Sistem Prediksi Jumlah Pendaftaran Mahasiswa Baru

LAPORAN

Disusun untuk memenuhi tugas mata kuliah Komputasi Numerik

yang dibina oleh Ibu Gres Dyah Kusuma Ningrum, S.Pd., M.Pd

Oleh Kelompok 5:

1. RAZITA IRDINA FEBRIA NINGTYAS (200533628001)

2. SELVI TRIANAWATI (200533628009)
3. WIRA DHIHARJA (200533628007)

UNIVERSITAS NEGERI MALANG

FAKULTAS TEKNIK
JURUSAN TEKNIK ELEKTRO
PROGRAM STUDI TEKNIK INFORMATIKA
2022
 LAPORAN

A. TUJUAN
Teknologi Informasi yang pesat sangat mempengaruhi kemajuan suatu perusahaan,
lembaga, organisasi, maupun instansi pemerintahan untuk mendukung pengambilan suatu
keputusan. Dengan adanya teknologi informasi dapat mengoptimalkan aktifitasnya dalam
mengambil keputusan dengan efektif dan efisien tanpa terkendala oleh waktu yang berlebihan,
biaya berlebihan dan birokrasi yang tidak bertanggung jawab. Hal ini telah banyak diterapkan
dalam berbagai bidang, salah satunya adalah bidang pendidikan. Dimana setiap tahun ajaran
baru sering kali terjadi peningkatan maupun penurunan dalam hal pendaftaran siswa baru, hal
ini dikarenakan kurangnya promosi atau mengenalkan lebih dekat jurusan yang ada di
perguruan tinggi. Terkadang beberapa jurusan memiliki jumlah mahasiswa yang sedikit dan
ada juga jumlah mahasiswa yang banyak. Untuk membantu menganalisis data jumlah
mahasiswa/i pada tahun berikutnya, maka dibutuhkan data pada jumlah pendaftar
mahasiswa/i.Sehingga dalam tugas akhir ini menggunakan pendekatan metode Regresi Linear
untuk mengatasi masalah tersebut. Dari uraian tersebut di atas, maka kami tertarik untuk
mengangkat judul “Sistem Prediksi Jumlah Pendaftaran Mahasiswa Baru Metode Regresi
Linear”.
Dengan adanya aplikasi prediksi ini nantinya akan membantu pihak perguruan tinggi
dalam memprediksikan jumlah pendaftar di tahun berikutnya berdasarkan data-data
sebelumnya apabila setelah di prediksi jumlah pendaftar meningkat maka seluruh pegawai dan
staff harus tetap menjaga dan meningkatkan kualitas baik itu dari kampus dan juga dosen
yang semakin kreatif dan siap memfasilitasi kebutuhan mahasiswa yang berguna untuk
meningkatkan proses belajar dan daya tarik untuk para pendaftar. Dan apabila setelah di
prediksi ternyata jumlah pendaftar menurun maka ini menjadi evaluasi bagi pihak perguruan
tinggi untuk tetap bekerja sama dan terus berusaha melakukan perubahan strategi dan metode
baru untuk menarik daya minat pendaftar sehingga dengan demikian pihak perguruan tinggi
akan dengan mudah mengetahui seberapa tinggi jumlah pendaftar apakah sudah sesuai dan
memenuhi standart operasional perguruan tinggi yang telah ditentukan sehingga nantinya
pihak perguruan tinggi dapat memberikan fasilitas yang dibutuhkan untuk keperluan
mahasiswa.
B. DASAR TEORI
1. Regresi Linier

Analisis regresi adalah suatu metode statistik yang mengamati hubungan antara
variabel terikat Y dan serangkaian variabel bebas X1,…,Xp (Hijriani, Muludi, & Andini,
2016). Metode ini memiliki tujuan untuk memprediksi variabel Y yang merupakan
variabel terikat dari variabel X yang diberikan.

