Model Peramalan Penerimaan Calon Mahasiswa Menggunakan Metode Regresi
Abstract
Abstrak. Perkembangan bidang sains dan teknologi memberikan kemudahan bagi umat manusia diberbagai aspek bidang kehidupan salah satunya ialah peramalan. Peramalan penerimaan mahasiswa bagi perguruan tinggi swasta akan membantu memaksimalkan sumber daya yang dimiliki dan dipergunakan secara optimal untuk pelayanan, sarana dan prasarana hingga peningkatan sumber daya manusia didalam perguruan tinggi swasta. Metode regresi untuk melihat sejauh mana biaya promosi dalam peningkatan penerimaan mahasiswa ditahun mendatang dikarenkan pembiayaan promosi yang kurang tepat mengakibatkan jumlah penerimaan mahasiswa tidak sesuai harapan. Peramalan ini akan valid ketika menggunakan sebuah model tingkat keakuratan peramalan yang dilakukan. Berdasarkan hasil perhitungan penelitian ini, tingkat keakuratan dengan menggunakan model MAPE (Mean Absolute Percentage Error) sebesar 2,7% selisih antara data aktual dan data peramalan, namun setiap periode tidak semua memiliki nilai keakurtan kecil karena faktor setiap periode data yang berbeda.
Kata kunci: Peramalan, Penerimaan Calon Mahasiswa, Metode Regresi, Mean Absolute Percentage Error
Abstract. The development of science and technology provides the convenience for mankind in various aspects of the field of life, one of which is forecasting. Forecasting student acceptance for private universities will help maximize the resources owned and used optimally for service, facilities and infrastructure to increase human resources in private universities. The regression method to see the extent to which the cost of the promotion in the improvement of student acceptance in the future is offered less precise promotional financing resulting in the number of admission of students is not as expected. This forecasting will be valid when using a model level of forecasting accuracy done. Based on the results of this research, the level of accuracy using the Mean Absolute Percentage Error (MAPE) model amounted to 2.7% of the difference between the actual data and forecasting data, but each period does not all have a small accuracy value due to the factors of each different data period.
Keyword: Forecasting, New Student Admission, Regression Method, Mean Absolute Percentage Error
References
Purba IS, Hartama D, and Kirana IO. Implementasi Algoritma Backpropagation dalam Memprediksi Jumlah Mahasiswa Baru pada AMIK-STIKOM Tunas Bangsa Pematangsiantar, Pros. Semin. Nas. Ris. Inf. Sci., Vol. 1, September 2019: 795, doi: 10.30645/senaris.v1i0.86.
Yordan, A., Putri, T. N., & Lamkaruna, D. H. PERAMALAN PENERIMAAN MAHASISWA BARU UNIVERSITAS SAMUDRA MENGGUNAKAN METODE REGRESI LINEAR SEDERHANA. J-TIFA, 2019; 2(1): 21-27.
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, 2018; 12(1): 15-24.
Kementerian Riset, “Statistik Pendidikan Tinggi 2017,” Kementeri. Riset, Teknol. dan Pendidik. Tinggi, pp. 1–7, 2018, doi: 10.1002/chem.200802548.
Siregar, Y. H. Prediksi Perilaku Pola Jumlah Mahasiswa Menggunakan Jaringan Syaraf Tiruan dengan Metode Backpropagation. JurTI (Jurnal Teknologi Informasi), 2018; 1(2): 145-152.
Bengnga, A., & Ishak, R. (2018). Prediksi Jumlah Mahasiswa Registrasi Per Semester Menggunakan Linier Regresi Pada Universitas Ichsan Gorontalo. ILKOM Jurnal Ilmiah, 2018; 10(2): 136-143.
Yasinta, S. A., & Yudihartanti, Y. Prediksi Daya Tersambung Dengan Metode Double Exponential Smoothing. Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi, 2017; 5(2): 1151-1162
Hidayat A. Pengertian Analisis Regresi Korelasi Dan Cara Hitung, Statiskian, 2012. https://www.statistikian.com/2012/08/analisis-regresi-korelasi.html (accessed Jan. 22, 2020).
RIFA, A., & Arifin, Z. Metode Regresi Linier Untuk Memprediksi Jumlah Pendaftar Calon Mahasiswa Baru Universitas Islam Indragiri. JURNAL ANALISIS MANAJEMEN, 2018; 4(2): 86-92.
Harliana, H., & Syafrianto, A. Prediksi jumlah pendaftaran calon mahasiswa baru dengan metode regresi linier. Data Manajemen dan Teknologi Informasi (DASI), 2017; 18(3): 1-5.
Spssstatistik, Data Primer dan Sekunder, Rumus Statistik, 2018. https://www.rumusstatistik.com/2016/08/data-primer-dan-data-sekunder.html (accessed Mar. 13, 2020).
Nofriansyah D and Nurcahyo GW. Algoritma Data Mining dan Pengujian. Sleman: Penerbit Deepublish, 2015.
Mulyono, “Analisis Regresi Sederhana,” 2019. https://bbs.binus.ac.id/management/ 2019/12/analisis-regresi-sederhana/#:~:text=Analisis regresi linier sederhana adalah,dengan variabel dependen (Y). (accessed Mar. 28, 2020).
DataRiset.com, Data Primer dan Sekunder Pengertian, contoh, dan aplikasinya, DataRiset.com, 2017. http://datariset.com/olahdata/detail/data-primer-dan-sekunder (accessed Mar. 13, 2020).
How To Cite This :
Refbacks
- There are currently no refbacks.
