA method to predict the number of new students in 2023 by utilizing historical data from 2017 to 2022. The results of the analysis using R Studio show that the best model is ARIMA (11,0,12) with the lowest error value. This research provides benefits for researchers in understanding forecasting methods using ARIMA and also provides useful information for the University of Papua in strategic planning to improve the quality and interest of prospective new students.

 


Keywords


Prediction; ARIMA Method; R Studio

Full Text:

PDF

References


Abbas, S.2008. Manajemen Perguruan Tinggi. Jakarta: Prenada Madia Group.

Adhikari, R., & Agrawal, R. K. (2013). An Introductory Study on Time Series Modeling and Forecasting Ratnadip Adhikari R. K. Agrawal. ArXiv Preprint ArXiv:1302.6613, 1302.6613, 1–68.

Ahmad, F. (2020). Penentuan Metode Peramalan Pada Produksi Part New Granada Bowl ST Di PT. X. Jurnal Integrasi Sistem Industri, 7(1), 31–39.

Amira Herwindayani H., Wiwik Anggraeni, R. T. (2014). Bahan Baku Plastik. Jurnal Teknik POMITS, 3(2), A-169.

Anggraini, M., Goejantoro, R., & Nasution, Yuki. N. (2019). Peramalan Kebutuhan Bahan Baku Plat Besi Menggunakan Metode Runtun Waktu Autoregressive Integrated Moving Average (ARIMA) dan Meminimumkan Biaya Total Persediaan dari Hasil Peramalan Mengunakan Metode Period Order Quantity (POQ) (Studi Kasus: CV. Isakutam. Jurnal Eksponensial, 10(1), 1–10.

ARUAN, S. S. (2021). The PERBANDINGAN METODE ARIMA DAN SARIMA DALAM PERAMALAN PENJUALAN KELAPA. JAMI: Jurnal Ahli Muda Indonesia, 2(2), 79–90.

As’ad, M., Wibowo, S. S., & Sophia, E. (2017). Peramalan Jumlah Mahasiswa Baru Dengan Model Autoregressive Integrated Moving Average (Arima). J I M P - Jurnal Informatika Merdeka Pasuruan, 2(3), 20–33.

Budiaji, W., Agribisnis, J., & Pertanian, F. (2019). Penerapan Reproducible Research pada RStudio dengan Bahasa R dan Paket Knitr. In Jurnal Ilmu Komputer dan Informatika (Vol. 1, Issue 1).

Budiarto, N., Kom, M., Wibowo, A., Kom, S., Kom, M., Wijanarko, S., Kom, S., Kom, M., Pratama, E. B., Kom, M., Yusri, A., & Kom, M. (2020). Forecasting Model of Student Admission in XYZ University with Arima. 7(1), 1–13.

Dani, A. T. R., Wahyuningsih, S., & Rizki, N. A. (2019). Penerapan Hierarchical Clustering Metode Agglomerative pada Data Runtun Waktu. Jambura Journal of Mathematics, 1(2), 64–78.

Elvani, S. P., Utary, A. R., & Yudaruddin, R. (2016). Peramalan Jumlah Produksi Tanaman Kelapa Sawit dengan Menggunakan Metode Arima. 8(1), 95–112.

Faridi et al. (2016). PERANCANGAN SISTEM INFORMSI E-JURNAL PADA PERGURUAN TINGGI BERBASIS WEB.

Fibriani, C. (2014). Analisis Mahasiswa Baru Menggunakan Metode Arima. November.

Fitri, F., Gamayanti, N. F., & Darmawan, G. (2017). METODE SSA PADA DATA PRODUKSI PERIKANAN TANGKAP DI PROVINSI JAWA BARAT. Jurnal Ilmiah Matematika Dan Pendidikan Matematika (JMP), 9(2), 95–110.

Halim, S. (2006). Diktat - Time Series Analysis Prakata. January.

Hyndman, R. J., & Athanasopoulos, G. (n.d.). Forecasting : Principles and Practice.

Katabba. (2021). Metode Seasonal Autoregressive Integrated Moving.

Kenrick, J. (2021). Perhitungan Prediksi Saham PT. Indofood Sukses Makmur Tbk. Menggunakan R Studio Dengan Metode Autoregressive Integrated Moving Average (ARIMA). Journal of Software Engineering, Information and Communication Technology, 2(2), 87.

Lawton, R. (2017). Time Series Analysis and its Applications. International Journal of Forecasting, 17(2), 299–301.

Made Tirta, I., Fmipa, J. M., & Jember, U. (2014). Prosiding Seminar Nasional Matematika.

