MODEL TREND ANALYSIS TERBAIK PADA PERAMALAN
JUMLAH KASUS DEMAM BERDARAH DENGUE (DBD) DI
KABUPATEN BANYUMAS
LAPORAN KERJA PRAKTIK
Oleh
ANIM SIREGAR
H1B011029
KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN
UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS MATEMATIKA DAN IPA
JURUSAN/PRODI MATEMATIKA
MODEL TREND ANALYSIS TERBAIK PADA PERAMALAN
JUMLAH KASUS DEMAM BERDARAH DENGUE (DBD) DI
KABUPATEN BANYUMAS
LAPORAN KERJA PRAKTIK
Oleh
ANIM SIREGAR
H1B011029
Untuk Memenuhi Salah Satu Persyaratan Melaksanakan Kerja
Praktik Strata Satu Jurusan Matematika Fakultas Matematika
dan IPA Universitas Jenderal Soedirman
KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN
UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS MATEMATIKA DAN IPA
JURUSAN/PRODI MATEMATIKA
PERNYATAAN
Saya, yang bertanda tangan di bawah ini :
Nama : Anim Siregar NIM : H1B011029
menyatakan dengan sebenar-benarnya bahwa laporan kerja praktik saya yang berjudul
MODEL TREND ANALYSIS TERBAIK PADA PERAMALAN JUMLAH KASUS DEMAM BERDARAH DENGUE (DBD) DI KABUPATEN
BANYUMAS
adalah hasil karya sendiri dan bukan jiplakan hasil karya orang lain.
Demikian pernyataan ini saya buat dengan sebenar-benarnya. Jika di kemudian hari terbukti bahwa laporan kerja praktik saya merupakan hasil jiplakan maka saya bersedia menerima sanksi apapun yang diberikan.
Purwokerto, 29 Januari 2015
Anim Siregar
LAPORAN KERJA PRAKTIK
MODEL TREND ANALYSIS TERBAIK PADA PERAMALAN JUMLAH KASUS DEMAM BERDARAH DENGUE (DBD) DI KABUPATEN
BANYUMAS
Oleh ANIM SIREGAR
Disetujui dan disahkan pada tanggal...
PEDOMAN PENGGUNAAN LAPORAN KERJA PRAKTIK
Laporan kerja praktik yang tidak dipublikasikan, terdaftar dan tersedia di Perpustakaan di lingkungan Universitas Jenderal Soedirman, dan terbuka untuk umum dengan ketentuan bahwa hak cipta ada pada pengarang. Referensi kepustakaan diperkenankan dicatat, tetapi pengutipan atau peringkasan hanya dapat dilakukan seizin pengarang dan harus disertai dengan kebiasaan ilmiah yang menyebutkan sumbernya.
Mengetahui,
Dekan Fakultas MIPA
Drs. Sunardi, M.Si 19590715 199002 1 001 Dosen Pembimbing
Renny, M.Si
19801213 200812 2 001
Pembimbing Teknis
Nurhadi Kurniawan, ST, M.Si
Memperbanyak atau menerbitkan sebagian atau seluruh laporan kerja praktik haruslah seizin Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jenderal Soedirman.
KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat Allah SWT yang telah melimpahkan rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan laporan kerja praktik ini dengan judul “Model Trend Analysis Terbaik pada Peramalan Jumlah Kasus Demam Berdarah Dengue (DBD) di Kabupaten Banyumas”
Laporan kerja praktik ini disusun untuk memenuhi kurikulum akademis sebagai salah satu syarat kelulusan yang ada di Strata Satu Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Universitas Jenderal Soedirman Purwokerto.
Tak lupa penulis mengucapkan rasa terima kasih yang sebesar-besarnya kepada :
2. Bapak Mashuri, S.Si., M.Si, selaku Ketua Jurusan Matematika Universitas Jenderal Soedirman.
3. Ibu Renny, M.Si selaku Dosen Pembimbing kerja praktik.
4. Bapak Imam Subagyo, SKM selaku Kepala Dinas Kesehatan Kabupaten Banyumas.
5. Bapak Nurhadi Kurniawan, ST, M.Si selaku Pembimbing Lapangan yang telah membantu dalam pelaksanaan kerja praktik di Dinas Kesehatan Kabupaten Banyumas.
