APLIKASI PERAMALAN JUMLAH KUNJUNGAN PASIEN
POLIKLINIK PARU RSUD SUKOHARJO MENGGUNAKAN
DOUBLE EXPONENTIAL SMOOTHING HOLT
SKRIPSI
Diajukan untuk memenuhi sebagian persyaratan mendapatkan gelar Strata Satu Program Studi Teknik Informatika
Disusun oleh : ALFATH PRABANUADHI
NIM. M0513006
PROGRAM STUDI INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET
SURAKARTA
i
APLIKASI PERAMALAN JUMLAH KUNJUNGAN PASIEN
POLIKLINIK PARU RSUD SUKOHARJO MENGGUNAKAN
DOUBLE EXPONENTIAL SMOOTHING HOLT
SKRIPSI
Diajukan untuk memenuhi sebagian persyaratan mendapatkan gelar Strata Satu Program Studi Teknik Informatika
HALAMAN JUDUL
Disusun oleh : ALFATH PRABANUADHI
NIM. M0513006
PROGRAM STUDI INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SEBELAS MARET
SURAKARTA
iv
APLIKASI PERAMALAN JUMLAH KUNJUNGAN PASIEN
POLIKLINIK PARU RSUD SUKOHARJO MENGGUNAKAN
DOUBLE EXPONENTIAL SMOOTHING HOLT
ALFATH PRABANUADHI
Program Studi Informatika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret
ABSTRAK
Pada RSUD Sukoharjo seringkali terjadinya antrian panjang pasien poliklinik paru karena terbatasnya sumber daya manusia dalam menangani jumlah pasien yang terus meningkat. Untuk mengatasi hal ini diperlukan pengambilan keputusan yang baik terhadap pemenuhan kebutuhan sumber daya manusia yang dapat didukung dengan diketahuinya ramalan jumlah kunjungan pasien pada periode mendatang. Penelitian ini membangun aplikasi peramalan dengan metode Double Exponential Smoothing (DES) Holt yang nilai awal pemulusannya dapat ditentukan melalui empat cara berbeda, dimana hasil dari aplikasi berupa ramalan banyak kunjungan pasien poliklinik paru RSUD Sukoharjo pada periode mendatang beserta dengan akurasinya yang diukur menggunakan MAE, MSE, dan MAPE. Penggunaan dari empat cara penentuan nilai awal pemulusan tersebut memberikan hasil peramalan yang berbeda. Diperoleh model peramalan dengan tingkat kesalahan MAE, MSE, dan MAPE terendah pada penggunaan cara penentuan nilai awal pemulusan 4, sedangkan prediction error yang diukur menggunakan MAPE menunjukkan nilai terendah pada cara penentuan nilai awal pemulusan 2.
v
FORECASTING APPLICATION FOR THE NUMBER OF PULMONARY POLYCLINIC PATIENT VISITS IN RSUD SUKOHARJO USING HOLT’S
DOUBLE EXPONENTIAL SMOOTHING
ALFATH PRABANUADHI
Program Studi Informatika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret
ABSTRACT
In RSUD Sukoharjo, there are often long queues of pulmonary polyclinic patients due to the limited human resources in handling the increasing number of patients. Good decision-making on the fulfillment of human resources needs is required to solve this problem, and it can be supported with the prediction of the number of patient visits in the coming period. This research builds forecasting application with Double Exponential Smoothing (DES) Holt forecasting method whose initial value of smoothing can be determined through four different methods, where the result of the application is the prediction of many visits of RSUD Sukoharjo patients in the coming period along with the measured accuracy using MAE, MSE, and MAPE. The use of the four methods of initial determination of the smoothing value gives different forecasting results. Obtained forecasting model with lowest MAE, MSE, and MAPE error rates found on the use of 4th method, while the prediction error measured using MAPE shows the lowest value in the 2nd method.
vi
MOTTO
”Sesungguhnya Kami telah memberikan kepadamu kemenangan yang nyata”. (Q.S. Al-Fath: 1)
”Dan dirikanlah shalat dan tunaikanlah zakat. Dan kebaikan apa saja yang kamu usahakan bagi dirimu, tentu kamu akan mendapat pahala nya pada sisi
Allah. Sesungguhnya Alah Maha Melihat apa-apa yang kamu kerjakan”. (Q.S. Al-Baqarah: 110)
vii
PERSEMBAHAN
”Nabi Muhammad SAW semoga berkah dan rahmat yang sebesar – besarnya
senantiasa dilimpahkan oleh Allah SWT kepada beliau, keluarga beliau, dan
sahabat –sahabat beliau”
”Orang Tua dan Keluarga tercinta, semoga senantiasa diberikan kesehatan serta dilimpahkan berkah, rahmat, dan rejekinya oleh Allah SWT”
viii
KATA PENGANTAR
Puji syukur yang sebesar – besarnya penulis panjatkan ke hadirat Allah SWT yang senantiasa memberikan nikmat dan karuniaNya sehingga penulis dapat menyelesaikan skripsi dengan judul ”Aplikasi Peramalan Jumlah Kunjungan Pasien Poliklinik Paru RSUD SUkoharjo Menggunakan Double Exponential Smoothing Holt” yang menjadi salah satu syarat wajib untuk memperoleh gelar Sarjana Informatika di Universitas Sebelas Maret (UNS) Surakarta.
