Peramalan Jumlah Mahasiswa Baru di Universitas Malikussaleh Menggunakan Metode Double Exponential Smoothing dan Bayesian Updating
DOI:
https://doi.org/10.52436/1.jpti.2052Kata Kunci:
Bayesian Updating, Double Exponential Smoothing (DES), Korelasi Pearson, Mahasiswa Baru, PeramalanAbstrak
Jumlah mahasiswa baru merupakan informasi krusial bagi perguruan tinggi dalam perencanaan akademik dan strategi penerimaan. Universitas Malikussaleh mengalami fluktuasi jumlah mahasiswa baru periode 2021–2025, sehingga diperlukan metode peramalan yang akurat. Penelitian ini bertujuan meramalkan jumlah mahasiswa baru Universitas Malikussaleh tahun 2026–2030 menggunakan metode Double Exponential Smoothing (DES) Holt, serta memperbarui hasil ramalan dengan Bayesian Updating berdasarkan informasi dari kuesioner calon mahasiswa. Data historis yang digunakan adalah jumlah mahasiswa baru tahun 2021–2025. Data kuesioner diperoleh dari 205 responden siswa SMA/SMK di Kota Lhokseumawe. Analisis korelasi Pearson digunakan untuk menyeleksi indikator yang paling berpengaruh terhadap jumlah mahasiswa baru. Hasil penelitian menunjukkan bahwa metode Double Exponential Smoothing (DES) menghasilkan nilai MAPE 7,88% (kategori sangat akurat) dengan ramalan jumlah mahasiswa baru tahun 2026–2030 berturut-turut 5.626, 6.197, 6.767, 7.338, dan 7.908. Lima indikator terpilih (minat, KIP-Kuliah, reputasi, fasilitas, kemudahan informasi) menghasilkan nilai evidence 0,533. Setelah Bayesian Updating (?=0,3), diperoleh hasil posterior 5.682, 6.258, 6.834, 7.411, dan 7.986. Korelasi Pearson antara evidence dan jumlah mahasiswa baru menunjukkan hubungan sangat kuat (r=0,9271; p=0,0234). Penelitian ini membuktikan bahwa integrasi Double Exponential Smoothing (DES) dan Bayesian Updating menghasilkan peramalan yang lebih adaptif terhadap informasi terkini calon mahasiswa.
Unduhan
Referensi
Pringgondani and Okto Bernando Franky, “Analyzing The New Student Admission Forecasts Using Single And Double Exponential Smoothing Forecasting Methods At Stabn Sriwijaya College Tangerang Banten under a Creative Commons Attribution-NonCommercial 4.0 International License (CC BY-NC 4.0),” J. Ekon., vol. 12, no. 04, p. 2023, 2023, [Online]. Available: http://ejournal.seaninstitute.or.id/index.php/Ekonomi
H. Lumaksono, H. Hozairi, B. Buhari, and M. Tukan, “Prediksi Jumlah Pelanggaran Hukum Di Laut Indonesia Menggunakan Metode Double Exponential Smoothing,” J. Mnemon., vol. 3, no. 1, pp. 17–23, 2020, doi: 10.36040/mnemonic.v3i1.2525.
N. Andriani, S. Wahyuningsih, and M. Siringoringo, “Application of Double Exponential Smoothing Holt and Triple Exponential Smoothing Holt-Winter with Golden Section Optimization to Forecast Export Value of East Borneo Province,” J. Mat. Stat. dan Komputasi, vol. 18, no. 3, pp. 475–483, 2022, doi: 10.20956/j.v18i3.17492.
S. Nurohmah, D. L. Kartika, N. Muhassanah, and D. A. F. Yuniarti, “Prediksi Jumlah Calon Siswa Baru Menggunakan Metode Double Exponential Smoothing Brown (Studi Kasus: SMK Ma’arif NU 1 Purwokerto Tahun Pelajaran 2024/2025),” Sq. J. Math. Math. Educ., vol. 6, no. 1, pp. 1–14, 2024, doi: 10.21580/square.2024.6.1.21263.
