Peramalan Jumlah Pasien Poli Umum di Rsud Pantura M.A. Sentot Menggunakan Metode Arima

Tommy Ardianto, Didi Suhaedi, Icih Sukarsih

Abstract


Abstract. Forecasting is a estimated the emergence of an occurrence in the future, based on the past data. The goal in this forecasting is to know the forecast number of outpatient visits to in the poly line M.A. Sentot Public Hospital. It's one of the regional general hospital that provide health services requires the preparation of a program planning. Forecasting the number of visits the patient is very important for the hospital to make planning for important things such as operational funds BPJS and drugs in the future. In this case the author is interested in predicting the number of patients in the poly line M.A Sentot Public Hospital using Autoregressive Integrated Moving Average (ARIMA). The results of the analysis of the data shows that the model of ARIMA (1, 1, 0) is the best model in the forecasting of the number of patients in the poly line M.A Sentot Public Hospital with the equations :

So the forecast for a period of one month subsequent to come by the number of patients of general poly is 280 patiens with the forcasting error using the MAPE's method is 0.004915%.

Keywords: Hospital, Forecasting, Time Series, ARIMA.

Abstrak. Peramalan adalah perkiraan munculnya sebuah kejadian di masa depan, berdasarkan data yang ada di masa lampau. Hasil dari suatu peramalan yang akurat dapat diharapkan mampu memberikan gambaran tentang masa depan suatu program. Rumah Sakit Umum Daerah Pantura M.A Sentot Patrol Kabupaten Indramayu adalah salah satu Rumah Sakit yang memberikan pelayanan kesehatan membutuhkan penyusunan suatu program perencanaan. Peramalan jumlah kunjungan pasien sangat penting dilakukan bagi pihak rumah sakit agar bisa membuat perencanaan untuk hal-hal penting seperti dana operasional BPJS dan obat-obatan di masa yang akan datang. Pada penelitan ini penulis melakukan peramalan untuk jumlah pasien Poli Umum di RSUD Pantura M.A Sentot dengan menggunakan metode Autoregressive Integrated Moving Average (ARIMA). Hasil analisa data menunjukkan bahwa model ARIMA(1,1,0) merupakan model yang terbaik dalam peramalan jumlah pasien poli umum di RSUD Pantura M.A Sentot dengan persamaan sebagai berikut :

 Sehingga ramalan untuk bulan Januari 2019 didapat jumlah pasien poli umum sebesar 280 pasien dengan kesalahan peramalan 0,004915% menggunakan metode MAPE.

Kata Kunci: Rumah Sakit, Peramalan, Time Series, ARIMA.


Keywords


Rumah Sakit, Peramalan, Time Series, ARIMA.

Full Text:

Untitled PDF PDF

References


Amalia Rozana, Lya. â€Analisa Model Runtun Waktu dan Estimasi Parameter Data Produksi Gula PTP. Nusantara IX (Persero) Jatibarang Kab. Brebes Dengan Program Minitabâ€. Tugar Akhir Mahasiswa UNNES. 2007.

Astuti, Yan. “Peramalan (Forecasting) Volume Penjualan Teh Hitam dengan Metode Exponential Smoothing pada PT.Perkebunan Tambi Wonosoboâ€. Tugas Akhir Mahasiswa UNNES. Semarang. 2005..

Delurgio, Stephen A. â€Forecasting Principles and Aplicationsâ€. Kansas. 1998.

Depkes RI. (1994). Pedoman Pencatatan Kegiatan Pelayanan Rumah Sakit Di Indonesia. Jakarta: Depkes RI.

Efendi, Riswan. â€Analisa Runtun Waktuâ€. Jurusan Matematika Fakultas Sains dan Teknologi. UIN Suska Riau Pekanbaru. 2010.

Makridakis, S. W. (1988). Metode dan Aplikasi Peramalan Jilid 1 (Ir. UntungSusArdiyanto, M.Sc. & Ir. Abdul Basith, M.Sc. Terjemahan). Edisi Kedua. Jakarta: Erlangga.

Rumah Sakit Umum Daerah Pantura M.A. Sentot Pantura Kabupaten Indramayu. (2015). Arsip Dokumen Profil Rumah Sakit Umum Daerah Pantura M.A. Sentot Pantura Kabupaten Indramayu : Indramayu.

Santoso,S. (2009). Business Forecasting: Metode Peramalan Bisnis Masa Kinidengan MINITAB dan SPSS. Jakarta: PT. Elex Media Komputindo.

Widarjono Agus (2013). Ekonometrika: Pengantar dan Aplikasinya Disertai Panduan EViews. Edisi Keempat. Yogyakarta: UPP STIM YKPN.

Wijono, Wiloejo Wirjo, dkk. “Estimasi Pertumbuhan Ekonomi 2006 Berdasarkan Data Sektoral Menggunakan Time Series Analysisâ€. Jurnal Keuangan dan Moneter-Departemen Keuangan RI, Edisi Desember 2005.




DOI: http://dx.doi.org/10.29313/.v0i0.15101

Flag Counter    Â