Implementasi Metode Trend Moment (Peramalan) Mahasiswa Baru Universitas Widyagama Malang

Authors

  • Ilyas Ilyas Teknik Informatika, UniversitasWidyagama Malang
  • Fitri Marisa Teknik Informatika, UniversitasWidyagama Malang
  • Dwi Purnomo Teknik Informatika, UniversitasWidyagama Malang

DOI:

https://doi.org/10.31328/jointecs.v3i2.785

Keywords:

Trend moment, mahasiswa baru, peramalan,

Abstract

Penerimaan mahasiswa baru merupakan salah satu proses yang ada di instansi pendidikan seperti universitas yang berguna untuk menyaring calon mahasiswa yang terpilih sesuai kriteria yang ditentukan oleh universitas tersebut. Pada umumnya proses penerimaan mahasiswa baru dilakukan melalui tahapan pendaftaran, seleksi berkas, dan pengumuman penerimaan mahasiswa. Tahapan dari proses penerimaan mahasiswa baru ini juga dilakukan oleh Universitas Widyagama Malang. Metode dan strategi promosi yang tepat sasaran sangat dibutuhkan agar jumlah mahasiswa dapat bertambah setiap tahunnya. Metode dan strategi dapat disusun dengan memanfaatkan data mahasiswa baru.Metode Trend Moment menggunakan cara-cara perhitungan statistika dan matematika. Metode Trend Moment merupakan metode analisis yang dapat digunakan untuk keperluan peramalan dengan membentuk persamaan Y= a + bX (Purnomo,2016). Tujuan dari penelitian ini adalah membuat Implementasi Metode Trend Moment (Peramalan) Mahasiswa Baru di Universitas Widyagama Malang.Aplikasi peramalan menggunakan metode trend moment dapat dipergunakan untuk meramalkan jumlah mahasiswa baru di Universitas Widyagama Malang di periode yang akan datang dan Juga aplikasi peramalan ini dapat mempermudah petugas di Universitas Widyagama Malang untuk menentukan dan mengetahui jumlah mahasiswa baru yang akan datang.

References

Y. H. Peng, C. S. Hsu, and P. C. Huang, “An investigation of spacial approaches for crop price forecasting in different Taiwan markets,†TAAI 2015 - 2015 Conf. Technol. Appl. Artif. Intell., pp. 176–179, 2016.

J. A. Awan and D. H. Bae, “Application of Adaptive Neuro-Fuzzy Inference System for dam inflow prediction using long-range weather forecast,†8th Int. Conf. Digit. Inf. Manag. ICDIM 2013, pp. 247–251, 2013.

W. Guan et al., “Advanced Load Forecast with hierarchical forecasting capability,†IEEE Power Energy Soc. Gen. Meet., 2013.

N. Cao, J. J. Huang, and X. M. Xie, “Study and application of dynamic collocation of variable weights combination forecasting model,†Proc. - 2013 IEEE 11th Int. Conf. Dependable, Auton. Secur. Comput. DASC 2013, no. 1, pp. 404–409, 2013.

J. Schachter and P. Mancarella, “A short-term load forecasting model for demand response applications,†Int. Conf. Eur. Energy Mark. EEM, 2014.

V. Kontorovich, “Efficient multi-moment non-linear filtering : experimental study for low power chaotic signals *,†pp. 0–5, 2014.

A. Biswas, G. Lin, X. Liu, and H. W. Shen, “Visualization of Time-Varying Weather Ensembles across Multiple Resolutions,†IEEE Trans. Vis. Comput. Graph., vol. 23, no. 1, pp. 841–850, 2017.

T. Kobayashi, S. Muramatsu, and H. Kikuchi, “2-D NON-SEPARABLE GENLOT WITH TREND VANISHING MOMENTS Dept . of Electrical & Electronic Engineering , Niigata University,†Design, pp. 385–388, 2010.

Downloads

Published

2018-12-29

Issue

Section

Articles