Hafizh Al Kautsar Aidilof
Universitas Malikussaleh, Lhokseumawe, Indonesia

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Peramalan Jumlah Mahasiswa Baru di Universitas Malikussaleh Menggunakan Metode Double Exponential Smoothing dan Bayesian Updating Indah Chairunnisa; Muhammad Fikry; Hafizh Al Kautsar Aidilof
Jurnal Pendidikan dan Teknologi Indonesia Vol 6 No 7 (2026): JPTI - Juli 2026
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.2052

Abstract

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.