Dalam proses penyusunan skripsi ini, begitu banyak bimbingan, semangat, bantuan, serta motivasi yang diterima oleh penulis dari berbagai pihak. Oleh karena itu ucapan terimakasih yang sebesar – besarnya penulis sampaikan kepada : 1. Allah SWT yang selalu mendengar dan mengabulkan doa – doa penulis,
memberikan semangat dan kemauan yang kuat kepada penulis, memberikan solusi terhadap masalah – masalah yang dialami oleh penulis, serta mendengar keluh kesah penulis di saat shalat penulis,
2. Ibu dan Bapak yang selalu memotivasi penulis untuk menyelesaikan skripsi, dan menjadi satu – satunya alasan penulis untuk mau menyelesaikan skripsi,
3. Ibu Rini Anggrainingsih S.T.,M.T. yang telah meluangkan banyak sekali waktunya dalam membimbing, memotivasi, serta memberi semangat penulis dalam menyelesaikan skripsi ini,
4. Bapak Drs. Sugiyanto, M.Si yang telah meluangkan banyak waktu dalam membantu penulis menyelesaikan skripsi walaupun berasal dari program studi yang berbeda,
5. Bapak Drs. Sarngadi Palgunadi Yohanes, M.Sc. yang telah meluangkan waktunya dalam memberikan bimbingan dan telah meluluskan penulis.
Penulis berharap agar skripsi ini dapat bermanfaat bagi semua pihak yang berkepentingan
Surakarta, 10 Januari 2018
ix DAFTAR ISI
HALAMAN JUDUL... i
HALAMAN PERSETUJUAN ... ii
HALAMAN PENGESAHAN... iii
ABSTRAK ... iv
ABSTRACT ...v
MOTTO ... vi
PERSEMBAHAN ... vii
KATA PENGANTAR ... viii
DAFTAR ISI ... ix
DAFTAR TABEL ... xi
DAFTAR GAMBAR ... xii
PENDAHULUAN ...1
1.6 Sistematika Penulisan ... 4
TINJAUAN PUSTAKA ...5
2.1 Dasar Teori ... 5
2.1.1 Peramalan (Forecasting) ... 5
2.1.2 Data Time Series (Runtun Waktu) ... 5
2.1.3 Metode Double Exponential Smoothing (DES) Holt ... 6
2.1.4 Alat Ukur Kesalahan (Error) Peramalan ... 8
2.1.5 Systems Development Life Cycle (SDLC) ... 8
2.2 Penelitian Terkait ... 10
METODOLOGI PENELITIAN ...12
3.1 Perencanaan (Planning) ... 12
x
3.3 Desain (Design) ... 13
3.4 Implementasi (Implementation) ... 13
PEMBAHASAN ...14
4.1 Perencanaan (Planning) ... 14
4.2 Analisis (Analysis) ... 15
4.2.1 Requirement Analysis ... 15
4.2.2 Business Process Analysis ... 17
4.2.2.1 Business Process Identification ... 17
4.2.2.2 Business Process Modelling ... 20
4.2.2.3 Business Process Realization ... 23
4.2.3 Proses Perhitungan Metode DES Holt ... 25
4.2.4 Kebutuhan Fungsional dan Non Fungsional Aplikasi ... 33
4.3 Desain (Design) ... 34
4.3.1 Program Design ... 34
4.3.2 Data Design ... 41
4.3.3 User Interface Design ... 42
4.4 Implementasi (Implementation) ... 44
4.4.1 Hasil Implementasi ... 44
4.4.2 Pengujian Black Box ... 51
PENUTUP ... 55
5.1 Kesimpulan ... 55
5.2 Saran ... 55
xi
DAFTAR TABEL
Tabel 2.1 Penelitian Terkait dengan Penelitian Penulis ...10
Tabel 2.1 Penelitian Terkait dengan Penelitian Penulis (lanjutan) ...11
Tabel 4.1 Contoh data rekam medis berbentuk cross section ...16
Tabel 4.2 Data banyak pasien poliklinik paru dalam bentuk time series ...17
Tabel 4.3 Skenario use case Login ...18
Tabel 4.4 Skenario use case Lihat statistik data ...18
Tabel 4.5 Skenario use case Lihat hasil ramalan ...18
Tabel 4.5 Skenario use case Lihat hasil ramalan (lanjutan) ...19
Tabel 4.6 Skenario use case Tambah isi data ...19
Tabel 4.6 Skenario use case Tambah isi data (lanjutan) ...20
Tabel 4.7 Penjelasan tiap cara penentuan nilai awal pemulusan dalam aplikasi ...26
Tabel 4.8 Data time series contoh perhitungan DES Holt ...27
Tabel 4.9 Proses untuk mencari nilai intercept dan slope ...29
Tabel 4.10 Hasil proses pemodelan pada training sets ...30
Tabel 4.10 Hasil proses pemodelan pada training sets (lanjutan) ...31
Tabel 4.11 Tingkat kesalahan (error) pemodelan pada training sets ...31