6. Segenap pegawai dan staf Dinas Kesehatan yang telah membimbing dan memberi bantuan selama pelaksanaan kerja praktik.
7. Bapak, Ibu, Kakak, dan Adik saya dan Seluruh Keluarga yang telah memberi dukungan, doa dan banyak motivasi.
8. Teman-temanku mahasiswa Program Studi Matematika Unsoed angkatan 2011, yang telah memberi dukungan doa dan semangat dalam menyelesaikan laporan kerja praktik ini.
Penulis menyadari bahwa laporan kerja praktik ini masih banyak kekurangan dan jauh dari sempurna. Oleh karena itu, kritik dan saran yang membangun sangat penulis harapkan. Semoga laporan kerja praktik ini besar manfaatnya bagi penulis khususnya, dan pembaca pada umumnya.
Purwokerto, 29 Januari 2015
DAFTAR ISI
HALAMAN JUDUL ………... ii
HALAMAN PERNYATAAN ... iii
HALAMAN PENGESAHAN ………... iv
PEDOMAN PENGGUNAAN LAPORAN KERJA PRAKTIK ... v
KATA PENGANTAR ………....………... vi
DAFTAR ISI ………...…………... viii
DAFTAR NOTASI ………... xi
DAFTAR SINGKATAN DAN LAMBANG ... xii
DAFTAR TABEL ... xiii
DAFTAR GAMBAR ... ... xiv
RINGKASAN ... . xv
SUMMARY ... xvi
BAB I. PENDAHULUAN ………...………... 1
1.1 Latar Belakang………….……….………. 1
1.2 Perumusan Masalah ………..………... 2
1.3 Tujuan .…...………….………... 2
1.4 Kegunaan………….………...…....….. 2
1.5 Tempat Kerja Praktik.………...….. 3
1.6 Waktu Pelaksanaan Kerja Praktik ... 3
BAB II. TINJAUAN PUSTAKA .………...………...…. 4
2.1 Penyakit Demam Berdarah Dengue (DBD)….………... 4
2.1.1 Etiologi dan Penularan ………... 4
2.1.2 Patogenesis ………... 6
2.5.1.1 Metode Kuadrat Terkecil ………….……….. 13
2.5.2 Trend Kuadratis ………..…….…..……… 14
2.5.3 Trend Eksponensial …..………....………. 15
2.6 Ketepatan Metode Peramalan …….………...……..……. 16
BAB III. PROFIL KERJA PRAKTIK... 18
3.1 Profil Tempat Kerja Praktek ... 18
3.1.1 Profil Dinas Kesehatan ... 18
3.1.2 Visi Dinas Kesehatan ... 18
3.1.3 Misi Dinas Kesehatan ... 18
3.1.4 Tugas Pokok dan Fungsi Dinas Kesehatan ... 19
BAB IV. PELAKSANAAN DAN PEMBAHASAN ... 20
4.1 Pelaksanaan Kerja Praktik ...……....…. 20
4.1.1 Kegiatan Kerja Praktik ... 20
4.2 Metode Kerja Praktik ... 21
4.2.1 Metode ... 21
4.2.2 Data ... 21
4.2.3 Tempat Pengambilan Data ... 22
4.2.4 Analisa Data ... 22
4.3 Hasil dan Pembahasan Kerja Praktik ... 23
4.3.1 Menginput Data Jumlah Kasus DBD ... 23
4.3.2 Menguji Kenormalan Data ... 24
4.3.3 Melakukan Peramalan Trend Analysis Menggunakan Metode Kuadrat Terkecil, Trend Kuadratis, dan Trend Eksponensial ... 26
4.3.4 Membandingkan Nilai MSD ... 30
4.3.5 Menentukan Model Peramalan Analisis Trend Terbaik ... 33
4.3.6 Meramalkan Jumlah Kasus DBD ... 33
BAB V. KESIMPULAN DAN SARAN ... 36
5.1 Kesimpulan ... .. 36
5.2 Saran ... .. 36
DAFTAR NOTASI
Y’ : nilai peramalan pada periode tertentu
X : unit periode yang dihitung dari periode dasar
n : Banyaknya data observasi (pengamatan)
X
Y : Nilai data (nilai sebenarnya) pada periode X a : Konstanta atau nilai trend pada periode dasar
DAFTAR SINGKATAN DAN LAMBANG
SINGKATAN
Halaman DBD Demam Berdarah Dengue 1 KLB Kejadian Luar Biasa 1
ADCC Antibody Dependent Cel-mediated Cytotoxity 6
ADE Antibody Dependent Enhancement 6
MSD Mean Squared Deviation 17
Dinkes Dinas Kesehatan 19
PSN Penberantasan Sarang Nyamuk 25
DAFTAR TABEL
Nomor Halaman
