Anityaloka Reksa N, dan Ambarwati Atika N, 2013. Peramalan Saham Jakarta menggunakan Metode ARIMA Bulan Juli 2010. Jurnal Program Studi S1 Statistika Universitas Muhammadiyah Semarang.
Enders, W. 1995. Apllied Econometric Time Series. London: John Willey & Sons.
Gitosudarmo, I dan Najmudin, M. 2000. Teknik Proyeksi Bisnis edisi pertama. Yogyakarta: BPFE-Yogyakarta
Hatidja, D. 2011. Penerapan Model ARIMA Untuk Memprediksi Harga Saham PT. Telkom tbk. Jurnal Program Studi Matematika FMIPA Universitas Sam Ratulangi Manado
Makridakis S, dkk. 1999. Metode dan Aplikasi Peramalan Jilid 1 edisi kedua, terjemahan Erlangga.
Makridakis, S. 1984. The Forecasting Accuracy of Major Time Series Methods. London: John Willey & Sons.
Manurung, A.H. 1999. Teknik Peramalan Bisnis dan Ekonomi. Jakarta: Rineka Cipta
Notoatmodjo, S. 2010. Metodologi Penelitian Kesehatan. Jakarta: Rineka Cipta.
Reksohadiprodjo, S. 2002. Business Forecasting edisi keempat. Yogyakarta: BPFE-Yogyakarta
Republik Indonesia. 2009, Undang-Undang tentang Rumah Sakit, Jakarta: Sekretariat Negara.
Sugiharto dan Harijono. 2000. Peramalan Bisnis. Jakarta: Grramedia Pustaka Utama
Yogyakarta: UPP STIM YKPN
BAB III
METODE PENELITIAN
3.1 Jenis Penelitian
Jenis penelitian ini adalah 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 pasien rawat jalan di Rumah Sakit Santa Elisabeth Medan.
3.2 Lokasi dan Waktu Penelitian
3.2.1 Lokasi Penelitian
Lokasi dalam penelitian ini dilakukan di Rumah Sakit Santa Elisabeth Medan.
3.2.2 Waktu Penelitian
Waktu penelitian ini dilakukan pada bulan April s/d Oktober tahun 2016. 3.3 Metode Pengumpulan Data
Data yang dikumpulkan adalah data sekunder, yaitu data jumlah kunjungan pasien rawat jalan perpoliklinik dari bulan Januari 2011 sampai dengan bulan Desember 2015,dan profil Rumah Sakit Santa Elisabeth Medan.
3.4 Populasi
3.5 Defenisi Operasional
Sesuai dengan kerangka operasional untuk definisi operasional sebagai berikut:
1. Jumlah kunjungan pasien rawat jalan tahun 2011-2015 adalah data jumlah kunjungan pasien rawat jalan di Rumah Sakit Santa Elisabeth Medan tahun 2011 s/d 2015.
2. Proyeksi jumlah kunjungan pasien rawat jalan tahun 2016 s/d 2017 adalah hasil proyeksi jumlah kunjungan pasien rawat jalan di Rumah Sakit Santa Elisabeth Medan tahun 2016 s/d 2017.
3.6 Teknik Pengolahan dan Analisis Data
3.6.1 Teknik Pengolahan Data
Data yang dikumpulkan selanjutnya diolah dengan tahapan sebagai berikut:
1. Editing (Pemeriksaan Data)
Editing dilakukan untuk memeriksa ketepatan dan kelengkapan jumlah kunjungan pasien rawat jalan. Apabila terdapat data yang belum lengkap atau terdapat kesalahan maka data harus dilengkapi kembali.
2. Tabulating (Data Entry)
3.6.2 Analisis Data
Analisa data yang digunakan dalam penelitian ini adalah Analisis time series menggunakan model ARIMA yaitu analisis yang digunakan untuk meramalkan data jumlah kunjungan pasien rawat jalan selama 2 tahun kedepandengan menggunakan Software Eviews dengan langkah sebagai berikut :
a. Pemeriksaan kestasioneran data
b. Identifikasi Model dengan Metode Trial and Error. c. Pemilihan model terbaik dari berbagai model umum.
BAB IV
HASIL PENELITIAN
4.1 Deskripsi Lokasi Penelitian
4.1.1 Gambaran Rumah Sakit Santa Elisabeth Medan
Rumah Sakit Santa Elisabeth Medan merupakan rumah sakit umum kelas B, yang berlokasi di Jl. Haji Misbah No.7, kecamatan Medan Maimun, Kota Medan. Rumah sakit ini merupakan rumah sakit swasta dibawah kepemilikan Yayasan Katholik, yaitu Kongregasi Fransiskanes Santa Elisabeth.
Awal diresmikannya Rumah Sakit Santa Elisabeth Medan pada tanggal 19 November 1930. Rumah Sakit Santa Elisabeth Medan pada awalnya dikelola langsung oleh Moeder Overste yang memiliki wewenang penuh baik mengelola rumah sakit maupun dalam kongregasi (biara). Istilah “direktur” baru dikenal dan
digunakan dalam rumah sakit pada tahun 1950. Kemudian pada tahun 1966, rumah sakit mulai mengalami perubahan besar dalam hal manajemen rumah sakit, yaitu dengan adanya struktur kepemimpinan baru dan pemisahan yang jelas antara pimpinan rumah sakit dan pimpinan kongregasi (biara).
4.1.2 Visi dan Misi
Adapun misi Rumah Sakit Santa Elisabeth Medan untuk mewujudkan visi tersebut, yaitu:
1. Memberikan pelayanan kesehatan yang aman dan berkualitas atas dasar kasih.
2. Meningkatkan sumber daya manusia secara profesional untuk memberikan pelayanan kesehatan yang aman dan berkualitas.
3. Meningkatkan sarana dan prasarana yang memadai dengan tetap memperhatikan masyarakat lemah.
4.1.3 Struktur Organisasi
Struktur organisasi Rumah Sakit Santa Elisabeth Medan, terdiri dari: 1. Direktur Rumah Sakit
2. Wakil direktur, terdiri atas : - Pelayanan Medik - Pelayanan Keperawatan - Pelayanan Keuangan
- Pelayanan umum dan operasional 3. Komite, terdiri atas:
- Medik - Etik
4. Kepanitian, terdiri atas:
- Panitia mutu dan keselamatan pasien - Panitia rekam medik
- Panitia penelitian dan pengembangan - Panitia farmasi terapi
- Panitia pencegahan dan pengendalian infeksi - Panitia transfusi darah
- Panitia keselamatan dan kesehatan kerja
4.1.4 Jenis dan Fasilitas Pelayanan
Adapun jenis pelayanan serta fasilitas penunjang medik yang tersedia di Rumah Sakit Santa Elisabeth Medan adalah sebagai berikut:
1. Instalasi Gawat Darurat (IGD) 2. Rawat Jalan, terdiri atas:
- Poliklinik Umum - Poliklinik Gigi - Poliklinik BKIA
- Poliklinik Penyakit Dalam - Poliklinik Mata
- Poliklinik Bedah
- Poliklinik Medical Check-Up - Poliklinik Saraf
- Poliklinik Kebidanan dan Obgyn - Poliklinik THT
- Poliklinik Kesehatan Jiwa - Poliklinik Paru
- Poliklinik VCT/Konseling
3. Rawat Inap, terbagi atas 3 (tiga) bagian, yaitu: - Iternis dan Bedah
- Intensif - Perinatalogi
4. Fasilitas Penunjang Medik, terdiri atas: - Hemodialisis
4.2 Hasil Penelitian Jumlah Kunjungan Pasien Rawat Jalan Tahun
2011-2015 dan Proyeksinya Tahun 2016-2017
4.2.1 Poliklinik Umum
Dari laporan bulanan Rumah Sakit Santa Elisabeth Medan dari tahun 2011-2015 diperoleh data jumlah kunjungan pasien rawat jalan yaitu:
Tabel 4.1 Data 5 Tahun Terakhir Kunjungan Pasien Rawat Jalan
Tahun Jumlah
2011 5.534
2012 5.729
2013 6.101
2014 5.742
2015 3.598
Total 26.704
1. Uji Stasioner
Berdasarkan analisis yang telah dilakukan terhadap uji kestasioneran data, diperoleh bahwa data jumlah kunjungan pasien rawat jalan poliklinik umum tahun 2011-2015 belum stasioner pada level, diketahui dari nilai probabilitas 0,06 > α = 0,05, sehingga dapat disimpulkan data belum memenuhi syarat stasioneritas. Sehingga dilakukan differencing agar data jumlah kunjungan pasien rawat jalan poliklinik umum tersebut stasioner. Setelah dilakukan differencing tingkatpertama,diperoleh bahwa data jumlah kunjungan pasien rawat jalan poliklinik umum tahun 2011-2015 sudah stasioner, diketahui dari nilai probabilitas 0,0000 < α =0,05,
2. Identifikasi Model
3. Pemilihan Model Terbaik
Setelah dilakukan uji diagnostik untuk kelima model tersebut, ternyata kelima model tersebut lolos untuk uji diagnostik sehingga langkah selanjutnya memilih model terbaik diantara kelima model tersebut.
