Peramalan Jumlah Pasien Penderita Penyakit Diabetes Menggunakan Metode ARFIMA (Studi Kasus: Rumah Sakit Umum Daerah Kabupaten Buleleng)

Adi, Made Juli Dharma (2018) Peramalan Jumlah Pasien Penderita Penyakit Diabetes Menggunakan Metode ARFIMA (Studi Kasus: Rumah Sakit Umum Daerah Kabupaten Buleleng). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
5214100016-Undergraduate_Theses.pdf - Published Version
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Diabetes (diabetes melitus) atau yang sering disebut dengan kencing manis adalah penyakit jangka panjang atau kronis yang ditandai dengan kadar gula darah (glukosa) yang jauh di atas normal. Indonesia sendiri termasuk dalam 10 negara terbesar penderita diabetes. Pada tahun 2013, penderita diabetes di Indonesia diperkirakan mencapai sekitar 8,5 juta orang dengan rentang usia 20-79 tahun. Tetapi kurang dari 50% dari mereka yang menyadarinya. Di Bali penderita diabetes juga terus meningkat. Dinas Kesehatan Provinsi Bali menyatakan, diabetes jadi penyebab kematian nomor 3. Dengan penelitian ini akan dilakukan peramalan dengan metode ARFIMA terhadap penyakit Diabetes di Rumah Sakit Umum Daerah Kabupaten Buleleng untuk 1 periode kedepan dengan menggunakan data jumlah pasien tahun 2013-2017. Hosking telah memperkenalkan model ARFIMA (Autoregressive Fractionally Integrated Moving Average) yang dapat mengatasi kelemahan model ARIMA, dimana ARIMA hanya dapat menjelaskan time series jangka pendek, sedangkan ARFIMA dapat menjelaskan baik jangka pendek maupun jangka panjang. Peramalan dengan metode ARFIMA ini mendapatkan hasil yang baik untuk data pasien rawat inap dengan nilai MAPE 20% dan pertambahan jumlah pasien sebesar -7%, model ARFIMA (0, d, 4). Namun hasilnya tidak baik untuk data pasien rawat jalan dengan nilai MAPE 86% dan pertambahan jumlah pasien sebesar -76%, model ARFIMA (0, d, 4). Metode ini tidak cocok untuk data dengan tren yang terlalu signifikan. Dengan mengetahui jumlah pasien penderita penyakit yang akan terjadi, pihak Rumah Sakit dapat menentukan langkah antisipasi dan keputusan yang perlu dilakukan terhadap pasien pada periode berikutnya. ============== Diabetes (diabetes melitus) or often called diabetes is a long-term or chronic disease characterized by blood sugar levels (glucose) is far above normal. Indonesia itself is among the top 10 countries with diabetes. In 2013, diabetics in Indonesia are estimated to reach about 8.5 million people with an age range of 20-79 years. But less than 50% of them are aware of it. In Bali diabetics are also increasing. Bali Provincial Health Office states that, diabetes is the cause of death number 3. With this research will be doing a forecasting using ARFIMA method to forecast the number of patients with Diabetes disease in Buleleng District General Hospital for 1 period ahead by using data of patient number year 2013-2017. Hosking has introduced ARFIMA (Autoregressive Fractionally Integrated Moving Average) models that overcome the weakness of the ARIMA model, where ARIMA can only explain short-term time series, while ARFIMA can explain both short and long term. Forecasting using this ARFIMA method has good results for inpatient data with MAPE value of 20% and an increase in the number of patients by -7%, ARFIMA model (0, d, 4). However, the results were not good for outpatient data with an 86% MAPE score and an increase in the number of patients by -76%, ARFIMA model (0, d, 4). This method is not suitable for data with trends that are too significant. So by knowing the number of patients with disease that will occur, the Hospital can determine the anticipatory steps and decisions that need to be done to patients in the next period.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Peramalan, Diabetes, ARFIMA, forecasting, diabetes, arfima
Subjects: T Technology > T Technology (General)
T Technology > T Technology (General) > T174 Technological forecasting
Divisions: Faculty of Information and Communication Technology > Information Systems > (S1) Undergraduate Theses
Depositing User: Made Juli Dharma Adi
Date Deposited: 05 Sep 2018 07:52
Last Modified: 05 Sep 2018 07:52
URI: http://repository.its.ac.id/id/eprint/52561

Actions (login required)

View Item View Item