S. Monchetti, C. Viscardi, M. Betti, and F. Clementi, “Comparison between Bayesian Updating and approximate Bayesian computation for model identification of masonry towers through dynamic data,” Bull. Earthq. Eng., vol. 22, no. 7, pp. 3491–3509, 2023, doi: 10.1007/s10518-023-01670-6.
A. Aden and A. Supriyanti, “Prediksi Jumlah Calon Peserta Didik Baru Menggunakan Metode Double Exponential Smoothing Dari Brown,” Lebesgue, vol. 1, no. 1, pp. 56–62, 2020, doi: 10.46306/lb.v1i1.14.
L. Mawardi, U. Alfaruq, and G. Triyono, “Prediksi Jumlah Penerimaan Mahasiswa Baru Dengan Metode Linear Regression dan Exponential Smoothing,” Indones. J. Comput. Sci., vol. 13, no. 1, 2024, doi: 10.33022/ijcs.v13i1.3649.
M. S. Rama Samudra, D. Marcelina, Terttiaavini, E. Yulianti, J. R. Coyanda, and I. P. Putri, “Penerapan Metode Forecasting Dalam Menentukan Prediksi Jumlah Mahasiswa Baru Dengan Menggunakan Single Exponential Smoothing,” J. Ilm. Inform. Glob., vol. 15, no. 2, pp. 45–51, 2024, doi: 10.36982/jiig.v15i2.3916.
M. H. Rangkuti and M. Albina, “Penelitian Korelasional dalam Pendidikan (Metode Penelitian),” J. QOSIM J. Pendidik. Sos. & Hum., vol. 3, no. 3, pp. 1054–1063, 2025, doi: 10.61104/jq.v3i3.1504.
R. Akbar, U. S. Sukmawati, and K. Katsirin, “Analisis Data Penelitian Kuantitatif,” J. Pelita Nusant., vol. 1, no. 3, pp. 430–448, 2024, doi: 10.59996/jurnalpelitanusantara.v1i3.350.
D. A. Refaldi, A. Faiz, M. R. Jawakory, and N. A. Rakhmawati, “Analisis Korelasi Pearson Faktor Pengaruh Generative Ai Terhadap Kemampuan Berpikir Kritis Mahasiswa Its Surabaya,” J. Sist. Inf. dan Apl., vol. 2, no. 2, pp. 9–19, 2024, doi: 10.52958/jsia.v2i2.7974.
J. Balayla, “Bayesian Updating and Sequential Testing: Overcoming Inferential Limitations of Screening Tests,” 2021, Research Square Platform LLC. doi: 10.21203/rs.3.rs-923540/v1.
A. M. Hamdani, F. Widhiatmoko, and S. Fitri, “Perbandingan Akurasi Metode Autoregressive Integrated Moving Average dan Geometric Brownian Motion untuk Peramalan Harga Saham Indonesia,” Euler J. Ilm. Mat. Sains dan Teknol., vol. 13, no. 1, pp. 14–20, 2025, doi: 10.37905/euler.v13i1.30760.
D. C. I. Astuti, D. M. Khairina, and S. Maharani, “Peramalan Nilai Ekspor Nonmigas Kalimantan Timur dengan Metode Double Moving Average (DMA),” Adopsi Teknol. dan Sist. Inf., vol. 2, no. 1, pp. 20–34, 2023, doi: 10.30872/atasi.v2i1.393.
N. Khoiriyah and N. Cahyani, “Peramalan Banyaknya Pasien Rawat Jalan dengan Menggunakan Metode Brown’s Double Exponential Smoothing,” J. Stat. dan Komputasi, vol. 1, no. 1, pp. 23–30, 2022, doi: 10.32665/statkom.v1i1.451.