Ada beberapa kriteria dalam memilih model terbaik : Nilai Akaike Info Criterion (AIC) yang kecil Nilai Schwarz Criterion yang kecil
Sum Squared Residual (SSE) yang kecil
Adjusted R Squared yang besar
Berikut tabel perbandingan kelima model tersebut.
Tabel 4.2 Perbandingan Pemilihan Model terbaik ARIMA
Model AIC SBC SSE Adj. R
Squared ARIMA(1,1,0) 11,45311 11,52415 298553,8 -0,014450 ARIMA(0,1,1) 11,50524 11,57566 320328,1 0,012062 ARIMA(1,1,1) 11,38968 11,49625 270707,4 0,063444 ARIMA(2,1,0) 11,42531 11,49700 285019,1 0,005477 ARIMA(0,1,2) 11,47504 11,54546 310799,6 0,018043 Setelah dilihat hasilnya diperoleh bahwa model terbaik adalah ARIMA (1,1,1) karena memenuhi kriteria pemilihan model terbaik. Dengan nilai ordo p (AR) = 0,729628, dan nilai ordo q (MA) = - 0,966161 dan Konstanta (�′) = -3,033045. Sehingga digunakan model ARIMA (1,1,1) untuk proyeksi jumlah kunjungan pasien rawat jalan poliklinik umum tahun 2016-2017, dengan persamaan :
Tabel 4.3 Proyeksi Kunjungan Pasien Rawat Jalan Poliklinik Umum
Tahun 2016 dan 2017
Tahun 2016
Bulan Proyeksi
Januari 289
Februari 286
Maret 282
April 279
Mei 276
Juni 273
Juli 270
Agustus 267
September 264
Oktober 261
November 258
Desember 255
Jumlah 3.260
Dari tabel diatas, kita peroleh bahwa proyeksi kunjungan pasien rawat jalan tahun 2016 dan 2017 pada poliklinik umum cenderung mengalami penurunan. Dapat kita lihat dari jumlah kunjungan pasien rawat jalan yang mengalami penurunan kunjungan pasien setiap bulannya dari bulan januari 2016 sampai dengan bulan desember 2017.
Tahun 2017
Bulan Proyeksi
Januari 252
Februari 249
Maret 246
April 243
Mei 240
Juni 237
Juli 234
Agustus 231
September 229
Oktober 225
November 222
Desember 219
4.2.2 Poliklinik Gigi
Dari laporan bulanan Rumah Sakit Santa Elisabeth Medan dari tahun 2011-2015 diperoleh data jumlah kunjungan pasien rawat jalan yaitu:
Tabel 4.4 Data 5 Tahun Terakhir Kunjungan Pasien Rawat Jalan
Tahun Jumlah
2011 3.206
2012 3.350
2013 3.307
2014 2.749
2015 2.777
Total 15.389
1. Uji Stasioner
Berdasarkan analisis yang telah dilakukan terhadap uji kestasioneran data, diperoleh bahwa data jumlah kunjungan pasien rawat jalan poliklinik gigi tahun 2011-2015 sudah stasioner pada level, diketahui dari nilai probabilitas 0,007 < α = 0,05, sehingga dapat disimpulkan data sudah memenuhi syarat stasioneritas. Sehingga tidak perlu dilakukan differencing, dan kita dapat melakukan langkah selanjutnya.
2. Identifikasi Model
model-model yang akan digunakan dan model tersebut masing-masing dibandingkan melalui parameter-parameter penentuan model terbaik. Perlu diketahui, bahwa data yang kita gunakan pada penentuan nilai koefisien AR(p) dan MA(q) adalah data yang sudah stasioner. Jadi, setelah dilakukan metode untuk menentukan model terbaik, terpilih beberapa model dari berbagai model umum yang dapat digunakan dalam melakukan proyeksi. model-model yang terpilih dari berbagai model umum untuk penelitian ini, yaitu ARIMA(1,0,0), ARIMA(0,0,1), ARIMA(1,0,1), ARIMA(0,0,2), ARIMA(2,0,0). Model tersebut kemudian kita bandingkan untuk menentukan model terbaik.
3. Pemilihan Model Terbaik
Setelah dilakukan uji diagnostik untuk kelima model tersebut, ternyata kelima model tersebut lolos untuk uji diagnostik sehingga langkah selanjutnya memilih model terbaik diantara kelima model tersebut.
Ada beberapa kriteria dalam memilih model terbaik : Nilai Akaike Info Criterion (AIC) yang kecil Nilai Schwarz Criterion yang kecil
Sum Squared Residual (SSE) yang kecil
Adjusted R Squared yang besar
Tabel 4.5 Perbandingan Pemilihan Model terbaik ARIMA
Model AIC SBC SSE Adj. R
Squared ARIMA(1,0,0) 9,624043 9,694468 48820,54 0,293724 ARIMA(0,0,1) 9,726179 9,75990 55049,02 0,210170 ARIMA(1,0,1) 9,602691 9,708328 46196,36 0,319753 ARIMA(2,0,0) 9,790007 9,861057 56591,11 0,168021 ARIMA(0,0,2) 9,763293 9,833104 57130,50 0,180305 Setelah dilihat hasilnya diperoleh bahwa model terbaik adalah ARIMA (1,0,1) karena memenuhi kriteria pemilihan model terbaik. Dengan nilai ordo p (AR) = 0,837778, dan nilai ordo q (MA) = -0,392931 dan Konstanta (�′) = 248,3089. Sehingga digunakan model ARIMA (1,0,1) untuk proyeksi jumlah kunjungan pasien rawat jalan poliklinik gigi tahun 2016-2017, dengan persamaan :
Tabel 4.6 Proyeksi Kunjungan Pasien Rawat Jalan Poliklinik Gigi Tahun 2016-2017
Tahun 2016
Bulan Proyeksi
Januari 248
Februari 248
Maret 248
April 248
Mei 248
Juni 248
Juli 248
Agustus 248
September 248
Oktober 248
November 248
Desember 248
Jumlah 2.976
Dari tabel diatas, kita peroleh bahwa proyeksi kunjungan pasien rawat jalan tahun 2016 dan 2017 pada poliklinik gigi cenderung tidak mengalami peningkatan ataupun penurunan. Dapat kita lihat dari jumlah kunjungan pasien rawat jalan yang selalu tetap setiap bulannya yaitu berkisar 248 kunjungan pasien dari bulan januari 2016 sampai dengan bulan desember 2017.
Tahun 2017
Bulan Proyeksi
Januari 248
Februari 248
Maret 248
April 248
Mei 248
Juni 248
Juli 248
Agustus 248
September 248
Oktober 248
November 248
Desember 248
4.2.3 Poliklinik BKIA
Dari laporan bulanan Rumah Sakit Santa Elisabeth Medan dari tahun 2011-2015 diperoleh data jumlah kunjungan pasien rawat jalan yaitu:
Tabel 4.7 Data 5 Tahun Terakhir Kunjungan Pasien Rawat Jalan
Tahun Jumlah
2011 2.465
2012 3.284
2013 2.113
2014 1.802
2015 1.514
Total 11.178
1. Uji Stasioner
Berdasarkan analisis yang telah dilakukan terhadap uji kestasioneran data, diperoleh bahwa data jumlah kunjungan pasien rawat jalan poliklinik bkia tahun 2011-2015 sudah stasioner pada level, diketahui dari nilai probabilitas 0,000 < α = 0,05, sehingga dapat disimpulkan data sudah memenuhi syarat stasioneritas. Sehingga tidak perlu dilakukan differencing, dan kita dapat melakukan langkah selanjutnya.
2. Identifikasi Model
ini kita hanya menentukan nilai Koefisien AR(p) dan MA(q) dengan melakukan metode trial and error terhadap model-model yang akan digunakan dan model tersebut masing-masing dibandingkan melalui parameter-parameter penentuan model terbaik. Jadi, setelah dilakukan metode untuk menentukan model terbaik, terpilih beberapa model dari berbagai model umum yang dapat digunakan dalam melakukan proyeksi. model-model yang terpilih dari berbagai model umum untuk penelitian ini, yaitu ARIMA(1,0,0), ARIMA(0,0,1), ARIMA(1,0,1), ARIMA(2,0,0), ARIMA(0,0,2). Model tersebut kemudian kita bandingkan untuk menentukan model terbaik.
3. Pemilihan Model Terbaik
Setelah dilakukan uji diagnostik untuk kelima model tersebut, ternyata kelima model tersebut lolos untuk uji diagnostik sehingga langkah selanjutnya memilih model terbaik diantara kelima model tersebut.
