Perbandingan Metode Exponential Smoothing dan ARIMA untuk Prediksi Jumlah Mahasiswa Baru (Studi Kasus di FTI UKSW)
Abstract
Many methods can be used to predict the number of new students admitted to the Computer Science program at the Faculty of Information Technology, Universitas Kristen Satya Wacana. However, it is essential to determine the most accurate method for prediction. This research aims to compare the Single Exponential Smoothing (SES) method and ARIMA to forecast the number of new students in the Computer Science program at Universitas Kristen Satya Wacana for the next three years. The accuracy of the forecast results is tested by comparing the values of MSE, MAE, and MAP. The data used for forecasting are the registration data of new students in the Computer Science program from 2003 to 2022. The research results indicate that the ARIMA method is a more suitable choice for predicting the number of new students in the next three years due to its lower values of MSE, MAE, and MAPE. Using the ARIMA method, the predicted number of new students is 341 in 2023, 334 in 2024, and 330 in 2025.
Keywords: Prediction; Single Exponential Smoothing; ARIMA
Abstrak
Banyak metode yang bisa digunakan untuk melakukan prediksi jumlah mahasiswa baru yang diterima pada program studi Teknik Informatika Fakultas Teknologi Informasi Universitas Kristen Satya Wacana, namun perlu menentukan metode mana yang paling akurat dalam melakukan prediksi. Penelitian ini bertujuan membandingkan Metode Single Exponential Smoothing dan ARIMA untuk memprediksi jumlah mahasiswa baru pada program studi Teknik Informatika Universitas Kristen Satya Wacana tiga tahun mendatang. Pengujian akurasi hasil peramalan dilakukan dengan membandingkan nilai MSE, MAE, dan MAP. Data yang digunakan untuk peramalan adalah data pendaftaran mahasiswa baru program studi Teknik Informatika tahun 2003 sampai tahun 2022. Hasil penelitian menunjukkan bahwa metode ARIMA merupakan pilihan yang lebih sesuai untuk meramalkan jumlah mahasiswa baru dalam tiga tahun ke depan karena nilai MSE, MAE, dan MAPE yang lebih rendah. Dengan menggunakan metode ARIMA, jumlah mahasiswa baru yang diprediksi adalah 341 orang pada tahun 2023, 334 orang pada tahun 2024, dan 330 orang pada tahun 2025.
Kata kunci: Prediksi; Single Exponential Smoothing; ARIMA
References
Anonim. Program Studi Teknologi Informatika. https://www.uksw.edu/Home/ review_faculty/ Fakultas-Teknologi-Informasi.
A. U. Jamila, B. M. Siregar, and R. Yunis, “Analisis Runtun Waktu Untuk Memprediksi Jumlah Mahasiswa Baru Dengan Model Arima,” Paradigma, vol. 23, no. 1, pp. 85-92, 2021.
A. Aliniy, Y. P. Pasrun, and A. T. Sumpala, “Prediksi Jumlah Mahasiswa Baru Fti Usn Kolaka Menggunakan Metode Single Exponential Smoothing,” SATESI J. Sains Teknol. dan Sist. Inf., vol. 3, no. 1, pp. 20–25, 2023.
R. Rahmadayanti, B. Susilo, and D. Puspitaningrum, “Perbandingan Keakuratan Metode Autoregressive Integrated Moving Average (ARIMA) dan Exponential Smoothing pada Peramalan Penjualan Semen di PT. Sinar Abadi,” Rekursif J. Inform., vol. 3, no. 1, pp. 85-92, 2015.
D. A. P. RM and D. Adhar, “Penerapan Metode Autoregressive Integrated Moving Average (ARIMA) Untuk Prediksi Jumlah Siswa Baru Pada MTs Swasta Tahfidzul Qur’an Nurul Azmi,” JUREKSI (Jurnal Rekayasa Sist., vol. 1, no. 1, pp. 82–93, 2023.
