TINJAUAN PUSTAKA 2.1 Peramalan
3. Diagnostic checking (pemeriksaan model estimasi)
Diagnostik checking dilakukan untuk memeriksa apakah model yang diestimasi cukup sesuai dengan data yang ada. Apabila grafik fungsi autokorelasi menunjukkan tidak ada satu lag yang keluar batas selang kepercayaan maka model sudah memenuhi, maka tahap selanjutnya adalah melakukan peramalan pada periode yang akan datang. Pemilihan model dalam metode ARIMA dapat dilakukan dengan cara mengamati serta menganalisis distribusi koefisien autokorelasi dan koefisien autokorelasi parsial.
1. Koefisien Autokorelasi
Koefisien autokorelasi sama halnya dengan koefisien korelasi, hanya saja koefisien ini menunjukkan keeratan hubungan antara nilai variabel yang sama namun pada periode waktu yang berbeda. Koefisien korelasi merupakan arah dan hubungan antara 2 variabel yang dapat menggambarkan kejadian pada satu variabel jika terjadi perubahan pada variabel lainnya. Koefisien autokorelasi perlu dilakukan pengujian untuk menentukan secara statistik nilai koefisien autokorelasi berbeda secara signifikan dari nol atau tidak, sehingga perlu diakukan perhitungan kesalahan standar dengan rumus sebagai berikut :
SE rk = 1 /√ Dimana :
n = banyaknya data
Koefisien autokorelasi dapat disimpulkan tidak berbeda secara signifikan daripada 0 apabila nilainya berada pada rentang nilai :
− 𝛼
𝑥 SE rk s/d − 𝛼
𝑥 SE rk
Dari rentang nilai tersebut dapat diamati distribusi koefisien autokorelasi, cara mengidentifikasikan pola data koefisien autokorelasi menurut Sugiarto dan Harijono (2000) dengan menggunakan pedoman umum sebagai berikut :
1) Jika nilai koefisien autokorelasi pada time lag 2 periode, 3 periode tidak berbeda signifikan daripada 0 maka data tersebut dapat diketahui bahwa data tersebut adalah data stasioner. Lag adalah jarak atau langkah dari fungsi autokorelasi.
2) Jika nilai koefisien autokorelasi pada time lag 1 secara berurutan berbeda secara signifikan daripada 0, maka data tersebut menunjukkan pola trend atau data tersebut tidak stasioner.
3) Jika nilai koefisien autokorelasi pada beberapa time lag memiliki jarak yang sistematis dan berbeda secara signifikan daripada 0, maka data tersebut merupakan data musiman.
2. Autokorelasi Parsial
Koefisien autokorelasi parsial yaitu mengukur tingkat keeratan hubungan antara Xt dengan Xt-k, sedang kan pengaruh dari time lag 1,2,3… dan seterusnya sampai k-1 dianggap tetap. Dengan demikian koefisien autokorelasi parsial yaitu mengukur derajat hubungan antara nilai yang sekarang dengan nilai yang sebelumnya (untuk time lag tertentu), sedangkan pengaruh nilai variabel time lag yang lain dianggap tetap.
4. Peramalan (Forecasting)
Setelah diperoleh model yang memadai, peramalan pada satu atau lebih periode ke depan dapat dilakukan dengan peramalan runtun waktu untuk masa yang akan datang berdasarkan tingkat geraknya di masa lalu atau data sebelumnya dengan mengamati distribusi koefisien autokorelasi dan koefisien autokorelasi parsial (Eka Ferri Indayani, 2009).
2.9 Alur Penelitian
Gambar 2.2 Tahap Pelaksanaan Kegiatan Proyeksi Jumlah Kunjungan Pemeriksaan Kehamilan K1 dan K4 di Puskesmas Rawat Inap Desa Simpang Empat Kecamatan Simpang Empat Kabupaten Asahan.