Ada beberapa kriteria dalam memilih model terbaik : Nilai Akaike Info Criterion (AIC) yang kecil Nilai Schwarz Criterion yang kecil
Sum Squared Residual (SSE) yang kecil
Adjusted R Squared yang besar
Tabel 4.8 Perbandingan Pemilihan Model terbaik ARIMA
Model AIC SBC SSE Adj. R
Squared ARIMA(1,0,0) 12,76766 12,83809 1132035. -0,007994 ARIMA(0,0,1) 12,75109 12,82090 1133577. -0,008956 ARIMA(1,0,1) 12,63155 12,73719 955044.1 0,134418 ARIMA(2,0,0) 12,66978 12,74083 1007898. -0,009943 ARIMA(0,0,2) 12,75190 12,82171 1134499. -0,009777 Setelah dilihat hasilnya diperoleh bahwa model terbaik adalah ARIMA (1,0,1) karena memenuhi kriteria pemilihan model terbaik. Dengan nilai ordo p (AR) = 0,968930, dan nilai ordo q (MA) = -0,999965 dan Konstanta (�′) = 66,01824. Sehingga digunakan model ARIMA (1,0,1) untuk proyeksi jumlah kunjungan pasien rawat jalan poliklinik BKIA tahun 2016-2017, dengan persamaan :
Tabel 4.9 Proyeksi Kunjungan Pasien Rawat Jalan Poliklinik BKIA Tahun 2016-2017
Tahun 2016
Bulan Proyeksi
Januari 106
Februari 105
Maret 104
April 102
Mei 101
Juni 100
Juli 99
Agustus 98
September 97
Oktober 96
November 95
Desember 94
Jumlah 1.197
Dari tabel diatas, kita peroleh bahwa proyeksi kunjungan pasien rawat jalan tahun 2016 dan 2017 pada poliklinik BKIA cenderung mengalami penurunan. Dapat kita lihat dari jumlah kunjungan pasien rawat jalan yang selalu menurun dari bulan januari 2016 sampai dengan bulan desember 2017.
Tahun 2017
Bulan Proyeksi
Januari 93
Februari 93
Maret 92
April 91
Mei 90
Juni 89
Juli 89
Agustus 88
September 87
Oktober 87
November 86
Desember 85
4.2.4 Poliklinik Penyakit Dalam
Dari laporan bulanan Rumah Sakit Santa Elisabeth Medan dari tahun 2011-2015 diperoleh data jumlah kunjungan pasien rawat jalan yaitu:
Tabel 4.10 Data 5 Tahun Terakhir Kunjungan Pasien Rawat Jalan
Tahun Jumlah
2011 3.360
2012 4.201
2013 5.407
2014 5.407
2015 9.632
Total 28.007
1. Uji Stasioner
Berdasarkan analisis yang telah dilakukan terhadap uji kestasioneran data, diperoleh bahwa data jumlah kunjungan pasien rawat jalan poliklinik penyakit dalam tahun 2011-2015 sudah stasioner pada level, diketahui dari nilai probabilitas 0,0387 < α = 0,05, sehingga dapat disimpulkan data sudah memenuhi syarat stasioneritas. Sehingga tidak perlu dilakukan differencing, dan kita dapat melakukan langkah selanjutnya.
2. Identifikasi Model
ini kita hanya menentukan nilai Koefisien AR(p) dan MA(q) dengan melakukan metode trial and error terhadap model-model yang akan digunakan dan model tersebut masing-masing dibandingkan melalui parameter-parameter penentuan model terbaik. Jadi, setelah dilakukan metode untuk menentukan model terbaik, terpilih beberapa model dari berbagai model umum yang dapat digunakan dalam melakukan proyeksi. model-model yang terpilih dari berbagai model umum untuk penelitian ini, yaitu ARIMA(1,0,0), ARIMA(0,0,1), ARIMA(1,0,1), ARIMA(2,0,0), ARIMA(0,0,2). Model tersebut kemudian kita bandingkan untuk menentukan model terbaik.
3. Pemilihan Model Terbaik
Setelah dilakukan uji diagnostik untuk kelima model tersebut, ternyata kelima model tersebut lolos untuk uji diagnostik sehingga langkah selanjutnya memilih model terbaik diantara kelima model tersebut.
Ada beberapa kriteria dalam memilih model terbaik : Nilai Akaike Info Criterion (AIC) yang kecil Nilai Schwarz Criterion yang kecil
Sum Squared Residual (SSE) yang kecil
Adjusted R Squared yang besar
Tabel 4.11 Perbandingan Pemilihan Model terbaik ARIMA
Model AIC SBC SSE Adj. R
Squared ARIMA(1,0,0) 12,72677 12,79719 1086674. 0,547292 ARIMA(0,0,1) 13,17263 13,24244 1727923. 0,340216 ARIMA(1,0,1) 12,56270 12,66834 891504,9 0,621967 ARIMA(2,0,0) 12,90349 12,97454 1273265. 0,434736 ARIMA(0,0,2) 13,36251 13,43232 2089239. 0,202252 Setelah dilihat hasilnya diperoleh bahwa model terbaik adalah ARIMA (1,0,1) karena memenuhi kriteria pemilihan model terbaik. Dengan nilai ordo p (AR) = 0,999258, dan nilai ordo q (MA) = -0,729879 dan Konstanta (�′) = 16887,41. Sehingga model yang digunakan model ARIMA (1,0,1) untuk proyeksi jumlah kunjungan pasien rawat jalan poliklinik penyakit dalam tahun 2016-2017, dengan persamaan :
Tabel 4.12 Proyeksi Kunjungan Pasien Rawat Jalan Poliklinik Penyakit Dalam Tahun 2016-2017
Tahun 2016
Bulan Proyeksi
Januari 836
Februari 848
Maret 860
April 872
Mei 884
Juni 895
Juli 907
Agustus 919
September 931
Oktober 943
November 955
Desember 967
Jumlah 10.817
Dari tabel diatas, kita peroleh bahwa proyeksi kunjungan pasien rawat jalan tahun 2016 dan 2017 pada poliklinik penyakit dalam cenderung mengalami peningkatan. Dapat kita lihat dari jumlah kunjungan pasien rawat jalan yang selalu meningkat dari bulan januari 2016 sampai dengan bulan desember 2017.
Tahun 2017
Bulan Proyeksi
Januari 978
Februari 990
Maret 1.002
April 1.014
Mei 1.026
Juni 1.037
Juli 1.049
4.2.5 Poliklinik Mata
Dari laporan bulanan Rumah Sakit Santa Elisabeth Medan dari tahun 2011-2015 diperoleh data jumlah kunjungan pasien rawat jalan yaitu:
Tabel 4.13 Data 5 Tahun Terakhir Kunjungan Pasien Rawat Jalan
Tahun Jumlah
2011 484
2012 472
2013 372
2014 416
2015 237
Total 1.981
1. Uji Stasioner
Berdasarkan analisis yang telah dilakukan terhadap uji kestasioneran data, diperoleh bahwa data jumlah kunjungan pasien rawat jalan poliklinik mata tahun 2011-2015 belum stasioner pada level, diketahui dari nilai probabilitas 0,2324> α = 0,05, sehingga dapat disimpulkan data belum memenuhi syarat stasioneritas. Sehingga dilakukan differencing agar data jumlah kunjungan pasien rawat jalan poliklinik gigi tersebut stasioner. Setelah dilakukan differencing tingkatpertama,diperoleh bahwa data jumlah kunjungan pasien rawat jalan poliklinik mata tahun 2011-2015 sudah stasioner, diketahui dari nilai probabilitas 0,0000 < α =0,05,
2. Identifikasi Model
3. Pemilihan Model Terbaik
Setelah dilakukan uji diagnostik untuk keempat model tersebut, ternyata keempat model tersebut lolos untuk uji diagnostik sehingga langkah selanjutnya memilih model terbaik diantara keempat model tersebut. Ada beberapa kriteria dalam memilih model terbaik :
Nilai Akaike Info Criterion (AIC) yang kecil Nilai Schwarz Criterion yang kecil
Sum Squared Residual (SSE) yang kecil
Adjusted R Squared yang besar
Maka, untuk menentukan model terbaik ialah dengan membandingkan kriteria diatas. Berikut tabel perbandingan keempat model tersebut.
Tabel 4.14 Perbandingan Pemilihan Model terbaik ARIMA
Model AIC SBC SSE Adj. R
Squared ARIMA(1,1,1) 7,171699 7,278274 3987,089 0,492509 ARIMA(1,1,2) 7,171699 7,278274 3987,089 0,492509 ARIMA(2,1,1) 7,121233 7,228762 3718,753 0,510457 ARIMA(2,1,2) 7,390792 7,498321 4869,290 0,358998 Setelah dilihat hasilnya diperoleh bahwa model terbaik adalah ARIMA (2,1,1) karena memenuhi kriteria pemilihan model terbaik. Dengan nilai ordo p (AR) = 0,402012, dan nilai ordo q (MA) = -0,969813 dan Konstanta (�′) = -0,385757. Sehingga digunakan model ARIMA (2,1,1) untuk proyeksi jumlah kunjungan pasien poliklinik mata tahun 2016-2017, dengan persamaan :
Tabel 4.15 Proyeksi Kunjungan Pasien Rawat Jalan Poliklinik Mata Tahun 2016-2017
Tahun 2016
Bulan Proyeksi
Januari 23
Februari 23
Maret 22
April 22
Mei 21
Juni 21
Juli 21
Agustus 20
September 20
Oktober 19
November 19
Desember 19
Jumlah 250
Dari tabel diatas, kita peroleh bahwa proyeksi kunjungan pasien rawat jalan tahun 2016 dan 2017 pada poliklinik mata cenderung mengalami penurunan. Dapat kita lihat dari jumlah kunjungan pasien rawat jalan yang selalu menurun dari bulan januari 2016 sampai dengan bulan desember 2017.
