Article Sidebar

Submitted
November 1, 2024
Accepted
November 28, 2024
Published
November 29, 2024
Download
PDF (ENGLISH)
Statistic
Read Counter : 70 Download : 27

Main Article Content

Abstract

College libraries must provide optimal library services, which requires careful planning. The fluctuating number of visitors means that libraries must make preventive efforts to provide excellent service in the future, one of which is forecasting the number of visitors. Forecasting the number of visitors can help libraries prepare for surges in the number of visitors. This research aims to forecast the number of visitors at the Kandaga Library using the ARIMA model as a preventive effort for the Kandaga Library to provide better library services and improve service quality and user satisfaction. This research uses descriptive quantitative methods through the ARIMA forecasting model assisted by SPSS Version 26 software. The best ARIMA model used is the ARIMA model (4,0,12), with a MAPE value of 26.89%. Based on the results of the ARIMA forecasting model (4,0,12), the predicted total number of visitors at the Kandaga Library from October 2024 to October 2025 is 105,742 visitors. Compared with Exper Modeler, which has a MAPE value of 13.10%, the ARIMA model (4,0,12) is no more accurate for forecasting the number of visitors. Therefore, it is essential for further research to compare various forecasting models to obtain the most appropriate and precise model for predicting the number of visitors.

Keywords

ARIMA model number of visitors forecasting college library

Article Details

How to Cite
Ramadhan, N., Wahyu Ramadhani, I. A., & Wulandari, O. R. . (2024). Forecasting Kandaga Library Visitors Using Autoregressive Integrated Moving Average (ARIMA) Model. Buletin Perpustakaan, 7(2), 227–251. https://doi.org/10.20885/bpuii.v7i2.36920
Download Citation
Endnote/Zotero/Mendeley (RIS)
BibTeX

