Analisis Jumlah Permintaan Darah Jenis Packed Red Cell Di PMI Surabaya Menggunakan ARIMA, Artificial Neural Network dan Hybrid ARIMA-ANN

Andryansyah, Fahrizal (2017) Analisis Jumlah Permintaan Darah Jenis Packed Red Cell Di PMI Surabaya Menggunakan ARIMA, Artificial Neural Network dan Hybrid ARIMA-ANN. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1315105018-Undergraduate_Theses.pdf - Published Version

Download (11MB) | Preview

Abstract

Pentingnya kebutuhan akan darah membuat PMI menjaga stok persediaan darah yang ada. Data yang dihimpun oleh Unit Transfusi Darah Cabang (UTDC) PMI Surabaya tercatat bahwa untuk stok jenis darah Packed Red Cell (PRC) atau darah merah pekat mencapai 1848 kantong, sementara untuk darah lengkap atau Whole Blood (WB) mencapai 812 kantong dan untuk Trombocyt Concentrad (TC) sebanyak 754 kantong. Mengetahui banyaknya stok persediaan pada PRC, memberikan informasi bahwa permintaan darah jenis PRC lebih tinggi dibandingkan dengan jenis lainnya. Oleh karena itu analisis peramalan pada permintaan darah PRC akan membuat PMI Surabaya dapat mengontrol stok persediaan. Hasil penelitian menunjukkan model terbaik yang digunakan yaitu Model Feed Forward Neural Network (FFNN) untuk setiap Golongan Darah kecuali pada Golongan Darah AB. Sedangkan model terbaik untuk Golongan Darah AB adalah Hybrid ARIMA-ANN. ======================================================================= The importance of blood demand makes Indonesia Red Cross Blood Donation called as PMI keep the stock of blood supply. Data collected by Surabaya Blood Transfusion Unit (UTDC) recorded that for packed red cell (PRC) blood stock reached 1848 bags, while for Whole Blood (WB) have reached 812 bags and for Trombocyt Concentrad (TC) of 754 bags. Knowing the amount of inventory stock in the PRC, providing from information before that we know if the blood demand for PRC is higher than any other type. Therefore, forecasting on PRC blood demand will make Surabaya UTDC PMI able to control inventory stock. The results show that the best model is Feed Forward Neural Network Model (FFNN) for each blood group except group AB. The best model for group AB is Hybrid ARIMA-ANN.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: ARIMA, FFNN, Hybrid ARIMA-ANN, PRC.
Subjects: H Social Sciences > HA Statistics
Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions: Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User: Fahrizal Andryansyah .
Date Deposited: 26 Oct 2017 04:12
Last Modified: 05 Mar 2019 08:30
URI: https://repository.its.ac.id/id/eprint/47878

Actions (login required)

View Item View Item