Prediksi Jumlah Keterserapan Mahasiswa Baru di Perguruan Tinggi Negeri Menggunakan  Metode Monte Carlo

Panggah Widiandana; Muhammad Immawan Aulia; Wahyu Srimulyani; Rizky Andhika Pratama; Vendi Alif Putra Aryana

doi:10.33506/insect.v9i1.2758

Penulis

Panggah Widiandana Institut Sains Teknologi dan Kesehatan Mulia Yogyakarta
Muhammad Immawan Aulia Institut Sains Teknologi dan Kesehatan Mulia Yogyakarta
Wahyu Srimulyani Institut Sains Teknologi dan Kesehatan Mulia Yogyakarta
Rizky Andhika Pratama Institut Sains Teknologi dan Kesehatan Mulia Yogyakarta
Vendi Alif Putra Aryana Institut Sains Teknologi dan Kesehatan Mulia Yogyakarta

DOI:

https://doi.org/10.33506/insect.v9i1.2758

Kata Kunci:

prediksi, keterserapan, monte carlo, studi kelayakan

Abstrak

Jumlah mahasiswa baru perguruan tinggi negeri yang mengalami peningkatan membutuhkan perhatian serius dalam perencanaan penerimaan mahasiswa. Keputusan strategis tentang kapasitas kampus, sarana dan prasarana, dan program studi harus dipertimbangkan dengan cermat untuk mengakomodasi permintaan mahasiswa baru secara efisien. Penelitian ini bertujuan untuk mengembangkan model prediksi keterserapan mahasiswa baru di perguruan tinggi negeri dengan memanfaatkan metode Monte Carlo. Keterserapan mahasiswa baru merupakan salah satu indikator penting dalam mengevaluasi kualitas dan daya tarik sebuah perguruan tinggi. Dengan memanfaatkan teknik Monte Carlo menghasilkan hasil prediksi keterserapan mahasiswa baru di PTN dengan menggunakan Metode Monte Carlo didapatkan prediksi lima tahun ke depan dengan total keterserapan sebanyak 27,6 dan metode Monte Carlo dapat membantu mengevaluasi perguruan tinggi swasta dalam mengisi bagian studikelayakan. Prediksi keterserapan mahasiswa di PTN menggunakan Metode Monte Carlo sangat penting untuk melihat peluang program studi yang prospek

Referensi

M. Abdul Manan, G. Wahyu Nyipto Wibowo, and I. Artikel, “PENERAPAN ALGORITMA NAIVE BAYES UNTUK PREDIKSI HEREGISTRASI CALON MAHASISWA BARU,” Halaman 1~10, 2022.

KEMENDIKBUD, “Peraturan Menteri Pendidikan dan Kebudayaan Republik Indonesia Nomor 7 Tahun 2020,” 2020. [Online]. Available: www.peraturan.go.id

L. M. Emon Azriadi, “STUDI KELAYAKAN PENDIRIAN FAKULTAS AGAMA ISLAM DI UNIVERSITAS PAHLAWAN TUANKU TAMBUSAI,” 2021.

N. Purwati and A. D. Januanti, “Prediksi Tingkat Kelulusan Mahasiswa dengan Algoritma Naive Bayes,” 2021.

N. Azwanti, “ANALISA ALGORITMA C4.5 UNTUK MEMPREDIKSI PENJUALAN MOTOR PADA PT. CAPELLA DINAMIK NUSANTARA CABANG MUKA KUNING,” 2018.

M. Bagoes Pakarti, “Sistem Prediksi Lama Studi Kuliah Menggunakan Metode Naive Bayes,” 2022. [Online]. Available: https://jurnal.itbaas.ac.id/index.php/jikombis

A. J. Safira, I. Cholissodin, and P. P. Adikara, “Prediksi Penerimaan Mahasiswa Baru dengan Menggunakan Metode Extreme Learning Machine (ELM) (Studi Kasus pada Universitas 17 Agustus 1945 Surabaya),” 2022. [Online]. Available: http://j-ptiik.ub.ac.id

I. A. Hasugian, K. Muhyi, N. Firlidany, K.-K. Kunci, and M. Carlo, “SIMULASI MONTE CARLO DALAM MEMPREDIKSI JUMLAH PENGIRIMAN DAN TOTAL PENDAPATAN,” Online, 2022.

Kemendikbud.go.id, “https://sidata-ptn-snpmb.bppp.kemdikbud.go.id/ptn_sb.php,” 2023, 2023.

A. Damayanti, “ALGORITMA NAÏVE BAYES UNTUK PREDIKSI JUMLAH PENDAFTAR ULANG PADA PENERIMAAN MAHASISWA BARU,” 2019, doi: 10.25077/xxxxx.

S. Rizal and M. Lutfi, “PENERAPAN ALGORITMA NAÏVE BAYES UNTUK PREDIKSI PENERIMAAN SISWA BARU DI SMK AL-AMIEN WONOREJO,” Online, 2018. [Online]. Available: http://jurnal.yudharta.ac.id/v2/index.php/EXPLORE-IT/

A. Al Akbar and H. Alamsyah, “SIMULASI PREDIKSI JUMLAH MAHASISWA BARU UNIVERSITAS DEHASEN BENGKULU MENGGUNAKAN METODE MONTE CARLO,” 2020. [Online]. Available: www.ejournal.unib.ac.id/index.php/pseudocode8