1. Contoh Skala X Untuk Data Ganjil 13 2. Contoh Skala X Untuk Data Genap 14
3. Data Jumlah Kasus DBD 22
5. Skala X Untuk Data DBD 26 6. Perhitungan Trend Linier Kasus DBD dengan Metode Kuadrat
Terkecil 27
7. Perhitungan Trend Kuadratis Kasus DBD 28 8. Perhitungan Trend Eksponensial Kasus DBD 29 9. Model peramalan kasus DBD untuk metode kuadrat terkecil,
trend kuadratis, dan trend eksponensial 30
10. Perhitungan untuk Mencari Nilai MSD Metode Kuadrat Terkecil 31 11. Perhitungan Untuk Mencari Nilai MSD Trend Kuadratis 32 12. Perhitungan Untuk Mencari Nilai MSD Trend Eksponensial 32 13. Perbandingan Nilai MSD Peramalan kasus DBD untuk Metode
Kuadrat Terkecil, Trend Kuadratis, dan Trend Eksponensial 33 14. Hasil Peramalan Kasus DBD Tahun 2014 sampai 2023 35
DAFTAR GAMBAR
Nomor Halaman
1. Bagan metode peramalan... 9
2. Bentuk pola data horizontal... 11
3. Bentuk pola data musiman... 11
4. Bentuk pola data siklis ……….. 11
5. Bentuk pola data trend……….. 12
6. Bentuk Trend Positif ... 14
7. Bentuk Trend Negatif ... 14
8. Plot data kasus DBD………. 24
RINGKASAN
Demam Berdarah Dengue (DBD) merupakan salah satu masalah kesehatan utama di Indonesia. Jumlah kasus DBD cenderung meningkat dan penyebarannya semakin meluas, bukan hanya terjadi pada anak-anak tetapi juga pada orang tua. Berdasarkan hasil pendataan dari Dinas Kesehatan Kabupaten Banyumas terkait jumlah kejadian DBD adalah sebagai berikut: tahun 2011 terdapat 201 kasus dengan tiga orang meninggal, tahun 2012 terdapat 200 kasus dengan satu orang meninggal, dan pada tahun 2013 naik menjadi 543 kasus DBD. Dari data, hal ini menunjukkan bahwa kondisi kesehatan lingkungan di Kabupaten Banyumas sangat rentan di banyumas. Oleh karena itu, untuk memperkirakan peningkatan kasus DBD di Kabupaten banyumas pada periode berikutnya dapat dilakukan dengan metode Trend Analysis. Metode Trend Analysis mempunyai tiga model yaitu metode kuadrat terkecil, trend kuadratis, dan trend eksponensial. MSD merupakan simpangan kuadrat rata-rata. Model Trend Analysis terbaik diperoleh dengan membandingkan nilai MSD masing-masing model. Model terbaik merupakan model yang MSD terkecil.
Kata kunci: DBD, Trend Analysis, MSD, dan, Trend Kuadratis
SUMMARY
Dengue Hemorrhagic Fever (DHF) is one of the major health problems in Indonesia. The number of DHF case tend to rise and increasingly widespread , not only occurs in children but also in parents. Based on the data from the office of district health Banyumas, the number of occurrences DHF in 2011 there are 201 cases with three people are dead, in 2012 there are 200 cases with one people dead, and in 2013 DHF case rise to 543 cases. From those data, it show that the condition of environmental health in Banyumas is very vulnerable. Hence, to estimate the increasing case of DHF in Banyumas in the next period can be carried out by Trend Analysis Method. Trend Analysis Method has three model they are linear model, Quadratic model, and Exponential model. MSD is the Mean Square Deviation. The best model of Trend Analysis Forecasting obtained by comparing the value of MSD from each model. The best model is a model that has the smallest MSD value.
