Implementasi SEM-Multiple Linear Regression dalam Prediksi Jumlah Pendaftaran Mahasiswa Baru di Perguruan Tinggi XYZ

Penulis

  • Amelia Rahmadhani Magister Terapan Teknik Komputer, Politeknik Caltex Riau
  • Dadang Syarif Sihabudin Sahid Magister Terapan Teknik Komputer, Politeknik Caltex Riau
  • Yohana Dewi Lulu Widyasari Magister Terapan Teknik Komputer, Politeknik Caltex Riau

DOI:

https://doi.org/10.25077/TEKNOSI.v9i2.2023.150-162

Kata Kunci:

Prediksi Mahasiswa Baru, Multiple Linear Regression, Structural Equation Modeling

Abstrak

Bagi perguruan tinggi swasta (PTS), tidak menutup kemungkinan semakin banyak mahasiswa baru yang diterima, maka PTS tersebut akan terus eksis. Sebaliknya, jika PTS gagal menambah atau bahkan menurunkan jumlah mahasiswa baru setiap tahunnya, hal itu bisa berubah dengan tidak mampu beroperasi lagi bagi PTS dikarenakan pendapatan mereka satu-satunya hanya dari biaya kuliah mahasiswa. Tujuan penelitian ini diantaranya penentuan faktor-faktor yang mendukung prediksi pendaftaran mahasiswa di perguruan tinggi berdasarkan data sebelumnya, mengimplementasikan Multiple Linear Regression terhadap pendaftaran mahasiswa di perguruan tinggi, dan menganalisis tingkat akurasi hasil prediksi pendaftaran mahasiswa di perguruan tinggi. Penelitian ini menggunakan algoritma Multiple Linear Regression. Sebelum melakukan tahap prediksi, terlebih dahulu menentukan faktor-faktor yang mempengaruhi jumlah penerimaan mahasiswa baru menggunakan Structural Equation Modeling (SEM) dengan faktor promosi, biaya Pendidikan, tingkat kelulusan, informasi pendafataran, jenis kelamin dan nilai akreditasi. Berdasarkan hasil SEM didapat faktor promosi, biaya Pendidikan, tingkat kelulusan, informasi pendafataran, dan nilai akreditasi, dapat dilanjutkan ke tahap berikutnya karena faktor tersebut berpengaruh signifikan terhadap mahasiswa baru, sedangkan hasil prediksi menggunakan Multiple Linear Regression didapat bahwa nilai prediksi untuk tahun berikutnya adalah 486 orang calon mahasiswa baru, dengan hasil perhitungan MSE adalah 2657,79 dan MAE adalah 42.29, dimana semakin kecil hasil nilai MSE dan MAE yang diperoleh maka kesalahan pada sistem juga semakin sedikit serta R2 adalah 0.9280 (92,80%) menandakan bahwa pengaruh semua struktur eksogen pada struktur endogen kuat.

