Main Article Content
Abstract
Dengan adanya sistem simulasi prediksi jumlah mahasiswa baru ini, diharapkan dapat memprediksi jumlah mahasiswa baru yang masuk pada setiap tahun kedepan nya. Menerapkan metode Monte Carlo dan juga menerapkan aplikasi simulasi prediksi ini sekaligus menguji tingkat akurasi dan efisiensi data yang dihasilkan menggunakan metode ini. Pengumpulan data yang dilakukan dengan cara obeservasi secara langsung ke objek dengan mengambil sampel data yang sudah ada di tahun 2013 – 2017 untuk dapat memprediksi ditahun berikutnya. Melakukan analisis terhadap sistem yang berjalan untuk kemudian dijadikan bahan untuk merancang dan membangun aplikasi dengan menggunakan bahasa pemrograman yaitu Visual Basic. Hasil dari pengujian terhadap metode ini adalah dari berapa banyak jumlah mahasiswa baru setiap tahunnya dan akan dilihat tingkat keakuratannya. Maka dapat disimpulkan bahwa penggunaan Metode Monte Carlo dalam penelitian ini adalah sebagai metode yang dapat memberikan informasi mengenai keuntungan maksimum yang dihasilkan melalui percobaan bilangan acak. Semakin banyak percobaan dilakukan, maka akan semakin baik hasilnya.
Kata Kunci: Simulasi, Prediksi, Monte Carlo.
Article Details
- Seluruh materi yang terdapat dalam situs ini dilindungi oleh undang-undang. Dipersilahkan mengutip sebagian atau seluruh isi situs web ini sesuai dengan ketentuan yang berlaku.
- Apabila anda menemukan satu atau beberapa artikel yang terdapat dalam Jurnal Pseudocode yang melanggar atau berpotensi melanggar hak cipta yang anda miliki, silahkan laporkan kepada kami, melalui email pada Priciple Contact.
- Aspek legal formal terhadap akses setiap informasi dan artikel yang tercantum dalam situs jurnal ini mengacu pada ketentuan lisensi Creative Commons Atribusi-ShareAlike (CC-BY-SA).
- Semua Informasi yang terdapat di Jurnal Pseudocode bersifat akademik. Jurnal Pseudocode tidak bertanggung jawab terhadap kerugian yang terjadi karana penyalah gunaan informasi dari situs ini.
References
- Mahessya R.A., Mardianti L. dan Sovia R, 2017 : Pemodelan dan simulasi sistem antrian pelayanan pelanggan menggunakan metode Monte Carlo pada PT. POS INDONESIA (persero) Padang: Vol. 6 E-ISSN : 2579 - 3918 P-ISSN : 2302 - 710X.
- L Liu J., Qi Y., Meng Z.Y dan Fu L., 2016 : Self-learning Monte Carlo method. DOI: 10.1103/PhysRevB.95.041101
- Giles M.B., 2015.: Multilevel Monte Carlo methods. DOI:10.1017/S096249291500001X
- Agusta A., Arman Y. dan Ihwan A., 2013 : Pemodelan Curah Hujan Bulanan Di Kabupaten Sintang Menggunakan Metode Monte Carlo dengan Algoritma Metropolis. POSITRON, Vol. III, No. 2 (2013), Hal. 32 – 34. ISSN : 2301-4970.
- Isamael I.,2012 : Faktor-faktor Risiko yang Berpengaruh Terhadap Kinerja Kualitas Proyek Konstruksi Gedung di Kota Padang Sumatera Barat Dengan menggunakan Model dan Simulasi Monte Carlo. Jurnal Momentum Vol.13 No.2. Agustus 2012. ISSN : 1693-752X. ISSN: 2337-9197.
- Arwindy F.,Buulolo F. dan Rosmaini E., 2014 : Analisis dan simulasi sistem antrian pada Bank ABC. Saintia Matematika Vol. 2, No. 2 (2014), pp. 147–162. ISSN: 2337-9197
- Margi K. dan Pendawa S., 2015 : Analisa dan penerapan metode Single Exponential Smoothing untuk prediksi penjualan pada periode tertentu. Prosiding SNATIF Ke -2. ISBN: 978-602-1180-21-1
- Sunarni T. dan Triana 2014 : Identifikasi risiko dan pengalokasian biaya penanganan risiko dengan simulasi Monte Carlo pada boiler dan peralatan bantu PLTU Sumbagsel. SNATI 2012. ISSN :1907- 5022.
- Winda., 2008 : Pendekatan simulasi Monte Carlo untuk pemilihan alternatif dengan Decision Tree pada nilai Outcome yang probabilistik. Teknoin, Volume 13, Nomor 2, Desember 2008, 11-17. ISSN: 0853-8697.
- Yogi Y., 2004 : Penentuan prosentase calon mahasiswa baru yang akan mendaftar ulang dengan bantuan simulasi Monte Carlo. KOMMIT 2004. ISSN: 1411-6286.
References
Mahessya R.A., Mardianti L. dan Sovia R, 2017 : Pemodelan dan simulasi sistem antrian pelayanan pelanggan menggunakan metode Monte Carlo pada PT. POS INDONESIA (persero) Padang: Vol. 6 E-ISSN : 2579 - 3918 P-ISSN : 2302 - 710X.
L Liu J., Qi Y., Meng Z.Y dan Fu L., 2016 : Self-learning Monte Carlo method. DOI: 10.1103/PhysRevB.95.041101
Giles M.B., 2015.: Multilevel Monte Carlo methods. DOI:10.1017/S096249291500001X
Agusta A., Arman Y. dan Ihwan A., 2013 : Pemodelan Curah Hujan Bulanan Di Kabupaten Sintang Menggunakan Metode Monte Carlo dengan Algoritma Metropolis. POSITRON, Vol. III, No. 2 (2013), Hal. 32 – 34. ISSN : 2301-4970.
Isamael I.,2012 : Faktor-faktor Risiko yang Berpengaruh Terhadap Kinerja Kualitas Proyek Konstruksi Gedung di Kota Padang Sumatera Barat Dengan menggunakan Model dan Simulasi Monte Carlo. Jurnal Momentum Vol.13 No.2. Agustus 2012. ISSN : 1693-752X. ISSN: 2337-9197.
Arwindy F.,Buulolo F. dan Rosmaini E., 2014 : Analisis dan simulasi sistem antrian pada Bank ABC. Saintia Matematika Vol. 2, No. 2 (2014), pp. 147–162. ISSN: 2337-9197
Margi K. dan Pendawa S., 2015 : Analisa dan penerapan metode Single Exponential Smoothing untuk prediksi penjualan pada periode tertentu. Prosiding SNATIF Ke -2. ISBN: 978-602-1180-21-1
Sunarni T. dan Triana 2014 : Identifikasi risiko dan pengalokasian biaya penanganan risiko dengan simulasi Monte Carlo pada boiler dan peralatan bantu PLTU Sumbagsel. SNATI 2012. ISSN :1907- 5022.
Winda., 2008 : Pendekatan simulasi Monte Carlo untuk pemilihan alternatif dengan Decision Tree pada nilai Outcome yang probabilistik. Teknoin, Volume 13, Nomor 2, Desember 2008, 11-17. ISSN: 0853-8697.
Yogi Y., 2004 : Penentuan prosentase calon mahasiswa baru yang akan mendaftar ulang dengan bantuan simulasi Monte Carlo. KOMMIT 2004. ISSN: 1411-6286.