Based on this calculation can be concluded that the most appropriate model is applied to forecast DBD case is Quadratic trend, because it has an error rate or smallest error of MSD value compared to Linear trend and Exponential trend.
BAB I PENDAHULUAN
1.1 Latar Belakang
Menurut Menkes RI (2010), Demam Berdarah Dengue (DBD) merupakan salah satu masalah kesehatan utama di Indonesia. Angka kasus DBD di Indonesia masih tergolong tinggi tiap tahunnya. Penyakit ini sering kali menimbulkan Kejadian Luar Biasa (KLB) di beberapa kabupaten di Indonesia. Pada tahun 2013, jumlah kasus DBD di Indonesia yang dilaporkan sebanyak 112.511 kasus dengan jumlah kematian 871 orang. Terjadi peningkatan jumlah kasus pada tahun 2013 dibandingkan tahun 2012 yaitu 90.245 kasus.
Jumlah kasus DBD cenderung meningkat dan penyebarannya semakin meluas, bukan hanya terjadi pada anak-anak tetapi juga pada orang tua (Winarsih, 2012). Dilaporkan oleh Dinas Kesehatan Provinsi Jawa Tengah, penyakit DBD masih merupakan permasalahan serius di Provinsi Jawa Tengah, terbukti 35 kabupaten sudah pernah terjangkit penyakit DBD. Pada tahun 2013, kasus DBD di Jawa Tengah yang di laporkan sebanyak 15.144 kasus. terjadi paningkatan jumlah kasus pada tahun 2013 dibandingkan 2012 yaitu 7.088 kasus (Purnomo, 2012).
Jumlah kasus DBD di Kabupaten Banyumas pada tiga tahun terakhir cenderung mengalami peningkatan. Berdasarkan hasil pendataan dari Dinas Kesehatan Kabupaten Banyumas terkait jumlah kejadian DBD adalah sebagai berikut: tahun 2011 terdapat 201 kasus dengan tiga orang meninggal, tahun 2012 terdapat 200 kasus dengan satu orang meninggal, dan pada tahun 2013 naik menjadi 543 kasus DBD (Purnomo, 2012). Berdasarkan data DBD di Kabupaten Banyumas menyiratkan betapa rentannya kondisi kesehatan lingkungan di Banyumas. Oleh karena itu, untuk menanggulangi kasus DBD di Kabupaten Banyumasdiperlukan adanya peramalan kasus DBD untuk merencanakan kegiatan-kegiatan dalam menangani kasus DBD.
Trend Analysis. Peramalan jumlah kasus DBD di Kabupaten Banyumas dapat menggunakan Trend Analysis sebab jumlah kasus DBD cenderung naik setiap tahun. Selain itu, metode Trend Analysis dapat digunakan untuk peramalan jangka pendek maupun peramalan jangka penjang, ketepatan peramalan dengan metode ini juga sangat baik. Namun, ketepatan pemilihan model pada Trend Analysis juga harus diperhatikan guna meminimumkan kesalahan peramalan. Dengan demikian, penulis tertarik untuk membuat suatu kajian tentang peramalan jumlah DBD agar semua lapisan masyarakat sadar dan berperan aktif untuk mengendalikan penyebaran DBD dari lingkungan sekitar tempat tinggalnya.
1.2 Perumusan Masalah
Berdasarkan latar belakang, maka dapat dirumuskan masalah yang muncul adalah bagaimana meramalkan kasus DBD di Kabupaten Banyumas menggunakan Trend Analysis terbaik tahun 2014 sampai tahun 2023.
1.3 Tujuan
Tujuan yang ingin dicapai adalah meramalkan jumlah kasus DBD di Kabupaten Banyumas menggunakan metode Trend Analysis terbaik tahun 2014 sampai tahun 2023.
1.4 Kegunaan
Kegunaan yang dapat diperoleh atau dicapai dalam kerja praktik ini adalah sebagai berikut:
a. Kegunaan bagi Perguruan Tinggi
1. Sebagai tambahan referensi khususnya mengenai perkembangan aplikasi matematika di Indonesia yang dapat digunakan khususnya bidang kesehatan lingkungan.
