Analisa Akurasi Penggunaan Metode Single Eksponential Smoothing untuk Perkiraan Penerimaan Mahasiswa Baru Pada Perguruan Tinggi XYZ

Authors

  • Terttiaavini Terttiaavini Universitas Indo Global Mandiri
  • Tedy Setiawan Saputra* Universitas Indo Global Mandiri

DOI:

https://doi.org/10.36982/jiig.v11i1.1075

Abstract

Abstract

Higher education has a large and growing data repository, such as new student admission data (PMB) at a University. PMB is held every year, but the data is only used once. The data is only stored in the repository and is not useful. Through data mining science, the data can be extracted into useful information for decision making. One of the goals of data mining is to predict the future. One of the targets of private tertiary institutions is how to increase the number of new student admissions each year to fit the established targets. Usually, targets are set based on estimates without carrying out quantitative analysis. This often results in not achieving the expected target. Achieving targets is related to success in managing academics. Targeting is part of forecasting activities that should have a pattern/formula calculated quantitatively. The purpose of this research is to predict the number of new student admissions at Higher education  XYZ for the next ten years. Data obtained from the admission of new students ten years earlier, from 2009 to 2019. The method used is the single exponential smoothing method. To produce the best results of predictions, and evaluation of prediction results is carried out using the Mean absolute Percentage error (MAPE) method. The smallest MAPE = 0.22 with α = 0.9. with MAPE values below ten, the predicted number of student admissions is sufficiently good (Reasonable).

Keywords : Prediction, single eksponential smoothing, admission of new students.

Abstrak

Perguruan tinggi memiliki repository data yang besar dan terus bertambah, seperti data Penerimaan mahasiswa baru (PMB) pada suatu Perguruan Tinggi.  PMB dilaksanakan setiap tahun, namun data hanya dimanfaatkan satu kali. Data tersebut hanya tersimpan didalam repository dan tidak bermanfaat. Melalui ilmu data mining, data tersebut dapat diekstrak menjadi informasi yang berguna untuk pengambilan keputusan. Salah satunya tujuan data mining adalah untuk memprediksi keadaan dimasa. Salah satu target Perguruan tinggi swasta adalah bagaimana meningkatkan jumlah penerimaan mahasiswa baru setiap tahun agar sesuai dengan target yang telah ditetapkan. Biasanya target ditetapkan berdasarkan perkiraan tanpa melakukan analisa kuantitaif. Hal ini sering menyebabkan tidak tercapainya target yang diharapkan. Pencapaian target berhubungan dengan keberhasilan dalam mengelolah akademik. Penentuan target merupakan bagian dari kegiatan peramalan yang seharusnya memiliki pola  / rumusan yang dihitung secara kuantitatif. Tujuan penelitan ini adalah untuk memprediksi jumlah penerimaan mahasiswa baru di Perguruan Tinggi XYZ untuk sepuluh tahun kedepan. Data diperoleh dari penerimaan mahasiswa baru sepuluh tahun sebelumnya yaitu dari tahun 2009 s.d 2019. Metode yang digunakan adalah metode single exponential Smoothing. Untuk menghasilkan hasil perdiksi yang terbaik, maka dilakukan evaluasi hasil prediksi dengan menggunakan metode Mean absolute Percentage error (MAPE). MAPE terkecil = 0,22 dengan α = 0.9.  dengan  nilai MAPE dibawah sepuluh maka prediksi jumlah penerimaan mahsiswa sudah cukukp baik (Reasonable).

Kata Kunci :  Prediksi, Pemulusan eksponensial tunggal, Penerimaan Mahasiswa baru.

Author Biographies

Terttiaavini Terttiaavini, Universitas Indo Global Mandiri

Information System Faculty

Tedy Setiawan Saputra*, Universitas Indo Global Mandiri

Manajemen

References

Efendi, D. M., & Ardhy, F. (2018). Penerapan Data Mining Untuk Peramalan Penjualan Obat dengan Menggunakan Single Exponential Smoothing di Apotek Hamzah Farma. Seminar Nasional Teknologi Dan Bisnis, 198–203.

Gustriansyah, R. (2017). Analisis Metode Single Exponential Smoothing Dengan Brown Exponential Smoothing Pada Studi Kasus Memprediksi Kuantiti Penjualan Produk Farmasi Di Apotek. Seminar Nasional Teknologi Informasi Dan Multimedia, 7–12.

Romero, C., & Ventura, S. (2010). Educational data mining: A review of the state of the art. IEEE Transactions on Systems, Man and Cybernetics Part C: Applications and Reviews, 40(6), 601–618. https://doi.org/10.1109/TSMCC.2010.2053532

Makridakis, S., Wheelwright, S.C., & McGee, V.E. (2003). Metode dan Aplikasi Peramalan, Jilid 1 Edisi Revisi (terj.) Binarupa Aksara. Jakarta

Makridakis, Spyros. , Steven C. Wheelwright, dan Victor E. McGee. (199). Metode dan Aplikasi Peramalan, Erlangga. Jakarta

Nasution, A. H., dan Prasetyawan, Y. (2008), Perencanaan & Pengendalian Produksi, Edisi Pertama, Graha Ilmu. Yogyakarta.

Purba, Darwin. (2015). Menuju Indonesia Baru. Guepedia. Jakarta

Sri Krisna Dewi, K., & Rai Suwena, K. (2017). Analisis Peramalan Tingkat Jumlah Tamu Menginap Menggunakan Metode Single Exponential Smoothing Di Villa X Di Desa Gobleg, Kabupaten Buleleng Tahun 2018. Jurnal Pendidikan Ekonomi Undiksha, 9(2), 335–344.

Sri Ngudi Wahyuni, H. L. (2019). Implementasi Metode Triple Exponential Smoothing Untuk Perkiraan Stok Barang. Intechno Journal, 1(2), 7–12.

Supriatin, F. E., Rohman, A. N., Akreditasi, B., Perguruan, N., Kantor, T., Pendidikan, K., & Kebudayaan, D. (2020). Peramalan Produksi Perikanan Budidaya di Kabupaten Malang Dengan Metode Exponential Smoothing. Urnal Ilmiah Budidaya Perairan, 5(2), 51–58.

W.M.P.vander Aalst. (2016). Process Mining: Data Science in Action, Springer

Zainun, N.Y dan Majid, Z.A. (2003). Low Cost House Demand Perdictor, Malaysia: Universitas Teknologi Malaysia

Downloads

Published

2020-12-10

How to Cite

Terttiaavini, T., & Saputra*, T. S. (2020). Analisa Akurasi Penggunaan Metode Single Eksponential Smoothing untuk Perkiraan Penerimaan Mahasiswa Baru Pada Perguruan Tinggi XYZ. Jurnal Ilmiah Informatika Global, 11(1). https://doi.org/10.36982/jiig.v11i1.1075

Issue

Section

Articles