Penerapan Metode Simulasi Monte Carlo untuk Memprediksi Jumlah Pengunjung di Perpustakaan UIN Sjech M. Djamil Djambek Bukittinggi
DOI:
https://doi.org/10.53697/jkomitek.v5i2.3205Keywords:
Simulasi Monte Carlo, Prediksi Jumlah Pengunjung, Perpustakaan UIN Sjech M. Djamil Djambek BukittinggiAbstract
Penelitian ini bertujuan untuk merancang sebuah model simulasi menggunakan metode Monte Carlo guna memprediksi jumlah pengunjung perpustakaan UIN Sjech M. Djamil Djambek Bukittinggi. Model dikembangkan berdasarkan data historis jumlah kunjungan dari tahun 2022 hingga 2024, yang kemudian digunakan sebagai dasar untuk melakukan prediksi kunjungan pada tahun berikutnya. Simulasi dilakukan dengan membangkitkan bilangan acak menggunakan metode Linear Congruent Method (LCM), lalu memetakan bilangan acak tersebut ke dalam distribusi probabilitas kumulatif berdasarkan data historis. Hasil simulasi menunjukkan bahwa metode Monte Carlo mampu memberikan prediksi yang cukup akurat. Total jumlah pengunjung yang diprediksi selama satu tahun adalah 67.552 orang, sementara rata-rata jumlah pengunjung aktual adalah 67.651 orang. Perbandingan antara hasil simulasi dan data aktual menunjukkan nilai Mean Absolute Error (MAE) sebesar 509,25 dengan tingkat akurasi rata-rata sebesar 89,88%. Meskipun terdapat sedikit deviasi pada beberapa bulan, seperti bulan Mei dan Agustus, nilai akurasi yang diperoleh masih berada dalam kategori layak dan dapat diterima. Selain itu, model ini tidak hanya memberikan proyeksi kuantitatif, tetapi juga berpotensi menjadi alat bantu dalam pengambilan keputusan strategis, seperti pengelolaan fasilitas, penyediaan layanan, dan perencanaan sumber daya manusia di lingkungan perpustakaan. Dengan tingkat akurasi yang tinggi dan pendekatan yang berbasis data, metode Monte Carlo terbukti mampu memberikan gambaran yang cukup representatif mengenai fluktuasi jumlah pengunjung. Hasil penelitian ini diharapkan dapat menjadi dasar pertimbangan dalam upaya peningkatan mutu layanan perpustakaan secara berkelanjutan
References
Aditya, F. (2020). Traffic Flow Prediction using SUMO Application with K-Nearest Neighbor (KNN) Method. International Journal of Integrated Engineering, 12(7), 98–103. ISSN 2229-838X. https://doi.org/10.30880/ijie.2020.12.07.011
Alfikrizal, K., Defit, S., & Yunus, Y. (2020). Simulasi Monte Carlo dalam Prediksi Jumlah Penumpang Angkutan Massal Bus Rapid Transit Kota Padang. Jurnal Informatika Ekonomi Bisnis, 3, 78–83. https://doi.org/10.37034/infeb.v3i2.72
Aziz, S., & Sayuti, A. (2017). Penerapan Metode ARIMA untuk Peramalan Pengunjung Perpustakaan UIN Suska Riau. Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI), 2579–5406.
Casini, L. (2020). A Cross-Regional Analysis of the COVID-19 Spread During the 2020 Italian Vacation Period: Results from Three Computational Models Are Compared. Sensors Switzerland, 20(24), 1–22. ISSN 1424-8220. https://doi.org/10.3390/s20247319
Danbatta, S.J. (2021). Modeling and Forecasting of Tourism Time Series Data Using ANN-Fourier Series Model and Monte Carlo Simulation. 9th International Symposium on Digital Forensics and Security (ISDFS) 2021. https://doi.org/10.1109/ISDFS52919.2021.9486325
Danbatta, S.J. (2022). ANN–Polynomial–Fourier Series Modeling and Monte Carlo Forecasting of Tourism Data. Journal of Forecasting, 41(5), 920–932. ISSN 0277-6693. https://doi.org/10.1002/for.2845
Desvina, A.P., Matematika, J., Sains, F., Uin, T., & Riau, S. (2014). Penerapan Metode Box-Jenkins untuk Memprediksi Jumlah Mahasiswa Universitas Islam Negeri Suska Riau. Jurnal Sains, Teknologi dan Industri, 12(1), 80–89. http://ejournal.uin-suska.ac.id/index.php/sitekin/article/view/777
Guirado, E. (2019). Modeling Carbon Dioxide for Show Cave Conservation. Journal for Nature Conservation, 49, 76–84. ISSN 1617-1381. https://doi.org/10.1016/j.jnc.2019.03.002
Hendrianto, D.E. (2013). Berbasis Website pada Sekolah Menengah Pertama Negeri 1 Donorojo Kabupaten Pacitan. Indonesia Journal on Networking and Security.
