Prediksi Jumlah Mahasiswa Baru FMIPA UNIMED Dengan Menggunakan Teknik Simulasi Monte Carlo

Khairul Abdi; M. Revano Ananda Lubis

doi:10.61132/mars.v2i3.127

Authors

Khairul Abdi Universitas Negeri Medan
M. Revano Ananda Lubis Universitas Negeri Medan

DOI:

https://doi.org/10.61132/mars.v2i3.127

Keywords:

Higher Education, new students, Monte Carlo, Simulation, Prediction

Abstract

Universities' development hinges significantly on student admissions, necessitating accurate predictions for effective planning. This study applies the Monte Carlo simulation method to forecast new student arrivals at the Faculty of Mathematics and Natural Sciences (FMIPA) at Universitas Negeri Medan (UNIMED). Utilizing data from 2021 to 2023 sourced from the PDDikti website, the research employs PHP programming for implementation. The Monte Carlo algorithm's numerical prowess ensures precise statistical data simulation, comprising data collection, probabilistic distribution computations, cumulative distribution determinations, random number generation, and simulation analyses. Simulation results for 2022, 2023, and 2024 exhibit consistent trends, projecting an average of 860 to 930 new students per program. This methodology surpasses manual estimations, offering robust insights for university resource allocation and strategic management. Despite its effectiveness, study limitations, such as model assumptions, warrant continuous validation with actual data. This research advances predictive modeling in higher education, providing a foundation for future enhancements and comprehensive prediction integrations.

References

Al Akbar, A., Alamsyah, H., & Riska, R. (2020). Simulasi prediksi jumlah mahasiswa baru universitas dehasen bengkulu menggunakan metode monte carlo. Pseudocode, 7(1), 8-16.

Aliniy, A., Pasrun, Y. P., & Sumpala, A. T. (2023). Prediksi Jumlah Mahasiswa Baru Fti Usn Kolaka Menggunakan Metode Single Exponential Smoothing. SATESI: Jurnal Sains Teknologi dan Sistem Informasi, 3(1), 20-25.

Annisa, W. (2023). Speed Reading Techniques (Sprites) Dengan Media Komputer Berbasis Kearifan Lokal Dalam Pembelajaran Membaca Cepat. Deiksis: Jurnal Pendidikan Bahasa dan Sastra Indonesia, 10(1), 43-53.

Bardane, A., et al. (2020). Monte Carlo simulation method highlighting on the electron beam irradiation on the structure of SARS-CoV-2. Moscow University Physics Bulletin, 75(6), 638-644.

Budiani, B., at al. (2020). Analisa Perbandingan Peramalan Data Penumpang Pt Kai Antara Metode Simulasi Monte Carlo Dan Double Moving Average. Jurnal Ilmiah Teknologi Infomasi Terapan (JITTER), 6(3), 176-183.

CIPTA, E. S. (2019). PEMBELAJARAN BERBASIS MASALAH UNTUK MENINGKATKAN KEMAMPUAN PEMAHAMAN MATEMATIK MAHASISWA PADA PERKULIAHAN PERSAMAAN DIFERENSIAL. Prosiding Sesiomadika, 1(1a).

Dwika, R. (2022). Penerapan Metode Monte Carlo pada Simulasi Prediksi Jumlah Calon Mahasiswa Baru Universitas Muhammadiyah Bengkulu: Penerapan Metode Monte Carlo Pada Simulasi Prediksi Jumlah Calon Mahasiswa Baru Universitas Muhmammadiyah Bengkulu. Jurnal PROCESSOR, 17(2), 74-81.

Faisal, M., & Bakti, A. M. (2023). Implementasi Algoritma Monte Carlo Untuk Memprediksi Permintaan Aksesoris Mobil. JURIKOM (Jurnal Riset Komputer), 10(2), 356-366.

Gunawan, P. W., et al. (2023). SISTEM PENGAMBIL KEPUTUSAN: Teori dan Studi Kasus dengan Berbagai Metode SPK Populer. PT. Green Pustaka Indonesia.

Hidayah, H. (2022). Metode Monte Carlo untuk Memprediksi Jumlah Tamu Menginap. Jurnal Informasi dan Teknologi, 76-80.

Lubis, R., Adiwijaya, F. F., & Hardyanto, C. (2023). Sistem Prediksi Jumlah Mahasiswa Baru Menggunakan Metode Simulasi Monte Carlo. JUSTIN (Jurnal Sistem dan Teknologi Informasi), 11(3), 466-472.

Masrizal, M., et al. (2021). Identifikasi Tingkat Produk HWI Simulasi E-Commerce Monthe Carlo. Journal Computer Science and Information Technology (JCoInT), 4(2), 30-42.

Muhammad, I., et al. (2020). Peramalan Jumlah Mahasiswa Baru Menggunakan Metode Double Exponential Smoothing (Studi Kasus: Mahasiswa Baru Universitas Pattimura Ambon Tahun 2017). VARIANCE: Journal of Statistics and Its Applications, 2(1), 27-33.

Mulia, J. R., & Nurcahyo, G. W. (2022). Prediksi Pemakaian Obat Kronis Menggunakan Metode Monte Carlo. Jurnal Informasi Dan Teknologi, 81-85.

Pakpahan, A. V. (2023). PENERAPAN METODE PROFILE MATCHING UNTUK PREDIKSI PENERIMAAN MAHASISWA BARU (STUDI KASUS IDE LPKIA). Jurnal Komputer Bisnis, 16(2), 7-7.

Sapriadi, S., Yunus, Y., & Dari, R. W. (2022). Prediksi Jumlah Kedatangan Mahasiswa Training Dengan Metode Monte Carlo. Jurnal Informasi dan Teknologi Vol, 4(1), 9-13.

Sari, P. P., et al. (2023). Prediksi Penjualan Obat Menggunakan Metode Forecasting Exponential Smooting Models (Kasus pada Apotek Simpang F). Brahmana: Jurnal Penerapan Kecerdasan Buatan, 4(2), 129-137.

Sedi, P. M., Santi, I. H., & Wulansari, Z. (2023). PREDIKSI JUMLAH PERMINTAAN BESI DI TOKO BESI LANCAR MENGGUNAKAN SIMULASI METODE MONTE CARLO. JATI (Jurnal Mahasiswa Teknik Informatika), 7(2), 1076-1081.

Setiawan, R. (2019). Peran Pendidik dalam Mengatasi Permasalahan Pertumbuhan dan Perkembangan Peserta Didik. EL-TARBAWI, 12(1).

Setyawan, Y., et al. (2023). Peningkatan Daya Saing Lulusan SMAN 1 Banyumas dalam Memasuki Jenjang Pendidikan Tinggi melalui Pelatihan Tes Potensi Skolastik. JNANADHARMA, 1(2), 129-141.

Syafa’atin, S. I., et al. (2023). Manajemen Berbasis Sekolah di SDN 55/I Sridadi. JIIP-Jurnal Ilmiah Ilmu Pendidikan, 6(8), 5819-5826.

Syahputri, T. A., et al. (2020). Pemodelan dan simulasi proses produksi peralatan bayi pada home industri Puppy Putra Perdana. JUST IT: Jurnal Sistem Informasi, Teknologi Informasi dan Komputer, 11, 24-31.

Viargo, A. K. B., Saifudin, T., & Chamidah, N. (2023). Prediksi Jumlah Penumpang Kereta Api Stasiun Surabaya Gubeng dengan Metode Monte Carlo. Limits: Journal of Mathematics and Its Applications, 20(3), 275-287.