Melola Discovery

← Melola Discovery

Jurnal SINTA 4

FORECASTING JUMLAH MAHASISWA BARU FMIPAK UNIMA

De Fermat: Jurnal Pendidikan Matematika · Vol. 8 No. 2 (2025) · pp. 426–440

DOI
10.36277/defermat.v8i2.2324
ISSN
2621-7309, 2621-6078
Published
2025-12-25
Publisher
Program Studi Pendidikan Matematika, Fakultas Keguruan dan Ilmu Pendidikan, Universitas Balikpapan
Language
eng

Abstract

English

Penelitian ini bertujuan untuk memprediksikan jumlah mahasiswa baru menggunakan metode regresi linear sederhana dan regresi non-linear berdasarkan dua periode data, yaitu 2017–2024 dan 2019–2024. Penelitian ini menggunakan pendekatan kuantitatif dengan bantuan perangkat lunak SPSS, dan evaluasi akurasi dilakukan melalui nilai MAPE (Mean Absolute Percentage Error), MSE (Mean Squared Error), dan RMSE (Root Mean Squared Error). Berdasarkan data 2017–2024, hasil peramalan pada tahun 2025 menunjukkan bahwa model regresi non-linear memberikan akurasi lebih tinggi, khususnya pada periode data yang lebih mutakhir (2019–2024), dan layak dijadikan dasar rekomendasi dalam perencanaan penerimaan mahasiswa baru FMIPAK UNIMA ke depan. Dengan tingkat kesalahan prediksi hanya sekitar 8,83% dari rata-rata 190 mahasiswa per tahun, hasil peramalan ini dapat dimanfaatkan sebagai alat bantu strategis dalam pengambilan kebijakan berbasis data.

Bahasa Indonesia

Penelitian ini bertujuan untuk meramalkan jumlah mahasiswa baru menggunakan metode regresi linear sederhana dan regresi non-linear berdasarkan dua periode data, yaitu 2017–2024 dan 2019–2024. Penelitian ini menggunakan pendekatan kuantitatif dengan bantuan perangkat lunak SPSS, dan evaluasi akurasi dilakukan melalui nilai MAPE (Mean Absolute Percentage Error), MSE (Mean Squared Error), dan RMSE (Root Mean Squared Error). Berdasarkan data 2017–2024, hasil peramalan pada tahun 2025 menunjukkan bahwa model regresi non-linear memberikan akurasi lebih tinggi, khususnya pada periode data yang lebih mutakhir (2019–2024), dan layak dijadikan dasar rekomendasi dalam perencanaan penerimaan mahasiswa baru FMIPAK UNIMA ke depan. Dengan tingkat kesalahan prediksi hanya sekitar 8,83% dari rata-rata 190 mahasiswa per tahun, hasil peramalan ini dapat dimanfaatkan sebagai alat bantu strategis dalam pengambilan kebijakan berbasis data.