Tabel 4.12 Nilai MAE, MSE, dan MAPE model peramalan ...32
Tabel 4.13 Perhitungan prediction error ...32
Tabel 4.14 Nilai MAPE prediction error...33
Tabel 4.15 Hasil ramalan ...33
Tabel 4.16 Tingkat kesalahan proses peramalan dari tiap cara penentuan nilai awal pemulusan ...50
Tabel 4.17 Pengujian black box aplikasi peramalan ...52
Tabel 4.17 Pengujian black box aplikasi peramalan (lanjutan) ...53
xii
DAFTAR GAMBAR
Gambar 2.1 Tahapan - tahapan pada SDLC(Dennis et al., 2014). ...9
Gambar 3.1 Alur Penelitian ...12
Gambar 4.1 Use case aplikasi peramalan ...17
Gambar 4.2 Activity Diagram proses bisnis login ...20
Gambar 4.3 Activity Diagram proses bisnis lihat statistik data ...21
Gambar 4.4 Activity Diagram proses bisnis lihat hasil ramalan ...21
Gambar 4.5 Activity Diagram proses perhitungan ramalan ...22
Gambar 4.6 Activity Diagram proses mencari model peramalan ...22
Gambar 4.7 Activity Diagram proses menghitung prediction error ...22
Gambar 4.8 Activity Diagram proses bisnis tambah isi data ...23
Gambar 4.9 Sequence Diagram proses bisnis login pada aktor Kepala bagian kepegawaian ... 23
Gambar 4.10 Sequence Diagram proses bisnis login pada aktor Petugas Pengisi Data ... 24
Gambar 4.11 Sequence Diagram proses bisnis lihat statistik data pada aktor Kepala bagian kepegawaian ... 24
Gambar 4.12 Sequence Diagram proses bisnis lihat statistik datapada aktor Petugas Pengisi Data ... 24
Gambar 4.13 Sequence Diagram proses bisnis lihat hasil ramalan ...25
Gambar 4.14 Sequence Diagram proses bisnis tambah isi data ...25
Gambar 4.15 Pseudocode fungsi validasi ...35
Gambar 4.16 Pseudocode fungsi tampilkanPesanError ...35
Gambar 4.17 Pseudocode fungsi ambilData ...36
Gambar 4.18 Pseudocode fungsi tampilkanData ...36
Gambar 4.19 Pseudocode fungsi forecast ...37
Gambar 4.20 Pseudocode fungsi desholt ...38
Gambar 4.21 Pseudocode fungsi setNilaiAwal ...39
Gambar 4.22 Pseudocode fungsi tampilkanHasilRamalan ...39
xiii
Gambar 4.24 Pseudocode fungsi tambahData ...41
Gambar 4.25 Pseudocode fungsi tampilkanPesanError ...41
Gambar 4.26 Pseudocode fungsi tampilkanPesanSukses ...41
Gambar 4.27 ERD aplikasi peramalan ...42
Gambar 4.28 Desain interface login untuk semua user ...42
Gambar 4.29 Desain interface lihat statistik data untuk user Kepala bagian kepegawaian ... 43
Gambar 4.30 Desain interface Lihat hasil ramalanuntuk user Kepala bagian kepegawaian ... 43
Gambar 4.31 Desain interface lihat statistik data untuk user Petugas Pengisi Data ... 44
Gambar 4.32 Desain interface tambah data untuk user Petugas Pengisi Data ...44
Gambar 4.33 implementasi fungsionallogin untuk semua user ...45
Gambar 4.34 Pesan error gagal login ...45
Gambar 4.35 Implementasi fungsionallihat statistik data untuk user Kepala bagian kepegawaian ... 45
Gambar 4.36 Implementasi fungsionallihat statistik datauntuk user ...46
Gambar 4.37 Implementasi fungsionallihat hasil ramalan ...46
Gambar 4.38 Pesan error tidak memasukkan banyak periode ramalan ...47
Gambar 4.39 Pesan error format banyak periode ramalan tidak sesuai ramalan ..47
Gambar 4.40 Hasil ramalan, grafik, dan tingkat kesalahan peramalan dari cara ...48
Gambar 4.41 Hasil ramalan, grafik, dan tingkat kesalahan peramalan dari cara penentuan nilai awal pemulusan 2 ... 49
Gambar 4.42 Hasil ramalan, grafik, dan tingkat kesalahan peramalan dari cara penentuan nilai awal pemulusan 3 ... 49
Gambar 4.43 Hasil ramalan, grafik, dan tingkat kesalahan peramalan dari cara penentuan nilai awal pemulusan 4 ... 49
Gambar 4.44 Implementasi fungsionaltambah data untuk user Petugas Pengisi Data ... 50
Gambar 4.45 Pesan sukses melakukan penambahan data ...51