Prediksi jumlah mahasiswa baru merupakan aspek krusial dalam perencanaan strategis perguruan tinggi, yang mempengaruhi alokasi sumber daya, perencanaan infrastruktur, dan pengembangan program akademik. Penelitian ini mengkaji penerapan dua metode prediksi time series yang berbeda: AutoRegressive Integrated Moving Average (ARIMA) dan Artificial Neural Network (ANN) untuk memprediksi jumlah mahasiswa baru. Menggunakan data historis penerimaan mahasiswa selama 6 tahun (2019-2024), penelitian ini membandingkan akurasi prediksi kedua metode dalam konteks perencanaan perguruan tinggi. Hasil penelitian menunjukkan bahwa metode ANN memberikan akurasi prediksi yang lebih tinggi dengan nilai MAPE 11.65% dibandingkan ARIMA dengan MAPE 17.9%. Evaluasi performa model dilakukan menggunakan metrik evaluasi MSE (Mean Absolute Error), RMSE (Root Mean Square Error), dan MAE (Mean Absolute Error). Model Artificial Neural Network menunjukkan performa yang lebih baik dalam memprediksi jumlah mahasiswa baru dengan tingkat akurasi yang dapat diterima untuk keperluan perencanaan institusi. Namun, ARIMA memberikan interpretabilitas yang lebih baik dalam memahami pola seasonality dan trend jangka panjang.