Tahun 2017
Bulan Proyeksi
Januari 18
Februari 18
Maret 18
April 17
Mei 17
Juni 16
Juli 16
Agustus 16
September 15
Oktober 15
November 14
Desember 14
4.2.6 Poliklinik Bedah
Dari laporan bulanan Rumah Sakit Santa Elisabeth Medan dari tahun 2011-2015 diperoleh data jumlah kunjungan pasien rawat jalan yaitu:
Tabel 4.16 Data 5 Tahun Terakhir Kunjungan Pasien Rawat Jalan
Tahun Jumlah
2011 1.102
2012 1.130
2013 1.105
2014 1.264
2015 6.480
Total 11.081
1. Uji Stasioner
Berdasarkan analisis yang telah dilakukan terhadap uji kestasioneran data, diperoleh bahwa data jumlah kunjungan pasien poliklinik bedah tahun 2011-2015 belum stasioner pada level, diketahui dari nilai probabilitas 0,6402 > α = 0,05, sehingga dapat disimpulkan data belum memenuhi syarat stasioneritas. Sehingga dilakukan differencing agar data jumlah kunjungan pasien poliklinik bedah tersebut stasioner. Setelah dilakukan differencing tingkatpertama,diperoleh bahwa data jumlah kunjungan
pasien poliklinik bedah tahun 2011-2015 sudah stasioner, diketahui dari nilai probabilitas 0,0000 < α =0,05, sehingga dapat disimpulkan bahwa
data telah stasioner. Sehingga kita dapat melakukan langkah selanjutnya. 2. Identifikasi Model
Integrated (d) ditentukan dari tingkat stasioneritasnya dengan melakukan differencing yang artinya menghitung perubahan atau selisih nilai
observasi. Pada tahap ini, kita telah mengetahui bahwa data yang kita punya telah melakukan differencing pada tingkat pertama (d = 1), sehingga pada tahap ini kita hanya menentukan nilai Koefisien AR(p) dan MA(q) dengan melakukan metode trial and error terhadap model-model yang akan digunakan dan model tersebut masing-masing dibandingkan melalui parameter-parameter penentuan model terbaik. Perlu diketahui, bahwa data yang kita gunakan pada penentuan nilai koefisien AR(p) dan MA(q) adalah data yang sudah stasioner atau dengan kata lain, data yang telah mengalami differencing tingkat pertama (d=1). Jadi, setelah dilakukan metode untuk menentukan model terbaik, terpilih beberapa model dari berbagai model umum yang dapat digunakan dalam melakukan proyeksi. model-model yang terpilih dari berbagai model umum untuk penelitian ini, yaitu ARIMA(1,1,1), ARIMA(2,1,1), ARIMA(1,1,2), ARIMA(2,1,2). Model tersebut kemudian kita bandingkan untuk menentukan model terbaik.
3. Pemilihan Model Terbaik
Ada beberapa kriteria dalam memilih model terbaik : Nilai Akaike Info Criterion (AIC) yang kecil Nilai Schwarz Criterion yang kecil
Sum Squared Residual (SSE) yang kecil
Adjusted R Squared yang besar
[image:32.595.145.509.337.424.2]Maka, untuk menentukan model terbaik ialah dengan membandingkan kriteria diatas. Berikut tabel perbandingan keempat model tersebut.
Tabel 4.17 Perbandingan Pemilihan Model terbaik ARIMA
Model AIC SBC SSE Adj. R
Squared ARIMA(1,1,1) 11,67007 11,77665 358322,5 0,66192 ARIMA(2,1,1) 11,68765 11,79518 357740,7 0,066897 ARIMA(1,1,2) 11,66153 11,76811 355276,5 0,074129 ARIMA(2,1,2) 11,76983 11,87736 388381,6 -0,013029 Setelah dilihat hasilnya diperoleh bahwa model terbaik adalah ARIMA (1,1,2) karena memenuhi kriteria pemilihan model terbaik. Dengan nilai ordo p (AR) = -0,294799, dan nilai ordo q (MA) = -0,223220 dan Konstanta (�′) = 8,741200. Sehingga digunakan model ARIMA (1,1,2) untuk proyeksi jumlah kunjungan pasien poliklinik bedah tahun 2016-2017, dengan persamaan :
Tabel 4.18 Proyeksi Kunjungan Pasien Rawat Jalan Poliklinik Bedah Tahun 2016-2017
Tahun 2016
Bulan Proyeksi
Januari 599
Februari 608
Maret 617
April 626
Mei 634
Juni 643
Juli 652
Agustus 661
September 670
Oktober 678
November 687
Desember 696
Jumlah 7.771
Dari tabel diatas, kita peroleh bahwa proyeksi kunjungan pasien rawat jalan tahun 2016 dan 2017 pada poliklinik bedah cenderung mengalami peningkatan. Dapat kita lihat dari jumlah kunjungan pasien rawat jalan yang selalu meningkat dari bulan januari 2016 sampai dengan bulan desember 2017.
Tahun 2017
Bulan Proyeksi
Januari 704
Februari 713
Maret 722
April 731
Mei 740
Juni 748
Juli 757
Agustus 766
September 774
Oktober 783
November 792
Desember 800
4.2.7 Poliklinik Medical Check-Up
[image:34.595.128.342.221.321.2]Dari laporan bulanan Rumah Sakit Santa Elisabeth Medan dari tahun 2011-2015 diperoleh data jumlah kunjungan pasien rawat jalan yaitu:
Tabel 4.19 Data 5 Tahun Terakhir Kunjungan Pasien Rawat Jalan
Tahun Jumlah
2011 434
2012 433
2013 378
2014 455
2015 321
Total 2.021
1. Uji Stasioner
Berdasarkan analisis yang telah dilakukan terhadap uji kestasioneran data, diperoleh bahwa data jumlah kunjungan pasien rawat jalan poliklinik medical check-up tahun 2011-2015 sudah stasioner pada level, diketahui dari nilai probabilitas 0,000 < α = 0,05, sehingga dapat disimpulkan data sudah memenuhi syarat stasioneritas. Sehingga tidak perlu dilakukan differencing, dan kita dapat melakukan langkah selanjutnya.
2. Identifikasi Model
ini kita hanya menentukan nilai Koefisien AR(p) dan MA(q) dengan melakukan metode trial and error terhadap model-model yang akan digunakan dan model tersebut masing-masing dibandingkan melalui parameter-parameter penentuan model terbaik. Jadi, setelah dilakukan metode untuk menentukan model terbaik, terpilih beberapa model dari berbagai model umum yang dapat digunakan dalam melakukan proyeksi. model-model yang terpilih dari berbagai model umum untuk penelitian ini, yaitu ARIMA(1,0,0), ARIMA(0,0,1), ARIMA(1,0,1), ARIMA(2,0,0), ARIMA(0,0,2). Model tersebut kemudian kita bandingkan untuk menentukan model terbaik. Setelah dilakukan uji diagnostik untuk kelima model tersebut, ternyata kelima model tersebut lolos untuk uji diagnostik sehingga langkah selanjutnya memilih model terbaik diantara kelima model tersebut.
Ada beberapa kriteria dalam memilih model terbaik : Nilai Akaike Info Criterion (AIC) yang kecil Nilai Schwarz Criterion yang kecil
Sum Squared Residual (SSE) yang kecil
Adjusted R Squared yang besar
Tabel 4.20 Perbandingan Pemilihan Model terbaik ARIMA
Model AIC SBC SSE Adj. R
Squared ARIMA(1,0,0) 8,948594 9,019019 24846,14 0,032842 ARIMA(0,0,1) 8,899117 8,968928 24074,72 0,065096 ARIMA(1,0,1) 8,919516 9,025153 23329,67 0,075655 ARIMA(2,0,0) 8,978493 9,049543 25136,93 -0,002304 ARIMA(0,0,2) 8,O969265 9,039076 25824,15 -0,002841 Setelah dilihat hasilnya diperoleh bahwa model terbaik adalah ARIMA (0,0,1) karena memenuhi kriteria pemilihan model terbaik. Dengan nilai ordo q (MA) = -0,379742 dan Konstanta (�′) = 33,90239. Sehingga digunakan model ARIMA (0,0,1) untuk proyeksi jumlah kunjungan pasien rawat jalan poliklinik medical check-up tahun 2016-2017, dengan persamaan :
Tabel 4.21 Proyeksi Kunjungan Pasien Rawat Jalan Poliklinik Medical Check-Up Tahun 2016-2017
Tahun 2016
Bulan Proyeksi
Januari 34
Februari 34
Maret 34
April 34
Mei 34
Juni 34
Juli 34
Agustus 34
September 34
Oktober 34
November 34
Desember 34
Jumlah 408
Dari tabel diatas, kita peroleh bahwa proyeksi kunjungan pasien rawat jalan tahun 2016 dan 2017 pada poliklinik medical check-up cenderung tidak mengalami peningkatan ataupun penurunan. Dapat kita lihat dari jumlah kunjungan pasien rawat jalan yang selalu tetap setiap bulannya yaitu berkisar 34 kunjungan pasien dari bulan januari 2016 sampai dengan bulan desember 2017.