2. Membina kerja sama yang baik antara lingkungan akademis dengan lingkungan kerja.
1. Hasil analisa dan penelitian yang dilakukan selama pelaksanaan kerja praktik dapat menjadi bahan masukan bagi pihak instansi untuk menentukan kebijakan di masa yang akan datang.
c. Kegunaan bagi Mahasiswa
1. Mahasiswa dapat menyajikan pengalaman-pengalaman dan data-data yang diperoleh selama kerja praktik kedalam sebuah laporan kerja praktik
2. Mahasiswa dapat mengembangkan dan mengaplikasikan pengalaman di lapangan kerja untuk dijadikan sebagai bahan pertimbangan Tugas Akhir.
3. Mahasiswa dapat mengenal dan membiasakan diri terhadap suasana kerja sebenarnya sehingga dapat membangun etos kerja yang baik, serta sebagai upaya untuk memperluas cakrawala wawasan kerja
4. Mahasiswa mendapat gambaran tentang kondisi real dunia kerja dan memiliki pengalaman terlibat langsung dalam aktivitas kerja.
1.5 Tempat Kerja Praktik
Kerja praktik dilaksanakan di Dinas Kesehatan Kabupaten Banyumas yang beralamat di jalan Wiriya Atmaja Nomor 4 Purwokerto Jawa Tengah.
1.6 Waktu Pelaksanaan Kerja Praktik
BAB II
TINJAUAN PUSTAKA
Pada bab II ini penulis menjelaskan tentang konsep dasar yang dibutuhkan pada saat pembahasan hasil kerja praktik.
4.1 Penyakit Demam Berdarah Dengue (DBD)
DBD adalah penyakit yang disebabkan oleh virus dengue I, II, III, dan IV yang ditularkan oleh nyamuk Aedes aegypti dan Aedes albocpitus (Soegijanto, 2004). Penyakit DBD ditandai dengan demam tinggi mendadak tanpa sebab yang jelas yang berlangsung terus-menerus selama dua sampai dengan tujuh hari, disertai manifestasi perdarahan, uji tourniquet positif, trombositopeni, hemokonsentrasi dan disertai atau tanpa hepatomegali (Menkes RI, 2005).
2.1.1 Etiologi dan Penularan
Penyakit DBD disebabkan oleh virus dengue dari kelompok Arbovirus B yaitu Anrthropod-borne virus atau virus yang disebabkan oleh artropoda. Virus ini termasuk genus flavivirus dari famili flaviviridae. David Bylon, 1779 melaporkan bahwa epidemilogi dengue di Batavia disebabkan oleh tiga faktor utama, yaitu virus, manusia dan nyamuk. Demam berdarah nerupakan salah satu jenis penyakit menular yang ditularkan melalui perantara vektor nyamuk Aedes aegypti
(perkotaan) dan mungkin juga Albopictus (pedesaan). Distribusi kedua jenis nyamuk ini hampir meliputi seluruh daerah di Indonesia kecuali daerah yang mencapai ketinggian 1000 m diatas permukaan laut.
Ciri-ciri nyamuk Aedes aegypti adalah :
1. Sayap dan badannya belang-belang atau bergaris-garis putih
2. Berkembangbiak di air jernih yang tidak beralaskan tanah seperti bak mandi, WC, tempayan, drum, dan barang-barang yang menampung air seperti kaleng, ban bekas, pot tanaman air, tempat minum burung dan lain-lain.
3. Jarak terbang ± 100 meter
4. Nyamuk betina bersifat multiple bitters (menggigit beberapa orang karena sebelum nyamuk tersebut kenyang sudah berpindah tempat)
Nyamuk yang menjadi vektor DBD adalah nyamuk yang menjadi terinfeksi saat menggigit manusia yang sedang sakit dan viremia (terdapat virus
dengue dalam darahnya). Menurut laporan terakhir virus dapat pula ditularkan secara transovarial dari nyamuk ke telur-telurnya.