B. Hartanto, S. H. Fitriasih, and S. Tomo, “Sistem Informasi Prediksi Jumlah Pendaftar Calon Siswa Baru Di SMK Muhammadiyah 2 Sukoharjo Menggunakan Metode Autoregressive,” J. SITECH Sist. Inf. dan Teknol., vol. 4, no. 2, pp. 147–154, 2021.
I. Muhammad, Y. A. Lesnussa, H. W. M. Patty, M. S. N. Van Delsen, and M. Y. Matdoan, “Peramalan Jumlah Mahasiswa Baru Menggunakan Metode Double Exponential Smoothing (Studi Kasus: Mahasiswa Baru Universitas Pattimura Ambon Tahun 2017),” Var. J. Stat. Its Appl., vol. 2, no. 1, pp. 27–33, 2020.
A. Supriyanti, “Prediksi Jumlah Calon Peserta Didik Baru Menggunakan Metode Double Exponential Smoothing Dari Brown:(Study Kasus: SD Islam Al-Musyarrofah Jakarta),” J. Lebesgue J. Ilm. Pendidik. Mat. Mat. Dan Stat., vol. 1, no. 1, pp. 56–62, 2020.
F. Andrian, S. Martha, and S. Rahmayuda, “Sistem Peramalan Jumlah Mahasiswa Baru Menggunakan Metode Triple Exponential Smoothing,” Coding J. Komput. dan Apl., vol. 8, no. 1,pp. 23-36, 2020.
W. Handoko, “Prediksi Jumlah Penerimaan Mahasiswa Baru Dengan Metode Single Exponential Smoothing (Studi Kasus: Amik Royal Kisaran),” JURTEKSI (Jurnal Teknol. dan Sist. Informasi), vol. 5, no. 2, pp. 125–132, 2019.
B. Landia, “Peramalan Jumlah Mahasiswa Baru Dengan Exponential Smoothing dan Moving Average,” J. Ilm. Intech Inf. Technol. J. UMUS, vol. 2, no. 01, pp. 71–78, 2020.
C. Chandra and S. Budi, “Analisis Komparatif ARIMA dan Prophet dengan Studi Kasus Dataset Pendaftaran Mahasiswa Baru,” J. Tek. Inform. dan Sist. Inf., vol. 6, no. 2, 2020.
F. Apriliza, D. Darmansah, A. Oktavyani, and D. Al Kaazhim, “Perbandingan Metode Linear Regression dan Exponential Smoothing Dalam Peramalan Penerimaan Mahasiswa Baru,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 3, pp. 726–732, 2022.
I. K. W. Y. Pratama, I. N. Y., Anggara, & K.Q. Fredlina, "Model Aplikasi Peramalan Sewa Mobil Camper Dengan Metode Single Exponential Smoothing Berbasis Web. Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi, vol. 11, no. 2, pp. 359-370, 2022.
F. Reba, A. Sroyer, S. Yokhu, and A. Langowuyo, “Perbandingan Metode Weighted Moving Average dan Single Exponential Smoothing Angka Partisipasi Sekolah Wilayah Adat, Papua,” Sainmatika J. Ilm. Mat. dan Ilmu Pengetah. Alam, vol. 18, no. 2, pp. 161–168, 2021.
A. A. Suryanto and A. Muqtadir, “Penerapan metode mean absolute error (MEA) dalam algoritma regresi linear untuk prediksi produksi padi,” Saintekbu, vol. 11, no. 1, pp. 78–83, 2019.
F. Fejriani, M. Hendrawansyah, L. Muharni, S. F. Handayani, and S. Syaharuddin, “Forecasting Peningkatan Jumlah Penduduk Berdasarkan Jenis Kelamin Menggunakan Metode ARIMA,” Geogr. J. Kajian, Penelit. dan Pengemb. Pendidik., vol. 8, no. 1, pp. 27–36, 2020.
How To Cite This :
Refbacks
- There are currently no refbacks.