Tahun 2017
Bulan Proyeksi
Januari 34
Februari 34
Maret 34
April 34
Mei 34
Juni 34
Juli 34
Agustus 34
September 34
Oktober 34
November 34
Desember 34
[image:37.595.146.463.166.409.2]4.2.8 Poliklinik Praktek
[image:38.595.129.343.222.320.2]Dari laporan bulanan Rumah Sakit Santa Elisabeth Medan dari tahun 2011-2015 diperoleh data jumlah kunjungan pasien rawat jalan yaitu:
Tabel 4.22 Data 5 Tahun Terakhir Kunjungan Pasien Rawat Jalan
Tahun Jumlah
2011 34.066
2012 33.291
2013 33.700
2014 30.515
2015 19.020
Total 150.592
1. Uji Stasioner
Berdasarkan analisis yang telah dilakukan terhadap uji kestasioneran data, diperoleh bahwa data jumlah kunjungan pasien poliklinik bedah tahun 2011-2015 belum stasioner pada level, diketahui dari nilai probabilitas 0,3077 > α = 0,05, sehingga dapat disimpulkan data belum memenuhi syarat stasioneritas. Sehingga dilakukan differencing agar data jumlah kunjungan pasien poliklinik bedah tersebut stasioner. Setelah dilakukan differencing tingkatpertama,diperoleh bahwa data jumlah kunjungan
pasien poliklinik bedah tahun 2011-2015 sudah stasioner, diketahui dari nilai probabilitas 0,0000 < α =0,05, sehingga dapat disimpulkan bahwa
data telah stasioner. Sehingga kita dapat melakukan langkah selanjutnya. 2. Identifikasi Model
Integrated (d) ditentukan dari tingkat stasioneritasnya dengan melakukan differencing yang artinya menghitung perubahan atau selisih nilai
observasi. Pada tahap ini, kita telah mengetahui bahwa data yang kita punya telah melakukan differencing pada tingkat pertama (d = 1), sehingga pada tahap ini kita hanya menentukan nilai Koefisien AR(p) dan MA(q) dengan melakukan metode trial and error terhadap model-model yang akan digunakan dan model tersebut masing-masing dibandingkan melalui parameter-parameter penentuan model terbaik. Perlu diketahui, bahwa data yang kita gunakan pada penentuan nilai koefisien AR(p) dan MA(q) adalah data yang sudah stasioner atau dengan kata lain, data yang telah mengalami differencing tingkat pertama (d=1). Jadi, setelah dilakukan metode untuk menentukan model terbaik, terpilih beberapa model dari berbagai model umum yang dapat digunakan dalam melakukan proyeksi. model-model yang terpilih dari berbagai model umum untuk penelitian ini, yaitu ARIMA(1,1,1), ARIMA(2,1,1), ARIMA(1,1,2), ARIMA(2,1,2). Model tersebut kemudian kita bandingkan untuk menentukan model terbaik.
3. Pemilihan Model Terbaik
Ada beberapa kriteria dalam memilih model terbaik : Nilai Akaike Info Criterion (AIC) yang kecil Nilai Schwarz Criterion yang kecil
Sum Squared Residual (SSE) yang kecil
Adjusted R Squared yang besar
[image:40.595.145.511.338.424.2]Maka, untuk menentukan model terbaik ialah dengan membandingkan kriteria diatas. Berikut tabel perbandingan keempat model tersebut.
Tabel 4.23 Perbandingan Pemilihan Model terbaik ARIMA
Model AIC SBC SSE Adj. R
Squared ARIMA(1,1,1) 14,02355 14,13013 3770322. 0,123747 ARIMA(1,1,2) 13,99664 14,10321 3670202. 0,147016 ARIMA(2,1,1) 14,02291 14,13043 3696202. 0,103279 ARIMA(2,1,2) 13,93427 14,04180 3382698. 0,179337 Setelah dilihat hasilnya diperoleh bahwa model terbaik adalah ARIMA (2,1,2) karena memenuhi kriteria pemilihan model terbaik. Dengan nilai ordo p (AR) = 0,791382, nilai ordo q (MA) = -0,955452 dan Konstanta (�′) = -29,50411. Sehingga digunakan model ARIMA (2,1,2) untuk proyeksi jumlah kunjungan pasien poliklinik praktek tahun 2016-2017, dengan persamaan :
Tabel 4.24 Proyeksi Kunjungan Pasien Rawat Jalan Poliklinik Praktek Tahun 2016-2017
Tahun 2016
Bulan Proyeksi Januari 1.447 Februari 1.417
Maret 1.388
April 1.358
Mei 1.329
Juni 1.299
Juli 1.270
Agustus 1.240 September 1.211 Oktober 1.181 November 1.152 Desember 1.122 Jumlah 15.414
Dari tabel diatas, kita peroleh bahwa proyeksi kunjungan pasien rawat jalan tahun 2016 dan 2017 pada poliklinik praktek cenderung mengalami penurunan. Dapat kita lihat dari jumlah kunjungan pasien rawat jalan yang selalu menurun dari bulan januari 2016 sampai dengan bulan desember 2017.
Tahun 2017
Bulan Proyeksi Januari 1.093 Februari 1.063
Maret 1.034
April 1.004
Mei 975
Juni 945
Juli 916
Agustus 886
September 857
Oktober 827
November 798
Desember 768
[image:41.595.144.457.167.411.2]4.2.9 Poliklinik Fisioterapi
[image:42.595.129.347.221.320.2]Dari laporan bulanan Rumah Sakit Santa Elisabeth Medan dari tahun 2011-2015 diperoleh data jumlah kunjungan pasien rawat jalan yaitu:
Tabel 4.25 Data 5 Tahun Terakhir Kunjungan Pasien Rawat Jalan
Tahun Jumlah
2011 4.485
2012 5.321
2013 6.069
2014 7.091
2015 5.817
Total 28.783
1. Uji Stasioner
Berdasarkan analisis yang telah dilakukan terhadap uji kestasioneran data, diperoleh bahwa data jumlah kunjungan pasien rawat jalan poliklinik fisioterapi tahun 2011-2015 sudah stasioner pada level, diketahui dari nilai probabilitas 0,0221< α = 0,05, sehingga dapat disimpulkan data sudah memenuhi syarat stasioneritas. Sehingga tidak perlu dilakukan differencing, dan kita dapat melakukan langkah selanjutnya.
2. Identifikasi Model
ini kita hanya menentukan nilai Koefisien AR(p) dan MA(q) dengan melakukan metode trial and error terhadap model-model yang akan digunakan dan model tersebut masing-masing dibandingkan melalui parameter-parameter penentuan model terbaik. Jadi, setelah dilakukan metode untuk menentukan model terbaik, terpilih beberapa model dari berbagai model umum yang dapat digunakan dalam melakukan proyeksi. model-model yang terpilih dari berbagai model umum untuk penelitian ini, yaitu ARIMA(1,0,0), ARIMA(0,0,1), ARIMA(1,0,1), ARIMA(2,0,0), ARIMA(0,0,2). Model tersebut kemudian kita bandingkan untuk menentukan model terbaik.
3. Pemilihan Model Terbaik
Setelah dilakukan uji diagnostik untuk kelima model tersebut, ternyata kelima model tersebut lolos untuk uji diagnostik sehingga langkah selanjutnya memilih model terbaik diantara kelima model tersebut.
Ada beberapa kriteria dalam memilih model terbaik : Nilai Akaike Info Criterion (AIC) yang kecil Nilai Schwarz Criterion yang kecil
Sum Squared Residual (SSE) yang kecil
Adjusted R Squared yang besar
Tabel 4.26 Perbandingan Pemilihan Model terbaik ARIMA
Model AIC SBC SSE Adj. R
Squared ARIMA(1,0,0) 11,98484 12,05526 517467,9 0,255712 ARIMA(0,0,1) 12,04323 12,11304 55809,8 0,227429 ARIMA(1,0,1) 12,01805 12,12369 517112,5 0,241924 ARIMA(2,0,0) 12,12852 12,19957 586612,4 0,127122 ARIMA(0,0,2) 12,15824 12,22806 626588,1 0,133329 Setelah dilihat hasilnya diperoleh bahwa model terbaik adalah ARIMA (1,0,0) karena memenuhi kriteria pemilihan model terbaik. Dengan nilai ordo p (AR) = 0,584277, dan Konstanta (�′) = 476,5257. Sehingga digunakan model ARIMA (1,0,0) untuk proyeksi jumlah kunjungan pasien rawat jalan poliklinik fisioterapi tahun 2016-2017, dengan persamaan :
Tabel 4.27 Proyeksi Kunjungan Pasien Rawat Jalan Poliklinik Fisioterapi Tahun 2016-2017
Tahun 2016
Bulan Proyeksi
Januari 447
Februari 447
Maret 447
April 447
Mei 447
Juni 447
Juli 447
Agustus 447
September 447
Oktober 447
November 447
Desember 447
Jumlah 5.724
Dari tabel diatas, kita peroleh bahwa proyeksi kunjungan pasien rawat jalan tahun 2016 dan 2017 pada poliklinik fisioterapi cenderung tidak mengalami penurunan dan peningkatan. Dapat kita lihat dari jumlah kunjungan pasien rawat jalan yang selalu tetap berkisar 477 kunjungan pasien dari bulan januari 2016 sampai dengan bulan desember 2017.