Biografi Penulis

Amelia Rahmadhani, Magister Terapan Teknik Komputer, Politeknik Caltex Riau

Mahasiswa Magister Terapan Teknik Komputer Politeknik Caltex Riau

Referensi

[1] M. A. Badan Akreditasi Nasional Perguruan Tinggi, “Peraturan Badan Akreditasi Nasional Perguruan Tinggi Nomor 9 Tahun 2020 Tentang Kebijakan Pengalihan Akreditasi Program Studi Dari Badan Akreditasi Nasional Perguruan Tinggi Ke Lembaga Akreditasi Mandiri,†Ban-Pt, hal. 4–6, 2020. [2] W. Sudarwati dan D. E. Tikwalau, “Faktor-Faktor Yang Mempengaruhi Siswa-Siswa SMU/SMK Terhadap Keputusan Pemilihan Perguruan Tinggi Swasta,†JISI J. Integr. Sist. Ind. 1(1), vol. 2014, hal. 68–81, 2014. [3] A. D. Suharti, “Peran Perpustakaan Perguruan Tinggi Dalam Mendukung Akreditasi Program Studi,†Bul. Perpust. Univ. Islam Indones., vol. 2, no. 2, hal. 47–62, 2019. [4] Djaali, Psikologi Pendidikan. Jakarta: Bumi Aksara. 2012. [5] H. Di Kesuma, D. Apriadi, H. Juliansa, dan E. Etriyanti, “Implementasi Data Mining Prediksi Mahasiswa Baru Menggunakan Algoritma Regresi Linear Berganda,†J. Ilm. Bin. STMIK Bina Nusant. Jaya Lubuklinggau, vol. 4, no. 2, hal. 62–66, 2022. [6] A. A. Azhar dan A. T. Sikumbang, “Kecenderungan Peminatan Mahasiswa Program Studi Komunikasi Islam Pascasarjana Universitas Islam Negeri Sumatera Utara ( UINSU ) Medan Tahun 2010-2016,†Universitas Islam Negeri (UIN) Sumatera Utara, 2018. [7] M. W. P. Putra dan K. S. Kasmiarno, “Pengaruh Covid-19 Terhadap Kehidupan Masyarakat Indonesia: Sektor Pendidikan, Ekonomi Dan Spiritual Keagamaan,†POROS ONIM J. Sos. Keagamaan, vol. 1, no. 2, hal. 144–159, 2020. [8] S. Makridakis, R. J. Hyndman, dan F. Petropoulos, “Forecasting in social settings : The state of the art,†Int. J. Forecast., vol. 36, no. 1, hal. 15–28, 2020, doi: 10.1016/j.ijforecast.2019.05.011. [9] A. Purba, “Perancangan Aplikasi Peramalan Jumlah Calon Mahasiswa Baru yang mendaftar menggunakan Metode Single Exponential Smothing (Studi Kasus: Fakultas Agama Islam UISU),†JURIKOM (Jurnal Ris. Komputer), 2(6), vol. 2, no. 6, hal. 8–12, 2015. [10] P. Santoso, H. Abijono, dan N. L. Anggreini, “Algoritma Supervised Learning Dan Unsupervised Learning Dalam Pengolahan Data,†Unira Malang |, vol. 4, no. 2, 2021. [11] D. Winarso, “Perbandingan Metode Regresi Linier Dan Weighted Moving Average Dalam Meramalkan Jumlah Mahasiswa Pada Periode Tertentu,†Pros. Celscitech, vol. 2, hal. tech_70-tech_74, 2017. [12] R. Z. Nainggolan, K. Ibnutama, dan M. G. Suryanata, “Implementasi Data Mining Dengan Metode Regresi Linier BergandaDalam Estimasi Mahasiswa Baru Pada SekolahTinggi Agama Islam Raudhatul Akmal BatangKuis,†J. Cyber Tech, vol. 1, no. 1, 2021. [13] H. Di Kesuma, D. Apriadi, H. Juliansa, E. Etriyanti, K. Palembang, dan P. S. Selatan, “Implementasi Data Mining Prediksi Mahasiswa Baru Menggunakan Algoritma Regresi Linear Berganda Implementation of Data Mining Predictions for New Students Using Multiple Linear Regression Algorithm,†J. Ilm. Bin. STMIK Bina Nusant. Jaya Lubuklinggau, 4(2), 62–66, vol. 0, no. 02, hal. 62–66, 2022, doi: 10.52303/jb.v4i2.74. [14] M. Singarimbun dan E. Shofian, Metode Penelitian Survei. Jakarta: LP3ES. 1995. [15] A. Roihan, P. A. Sunarya, dan A. S. Rafika, “Pemanfaatan Machine Learning dalam Berbagai Bidang : Review paper,†vol. 5, no. April, hal. 75–82, 2020. [16] L. Lela, Ruslan, dan I. Yahya, “Analisis Faktor-Faktor Yang Mempengaruhi Skor Kebahagiaan Remaja (Studi Kasus Siswa SMAN 1 Wangi-Wangi),†no. 2005, hal. 611–620, 2019. [17] I. L. L. Gaol, S. Sinurat, dan E. R. Siagian, “Implementasi Data Mining Dengan Metode Regresi Linear Berganda Untuk Memprediksi Data Persediaan Buku Pada PT. Yudhistira Ghalia Indonesia Area Sumatera Utara,†KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, Nov 2019, doi: 10.30865/komik.v3i1.1579. [18] R. Efendi, “Model Prediksi Fertilitas Menggunakan Regresi, Rough