Memprediksi Jumlah Siswa Baru ERS Indonesia Menggunakan Metode Algoritma Regresi Linier

May Rani Wanisah Lubis; Novryenni Novryenni; Marto Sihombing

May Rani Wanisah Lubis STMIK Kaputama
Novryenni Novryenni STMIK Kaputama
Marto Sihombing STMIK Kaputama

Abstract viewed = 0 times

PDF (Bahasa Indonesia) downloaded = 0 times

Abstract

ERS (Education Resources Service) Indonesia merupakan sebuah lembaga pendidikan yang menerima pendaftaran siswa baru setiap tahunnya. Dalam menjalankan kegiatan penerimaan siswa baru, ERS Indonesia perlu melakukan perencanaan dan estimasi jumlah siswa yang akan mendaftar agar dapat melakukan persiapan yang tepat dalam hal fasilitas dan tenaga pengajar. Dalam hal ini, metode algoritma regresi linier dapat digunakan untuk memprediksi jumlah siswa baru yang akan mendaftar di ERS Indonesia. Dengan menggunakan metode regresi linier, ERS Indonesia dapat memperkirakan jumlah siswa baru yang akan mendaftar pada tahun ajaran berikutnya berdasarkan data historis dan faktor-faktor yang mempengaruhi jumlah siswa baru. Memprediksi jumlah siswa baru di sebuah institusi pendidikan memiliki peranan yang sangat penting dalam perencanaan dan pengelolaan pendidikan. Selain itu, dengan memprediksi jumlah siswa baru dimasa depan, institusi pendidikan juga dapat meningkatkan daya saingnya dengan mengembangkan strategi pemasaran yang lebih efektif.

References

[1] Baihaqi, H. A., & Junaedi, L. (2022). SISTEM PAKAR PENERIMAAN SISWA BARU Baihaqi, H. A., & Junaedi, L. (2022). SISTEM PAKAR PENERIMAAN SISWA BARU SEKOLAH DASAR BERDASARKAN TINGKAT IQ MENGGUNAKAN METODE DEMPSTER SHAFER (STUDI KASUS: SEKOLAH DASAR LUQMAN AL HAKIM SURABAYA). JUST IT: Jurnal Sistem Informasi, Teknologi Informasi Dan Komputer, 12(2).
[2] Bengnga, A., & Ishak, R. (2018). Prediksi Jumlah Mahasiswa Registrasi Per Semester Menggunakan Linier Regresi Pada Universitas Ichsan Gorontalo. ILKOM Jurnal Ilmiah, 10(2), 136–143.
[3] Harliana, H., & Syafrianto, A. (2017). Prediksi jumlah pendaftaran calon mahasiswa baru dengan metode regresi linier. Data Manajemen Dan Teknologi Informasi (DASI), 18(3), 1–5.
[4] Huda, A. S., Awangga, R. M., & Fathonah, R. N. S. (2020). Prediksi Penerimaan Pegawai Baru Dengan Metode Naive Bayes (Vol. 1). Kreatif.
[5] Muriyatmoko, D. (2018). Analisa Volume Terhadap Sitasi Menggunakan Regresi Linier Pada Jurnal Bereputasi di Indonesia. Jurnal Simantec, 6(3).
[6] Nainggolan, R. Z., Ibnutama, K., & Suryanata, M. G. (2021). Implementasi Data Mining Dengan Metode Regresi Linier BergandaDalam Estimasi Mahasiswa Baru Pada SekolahTinggi Agama Islam Raudhatul Akmal BatangKuis. Jurnal Cyber Tech, 1(1).
[7] Pamungkas, N. B. (2021). PREDIKSI JUMLAH PENERIMAAN SISWA BARU PADA SMAN 1 PAGA DEWA DENGAN METODE REGRESI LINIER. Jurnal Teknologi Dan Sistem Informasi, 2(1), 8–14.
[8] Purwadi, P., Ramadhan, P. S., & Safitri, N. (2019). Penerapan Data Mining Untuk Mengestimasi Laju Pertumbuhan Penduduk Menggunakan Metode Regresi Linier Berganda Pada BPS Deli Serdang. Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika Dan Komputer), 18(1), 55–61.
[9] SAKIT, P. R. I. D. I. R., & ETAHAM, E. (n.d.). YAYASAN LEMBAGA PENDIDIKAN ISLAM RIAU UNIVERSITAS ISLAM RIAU FAKULTAS ILMU SOSIAL DAN ILMU POLITIK.
[10] Setyoningrum, N. R., & Rahimma, P. J. (2022). Implementasi Algoritma Regresi Linear Dalam Sistem Prediksi Pendaftar Mahasiswa Baru Sekolah Tinggi Teknologi Indonesia Tanjungpinang. Prosiding Seminar Nasional Ilmu Sosial Dan Teknologi (SNISTEK), 4, 13–18.
[11] Syahputra, H., Syahril, M., Studi Mahasiswa, P., Triguna Dharma, S., & Studi Dosen Pembimbing, P. (2020). Prediksi Jumlah Murid Baru Dengan Menggunakan Metode Regresi Linear Berganda. Jurnal CyberTech, 3(4), 671–679. https://ojs.trigunadharma.ac.id/
[12] Syahrudin, A. N., & Kurniawan, T. (2018). Input dan output pada bahasa pemrograman python. Jurnal Dasar Pemograman Python STMIK, 20, 1–7.
[13] Syahza, A. (n.d.). Metodologi Penelitian Edisi Revisi.