Tahun 2017
Bulan Proyeksi
Januari 447
Februari 447
Maret 447
April 447
Mei 447
Juni 447
Juli 447
Agustus 447
September 447
Oktober 447
November 447
Desember 447
[image:45.595.146.463.166.409.2]4.2.10 Poliklinik Endoscopy
[image:46.595.132.348.221.320.2]Dari laporan bulanan Rumah Sakit Santa Elisabeth Medan dari tahun 2011-2015 diperoleh data jumlah kunjungan pasien rawat jalan yaitu:
Tabel 4.28 Data 5 Tahun Terakhir Kunjungan Pasien Rawat Jalan
Tahun Jumlah
2011 539
2012 490
2013 628
2014 1.355
2015 649
Total 3.661
1. Uji Stasioner
Berdasarkan analisis yang telah dilakukan terhadap uji kestasioneran data, diperoleh bahwa data jumlah kunjungan pasien rawat jalan poliklinik endoscopy tahun 2011-2015 sudah stasioner pada level, diketahui dari nilai probabilitas 0,0336 < α = 0,05, sehingga dapat disimpulkan data sudah memenuhi syarat stasioneritas. Sehingga tidak perlu dilakukan differencing, dan kita dapat melakukan langkah selanjutnya.
2. Identifikasi Model
ini kita hanya menentukan nilai Koefisien AR(p) dan MA(q) dengan melakukan metode trial and error terhadap model-model yang akan digunakan dan model tersebut masing-masing dibandingkan melalui parameter-parameter penentuan model terbaik. Jadi, setelah dilakukan metode untuk menentukan model terbaik, terpilih beberapa model dari berbagai model umum yang dapat digunakan dalam melakukan proyeksi. model-model yang terpilih dari berbagai model umum untuk penelitian ini, yaitu ARIMA(1,0,0), ARIMA(0,0,1), ARIMA(1,0,1), ARIMA(2,0,0), ARIMA(0,0,2). Model tersebut kemudian kita bandingkan untuk menentukan model terbaik.
3. Pemilihan Model Terbaik
Setelah dilakukan uji diagnostik untuk kelima model tersebut, ternyata kelima model tersebut lolos untuk uji diagnostik sehingga langkah selanjutnya memilih model terbaik diantara kelima model tersebut.
Ada beberapa kriteria dalam memilih model terbaik : Nilai Akaike Info Criterion (AIC) yang kecil Nilai Schwarz Criterion yang kecil
Sum Squared Residual (SSE) yang kecil
Adjusted R Squared yang besar
Tabel 4.29 Perbandingan Pemilihan Model terbaik ARIMA
Model AIC SBC SSE Adj. R
Squared ARIMA(1,0,0) 9,370199 9,440624 37875,60 0,502284 ARIMA(2,0,0) 9,653640 9,724689 49377,01 0,349724 ARIMA(0,0,1) 9,647315 9,717126 50874,41 0,331746 ARIMA(0,0,2) 9,753098 9,822910 56551,04 0,257182 ARIMA(1,0,1) 9,371395 9,477032 36657,02 0,509696
Setelah dilihat hasilnya diperoleh bahwa ada 2 kemungkinan model terbaik yaitu ARIMA (1,0,0) dan ARIMA (1,0,1) karena memenuhi kriteria pemilihan model terbaik. Diantara kedua kemungkinan tersebut, kita bandingkan residual kedua model terpilih tersebut apakah sudah bersifat random. Setelah kita melakukan uji tersebut,maka diperoleh bahwa model ARIMA(1,0,1) merupakan model terbaik karena residual telah bersifat random.Dengan nilai ordo p (AR) = 0,831127, nilai ordo q (MA) = -0,584277 dan Konstanta (�′) = 60,71048. Sehingga digunakan model ARIMA (1,0,1) untuk proyeksi jumlah kunjungan pasien rawat jalan poliklinik endoscopy tahun 2016-2017, dengan persamaan :
Tabel 4.30 Proyeksi Kunjungan Pasien Rawat Jalan Poliklinik Endoscopy Tahun 2016-2017
Tahun 2016
Bulan Proyeksi
Januari 61
Februari 61
Maret 61
April 61
Mei 61
Juni 61
Juli 61
Agustus 61
September 61
Oktober 61
November 61
Desember 61
Jumlah 732
Dari tabel diatas, kita peroleh bahwa proyeksi kunjungan pasien rawat jalan tahun 2016 dan 2017 pada poliklinik endoscopy cenderung tidak mengalami penurunan dan peningkatan. Dapat kita lihat dari jumlah kunjungan pasien rawat jalan yang selalu tetap berkisar 61 kunjungan pasien dari bulan januari 2016 sampai dengan bulan desember 2017.
Tahun 2017
Bulan Proyeksi
Januari 61
Februari 61
Maret 61
April 61
Mei 61
Juni 61
Juli 61
Agustus 61
September 61
Oktober 61
November 61
Desember 61
[image:49.595.145.462.167.409.2]4.2.11 Poliklinik Radiologi
[image:50.595.131.350.221.320.2]Dari laporan bulanan Rumah Sakit Santa Elisabeth Medan dari tahun 2011-2015 diperoleh data jumlah kunjungan pasien rawat jalan yaitu:
Tabel 4.31 Data 5 Tahun Terakhir Kunjungan Pasien Rawat Jalan
Tahun Jumlah
2011 5.886
2012 6.167
2013 5.637
2014 10.543
2015 6.482
Total 34.715
1. Uji Stasioner
Berdasarkan analisis yang telah dilakukan terhadap uji kestasioneran data, diperoleh bahwa data jumlah kunjungan pasien rawat jalan poliklinik radiologi tahun 2011-2015 sudah stasioner pada level, diketahui dari nilai probabilitas 0,0356 < α = 0,05, sehingga dapat disimpulkan data sudah
memenuhi syarat stasioneritas. Sehingga tidak perlu dilakukan differencing, dan kita dapat melakukan langkah selanjutnya.
2. Identifikasi Model
ini kita hanya menentukan nilai Koefisien AR(p) dan MA(q) dengan melakukan metode trial and error terhadap model-model yang akan digunakan dan model tersebut masing-masing dibandingkan melalui parameter-parameter penentuan model terbaik. Jadi, setelah dilakukan metode untuk menentukan model terbaik, terpilih beberapa model dari berbagai model umum yang dapat digunakan dalam melakukan proyeksi. model-model yang terpilih dari berbagai model umum untuk penelitian ini, yaitu ARIMA(1,0,0), ARIMA(0,0,1), ARIMA(1,0,1), ARIMA(2,0,0), ARIMA(0,0,2). Model tersebut kemudian kita bandingkan untuk menentukan model terbaik.
3. Pemilihan Model Terbaik
Setelah dilakukan uji diagnostik untuk kelima model tersebut, ternyata kelima model tersebut lolos untuk uji diagnostik sehingga langkah selanjutnya memilih model terbaik diantara kelima model tersebut.
Ada beberapa kriteria dalam memilih model terbaik : Nilai Akaike Info Criterion (AIC) yang kecil Nilai Schwarz Criterion yang kecil
Sum Squared Residual (SSE) yang kecil
Adjusted R Squared yang besar
Tabel 4.32 Perbandingan Pemilihan Model terbaik ARIMA
Model AIC SBC SSE Adj. R
Squared ARIMA(1,0,0) 13,23772 13,30815 1811354. 0,489405 ARIMA(2,0,0) 13,64685 13,71790 2677653. 0,243662 ARIMA(0,0,1) 13,47502 13,54483 2338030. 0,341772 ARIMA(0,0,1) 13,59673 13,66654 2640633. 0,256512 ARIMA(1,0,1) 13,27125 13,37689 1810691 0,480478
Setelah dilihat hasilnya diperoleh bahwa ada 2 kemungkinan model terbaik yaitu ARIMA (1,0,0) dan ARIMA (1,0,1) karena memenuhi kriteria pemilihan model terbaik. Diantara kedua kemungkinan tersebut, kita bandingkan residual kedua model terpilih tersebut apakah sudah bersifat random. Setelah kita melakukan uji tersebut,maka diperoleh bahwa model ARIMA (1,0,0) merupakan model terbaik karena residual telah bersifat random. Dengan nilai ordo p (AR) = 0,711156, dan Konstanta (�′) = 571,9723. Sehingga digunakan model ARIMA (1,0,0) untuk proyeksi jumlah kunjungan pasien rawat jalan poliklinik radiologi tahun 2016-2017, dengan persamaan :
Tabel 4.33 Proyeksi Kunjungan Pasien Rawat Jalan Poliklinik Radiologi Tahun 2016-2017
Tahun 2016
Bulan Proyeksi
Januari 572
Februari 572
Maret 572
April 572
Mei 572
Juni 572
Juli 572
Agustus 572
September 572
Oktober 572
November 572
Desember 572
Jumlah 6.864
Dari tabel diatas, kita peroleh bahwa proyeksi kunjungan pasien rawat jalan tahun 2016 dan 2017 pada poliklinik radiologi cenderung tidak mengalami penurunan dan peningkatan. Dapat kita lihat dari jumlah kunjungan pasien rawat jalan yang selalu tetap berkisar 572 kunjungan pasien dari bulan januari 2016 sampai dengan bulan desember 2017.
