Strategi Memilih Program Studi di UNPAD dengan Menggunakan Metode Forecasting.

Dalam peramalan data deret waktu, khususnya ketika data yang tersedia terbatas, kita bisa menggunakan model-model yang dirancang untuk menangani situasi tersebut, seperti Eksponensial Smoothing dan Grey Markov. Eksponensial Smoothing adalah metode yang membantu kita membuat prediksi dengan memberikan bobot lebih besar pada data terbaru, sehingga prediksi yang dihasilkan bisa lebih akurat meskipun data yang ada terbatas. Teknik ini sangat cocok untuk data seperti tingkat keketatan masuk program studi di UNPAD yang mungkin mengalami fluktuasi setiap tahun. Dalam Eksponensial Smoothing, kita bisa memperbarui prediksi setiap kali data baru masuk, sehingga hasilnya mencerminkan kondisi terbaru dengan baik.

Model Grey Markov, di sisi lain, merupakan metode yang menggabungkan Grey System Theory dan proses Markov, sehingga efektif digunakan ketika kita memiliki data dalam jumlah kecil atau tidak lengkap. Model ini berfokus pada menemukan pola tersembunyi dalam data yang terbatas dengan cara membagi data menjadi beberapa kategori atau kondisi, lalu memprediksi perubahan antar kondisi tersebut. Dalam konteks prediksi tingkat keketatan masuk di UNPAD, Grey Markov membantu kita memahami pergerakan persaingan masuk dari tahun ke tahun, meskipun data masa lalu tidak lengkap atau hanya tersedia beberapa tahun saja. Dengan kedua model ini, kita dapat meramalkan tingkat keketatan masuk di tahun 2025 dengan lebih baik meskipun data yang dimiliki terbatas, sehingga pihak sekolah, siswa, dan orang tua bisa mempersiapkan diri dengan lebih tepat.

Aktivitas:
Pengumpulan Data
Langkah pertama adalah mengumpulkan data tingkat keketatan masuk dari tahun-tahun sebelumnya di UNPAD, misalnya data jumlah pendaftar dan jumlah penerimaan setiap tahunnya. Jika data tahun sebelumnya terbatas, kita bisa memanfaatkan data yang tersedia dari tiga atau lima tahun terakhir. Selain itu, faktor-faktor lain yang relevan, seperti tren minat siswa pada program studi tertentu atau perubahan kebijakan penerimaan, juga penting untuk dicatat. Data ini akan menjadi dasar yang sangat penting dalam proses peramalan.

Pemilihan Model Peramalan
Dengan data yang telah terkumpul, langkah berikutnya adalah memilih model peramalan yang sesuai, seperti Eksponensial Smoothing atau Grey Markov, yang keduanya efektif untuk data yang terbatas. Eksponensial Smoothing akan memberikan bobot lebih besar pada data terbaru, sehingga prediksi akan lebih mencerminkan kondisi saat ini. Sedangkan Grey Markov sangat berguna jika data yang kita miliki hanya sedikit, karena mampu menemukan pola tersembunyi dan mengelompokkan data berdasarkan kecenderungan tertentu.

Pengolahan Data dengan Model Peramalan
Setelah model ditentukan, kita mulai memproses data menggunakan salah satu model tersebut. Misalnya, jika kita menggunakan Eksponensial Smoothing, kita akan menghitung rata-rata yang telah disesuaikan dari data terdahulu dengan bobot lebih pada data terbaru. Jika menggunakan Grey Markov, kita akan membagi data ke dalam kategori atau kondisi tertentu dan mengidentifikasi pergerakan antara kondisi tersebut untuk mendapatkan pola perubahan tingkat keketatan.

Analisis Hasil Peramalan
Hasil dari perhitungan tersebut akan menunjukkan angka prediksi tingkat keketatan masuk di tahun 2025. Kita bisa melihat apakah ada peningkatan atau penurunan persaingan berdasarkan tren yang dihasilkan oleh model. Analisis ini memungkinkan kita untuk memahami apakah peluang masuk ke program studi tertentu di UNPAD akan lebih ketat atau lebih longgar dibandingkan tahun-tahun sebelumnya.

Kesimpulan dan Interpretasi
Terakhir, kita membuat kesimpulan dari hasil peramalan tersebut. Kesimpulan ini akan berisi prediksi akhir tingkat keketatan untuk tahun 2025 beserta saran-saran yang bisa diambil oleh calon mahasiswa, seperti meningkatkan persiapan akademis untuk program studi yang diprediksi semakin kompetitif. Hasil ini juga bisa menjadi bahan evaluasi bagi sekolah dalam membimbing siswa untuk memilih program studi yang sesuai. Dengan langkah-langkah ini, kita memperoleh gambaran yang lebih jelas tentang peluang masuk di UNPAD tahun 2025, meskipun data yang tersedia terbatas.

Manfaat bagi siswa:
Memahami Pentingnya Perencanaan Studi Lanjut
Dengan melihat hasil peramalan tingkat keketatan masuk, siswa bisa memahami betapa pentingnya perencanaan yang matang untuk melanjutkan studi ke perguruan tinggi. Informasi ini membantu siswa dalam menentukan jurusan yang sesuai, mempersiapkan diri lebih baik, serta meningkatkan peluang mereka untuk diterima di program studi pilihan.

Melatih Keterampilan Analisis Data
Melalui proses peramalan, siswa belajar untuk mengumpulkan, mengolah, dan menganalisis data, yang merupakan keterampilan penting di berbagai bidang, terutama dalam era digital yang serba data saat ini. Mereka belajar cara memahami pola dan tren dari data yang terbatas, yang juga bisa diterapkan dalam kehidupan sehari-hari dan bidang karier masa depan.

Mengembangkan Sikap Rasional dalam Pengambilan Keputusan
Dengan adanya hasil peramalan, siswa dapat mengambil keputusan dengan dasar yang lebih rasional, misalnya dalam memilih jurusan yang mungkin memiliki peluang masuk lebih besar atau sesuai dengan bakat dan minat mereka. Hal ini membantu siswa membuat pilihan yang lebih terukur dan tidak hanya didasarkan pada asumsi atau popularitas semata.

Meningkatkan Kesiapan dan Motivasi
Informasi mengenai tingkat keketatan masuk membuat siswa lebih siap secara mental dan meningkatkan motivasi mereka untuk belajar lebih giat, terutama jika program studi yang diminati memiliki tingkat keketatan tinggi. Mereka juga bisa merancang strategi belajar yang lebih efektif sesuai dengan target mereka.

Mengenalkan Konsep Ilmu Statistik dan Pemodelan 
Dengan mempelajari model-model seperti Eksponensial Smoothing dan Grey Markov, siswa mendapatkan gambaran dasar tentang konsep statistik dan pemodelan yang berguna di dunia akademik dan industri. Ini memberi mereka bekal awal yang berguna jika ingin mendalami ilmu statistik, ekonomi, atau data science di masa depan.