Virus berkembang dalam tubuh nyamuk selama delapan sampai dengan sepuluh hari terutama dalam kelenjar air liurnya, dan jika nyamuk ini menggigit orang lain maka virus dengue akan dipindahkan bersama air liur nyamuk dalam tubuh manusia, virus ini akan berkembang selama empat sampai dengan enam hari dan orang tersebut akan mengalami sakit DBD. Virus dengue memperbanyak diri dalam tubuh manusia dan berada dalam darah selama satu minggu.
Orang yang di dalam tubuhnya terdapat virus dengue tidak semuanya akan sakit DBD. Ada yang mengalami demam ringan dan sembuh dengan sendirinya, atau bahkan sama sekali tanpa gejala sakit. Tetapi semuanya merupakan pembawa virus dengue selama satu minggu, sehingga dapat menularkan kepada orang lain di berbagai wilayah yang ada nyamuk penularnya. Sekali terinfeksi, nyamuk menjadi infektif seumur hidupnya (Widoyono, 2010).
Penyebaran penyakit DBD di Jawa biasanya terjadi mulai bulan Januari sampai Mei. Faktor yang mempengaruhi morbiditas dan mortalitas penyakit DBD antara lain :
1. Imunitas pejamu
2. Kepadatan populasi nyamuk 3. Transmisi virus dengue
4. Virulensi virus
5. Keadaan geografis setempat Faktor penyebab kasus DBD antara lain :
1. Pertumbuhan penduduk
2. Urbanisasi yang tidak terkontrol 3. Transportasi (Widoyono, 2010).
2.1.2 Patogenesis
Menurut Candra (2010), Nyamuk Aedes spp yang sudah terinfesi virus
Beberapa penelitian menunjukkan, sel monosit dan makrofag mempunyai peran pada infeksi ini, dimulai dengan menempel dan masuknya genom virus ke dalam sel dengan bantuan organel sel dan membentuk komponen perantara dan komponen struktur virus. Setelah komponen struktur dirakit, virus dilepaskan dari dalam sel.
Infeksi ini menimbulkan reaksi immunitas protektif terhadap serotipe virus tersebut tetapi tidak ada cross protective terhadap serotipe virus lainnya. Secara invitro, antobodi terhadap virus dengue mempunyai empat fungsi biologis yaitu netralisasi virus, sitolisis komplemen, antibody dependent cell-mediated cytotoxity (ADCC) dan antibody dependent enhancement (ADE). Berdasarkan perannya, terdiri dari antobodi netralisasi atau neutralizing antibody yang memiliki serotipe spesifik yang dapat mencegah infeksi virus, dan antibody non netralising serotype yang mempunyai peran reaktif silang dan dapat meningkatkan infeksi yang berperan dalam patogenesis DBD.
2.2 Peramalan
Dalam melakukan analisis kegiatan perusahaan, suatu instansi seharusnya memperkirakan apa yang akan terjadi pada masa yang akan datang. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang disebut peramalan (forecasting). Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang (Assauri Sofjan, 1984).
atau terorganisir, karena ada kegiatan forecasting yang menggunakan intuisi (perasaan) atau lewat diskusi informal dalam sebuah grup (Santoso, 2009).
Peramalan merupakan bagian vital bagi setiap organisasi bisnis dan untuk setiap pengambilan keputusan manajemen yang sangat signifikan. Peramalan menjadi dasar bagi perencanaan jangka panjang perusahaan. Dalam proses pengambilan keputusan tersebut, perusahaan seringkali dihadapkan pada situasi dimana mereka harus melakukan peramalan untuk dapat membuat keputusan yang paling tepat saat itu. Oleh karena itu, perusahaan membutuhkan metode peramalan yang tepat untuk memperkirakan suatu nilai di masa yang akan datang. Ketepatan hasil peramalan bisnis akan meningkatkan peluang tercapainya investasi yang menguntungkan. Semakin tinggi akurasi yang dicapai peramalan, maka semakin meningkat pula peran peramalan dalam perusahaan, karena hasil dari suatu peramalan dapat memberikan arah bagi perencanaan perusahaan, perencanaan produk dan pasar, perencanaan penjualan, serta perencanaan produksi dan keuangan.