Sets dan Rough-Regresi,†in Seminar Nasional Teknologi Informasi Komunikasi dan Industri, 2018, hal. 666–672. [19] S. E. Saputra, “Analisis Lossetime Optimal Alat Gali Muat Excavator 1250 dan Alat Angkut HD 785 pada Kegiatan Pemindahan Tanah Penutup Menggunakan Regresi Linier Berganda pada Pit MTBU Penambangan PT. Pama Persada Nusantara,†repository.sttind.ac.id, 2022. [20] J. Hair, W. Black, R. Anderson, dan B. Babin, “Multivariate data analysis (8, ilustra ed.),†Cengage Learn. EMEA, vol. 27, no. 6, hal. 1951–1980, 2018. [21] J. F. Hair, C. M. Ringle, dan M. Sarstedt, “Partial Least Squares Structural Equation Modeling: Rigorous Applications, Better Results and Higher Acceptance,†Long Range Planning, vol. 46, no. 1–2. Elsevier Ltd, hal. 1–12, 2013. doi: 10.1016/j.lrp.2013.01.001. [22] J. F. Hair, J. J. Risher, M. Sarstedt, dan C. M. Ringle, “When to use and how to report the results of PLS-SEM,†2018. [23] R. C. Prihandari, “Data Mining: Konsep Dan Apikasi Menggunakan Rapidminer (Series: Supervised Learning Dan Unsupervised Learning),†Institut Riset Dan Publikasi Indonesia (Irpi), 2022. [24] J. F. Hair, J. J. Risher, M. Sarstedt, dan C. M. Ringle, “When to use and how to report the results of PLS-SEM,†European Business Review, vol. 31, no. 1. Emerald Group Publishing Ltd., hal. 2–24, 14 Januari 2019. doi: 10.1108/EBR-11-2018-0203. [25] J. Hair, G. Hult, dan C. Ringle, A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). 2nd Edition. Sage Publications, Thousand Oaks., 2017. [26] A. Yobioktabera dan A. W. Wibowo, “Penerapan Data Mining Untuk Memprediksi Penerimaan Calon Mahasiswa Baru Fakultas Kedokteran,†hal. 16–19, 2021. [27] F. Oktavia Lusiana et al., “Journal of Artificial Intelligence and Engineering Applications Analysis Of Multiple Regression Data Mining Methods On The Prediction Of Ibtidaiyah School Registration,†2022. [Daring]. Tersedia pada: https://ioinformatic.org/ [28] L. W. Santoso dan Yulia, “Predicting Student Performance Using Data Mining,†vol. X, no. X, hal. 1–4, 2018. [29] S. Khan, “Study Factors for Student Performance Applying Data Mining Regression Model Approach,†vol. 21, no. 2, hal. 188–192, 2021. [30] H. Darman, S. Musa, R. Ramasamy, dan R. Rajeswari, “Predicting Students ’ Final Grade in Mathematics Module using Multiple Linear Regression,†Int. J. Recent Technol. Eng, 7(5), 331-335, 2019. [31] D. S. S. Sahid, “Learner Behavior in e-Learning as a Multicriteria Attribute based on Perspective of Flow Experience,†Int. J. Adv. Comput. Sci. Appl. 11(12)., vol. 11, no. 12, hal. 277–284, 2020. [32] A. Tabita dan S. Halim, “Faktor-Faktor yang Mempengaruhi Siswa SMA dalam Memilih Perguruan Tinggi,†Pros. Semin. Nas. Tek. Ind. UK Petra 2014, 2014.

Unduhan

Diterbitkan

2023-08-31

Cara Mengutip

Rahmadhani, A., Sihabudin Sahid, D. S., & Lulu Widyasari, Y. D. (2023). Implementasi SEM-Multiple Linear Regression dalam Prediksi Jumlah Pendaftaran Mahasiswa Baru di Perguruan Tinggi XYZ. Jurnal Nasional Teknologi Dan Sistem Informasi, 9(2), 150–162. https://doi.org/10.25077/TEKNOSI.v9i2.2023.150-162

Terbitan

Vol 9 No 2 (2023): Agustus 2023

Bagian

Articles

Lisensi

Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.

 

Kami menyatakan bahwa:

  1. Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
  2. Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
  3. Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.

    Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.

    Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.

 

Hak / Syarat dan Ketentuan yang dipertahankan :

  1. Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
  2. Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya  ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta  dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
  3. Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.