Keywords

Collaboration network of the authors

17 authors · 29 co-authorship links · 1 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Manado State University
  • Universitas Gadjah Mada
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Derel Filandy KaunangManado State University2
Subanar SubanarUniversitas Gadjah Mada1
Nadia Febriati MokodompitManado State University1
Asseline NenobaisManado State University1
Friska WohonManado State University1
Fresli MaaromiManado State University1
Shalomita Jofainda ParamuliaManado State University1
Patricia V. J. RuntuManado State University1
Rismauli Damayanti Br SinagaManado State University1
Philotheus E. A. TuerahManado State University1
Windy TunasManado State University1
Matthew Clay Immanuel DamopoliiManado State University1
Rosiah J. PulukadangManado State University1
Sisilia Ruth KhagowManado State University1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jurnal.pmat.uniba-bpn.ac.id/index.php/DEFERMAT/oai, first harvested 29 Okt 2026, last seen 29 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">FORECASTING JUMLAH MAHASISWA BARU FMIPAK UNIMA</dc:title>
	<dc:creator xml:lang="en">Mokodompit, Nadia Febriyanti</dc:creator>
	<dc:creator xml:lang="en">Pitoy, Cori</dc:creator>
	<dc:creator xml:lang="en">Sumarauw, Sylvia Jane Annatje</dc:creator>
	<dc:subject xml:lang="en">Forecasting</dc:subject>
	<dc:subject xml:lang="en">regresi linear sederhana</dc:subject>
	<dc:subject xml:lang="en">regresi non-linear</dc:subject>
	<dc:subject xml:lang="en">mahasiswa baru</dc:subject>
	<dc:subject xml:lang="en">FMIPAK UNIMA</dc:subject>
	<dc:description xml:lang="en">Penelitian ini bertujuan untuk memprediksikan jumlah mahasiswa baru menggunakan metode regresi linear sederhana dan regresi non-linear berdasarkan dua periode data, yaitu 2017–2024 dan 2019–2024. Penelitian ini menggunakan pendekatan kuantitatif dengan bantuan perangkat lunak SPSS, dan evaluasi akurasi dilakukan melalui nilai MAPE (Mean Absolute Percentage Error), MSE (Mean Squared Error), dan RMSE (Root Mean Squared Error). Berdasarkan data 2017–2024, hasil peramalan pada tahun 2025 menunjukkan bahwa model regresi non-linear memberikan akurasi lebih tinggi, khususnya pada periode data yang lebih mutakhir (2019–2024), dan layak dijadikan dasar rekomendasi dalam perencanaan penerimaan mahasiswa baru FMIPAK UNIMA ke depan. Dengan tingkat kesalahan prediksi hanya sekitar 8,83% dari rata-rata 190 mahasiswa per tahun, hasil peramalan ini dapat dimanfaatkan sebagai alat bantu strategis dalam pengambilan kebijakan berbasis data.</dc:description>
	<dc:description xml:lang="id">Penelitian ini bertujuan untuk meramalkan jumlah mahasiswa baru menggunakan metode regresi linear sederhana dan regresi non-linear berdasarkan dua periode data, yaitu 2017–2024 dan 2019–2024. Penelitian ini menggunakan pendekatan kuantitatif dengan bantuan perangkat lunak SPSS, dan evaluasi akurasi dilakukan melalui nilai MAPE (Mean Absolute Percentage Error), MSE (Mean Squared Error), dan RMSE (Root Mean Squared Error). Berdasarkan data 2017–2024, hasil peramalan pada tahun 2025 menunjukkan bahwa model regresi non-linear memberikan akurasi lebih tinggi, khususnya pada periode data yang lebih mutakhir (2019–2024), dan layak dijadikan dasar rekomendasi dalam perencanaan penerimaan mahasiswa baru FMIPAK UNIMA ke depan. Dengan tingkat kesalahan prediksi hanya sekitar 8,83% dari rata-rata 190 mahasiswa per tahun, hasil peramalan ini dapat dimanfaatkan sebagai alat bantu strategis dalam pengambilan kebijakan berbasis data.
&amp;nbsp;</dc:description>
	<dc:publisher xml:lang="en">Program Studi Pendidikan Matematika, Fakultas Keguruan dan Ilmu Pendidikan, Universitas Balikpapan</dc:publisher>
	<dc:date>2025-12-25</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jurnal.pmat.uniba-bpn.ac.id/index.php/DEFERMAT/article/view/2324</dc:identifier>
	<dc:identifier>10.36277/defermat.v8i2.2324</dc:identifier>
	<dc:source xml:lang="en">De Fermat : Jurnal Pendidikan Matematika; Vol. 8 No. 2 (2025); 426-440</dc:source>
	<dc:source>2621-7309</dc:source>
	<dc:source>2621-6078</dc:source>
	<dc:source>10.36277/defermat.v8i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://jurnal.pmat.uniba-bpn.ac.id/index.php/DEFERMAT/article/view/2324/152</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2025 De Fermat : Jurnal Pendidikan Matematika</dc:rights>
</oai_dc:dc>