Menurut Heizer dan Render (2006), peramalan biasanya berdasarkan horizon waktu masa depan yang dicakupnya. Horizon waktu terbagi atas beberapa kategori :
a. Peramalan jangka pendek. Peramalan ini mencakup jangka waktu hingga satu tahun tetapi umumnya kurang dari tiga bulan. Peramalan ini digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan keja, dan tingkat populasi.
b. Peramalan jangka menengah. Peramalan jangka menengah, atau intermediate
umumnya mencakup hitungan bulanan hingga tiga tahun. Peramalan ini berguna untuk merencanakan penjualan, perencanaan, anggaran produksi, anggaran kas, dan menganalisis bermacam-macam rencana operasi.
c. Peramalan jangka panjang. Peramalan ini umumnya digunakan untuk perencanaan masa tiga tahun atau lebih. Sebagai contoh adalah untuk merencanakan produk baru, pembelanjaan modal, lokasi atau pengembangan fasilitas, serta penelitian dan pengembangan (litbang).
a. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, judgement atau pendapat, dan pengetahuan serta pengalaman dari penyusunannya. Biasanya peramalan secara kualitatif ini didasarkan atas hasil penyelidikan.
b. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang digunakan dalam peramalan tersebut. Dengan peramalan yang berbeda akan diperoleh hasil peramalan yang berbeda. Hal yang perlu diperhatikan dalam penggunaan metode-metode peramalan adalah baik tidaknya metode yang digunakan, sangat ditentukan oleh perbedaan atau penyimpangan antara hasil peramalan dengan kenyataan yang terjadi. Metode yang baik adalah metode yang menghasilkan penyimpangan antara hasil peramalan dengan nilai kenyataan yang sekecil mungkin.
Makridakis, dkk., (1992) menjelaskan bahwa peramalan kuantitatif dapat diterapkan bila terdapat 3 kondisi berikut:
a. Tersedia informasi tentang masa lalu (data historis)
b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik
c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.
2.3 Metode Peramalan
Jenis-jenis Metode
peramalan objektif karena berdasarkan dengan metode kuantitatif (Assauri, 1984). Sebelum melakukan peramalan, terdapat beberapa syarat kecukupan yang harus dipenuhi agar hasil ramalan memiliki error yang minimal. Syarat kecukupan tersebut di antaranya adalah pemeriksaan keacakan dan kenormalan data. Apabila salah satu syarat tidak terpenuhi maka data harus ditransformasi agar data lebih stabil. Terdapat beberapa metode yang dapat digunakan untuk peramalan. Berikut ini adalah bagan yang menggambarkan tentang beberapa metode peramalan:
Gambar II.1 Bagan metode peramalan
Metode Peramalan Kuantitatif (Makridakis, dkk.,1992) dibagi menjadi 2, yaitu:
1. Metode Kausal, yaitu metode peramalan masa depan dari suatu faktor yang diramalkan (faktor tak bebas) dengan didasari suatu asumsi bahwa faktor itu menunjukkan suatu hubungan sebab akibat dengan satu atau lebih faktor bebas. Tujuan dari metode kausal adalah menemukan bentuk hubungan sebab akibat tersebut, dan menggunakannya untuk meramalkan nilai masa depan dari faktor tak bebas.
menemukan pola dalam deret data historis dan menerapkan pola tersebut lebih lanjut ke masa depan.
2.4 Deret Waktu (Time Series)
Deret waktu (Time Series) merupakan serangkaian data pengamatan yang terjadi berdasarkan indeks waktu secara berurutan dengan interval waktu tetap. Analisis deret waktu adalah salah satu prosedur statistika yang diterapkan untuk meramalkan struktur variabel statistik keadaan yang akan terjadi di masa yang akan datang dalam rangka pengambilan keputusan (Aswi dan Sukarna, 2006).
Tujuan dari metode peramalan deret waktu adalah untuk menemukan pola dalam deret data historis dan mengeksplorasikan pola tersebut ke masa depan (Makridakis, dkk.,1992). Secara matematis suatu data berkala diberi simbol
1,..., b,..., n
X X X sebagai nilai variabelX1= data pada waktu pertama, X =2 data
pada waktu kedua, Xb= data pada waktu ke-b dan Xn= data pada waktu ke-n.
