IMPLEMENTASI MACHINE LEARNING UNTUK PREDIKSI PENGELUARAN KEUANGAN BERDASARKAN POLA EKSTERNAL DAN INTERNAL (SEASONALITY, KEGIATAN RUTIN & INSIDENTIL) STUDI KASUS: FAKULTAS TEKNIK UNIVERSITAS ALMUSLIM

Siti Hajar, Asrianda Asrianda, Muhammad Fikry

Abstract


Perencanaan anggaran yang akurat merupakan faktor penting dalam pengelolaan keuangan perguruan tinggi. Fakultas Teknik Universitas Almuslim menghadapi fluktuasi pengeluaran yang dipengaruhi oleh pola internal dan eksternal, seperti seasonality, kegiatan rutin akademik, serta kegiatan insidentil. Penelitian ini bertujuan untuk mengimplementasikan metode machine learning dalam memprediksi pengeluaran keuangan fakultas berdasarkan pola-pola tersebut. Data historis pengeluaran keuangan pada anggaran tahun 2021 – 2025 digunakan sebagai dataset, yang dikombinasikan dengan variabel waktu dan jenis kegiatan. Tahapan penelitian meliputi preprocessing data, pemodelan, serta evaluasi kinerja model menggunakan metrik kesalahan prediksi. Hasil penelitian menunjukkan bahwa model machine learning mampu menghasilkan prediksi pengeluaran yang lebih akurat dibandingkan metode perencanaan konvensional. Model prediksi ini diharapkan dapat menjadi alat bantu pengambilan keputusan dalam penyusunan anggaran, meningkatkan efisiensi pengelolaan keuangan, serta mendukung penerapan data-driven decision making di lingkungan Fakultas Teknik.


Keywords


Machine Learning; Prediksi Pengeluaran; Pengelolaan Keuangan; Seasonality; Perguruan Tinggi

Full Text:

PDF

References


Breiman, L. (2001). Random forests. Machine Learning, 45(1), 5–32. Springer, New York.

Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press, Cambridge.

Han, J., Kamber, M., & Pei, J. (2012). Data mining: Concepts and techniques. Morgan Kaufmann, San Francisco.

Hastie, T., Tibshirani, R., & Friedman, J. (2017). The elements of statistical learning: Data mining, inference, and prediction. Springer, New York.

Johnstone, D. B. (2018). Financing higher education: Who should pay? Johns Hopkins University Press, Baltimore.

Kusnadi. (2019). Manajemen keuangan perguruan tinggi. Rajawali Pers, Jakarta.

Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2018). Statistical and machine learning forecasting methods: Concerns and ways forward. PLOS ONE, 13(3), e0194889.

Mulyadi. (2016). Sistem akuntansi. Salemba Empat, Jakarta.

Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., … Duchesnay, E. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12, 2825–2830.

Putra, A. R., & Sari, D. P. (2021). Penerapan artificial neural network dalam perencanaan anggaran perguruan tinggi. Jurnal Sistem Informasi dan Manajemen, 5(2), 85–94.

Ramos, P., & Weiss, G. (2020). Machine learning approaches for university budget forecasting. International Journal of Educational Management, 34(6), 1021–1034.

Sugiyono. (2020). Metode penelitian kuantitatif, kualitatif, dan R&D. Alfabeta, Bandung.

Witten, I. H., Frank, E., & Hall, M. A. (2017). Data mining: Practical machine learning tools and techniques. Morgan Kaufmann, Burlington.

Zhang, Y., Zhou, L., & Yang, S. (2019). Public sector expenditure forecasting using machine learning methods. Expert Systems with Applications, 117, 457–467.

Zulfikar, T., & Anwar, S. (2022). Prediksi anggaran berbasis data mining pada institusi pendidikan tinggi. Jurnal Teknologi Informasi dan Sistem Informasi, 8(1), 55–64.




DOI: https://doi.org/10.31932/jutech.v6i2.6008

Article Metrics

Abstract view : 2 times
PDF - 2 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Siti Hajar, Asrianda, Muhammad Fikry

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Creative Commons License
JUTECH: Journal Education and Technology is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.