References

  1. Ahmad, F. (2020). Penentuan Metode Peramalan pada Produksi Part New Granada Bowl ST di PT.X. JISI: Jurnal Integrasi Sistem Industri, 7(1), 31–39. https://doi.org/10.24853/jisi.7.1.31-39
  2. Alfajar, F., Mustainah, Tawil, M., & Polii, J. J. (2021). Pengaruh Kualitas Pelayanan terhadap Kepuasan Pelanggan pada Makassar Jeans House Kota Palu. Jurnal Administration and Management Public Literation, 1(1), 37–50.
  3. Aziz, S., Sayuti, A., & Mustakim. (2017). Penerapan Metode ARIMA untuk Peramalan Pengunjung Perpustakaan UIN Suska Riau. Seminar Nasional Teknologi Informasi, Komunikasi Dan Industri (SNTIKI), 2579–5406.
  4. Buchori, M., & Sukmono, T. (2018). Peramalan Produksi Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA) di PT. XYZ. PROZIMA (Productivity, Optimization and Manufacturing System Engineering), 2(1), 27–33. https://doi.org/10.21070/prozima.v2i1.1290
  5. Daeli, A., Manao, A., & Zagoto, R. (2021). Pengaruh Kualitas Pelayanan terhadap Kepuasan Pelanggan Pada UD. Sukaria Makmur di Telukdalam. Jurnal Ilmiah Universitas Nias Raya, 4(1), 40–52.
  6. Dinata, K. A., & Krismayani, I. (2018). Implementasi Fungsi Perpustakaan Akademi Kepolisian Semarang bagi Taruna dan Taruni Akademi Kepolisian Semarang. Jurnal Ilmu Perpustakaan, 7(2), 01–10.
  7. Fadilla, N. (2020). Peran Perpustakaan Perguruan Tinggi dalam Scholarly Communication dan Pengimplementasiannya Melalui Jurnal Elektronik. Libria: Library Of Uin Ar-Raniry, 12(2), 128–148.
  8. Fahmuddin, M., Ruliana, & Muhammad Fahmuddin S, R. (2023). Perbandingan Metode ARIMA dan Single Exponential Smoothing dalam Peramalan Nilai Ekspor Kakao Indonesia. VARIANSI: Journal of Statistics and Its Application on Teaching and Research, 5(3), 163–176. https://doi.org/10.35580/variansiunm193
  9. Fajarina, S., & Wasisto, J. (2023). Pengaruh Kualitas Layanan I-Kudus terhadap Minat Kunjung Pemustaka Pada Saat Pandemi Covid-19 di Perpustakaan Daerah Kabupaten Kudus. Anuva: Jurnal Kajian Budaya, Perpustakaan, Dan Informasi, 7(4), 663–678. https://doi.org/10.14710/anuva.7.4.663-678
  10. Fatimah. (2018). Perpustakaan, Manfaat, Kelebihan dan Kekurangan. Jurnal Imam Bonjol: Kajian Ilmu Informasi Dan Perpustakaan, 2(1), 30–35.
  11. Gunaryati, A., & Suhendra, A. (2015). Perbandingan Antara Metode Statistika dan Metode Neural Network pada Model Peramalan Indeks Harga Perdagangan Besar. Jurnal Teknologi Dan Rekayasa, 20(1), 23–35.
  12. Harianja, J., Dabur, F., & Junianto, P. (2021). Pengaruh Kualitas Pelayanan dan Fasilitas Perpustakaan Terhadap Minat Baca Mahasiswa Pada STIE Bentara Persada Batam. Jurnal Rekaman, 5(2), 139–149.
  13. Hartati, H. (2017). Penggunaan Metode Arima dalam Meramal Pergerakan Inflasi. Jurnal Matematika Sains Dan Teknologi, 18(1), 1–10. https://doi.org/10.33830/jmst.v18i1.163.2017
  14. Hendrawardani, B., & Kurniasih, E. (2022). Pengaruh Kualitas Pelayanan terhadap Minat Pengunjung Perpustakaan di Dinas Kearsipan dan Perpustakaan Kabupaten Kebumen. Jurnal Mabiseka (Manajemen, Bisnis, Ekonomi Dan Akuntansi), 1(1), 31–44.
  15. Hidayat, R. (2022). Perencanaan Sistem Perpustakaan dalam Meningkatkan Kunjungan Siswa di Perpustakaan SD Negeri 36 Lebong. Jurnal Pendidikan Profesi Guru Agama Islam, 2(8), 335–338.
  16. Inajati, E., & Utomo, E. P. (2019). Pengembangan Perpustakaan Perguruan Tinggi yang Berorientasi pada Civitas Akademika dan Perkembangan Teknologi Informasi. Jurnal Pustaka Budaya, 6(2), 30–38. https://doi.org/10.31849/pb.v6i2.2206