Maricar, A. M. (2019). Analisa Perbandingan Nilai Akurasi Moving Average dan Exponential Smoothing untuk Sistem Peramalan Pendapatan pada Perusahaan XYZ. Jurnal Sistem Dan Informatika (JSI), 13(2), 36–45.

Matematika-Fst, J., & Makassar, A. (2019). Peramalan Jumlah Penggunaan Kuota Internet Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA) Tasna Yunita. JOMTA Journal of Mathematics: Theory and Applications, 1(2).

Maulana, H. A. (2018). Pemodelan Deret Waktu Dan Peramalan Curah Hujan Pada Dua Belas Stasiun Di Bogor. Jurnal Matematika Statistika Dan Komputasi, 15(1), 50.

Naufal, M. F., Farid Naufal, M., Fakultas, U. S., Program, T., Informatika, S. T., Raya, J., & Rungkut, K. (2018). Analisa Teknik Pembelajaran dan Pengajaran Pemrograman pada Universitas dan Industri. JURNAL INFORMATIKA & MULTIMEDIA, 10(2).

Niswatin, R. K. (2016). SISTEM SELEKSI PENERIMAAN MAHASISWA BARU MENGGUNAKAN METODE WEIGHTED PRODUCT ( WP ). 6–7.

Nugroho, K. (2016). Model Analisis Prediksi Menggunakan Metode Fuzzy Time Series. Infokam, 12(1), 46–50.

Nurfadila, K., & Ilham Aksan. (2020). Aplikasi Metode Arima Box-Jenkins Untuk Meramalkan Penggunaan Harian Data Seluler. Journal of Mathematics : Theory and Application, 2(1), 5–10.

Petropoulos, F., Apiletti, D., Assimakopoulos, V., Babai, M. Z., Barrow, D. K., Ben Taieb, S., Bergmeir, C., Bessa, R. J., Bijak, J., Boylan, J. E., Browell, J., Carnevale, C., Castle, J. L., Cirillo, P., Clements, M. P., Cordeiro, C., Cyrino Oliveira, F. L., De Baets, S., Dokumentov, A., … Ziel, F. (2022). Forecasting: theory and practice. International Journal of Forecasting, 38(3), 705–871.

Rachmawansah, K. (2017). Model Gstarx-Sur dengan Pembobot Normalisasi Korelasi Silang (Nks) dan Normalisasi Cross-Covariance (Ncc) untuk Peramalan Jumlah Penumpang Pelayaran dalam Negeri. 経済志林, 87(1,2), 149–200.

Rachmawati, A. K. (2020). Peramalan Penyebaran Jumlah Kasus Covid19 Provinsi Jawa Tengah dengan Metode ARIMA. Zeta - Math Journal, 6(1), 11–16.

Rahayu, S., Astutik, P., & Hendikawati, P. (2018). Peramalan Inflasi di Demak Menggunakan Metode ARIMA Berbantuan Software R dan MINITAB. PRISMA, Prosiding Seminar Nasional Matematila, 1, 745–754.

Rianto, M., & Yunis, R. (2021). Analisis Runtun Waktu Untuk Memprediksi Jumlah Mahasiswa Baru Dengan Model Random Forest. Paradigma - Jurnal Komputer Dan Informatika, 23(1).

Ritonga, A. S., & Atmojo, S. (2018). Pengembangan Model Jaringan Syaraf Tiruan untuk Memprediksi Jumlah Mahasiswa Baru di PTS Surabaya (Studi Kasus Universitas Wijaya Putra). Jurnal Ilmiah Teknologi Informasi Asia, 12(1), 15.

Rusyida, W. Y., & Pratama, V. Y. (2020). Prediksi Harga Saham Garuda Indonesia di Tengah Pandemi Covid-19 Menggunakan Metode ARIMA. Square : Journal of Mathematics and Mathematics Education, 2(1), 73.

Salwa, N., Tatsara, N., Amalia, R., & Zohra, A. F. (2018). Peramalan Harga Bitcoin Menggunakan Metode ARIMA (Autoregressive Integrated Moving Average). Journal of Data Analysis, 1(1), 21–31.

Sayuti, M., Farista, B. M., & Sofyan, D. K. (2017). Penentuan Umur Ekonomis Mesin Bag Filter (Bf-01) Dengan Metode Biaya Tahunan Rata-Rata. Profisiensi, 5(2), 81–91.

Shumway, R. H., & Stoffer, D. (2017). Time Series Analysis and Its Applications. In North-Holland Mathematics Studies (Vol. 74, Issue C)




DOI: https://doi.org/10.31294/inf.v10i2.16637

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Index by:

 
  
Published by Department of Research and Public Service (LPPM) Universitas Bina Sarana Informatika with supported Relawan Jurnal Indonesia

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License