Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

2.552

P-Index

This Author published in this journals

All Journal Jurnal Ilmiah Informatika Komputer JSM (Jurnal SIFO Mikroskil) JUTI: Jurnal Ilmiah Teknologi Informasi CESS (Journal of Computer Engineering, System and Science) Paradigma JURNAL MEDIA INFORMATIKA BUDIDARMA CogITo Smart Journal Dinamisia: Jurnal Pengabdian Kepada Masyarakat Jurnal Sistem Informasi Kaputama (JSIK) Jurnal Mantik REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer INFOKUM International Journal of Research and Applied Technology (INJURATECH) Jurnal Nasional Teknik Elektro dan Teknologi Informasi Jurnal Pendidikan dan Pengabdian Masyarakat

Roni Yunis

Fakultas Informatika, Program Studi Sistem Informasi. Universitas Mikroskil Medan

Author-ID : 4147341

Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Library & Information Science Social Sciences Other

Published : 27 Documents Claim Missing Document

Claim Missing Document

Articles

Title

Analisis Runtun Waktu Untuk Memprediksi Jumlah Mahasiswa Baru Dengan Model Arima Ayu Ulfa Jamila; Bella Merlin Siregar; Roni Yunis
Paradigma Vol 23, No 1 (2021): Periode Maret 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Peramalan penerimaan mahasiswa baru sangatlah penting bagi perguruan tinggi agar keputusan yang diambil perguruan tinggi dapat lebih optimal. Penelitian ini bertujuan untuk menemukan model terbaik agar dapat meramalkan jumlah mahasiswa baru untuk 5 tahun ke depan melalui analisis runtun waktu. Model yang digunakan dalam penelitian ini yaitu Model ARIMA (Autoregressive Integrated Moving Average) dengan dataset penerimaan mahasiswa baru Universitas XYZ periode 2010 sampai dengan 2019. Tahap pelaksanaan penelitian mengacu pada metode OSEMN yaitu Obtain data, Scrubbing data, Explore data, Modeling data, dan Intetpreting data. Hasil analisis menunjukkan bahwa model terbaik yaitu model ARIMA (2,1,1). Model ARIMA yang dihasilkan menunjukkan nilai MAPE sebesar 7.066147 dengan akurasi sebesar 93%. Hasil peramalan menunjukkan bahwa terjadinya trend penurunan jumlah mahasiswa baru secara merata untuk 5 tahun kedepan. Kata kunci: Peramalan, Jumlah Mahasiswa Baru, ARIMA, MAPE

Analisis Runtun Waktu Untuk Memprediksi Jumlah Mahasiswa Baru Dengan Model Random Forest Marchell Rianto; Roni Yunis
Paradigma Vol 23, No 1 (2021): Periode Maret 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Admission of new students is an important process in educational institutions such as tertiary institutions which is useful for screening accepted prospective students according to the criteria determined by the college. The purpose of this study is to predict the number of new students using the Random Forest model with the new student admissions dataset of XYZ University. The Random Forest Model is a machine learning algorithm that is excellent at solving classification and regression problems. Based on the research results, it was found that the resulting model has an accuracy rate of 99.8% with MSE and MAE values of 0.02% in predicting new students. The best parameter of the model with a maxnodes value of 100 and ntree 900 and a decreasing trend in the number of students for the next few years.

Analisis Runtun Waktu Untuk Memprediksi Jumlah Mahasiswa Baru Dengan Model Prophet Facebook Fristiani Theresia Br Sitepu; Vince Amelia Sirait; Roni Yunis
Paradigma Vol 23, No 1 (2021): Periode Maret 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Penerimaan mahasiswa baru merupakan langkah dasar agar proses belajar mengajar tetap berjalan. Setiap tahunnya mahasiswa baru yang mendaftar dapat mengalami peningkatan dan juga mengalami penurunan. Untuk itu prediksi sangat penting bagi perguruan tinggi sebagai bahan pendukung dalam pembuatan keputusan, strategi dan kebijakan. Penelitian ini bertujuan untuk mengetahui proses analisis runtun waktu dan hasil prediksi penerimaan mahasiswa baru di masa yang akan datang. Model yang digunakan dalam prediksi adalah model Prophet Facebook dan menggunakan dataset mahasiswa baru TA 2010/2011 sampai TA 2019/2020. Tahapan penelitian mengacu pada metode OSEMN yaitu Obtain data, Scrubbing data, Explore data, Modeling data, dan Intetpreting data. Hasil analisis untuk keseluruhan data mengalami penurunan di setiap tahunnya dan nilai rata-rata MAPE sebesar 0.04327568 % yang berarti model prediksi yang dihasilkan sangat baik karena <10% dengan tingkat akurasi sebesar 99,6%. Kata kunci: Prophet Facebook, prediksi, runtun waktu

Co-Authors Andri, Andri Angela Angela Angelia Angelia Anugrahi Bawani Sipayung Ayu Ulfa Jamila Bella Merlin Siregar Chandra Wijaya Cosmas Samuel Daeli Desi Arisandy Dika Jur Aeini Silaen Dito Putro Utomo Djoni Djoni Djoni Elly . Elly, Elly Erwin S Panjaitan Erwin S. Panjaitan Erwin S. Panjaitan Erwin Setiawan Panjaitan Erwin Setiawan Panjaitan Erwin Setiawan Panjaitan Fauziatul Laila Ibsah Fristiani Theresia Br Sitepu Hita Jonhariono Sihotang Kridanto Surendro Kristian Telaumbanua Kristian Telaumbanua Kristiani, Ria Liandani, Suci Marchell Rianto Mario Sukamto Megawati - Megawati Megawati Mohammad Yusup Mutiara Sinaga Putri Nurul Adinda Roma Indah Situmorang Rumada Yulan Manurung Salsalina Br Sembiring Sirait, Pahala Stanley Howard Suminar Ariwibowo Suminar Ariwibowo Suminar Ariwibowo Tomy Wijaya Verdy Simbolon Vince Amelia Sirait

Title Search

Found 3 Documents Search Journal : Paradigma

Abstract

Abstract

Abstract

Title

Found 3 Documents
Search
Journal : Paradigma