Analisis Data Penerimaan Mahasiswa Magister Informatika UII
Abstract
Penelitian ini bertujuan untuk menganalisis tren dan faktor-faktor yang memengaruhi proses penerimaan mahasiswa pada Program Magister Informatika Universitas Islam Indonesia (UII) selama periode 2019 hingga 2023. Dengan memanfaatkan pendekatan analisis deret waktu (time series) dan metode Fuzzy Time Series Markov Chain, penelitian ini tidak hanya mengidentifikasi pola historis penerimaan mahasiswa, tetapi juga memprediksi jumlah pelamar di masa depan. Hasil analisis menunjukkan adanya fluktuasi jumlah pelamar dalam lima tahun terakhir, dengan puncaknya terjadi pada tahun 2020, yang kemudian mengalami penurunan signifikan pada tahun-tahun berikutnya. Selain itu, penelitian ini mengungkapkan karakteristik demografi pelamar, di mana mayoritas berasal dari Pulau Jawa dan didominasi oleh laki-laki. Temuan ini memberikan informasi penting bagi pengelola program studi dalam merancang strategi rekrutmen yang lebih efektif, menjangkau wilayah yang kurang terwakili, dan menjaga kualitas akademik melalui evaluasi terhadap faktor-faktor yang memengaruhi proses seleksi. Prediksi penerimaan di masa mendatang diharapkan dapat digunakan sebagai dasar pengambilan keputusan yang lebih akurat dan terukur.
Keywords
References
E. A. Pusvita and G. Prayitno, “Sistem Pendaftaran Mahasiswa Baru Berbasis Online Di
STMIK Pesat Nabire,” vol. 7, 2021.
V. Kumalasari Subroto and E. Endaryati, “BUSINESS INTELLIGENCE DAN KESUKSESAN
BISNIS di ERA DIGITAL,” vol. 1, no. 2, pp. 41–47, 2021, [Online]. Available:
http://journal.stiestekom.ac.id/index.php/dinamikapage41
S. Alviana and B. Kurniawan, “Analisis Data Penerimaan Mahasiswa Baru Untuk
Meningkatkan Potensi Pemasaran Universitas Menggunakan Business Intelligence (Studi
Kasus Universitas XYZ),” Jurnal Infotronik, vol. 4, no. 1, 2019.
I. Kurniawati, R. Eko Indrajit, M. Fauzi, S. Nusa Mandiri, A. Institut Perbanas, and S.
Bumigora Mataram, “Peran Bussines Intelligence Dalam Menentukan Strategi Promosi
Penerimaan Mahasiswa Baru,” 2017. [Online].
Noviani, “PERBANDINGAN METODE FUZZY TIME SERIES MARKOV CHAIN DAN
FUZZY TIME SERIES CHENG (Studi Kasus: Rata-rata Harga Beras),” 2020.
D. Yulia Hidayah and Sugiman, “Peramalan Nilai Tukar Rupiah terhadap Dollar Amerika
dengan Metode Fuzzy Time Series (FTS) Markov Chain,” UNNES Journal of Mathematics, vol.
, no. 2, pp. 85–95, 2021, [Online]. Available: http://journal.unnes.ac.id/sju/index.php/ujm
A. U. Jamila, B. M. Siregar, and R. Yunis, “Analisis Runtun Waktu Untuk Memprediksi
Jumlah Mahasiswa Baru Dengan Model Arima,” Paradigma - Jurnal Komputer dan Informatika,
vol. 23, no. 1, Mar. 2021, doi: 10.31294/p.v23i1.9758.
D. Ruhiat, E. S. Masrulloh, and F. Azis, “Forecasting Data Time Series Berpola Musiman
Menggunakan Model SARIMA (Studi Kasus: Sungai Cipeles-Warungpeti),” Jurnal Riset
Matematika dan Sains Terapan, vol. 39, no. 1, pp. 39–50, 2022.
M. Arumsari, A. Tri, and R. Dani, “Peramalan Data Runtun Waktu menggunakan Model
Hybrid Time Series Regression-Autoregressive Integrated Moving Average,” 2021.
I. Aksan and K. Nurfadilah, “Aplikasi Metode Arima Box-Jenkins Untuk Meramalkan
Penggunaan Harian Data Seluler,” JOMTA Journal of Mathematics: Theory and Applications, vol.
, no. 1, 2020.
Y. D. Anggraini, “Analisis Data Runtun Waktu Untuk Peramalan Penjualan Sepeda Motor Di
Indonesia Menggunakan Metode Fuzzy Time Series Dengan Logika Cheng Dan Fuzzy Time
Series Dengan Logika Ruey Chyn Tsaur Tugas Akhir,” 2018.
F. Aditya and D. Devianto, “Peramalan Harga Emas Indonesia Menggunakan Metode Fuzzy
Time Series Klasik,” 2019.
DOI: https://doi.org/10.30591/smartcomp.v14i3.8194
Refbacks
- There are currently no refbacks.

This work is licensed under a Creative Commons Attribution 4.0 International License.
========================================================================
Smart Comp Indexed By:
![]() | ![]() | ![]() | ![]() |
![]() | ![]() | ![]() |
This work is licensed under a Creative Commons Attribution 4.0 International License.