Hoch, T. (2018). Between-Group Pathogen Transmission: From Processes to Modeling. Ecological Modelling, 383, 138–149. ISSN 0304-3800. https://doi.org/10.1016/j.ecolmodel.2018.05.016
Lohr, C. (2017). Predicting Island Biosecurity Risk from Introduced Fauna Using Bayesian Belief Networks. Science of the Total Environment, 601, 1173–1181. ISSN 0048-9697. https://doi.org/10.1016/j.scitotenv.2017.05.281
Ma, Y.C. (2023). The Daily Tourist Predicting Based on Classification Model. Smart Innovation Systems and Technologies, 358, 407–414. ISSN 2190-3018. https://doi.org/10.1007/978-981-99-3416-4_33
Nandes, Y.T., Abiyus, W., Irwanda, A.A., & Juliani, F. (2024). Penerapan Metode Monte Carlo dalam Memprediksi Jumlah Pengunjung Perpustakaan Universitas Lancang Kuning. ZONAsi: Jurnal Sistem Informasi, 6(1), 136–143. https://doi.org/10.31849/zn.v6i1.17317
Putra, R.D., Apridiansyah, Y., & Sahputra, E. (2022). Penerapan Metode Monte Carlo pada Simulasi Prediksi Jumlah Calon Mahasiswa Baru Universitas Muhammadiyah Bengkulu. Jurnal PROCESSOR, 17(2), 74–81. https://doi.org/10.33998/processor.2022.17.2.1224
Reinhart, C.F. (2017). Biometeorological Indices Explain Outside Dwelling Patterns Based on Wi-Fi Data in Support of Sustainable Urban Planning. Building and Environment, 126, 422–430. ISSN 0360-1323. https://doi.org/10.1016/j.buildenv.2017.10.026
Rifki, A., Azizi, M.F., & Agustin, S. (2024). Analisis Prediksi Jumlah Pengunjung Perpustakaan Berdasarkan Jenis Kelamin di Kabupaten Malang dengan Menggunakan Metode Monte Carlo. Jurnal Teknik Informatika dan Komputer, 3(2), 40–45. https://doi.org/10.22236/jutikom.v3i2.15265
Sakas, D.P. (2021). Harvesting Crowdsourcing Platforms’ Traffic in Favour of Air Forwarders’ Brand Name and Sustainability. Sustainability Switzerland, 13(15). ISSN 2071-1050. https://doi.org/10.3390/su13158222
Saleh, A.I. (2019). Ant Colony Prediction by Using Sectorized Diurnal Mobility Model for Handover Management in PCS Networks. Wireless Networks, 25(2), 765–775. ISSN 1022-0038. https://doi.org/10.1007/s11276-017-1590-2
Silitonga, S.U., Efriyanti, L., Dzakir, S., Okra, R., Islam, U., Sjech, N., & Djambek, D. (2024). Perancangan Model Antrian pada Pengambilan Toga di FTIK UIN Sjech M. Djamil Djambek Bukittinggi,* 8,* 25627–25639.
Zhang, L. (2022). Risk Assessment of Imported COVID-19 in China: A Modelling Study in Sichuan Province. Transboundary and Emerging Diseases, 69(6), 3433–3448. ISSN 1865-1674. https://doi.org/10.1111/tbed.14700
Downloads
Published
How to Cite
Issue
Section
