IMPLEMENTASI REGRESI PADA PREDIKSI JUMLAH PENDAFTAR MAHASISWA BARU (Studi Kasus : IAIN Madura)

Hasanah, Atin (2023) IMPLEMENTASI REGRESI PADA PREDIKSI JUMLAH PENDAFTAR MAHASISWA BARU (Studi Kasus : IAIN Madura). S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 21.55.2153 Atin Hasanah.pdf Download (6MB)

Abstract

Pendaftaran Mahasiswa Baru digelar disetiap tahunnya dengan beberapa jalur yang dibuka. Namun, di 3 (tiga) tahun terakhir jumlah pendaftar selalu mengalami penurunan padahal di tahun-tahun sebelumnya mengalami penambahan pendaftar. Sehingga, perlu adanya suatu prediksi untuk meramalkan jumlah pendaftar. Selain itu, hasil dari prediksi tersebut dapat menjadi bahan pertimbangan penentuan kuota/pagu jumlah penerimaan mahasiswa baru di tahun akademik selanjutnya. Penelitian ini merapkan algoritma Least Square, Semi Average, Quadratic, Long Short Term Memory (LSTM), Regresi Linear, dan Fuzzy Mamdani untuk memprediksi jumlah pendaftar mahasiswa baru berdasarkan data jumlah pendaftar dari tahun akademik 2014/2015 sampai 2022/2023 dengan dikelompokkan perbulan berdasarkan bulan pembuatan akun pendaftaran. Pengujian performance untuk algoritma tersebut di uji dengan dua (2) pengujian yakni RSquare dan RMSE. Selain itu, ada dua (2) jenis data yang digunakan untuk yang pertama menggunakan data pendaftar sedangkan untuk yang kedua menggunakan data pendaftar, lulus dan registrasi. Berdasarkan hasil evaluasi pada penggunaan jenis data pertama yakni data pendaftar saja, memperoleh hasil bahwa algoritma LSTM yang paling efektif dalam memprediksi dengan nilai Rsquare 0,85 dan nilai RMSE 131,59. Sedangkan pada skema kedua yang menggunakan data pendaftar, lulus dan registrasi diperoleh hasil cukup memuaskan pada kedua algoritma tersebut dengan Regresi Linear (Rsquare 0,88, RMSE 119,00) dan Fuzzy Mamdani (Rsquare 0,86, RMSE 125,74).

Actions (login required)

View Item