Email this article 
Analisis Runtun Waktu Untuk Memprediksi Jumlah Mahasiswa Baru Dengan Model Arima
Abstract
Peramalan penerimaan mahasiswa baru sangatlah penting bagi perguruan tinggi agar keputusan yang diambil perguruan tinggi dapat lebih optimal. Penelitian ini bertujuan untuk menemukan model terbaik agar dapat meramalkan jumlah mahasiswa baru untuk 5 tahun ke depan melalui analisis runtun waktu. Model yang digunakan dalam penelitian ini yaitu Model ARIMA (Autoregressive Integrated Moving Average) dengan dataset penerimaan mahasiswa baru Universitas XYZ periode 2010 sampai dengan 2019. Tahap pelaksanaan penelitian mengacu pada metode OSEMN yaitu Obtain data, Scrubbing data, Explore data, Modeling data, dan Intetpreting data. Hasil analisis menunjukkan bahwa model terbaik yaitu model ARIMA (2,1,1). Model ARIMA yang dihasilkan menunjukkan nilai MAPE sebesar 7.066147 dengan akurasi sebesar 93%. Hasil peramalan menunjukkan bahwa terjadinya trend penurunan jumlah mahasiswa baru secara merata untuk 5 tahun kedepan.
Kata kunci: Peramalan, Jumlah Mahasiswa Baru, ARIMA, MAPE
Full Text:
PDFReferences
Achmanda, A. D. (2018). Peramalan Jumlah Penderita Penyakit Demam Berdarah Dengue ( DBD ) Menggunakan Metode ARIMA. Skripsi Sarjana. http://repositori.usu.ac.id/handle/123456789/12377
Aminnudin, Y. F. (2018). Penerapan Filter Kalman Dalam Perbaikan Hasil Prediksi Return Harga Minyak Mentah Dunia Dengan Model ARIMA (Vol. 10, Issue 2).
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. https://doi.org/10.37438/jimp.v2i3.77
Dineva, K., & Atanasova, T. (2018). Osemn Process for Working Over Data Acquired By Iot. Current Trends in Natural Sciences, 7(13), 47–53.
Indrasetianingsih, A., Damayanti, I., & Susanto, T. (2017). Analisis ARIMA Box Jenkins untuk Peramalan Jumlah Kunjungan Wisatawan Mancanegara di Indonesia. Seminar Nasional Matematika Dan Aplikasinya, 226–229.
Irawan, W. (2019). Peramalan Harga Saham PT.Unilever Tbk dengan Menggunakan Metode ARIMA. Jurnal Matematika UNAND, 4(3), 80. https://doi.org/10.25077/jmu.4.3.80-89.2015
Janssens, J. (2019). Data Science at the Command Line. 08 Oktober. https://www.bookstack.cn/read/data-science-at-the-command-line/spilt.2.906470b2bf1cf715.md#1.2.1 Obtaining Data
Lau, D. C. H. (2019). 5 Steps of a Data Science Project Lifecycle. 3 Januari. https://towardsdatascience.com/5-steps-of-a-data-science-project-lifecycle-26c50372b492
Muhammad, M., Harjono, & Akhsani, L. (2017). Peramalan Mahasiswa Baru FT dan FKIP UM Purwokerto Dengan Model Arima. Journal Techno, 18(2), 123–132.
Ningsih, S. C., & Jana, P. (2018). Pemodelan Penderita HIV / AIDS dengan Metode ARIMA. Jurnal Penelitian Matematika Dan Pendidikan Matematika, 3(1), 23–28.
Niswatin, R. K. (2016). Sistem Seleksi Penerimaan Mahasiswa Baru Menggunakan Metode Weighted Product ( Wp ). Seminar Nasional Teknologi Informasi Dan Multimedia 2016, 31–36.
Raymond. (2018). Enlightening Indonesian Data Scientists. 03 November. https://www.raymond4ds.com/2018/11/time-series-modelling-arima-step-by-step.html
Susanto, Y. (2016). Pemodelan Curah Hujan dengan Pendekatan Model ARIMA, Feed Forward Neural Network dan Hybrid (ARIMA-NN) di Banyuwangi. Jurnal Sains Dan Seni ITS, 5(2), 145–150.
Suseno, S. W. (2017). Penerapan Metode Arima Box-Jenkins Untuk Peramalan Pasien Rawat Jalan Di Rsud Kartini Kabupaten Jepara Berbantuan Eviews. Skripsi. https://lib.unnes.ac.id/32221/
DOI: https://doi.org/10.31294/p.v23i1.9758
Copyright (c) 2021 Ayu Ulfa Jamila, Bella Merlin Siregar, Roni Yunis
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
ISSN: 2579-3500