Y = c + mX ................................................ (1)

Diketahui:

Y = Variabel akibat (variabel terikat)

X = Variabel penyebab (variabel bebas)

m = konstanta

c = koefisien regresi (kemiringan)

Untuk nilai m dan c akan dihitung menggunakan rumus berikut ini:

m = n (Σ xy) – (Σ x) (Σ y) .......................(2)
n (Σ x²) – (Σ x)²
atau

m = banyak data (jumlah X * Y) – (jumlah X) (jumlah Y) / banyak data (jumlah X * X) –

(jumlah X)2

n(Σx²) – (Σx)² .............................................(3)

atau

c = (jumlah data y) (jumlah data X * X) – (jumlah data X) (jumlah data X * Y) / banyak

data (jumlah data X * X) – (jumlah data X)

Langkah-langkah dalam melakukan regresi linier sederhana :

a. Menentukan tujuan dari melakukan prediksi.

b. Menentukan nilai X dan Y.

 c. Melakukan pengumpulan data.

d. Menghitung X2, Y2, XY dan total dari masing-masingnya.

e. Menghitung konstanta (a) dan koefisien (b) berdasarkan rumus.

f. Membuat model persamaan regresi linier sederhana.

g. Melakukan peramalan / prediksi.

Langkah-langkah regresi linier berganda :

a. Menentukan variabel bebas dan tidak bebas.

b. Menentukan nilai konstanta dan koefisien regresi.

c. Menginterpresentasi koefisien regresi.

d. Menghitung koefisien determinisi.

e. Menghitung koefisien korelasi berganda.

f. Menghitung nilai Standart Error Estimate.

g. Menghitung nilai korelasi parsial, Korelasi antara X1 dan Y’ dimana X2 dianggap

tetap, korelasi antara X2 dan Y’, X1 dianggap tetap, korelasi antara X1 dan x2 dimana
Y’ dianggap tetap.

2. Peramalan

Peramalan merupakan suatu usaha untuk meramalkan keadaan di masa mendatang melalui
pengujian keadaan di masa lalu (Armi, Kridalaksana, & Arifin, 2019). Peramalan atau
prediksi dapat juga dikatakan sebagai suatu perhitungan yang digunakan untuk melihat
hasil atau kejadian yang akan datang dengan menggunakan data yang terdapat pada masa
lalu dan kemudian meletakkannya kedalam kejadian yang akan datang dengan suatu
model matematis, perhitungan ini dapat berupa perhitungan yang menggunakan
pendekatan baik kuantitatif atau kualitatif. Pada kasus saat ini peramalan digunakan untuk
meramalkaan banyaknya mahasiswa yang akan masuk pada sebuah universitas pada tahun
 mendatang dengan menggunakan data jumlah mahasiswa yang masuk pada tahun-tahun
sebelumnya, sehingga dapat memberikan gambaran kepada pihak-pihak univerisitas agar
dapat memaksimalkan agar dapat melakukan yang terbaik agar penerimaan mahasiswa
meningkat, baik dari segi taraf pendidikan, dan lain sebagainya

C. METODE

Tahapan langkah – langkah peramalan penerimaan mahasiswa menggunakan metode

Regresi Linear Sederhana adalah sebagai berikut:
1. Buatlah tabel data jumlah mahasiswa universitas yang ingin dicari peramalan jumlahnya.
Misalnya data yang diambil berupa data selama 5 tahun sebelumnya. Contohnya seperti
pada tabel berikut ini.
No. Tahun Akademik Jumlah PMB
1 2016/ 2017 1065
2 2017/ 2018 1116
3 2018/ 2019 1303
4 2019/ 2020 1309
5 2020/ 2021 1449

2. Langkah selanjutnya adalah membuat variabel bebas (X) dan variabel terikat (Y) dari data
yang terdapat pada tabel 1 tersebut, untuk pembuatan tersebut dapat dilihat pada tabel
2 di bawah ini.
Data (n) Tahun Akademik Jumlah PMB X Y
1 2016/ 2017 1065 0 1065
2 2017/ 2018 1116 1 1116
3 2018/ 2019 1303 2 1303
4 2019/ 2020 1309 3 1309
5 2020/ 2021 1449 4 1449