Tahun 2017
Bulan Proyeksi
Januari 572
Februari 572
Maret 572
April 572
Mei 572
Juni 572
Juli 572
Agustus 572
September 572
Oktober 572
November 572
Desember 572
[image:53.595.146.462.166.409.2]4.2.12 Poliklinik Hemodialisa
[image:54.595.130.343.221.321.2]Dari laporan bulanan Rumah Sakit Santa Elisabeth Medan dari tahun 2011-2015 diperoleh data jumlah kunjungan pasien rawat jalan yaitu:
Tabel 4.34 Data 5 Tahun Terakhir Kunjungan Pasien Rawat Jalan
Tahun Jumlah
2011 756
2012 808
2013 849
2014 644
2015 373
Total 3.430
1. Uji Stasioner
2. Identifikasi Model
3. Pemilihan Model Terbaik
Setelah dilakukan uji diagnostik untuk keempat model tersebut, ternyata keempat model tersebut lolos untuk uji diagnostik sehingga langkah selanjutnya memilih model terbaik diantara keempat model tersebut. Ada beberapa kriteria dalam memilih model terbaik :
Nilai Akaike Info Criterion (AIC) yang kecil Nilai Schwarz Criterion yang kecil
Sum Squared Residual (SSE) yang kecil
Adjusted R Squared yang besar
[image:56.595.148.512.477.562.2]Maka, untuk menentukan model terbaik ialah dengan membandingkan kriteria diatas. Berikut tabel perbandingan keempat model tersebut.
Tabel 4.35 Perbandingan Pemilihan Model terbaik ARIMA
Model AIC SBC SSE Adj. R
Squared ARIMA(1,1,1) 7,687358 7,793932 6677,342 0,117545 ARIMA(1,1,2) 7,802668 7,909242 7493,456 0,011223 ARIMA(2,1,1) 7,813234 7,920763 7428,988 0,011223 ARIMA(2,1,2) 7,698746 7,806276 6625,344 0,11816
bersifat random.Dengan nilai ordo p (AR) = 0,706672, nilai ordo q (MA) = -0,966894 dan Konstanta (�′) =-0,906864.Sehingga digunakan model ARIMA (1,1,1) untuk proyeksi jumlah kunjungan pasien rawat jalan poliklinik hemodialisa tahun 2016-2017, dengan persamaan :
�� = + , ��− − , ��− − , + �− , �−
Tabel 4.36 Proyeksi Kunjungan Pasien Rawat Jalan Poliklinik Hemodialisa Tahun 2016-2017
Tahun 2016
Bulan Proyeksi
Januari 25
Februari 25
Maret 24
April 23
Mei 22
Juni 21
Juli 20
Agustus 19
September 18
Oktober 17
November 16
Desember 15
Jumlah 245
Dari tabel diatas, kita peroleh bahwa proyeksi kunjungan pasien rawat jalan tahun 2016 dan 2017 pada poliklinik hemodialisa cenderung mengalami penurunan. Dapat kita lihat dari jumlah kunjungan pasien rawat jalan yang selalu menurun dari bulan januari 2016 sampai dengan bulan desember 2017.
Tahun 2017
Bulan Proyeksi
Januari 15
Februari 14
Maret 13
April 12
Mei 11
Juni 10
Juli 9
Agustus 8
September 7
Oktober 6
November 5
Desember 5
[image:57.595.143.455.322.579.2]4.2.13 Poliklinik UGD
[image:58.595.129.348.221.320.2]Dari laporan bulanan Rumah Sakit Santa Elisabeth Medan dari tahun 2011-2015 diperoleh data jumlah kunjungan pasien rawat jalan yaitu:
Tabel 4.37 Data 5 Tahun Terakhir Kunjungan Pasien Rawat Jalan
Tahun Jumlah
2011 14.106
2012 14.120
2013 14.820
2014 14.238
2015 12.655
Total 69.939
1. Uji Stasioner
Berdasarkan analisis yang telah dilakukan terhadap uji kestasioneran data, diperoleh bahwa data jumlah kunjungan pasien rawat jalan poliklinik UGD tahun 2011-2015 sudah stasioner pada level, diketahui dari nilai probabilitas 0,0006 < α = 0,05, sehingga dapat disimpulkan data sudah memenuhi syarat stasioneritas. Sehingga tidak perlu dilakukan differencing, dan kita dapat melakukan langkah selanjutnya.
2. Identifikasi Model
ini kita hanya menentukan nilai Koefisien AR(p) dan MA(q) dengan melakukan metode trial and error terhadap model-model yang akan digunakan dan model tersebut masing-masing dibandingkan melalui parameter-parameter penentuan model terbaik. Jadi, setelah dilakukan metode untuk menentukan model terbaik, terpilih beberapa model dari berbagai model umum yang dapat digunakan dalam melakukan proyeksi. model-model yang terpilih dari berbagai model umum untuk penelitian ini, yaitu ARIMA(1,0,0), ARIMA(0,0,1), ARIMA(1,0,1), ARIMA(2,0,1), ARIMA(1,0,2). Model tersebut kemudian kita bandingkan untuk menentukan model terbaik.
3. Pemilihan Model Terbaik
Setelah dilakukan uji diagnostik untuk kelima model tersebut, ternyata kelima model tersebut lolos untuk uji diagnostik sehingga langkah selanjutnya memilih model terbaik diantara kelima model tersebut.
Ada beberapa kriteria dalam memilih model terbaik : Nilai Akaike Info Criterion (AIC) yang kecil Nilai Schwarz Criterion yang kecil
Sum Squared Residual (SSE) yang kecil
Adjusted R Squared yang besar
Tabel 4.38 Perbandingan Pemilihan Model terbaik ARIMA
Model AIC SBC SSE Adj. R
Squared ARIMA(1,0,0) 12,44725 12,51768 821687,6 0,422440 ARIMA(0,0,1) 12,65597 12,72578 1030726. 0,288419 ARIMA(1,0,1) 12,47730 12,58294 818530,3 0,414385 ARIMA(1,0,2) 12,38928 12,49492 749561,2 0,463729 ARIMA(2,0,1) 12,44700 12,55357 779272,4 0,439730 Setelah dilihat hasilnya diperoleh bahwa model terbaik adalah ARIMA (1,0,2) karena memenuhi kriteria pemilihan model terbaik. Dengan nilai ordo p (AR) = 0,573570, nilai ordo q (MA) = 0,380784 dan Konstanta (�′) = 1173,202. Sehingga digunakan model ARIMA (1,0,2) untuk proyeksi jumlah kunjungan pasien rawat jalan poliklinik UGD tahun 2016-2017, dengan persamaan :
Tabel 4.39 Proyeksi Kunjungan Pasien Rawat Jalan Poliklinik UGD Tahun 2016-2017
Tahun 2016
Bulan Proyeksi Januari 1.173 Februari 1.173
Maret 1.173
April 1.173
Mei 1.173
Juni 1.173
Juli 1.173
Agustus 1.173
September 1.173
Oktober 1.173
November 1.173 Desember 1.173 Jumlah 14.076
Dari tabel diatas, kita peroleh bahwa proyeksi kunjungan pasien rawat jalan tahun 2016 dan 2017 pada poliklinik UGD cenderung tidak mengalami peningkatan dan penurunan. Dapat kita lihat dari jumlah kunjungan pasien rawat jalan yang selalu tetap berkisar 1173 pasien dari bulan januari 2016 sampai dengan bulan desember 2017.
Tahun 2017
Bulan Proyeksi Januari 1.173 Februari 1.173
Maret 1.173
April 1.173
Mei 1.173
Juni 1.173
Juli 1.173
Agustus 1.173
September 1.173
Oktober 1.173
[image:61.595.145.460.167.388.2]BAB V
PEMBAHASAN
Berdasarkan hasil penelitian yang dilakukan diketahui hasil proyeksi dengan menggunakan model ARIMA untuk proyeksi jangka pendek, maka diketahui kunjungan pasien rawat jalan cenderung menurun dari tahun ke tahun tetapi ada juga kunjungan pasien rawat jalan yang mengalami peningkatan.
Hasil analisis deret berkala yang dilakukan dengan model ARIMA diketahui kecendrungan kunjungan pasien di Rumah Sakit Santa Elisabeth Medan, ada yang mengalami peningkatan dan ada yang mengalami penurunan untuk masing-masing poliklinik. Proyeksi yang dilakukan untuk setiap poliklinik menggunakan metode ARIMA dengan model ARIMA yang terbaik untuk setiap poliklinik.
Kunjungan pasien rawat jalan poliklinik umum dari data tahun 2015 tercatat 3.598 kunjungan. Hasil proyeksi menunjukkan jumlah kunjungan pasien rawat jalan pada tahun 2016 dan 2017 terjadi penurunan kunjungan tiap bulannya yaitu berkisar 3 kunjungan pasien.
Kunjungan pasien rawat jalan poliklinik BKIA dari data tahun 2015 tercatat 1.514 kunjungan. Hasil proyeksi menunjukkan jumlah kunjungan pasien rawat jalan pada tahun 2016 dan 2017 terjadi penurunan kunjungan pasien tiap bulannya yaitu berkisar 1 kunjungan pasien.