Data Jumlah Kunjungan Ibu Hamil yang melakukan pemeriksaan K1 dan K4 Tahun 2012 – 2016 di Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan
Menstasionerkan Data Agar data mempunyai rata-rata dan
varians yang sama
Mengidentifikasi Model Menentukan atau mencari model runtun waktu fungsi autokorelasi
dan fungsi autokorelasi parsial.
Prediksi Jumlah Kunjungan Ibu Hamil yang melakukan pemeriksaan K1 dan K4 Tahun 2017 – 2019 di Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan
3.1 Jenis Penelitian
Jenis Penelitian yang akan dilakukan dengan penelitian deskriptif dengan menggunakan teknik peramalan time series menggunakan model ARIMA yaitu penelitian terhadap variabel dependen dengan menggunakan nilai-nilai masa lampau yang bertujuan untuk mengetahui proyeksi jumlah kunjungan ibu hamil yang melakukan kunjungan pemeriksaan kehamilan K1 dan K4 di Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan.
3.2 Lokasi dan Tempat Penelitian
Penelitian ini dilakukan di Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan dengan objek penelitian data ibu hamil yang melakukan kunjungan pemeriksaan kehamilan K1 dan K4 di Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan Tahun 2012 - 2016.
3.3 Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini pada dasarnya data sekunder. Data sekunder yang berasal dari dokumen atau arsip yang dimiliki oleh pihak pengelola Puskesmas Rawat Inap Kecamatan Simpang Empat seperti buku – buku, laporan atau referensi yang tersedia di instansi terkait mulai bulan Januari 2012 sampai dengan Desember 2016 maupun buku dari luar instansi.
3.4 Populasi dan Sampel
Populasi dan sampel yang diperlukan dalam penelitian ini adalah data ibu hamil yang melakukan kunjungan pemeriksaan kehamilan K1 dan K4 dalam periode bulanan Januari 2012 – Desember 2016. Pada penelitian ini diambil banyaknya data historis selama 5 tahun.
3.5 Defenisi Operasional
1. Data jumlah kunjungan pemeriksaan kehamilan K1 adalah data rekapitulasi ibu hamil yang melakukan pemeriksaan kehamilan pada tahun 2012 – 2016 di Puskesmas Rawat Inap Simpang Empat.
2. Data jumlah kunjungan pemeriksaan kehamilan K4 adalah data rekapitulasi ibu hamil yang melakukan pemeriksaan kehamilan pada tahun 2012 – 2016 di Puskesmas Rawat Inap Simpang Empat.
3. Stasioneritas adalah tidak ada kenaikan atau penurunan data, tidak terdapat perubahan pada trend deret waktu maka dapat disebut stasioner dimana rata-rata deret pengamatan di sepanjang waktu pengamatan selalu konstan.
4. Differencing adalah menghitung perubahan atau selisih nilai data yang diobservasi.
5. Autocerrelation Function (ACF), merupakan korelasi antar deret pengamatan suatu deret waktu yang disusun dalam plot setiap lag.
6. Partial Autocerrelation Function (PACF), merupakan korelasi antar deret pengamatan dalam lag-lag pengamatan yang mengukur keeratan antar pengamatan suatu deret waktu.
3.6 Metode Analisis Data
Setelah data yang dibutuhkan terkumpul, maka langkah selanjutnya adalah melakukan penyelesaian masalah. Hasil analisis penelitian ini dilakukan secara kuantitatif dengan menggunakan teknik atau pendekatan statistik agar kesimpulan yang dapat diperoleh tepat dengan menggunakan software Minitab dengan langkah sebagai berikut :
a. Pemeriksaan kestasioneran data
b. Identifikasi Model dengan Metode Trial and Error.
c. Pemilihan model terbaik dari berbagai model umum.
d. Peramalan dengan menggunakan model terbaik untuk proyeksi jumlah kunjungan ibu hamil dalam melakukan kunjungan pemeriksaan kehamilan K1 dan K4 tahun 2017 – 2019 di Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan.
BAB IV
HASIL PENELITIAN