Pada tabel 2 di atas, nilai Y merupakan nilai yang didapatkan dari jumlah mahasiswa
baru yang masuk dari tahun 2016 hingga tahun 2021, sedangkan nilai X pada kasus
ini merupakan variabel bebas dimana nilai ini diberikan sendiri oleh penulis.
3. Langkah selanjutnya adalah mencari nilai dari X 2, X * Y, jumlah dari variabel X, Y,
X2 dan X * Y, rata-rata dari variabel X dan juga variabel Y. Untuk melihat hasil
dari mencari nilai yang disebutkan di atas dapat dilihat pada tabel 3 di bawah ini.
Data Tahun X Y X2 X*Y
Jumlah PMB
(n) Akademik
1 2016/ 2017 1065 0 1065 0 0
2 2017/ 2018 1116 1 1116 1 1116
3 2018/ 2019 1303 2 1303 4 2606
4 2019/ 2020 1309 3 1309 9 3927
5 2020/ 2021 1449 4 1449 16 5796
Jumlah 10 6242 30 13445
Rata-rata 2 1248,4

4. Melakukan perhitungan beberapa nilai yang dibutuhkan untuk melakukan

peramalan atau prediksi yaitu nilai m dan c, dimana rumus yang digunakan untuk
menemukan nilai m dan c adalah sebagai berikut:

atau
c = (jumlah data y) (jumlah data X * X) –(jumlah data X) (jumlah data X * Y)
/ banyak data (jumlah data X * X) –(jumlah data X)2
 atau
m = banyak data (jumlah X * Y) –(jumlah X) (jumlah Y) / banyak data (jumlah X * X) –
(jumlah X)2

5. Tahapan terakhir adalah melakukan peramalan setelah didapatkan nilai m dan c, nilai
X untuk 1 tahun kedepan atau tahun akademik yang akan di prediksi adalah tahun 2021/
2022, dimana nilai X selanjutnya adalah 5, rumus untuk melakukan peramalan atau
prediksi tersebut adalah sebagai berikut:

Dari perhitungan manual di atas maka didapatkan hasil prediksi untuk 1 tahun ke
depan atau pada tahun akademik 2021/ 2022 yaitu sebesar 1536,7 mahasiswa yang
akan masuk pada tahun tersebut.
D. IMPLEMENTASI
1. SCRIPT
• Index.php

• Header

• Footer
• Database Connection

• Form Input
• Saving

• Prediction

• View
2. HASIL
• Home (Halaman Utama)

• Form Input

• Data

• Form Prediksi
 • Data Hasil Prediksi

E. KENDALA
Kendala yang dialami ialah kesulitan saat menerapkan/ memasukkan rumus regresi linear
pada script code php tersebut. Dikarenakan harus mengubah rumus matematika menjadi bentuk
logika pemrograman.
F. KESIMPULAN
Perancangan aplikasi prediksi jumlah pendaftar mahasiswa baru dengan metode regresi
linier ini dapat membantu pihak kampus untuk mengetahui seberapa banyak jumlah pendaftar
di tahun berikutnya. Dikarenakan pihak kampus dapat memprediksi jumlah pendaftaran dari
para mahasiswa baru, sehingga dapat mengantisipasi dengan memberikan fasilitas yang
terbaik agar siswa baru dapat merasa puas dengan fasilitas yang tersedia. Selain itu, hal ini
dapat memberikan tolak ukur seberapa banyak minat atau ketertarikan calon mahasiswa baru
terhadap kampus tersebut.
G. DAFTAR RUJUKAN
Armi, A. E., Kridalaksana, A. H., & Arifin, Z. (2019). Peramalan Angka Inflasi Kota Samarinda
Menggunakan Metode Double Exponential Smoothing (Studi Kasus : Badan Pusat
Statistik Kota Samarinda). Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer,
14(1), 21. https://doi.org/10.30872/jim.v14i1.1252
D. A. Trianggana, “Peramalan Jumlah Siswa-Siswi Melalui Pendekatan Metode Regresi
Linear,” J. Media Infotama, vol. 16, no. 2, pp. 115–120, 2020.
M. K. Pilihan, N. K. Afkarina, A. W. Widodo, and M. T. Furqon, “Implementasi Regresi Linier
Berganda Untuk Prediksi Jumlah Peminat,” vol. 3, no. 11, pp. 10462 – 10467, 2019.
R. Ishak, “Prediksi Jumlah Mahasiswa Registrasi Per Semester,” Ilk. J. Ilm., vol. 10, no. 2, pp.
136 – 143, 2018.