Kunjungan pasien rawat jalan poliklinik penyakit dalam dari data tahun 2015 tercatat 9.632 kunjungan. Hasil proyeksi menunjukkan jumlah kunjungan pasien rawat jalan pada tahun 2016 dan 2017 terjadi peningkatan kunjungan pasien tiap bulannya yaitu berkisar 12 kunjungan pasien.
Kunjungan pasien rawat jalan poliklinik mata dari data tahun 2015 tercatat 237 kunjungan. Hasil proyeksi menunjukkan jumlah kunjungan pasien rawat jalan pada tahun 2016 dan 2017 terjadi penurunan kunjungan pasien tiap dua bulannya yaitu berkisar 1 kunjungan pasien.
Kunjungan pasien rawat jalan poliklinik bedah dari data tahun 2015 tercatat 6.480 kunjungan. Hasil proyeksi menunjukkan jumlah kunjungan pasien rawat jalan pada tahun 2016 dan 2017 terjadi peningkatan kunjungan pasien tiap bulannya berkisar 9 kunjungan pasien.
Kunjungan pasien rawat jalan poliklinik praktek dari data tahun 2015 tercatat 19.020 kunjungan. Hasil proyeksi menunjukkan jumlah kunjungan pasien rawat jalan pada tahun 2016 dan 2017 terjadi penurunan kunjungan pasien tiap bulannya berkisar 30 kunjungan pasien.
Kunjungan pasien rawat jalan poliklinik fisioterapi dari data tahun 2015 tercatat 5.817 kunjungan. Hasil proyeksi menunjukkan jumlah kunjungan pasien rawat jalan pada tahun 2016 dan 2017 tidak terjadi peningkatan ataupun penurunan jumlah kunjungan pasien tiap bulannya, hasil proyeksi menunjukkan bahwa jumlah kunjungan pasien rawat jalan poliklinik fisioterapi berkisar 477 kunjungan pasien tiap bulannya.
Kunjungan pasien rawat jalan poliklinik endoscopy dari data tahun 2015 tercatat 649 kunjungan. Hasil proyeksi menunjukkan jumlah kunjungan pasien rawat jalan pada tahun 2016 dan 2017 tidak terjadi peningkatan ataupun penurunan jumlah kunjungan pasien tiap bulannya, hasil proyeksi menunjukkan bahwa jumlah kunjungan pasien rawat jalan poliklinik endoscopy berkisar 61 kunjungan pasien tiap bulannya.
Kunjungan pasien rawat jalan poliklinik hemodialisa dari data tahun 2015 tercatat 373 kunjungan. Hasil proyeksi menunjukkan jumlah kunjungan pasien rawat jalan pada tahun 2016 dan 2017 terjadi penurunan kunjungan pasien tiap bulannya berkisar 1 kunjungan pasien.
BAB VI
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Dari hasil analisis deret berkala (time series) dengan menggunakan model ARIMA kunjungan pasien rawat jalan di Rumah Sakit Santa Elisabeth Medan maka dapat disimpulkan:
1. Berdasarkan hasil proyeksi jumlah kunjungan pasien rawat jalan dengan menggunakan model ARIMA (p,d,q) terbaik untuk setiap poliklinik, maka diperoleh bahwa kunjungan pasien rawat jalan pada poliklinik umum, poliklinik BKIA, poliklinik mata, poliklinik praktek, poliklinik hemodialisa cenderung mengalami penurunan kunjungan pasien tiap bulannya.
2. Berdasarkan hasil proyeksi jumlah kunjungan pasien rawat jalan dengan menggunakan model ARIMA (p,d,q) terbaik untuk setiap poliklinik, maka diperoleh bahwa kunjungan pasien rawat jalan pada poliklinik gigi, poliklinik medical check-up, poliklinik fisioterapi, poliklinik endoscopy, poliklinik radiologi, poliklinik UGD tidak mengalami penurunan maupun peningkatan kunjungan pasien tiap bulannya.
6.2 Saran
1. Diharapkan data ini dapat digunakan oleh RS Santa Elisabeth Medan untuk meningkatkan kualitas mutu pelayanan rumah sakit, baik dari segi fasilitas sarana dan prasarana rumah sakit serta kualitas pelayanan sumber daya manusia karena dari hasil proyeksi jumlah kunjungan pasien rawat jalan di RS Santa Elisabeth Medan cenderung menurun dan tetap.
2. Diharapkan RS Santa Elisabeth Medan mampu segera meningkatkan pelayanan rawat jalan berdasarkan aspek–aspek pelayanan yang masih kurang memuaskan di setiap poliklinik yang mengalami penurunan kunjungan pasien.
BAB II
TINJAUAN PUSTAKA
2.1 Rumah Sakit
2.1.1 Pengertian Rumah Sakit
Menurut Undang-Undang RI Nomor 44 tahun 2009 pasal 1, rumah sakit adalah institusi pelayanan kesehatan yang menyelenggarakan pelayanan kesehatan perorangan secara paripurna yang menyediakan pelayanan rawat inap, rawat jalan,
dan gawat darurat.
2.1.2 Fungsi Rumah Sakit
Menurut Undang-Undang Nomor 44 tahun 2009 pasal 4, fungsi rumah sakit adalah
a. Penyelenggaraan pelayanan pengobatan dan pemulihan kesehatan sesuai dengan standar pelayanan rumah sakit.
b. Pemeliharaan dan peningkatan kesehatan perorangan melalui pelayanan
kesehatan yang paripurna tingkat kedua dan ketiga sesuai kebutuhan medis c. Penyelenggaraan pendidikan dan pelatihan sumber daya manusia dalam
rangka peningkatan kemampuan dalam pemberian pelayanan kesehatan. d. Penyelenggaraan penelitian dan pengembangan serta penapisan teknologi
2.2 Peramalan
2.2.1 Pengertian Peramalan
Peramalan adalah studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola yang sistematis, perkiraan mengenai sesuatu yang belum terjadi (Harijono dan Sugiarto, 2000). Peramalan adalah
memperkirakan sesuatu pada waktu-waktu yang akan datang berdasarkan data masa lampau yang dianalisis secara ilmiah, khususnya menggunakan metode
statistika (Supranto, 1993).
2.2.2 Jenis-jenis Peramalan
1. Jenis peramalan apabila dilihat dari sifat penyusunannya dibedakan
menjadi dua yaitu :
a. Peramalan yang subjektif yaitu permalan yang didasarkan atas
perasaan intuisi dari orang yang menyusunnya.
b. Peramalan yang objektif yaitu peramalan yang didasarkan atas data yang relevan pada masa lalu dengan menggunakan metode-metode
dalam penganalisaan data.
2. Jenis peramalan jika dilihat dari jangka waktu peramalan yang disusun
dibedakan menjadi dua yaitu :
a. Peramalan jangka panjang yaitu peramalan yang dilakukan untuk
b. Peramalan jangka pendek yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan dengan jangka waktu yang kurang dari
setengah tahun atau tiga semester.
3. Jenis peramalan berdasarkan sifat peramalannya terbagi dalam dua kategori yaitu :
a. Peramalan kualitatif yaitu peramalan yang didasarkan atas data kualitatif pada masa lampau.
b. Peramalan kuantitatif yaitu peramalan yang didasarkan atas data kuantitatif pada masa lampau.
Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut,
yaitu :
1. Tersedia informasi tentang masa lalu.
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik. 3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus
berlanjut di masa yang akan datang.
2.2.3 Langkah-langkah peramalan
Hampir semua metode peramalan formal dilakukan dengan cara
mengekstrapolasi kondisi masa lalu untuk kondisi mana yang akan datang. Hal ini didasarkan pada asumsi bahwa kondisi masa lalu sama dengan kondisi masa
1. Mengumpulkan data
Langkah pertama merupakan langkah yang sangat penting dalam peramalan karena berlakunya prinsip “garbage in garbage out”. Apabila
data yang dikumpulkan kurang tepat atau kurang memadai, hasil peramalan akan menjadi kurang akurat.
2. Menyeleksi dan memilih data
Data-data yang kurang relevan harus dibuang supaya tidak mempengaruhi
akurasi peramalan.
3. Memilih model peramalan
Karena model peramalan yang tersedia cukup banyak, harus dilakukan
pemilihan metode yang akan dipakai. Salah satu kriteria yang sering dipakai adalah kesalahan peramalan. Semakin kecil kesalahan peramalan,
semakin baik metodenya karena hasil peramalan semakin mendekati data aktual. Karena setiap metode peramalan formal mempunyai karakteristik yang berbeda-beda, untuk seleksi awal perlu dipertimbangkan faktor
ketersediaan data, pola data historis yang dimiliki dan horison peramalan. 4. Menggunakan model terpilih untuk peramalan
Setelah model peramalan dipilih, langkah berikutnya adalah menggunakan model itu. Akurasi metode peramalan terpilih perlu selalu dipantau dengan
2.3 Analisa Deret Berkala
Data berkala (time series data) yaitu data yang dikumpulkan dari waktu ke
waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu. Analisis data berkala memungkinkan