  17. Indayani, T., & Darsyah, M. Y. (2018). Pemilihan Model Peramalan Terbaik Menggunakan Model Arima dan Winters Untuk Meramalkan Indeks LQ45. Prosiding Seminar Nasional Mahasiswa Unimus, 1, 336–342.
  18. Kamil, M. F. I., Prijana, & Kurniasih, N. (2024). Hubungan Kualitas Layanan dengan Minat Kunjung Pemustaka di Perpustakaan Kota Bandung. Literatify : Trends in Library Developments, 5(2), 241–250. https://doi.org/10.24252/literatify.v5i2.48710
  19. Kendek, O. J., Prang, J. D., & Paendong, M. (2014). Prediksi Jumlah Pengunjung Perpustakaan Universitas Sam Ratulangi Manado Menggunakan Metode Dekomposisi. D’CARTESIAN, 3(1), 73–80. https://doi.org/10.35799/dc.3.1.2014.4000
  20. Kurniawan, T. (2016). Peran Perpustakaan Perguruan Tinggi dalam Mengembangkan Repositori Institusi. Jurnal Pustaloka, 8(2), 231–243.
  21. Mulyani, S., Hayati, D., & Sari, A. N. (2021). Analisis Metode Peramalan (Forecasting) Penjualan Sepeda Motor Honda dalam Menyusun Anggara Penjualan pada PT Trio Motor Martadinata Banjarmasin. Jurnal Ekonomi Dan Bisnis, 14(1), 178–189.
  22. Pattirajawane, I. D., Khodijah, S., & Suwangto, E. G. (2016). Penerapan Analisis Deret Waktu dan Metode Peramalan pada Data Kunjungan Pasien di Klinik Pratama Atma Jaya Cisauk Tahun 2012–2016. Seminar Nasional Tahunan Matematika, Sains, Dan Teknologi, 178–197.
  23. Perangin-angin, Y. A., Sitepu, S., & Simanullang, H. G. (2024). Implementasi Fuzzy Time Series pada Peramalan Jumlah Pengunjung Perpustakaan. Methotika: Jurnal Ilmiah Teknik Informatika, 4(1), 18–29.
  24. Peraturan Pemerintah RI. (2007). Undang-undang (UU) Nomor 43 Tahun 2007 tentang Perpustakaan.
  25. Rahayu, S. (2017). Mengenal Perpustakaan Perguruan Tinggi Lebih Dekat. Buletin Perpustakaan, 57, 103–110.
  26. Sagala, J. P., & Tarigan, E. D. (2023). Analisis Peramalan Harga Emas Antam Menggunakan ARIMA. Semiotika: Jurnal Ilmu Sastra Dan Linguistik, 2(1), 77–84.
  27. Siregar, B. G. (2016). Optimalisasi Perpustakaan Perguruan Tinggi dalam Menghasilkan Lulusan yang Berkualitas. Jurnal Al-Kuttab, 3, 1–14.
  28. Tafalas, M. G. (2019). Asosiasi Pengeluaran Pemerintah dengan Pembangunan Bidang Kesehatan di Provinsi Jawa Timur. JFRES: Journal of Fiscal and Regional Economy Studies, 2(2), 84–92. https://doi.org/10.36883/jfres.v2i2.35
  29. UNPAD. (2024). Kandaga. In unpad.ac.id.
  30. Wulandari, R. A., & Gernowo, R. (2019). Metode Autoregressive Integrated Moving Average (ARIMA) dan Metode Adaptive Neuro Fuzzy Inference System (ANFIS) dalam Analisis Curah Hujan. Berkala Fisika, 22(1), 41–48.
  31. Wulandari, S., Sufri Sufri, & Sherli Yurinanda. (2021). Implementation of ARIMA Method in Predicting Stock Price Fluctuations of PT Bank Central Asia Tbk. Buana Matematika : Jurnal Ilmiah Matematika Dan Pendidikan Matematika, 11(1), 53–68. https://doi.org/10.36456/buanamatematika.v11i1.3560
  32. Yulinar. (2020). Manajemen, Perencanaan dan Struktur Organisasi di Perpustakaan. Jurnal Imam Bonjol: Kajian Ilmu Informasi Dan Perpustakaan, 4(1), 86–92.
  33. Yuliyanti, R., & Arliani, E. (2022). Peramalan Jumlah Penduduk Menggunakan Model ARIMA. Jurnal Kajian Dan Terapan Matematika, 8(2), 114–128.
  34. Yuni, S., Talakua, M. W., & Lesnussa, Y. A. (2015). Peramalan Jumlah Pengunjung Perpustakaan Universitas Pattimura Ambon Menggunakan Metode Dekomposisi. Barekeng: Jurnal Ilmu Matematika Dan Terapan, 9(1), 41–50. https://doi.org/10.30598/barekengvol9iss1pp41-50
  35. Zulhamidi, & Hardianto, R. (2017). Peramalan Penjualan Teh Hijau dengan Metode Arima (Studi Kasus pada PT. MK). Jurnal PASTI, XI(3), 231–244.