PREDIKSI JUMLAH SISWA BARU DI SMK KESEHATAN DARUSSALAM TULANGAN MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING

Penelitian ini bertujuan untuk memprediksi jumlah siswa baru di SMK Kesehatan Darussalam Tulangan menggunakan metode Double Exponential Smoothing (DES). Peramalan jumlah siswa baru sangat penting sebagai dasar dalam perencanaan dan pengambilan keputusan strategis di lingkungan sekolah, terutama dalam pengelolaan sumber daya, ruang kelas, dan tenaga pendidik. Data yang digunakan dalam penelitian ini adalah data jumlah siswa baru dari dua program studi, yaitu Farmasi dan Keperawatan, selama periode tahun 2015 hingga 2024. Metode Double Exponential Smoothing dipilih karena mampu mengakomodasi tren data yang berubah dari waktu ke waktu. Parameter smoothing yang digunakan dalam penelitian ini adalah α (alpha) sebesar 0,5 dan β (beta) sebesar 0,3. Evaluasi terhadap hasil peramalan dilakukan menggunakan tiga metrik akurasi, yaitu Mean Absolute Error (MAE), Mean Squared Error (MSE), dan Root Mean Squared Error (RMSE). Hasil peramalan menunjukkan bahwa metode DES memberikan akurasi yang cukup baik pada program studi Farmasi, dengan nilai MAE sebesar 3,57, MSE sebesar 18,44, dan RMSE sebesar 4,29. Namun, pada program studi Keperawatan, akurasi prediksi relatif lebih rendah, dengan MAE sebesar 7,44, MSE sebesar 84,56, dan RMSE sebesar 9,20. Hal ini menunjukkan bahwa model lebih sesuai untuk data dengan pola yang stabil. Secara keseluruhan, metode Double Exponential Smoothing dapat digunakan sebagai alat bantu dalam memperkirakan jumlah siswa baru di masa mendatang.
========================================================================================================================
This research aims to predict the number of new students at SMK Kesehatan Darussalam Tulangan using the Double Exponential Smoothing (DES) method. Forecasting new student enrollment is crucial as a foundation for planning and strategic decision-making within the school, particularly in managing resources, classroom allocation, and teaching staff. The data used in this study consists of the number of new students from two study programs—Pharmacy and Nursing— covering the period from 2015 to 2024. The Double Exponential Smoothing method was chosen because it is capable of accommodating data trends that change over time. The smoothing parameters used in this study are α (alpha) of 0.5 and β (beta) of 0.3. Forecast accuracy was evaluated using three metrics: Mean Absolute Error (MAE), Mean Squared Error (MSE), and Root Mean Squared Error (RMSE). The forecasting results show that the DES method provides reasonably good accuracy for the Pharmacy study program, with an MAE of 3.57, MSE of 18.44, and RMSE of 4.29. However, for the Nursing program, the prediction accuracy is relatively lower, with an MAE of 7.44, MSE of 84.56, and RMSE of 9.20. This indicates that the model is more suitable for data with stable patterns. Overall, the Double Exponential Smoothing method can be used as a supporting tool in forecasting future new student enrollments.