Pola Deret Waktu merupakan pola yang dibentuk oleh suatu deret waktu yang digunakan pada peramalan tentang masa depan. Menurut Makridakis, dkk., (1992), pola deret waktu dibagi menjadi empat bagian, yaitu:
a. Pola Horisontal(H)
Pola horisontal terjadi bilamana data berfluktuasi disekitar nilai rata-rata yang konstan.
Gambar II.2Bentuk pola data horizontal b. Pola Musiman(S)
Xt
Gambar II.3Bentuk pola data musiman c. Pola siklis (C)
Pola siklis terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis.Pola siklis memiliki gerakan naik turun secara teratur yang cenderungterulang kembali setelah jangka waktu lebih dari 1 tahun.
X
Gambar II.4 Bentuk pola data siklis d. Pola Trend(T)
Pola trend terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Contoh: penjualan dari suatu perusahaan, GNP, dan berbagai indikator bisnis atau ekonomi lainnya.
Xt gambar II.5 Bentuk pola data trend
2.5 Peramalan Trend Analysis
sederhana seperti garis lurus sepanjang periode untuk time series yang diamati jarang ditemukan. Seringkali fungsi tersebut mudah dicocokkan dengan kurva trend pada suatu kurun waktu karena dua alasan, yaitu fungsi-fungsi tersebut menyediakan beberapa indikasi arah yang umum dari seri yang diamati, dan dapat dihilangkan dari seri aslinya untuk mendapatkan gambar musiman yang lebih jelas.
Peramalan Trend Analysis merupakan dasar garis trend untuk suatu persamaan matematis sehingga dengan dasar persamaan tersebut dapat diproyeksikan suatu hal yang teliti untuk masa depan. Untuk peramalan jangka pendek maupun peramalan jangka panjang, ketepatan peramalan dengan metode ini sangat baik. Data yang dibutuhkan untuk penggunaan metode peramalan ini adalah data tahunan, dan semakin banyak data yang dimiliki maka hasil yang diperoleh akan semakin baik. Minimal data yang digunakan adalah data pencatatan selama 5 tahun.
Beberapa model trend untuk meramalkan pergerakan keadaan pada masa yang akan datang, antara lain.
2.5.1 Trend Linier
Sering kali deret waktu jika digambarkan ke dalam plot mendekati garis lurus. Deret waktu seperti inilah yang termasuk dalam trend linier. Salah satu metode yang dapat digunakan untuk menentukan persamaan trend linier adalah metode kuadrat terkecil.
2.5.1.1 Metode Kuadrat Terkecil
Apabila menggunakan metode untuk membentuk garis trend yang akan menghasilkan jumlah kuarat terkecil kesalahan-kesalahannya adalah terkecil maka metode tersebut disebut kuadrat terkecil. Persamaan trend linear adalah sebagai berikut:
'
Y a bX (2.1)
Keterangan: Y’ = nilai peramalan pada periode tertentu
a = konstanta atau nilai trend pada periode dasar
b = koefisien arah garis trend atau perubahan trend setiap periode
Untuk memperoleh nilai koefisien dari a dan b dapat digunakan rumus
Dalam penentuan skala 1
0
ada dua kemungkinan, yaitu:
a. Untuk data ganjil, angka nol diletakkan pada tahun yang di tengah, sehingga skala X-nya menjadi tahunan (selisih 1).
Tabel II.1Contoh Skala X Untuk Data Ganjil
Tahun 2000 2001 2002 2003 2004 ∑X
X -2 -1 0 1 2 0
b. Untuk data genap, maka angka nol pada skala X terletak di antara tahun yang di tengah sehingga skala X menjadi setengah tahunan (selisih 2).
Tabel II.2 Contoh Skala X Untuk Data Genap
Tahun 2000 2001 2002 2003 2004 2005X
X -5 -3 -1 1 3 5
Trend linier dibagi menjadi dua, yaitu: a. Trend Positif
Trend positif yaitu mempunyai kecenderungan yang nilai ramalan (Y ) meningkat dengan meningkatnya waktu (X) dan slope/gradien/kemiringan
garis yang positif yaitu dari bawah ke atas.
b. Trend Negatif
Trend negatif yaitu mempunyai kecenderungan yang nilai ramalan (Y)
menurun dengan meningkatnya waktu (X) dan slope/gradien/kemiringan garis
yang negatif yaitu dari atas ke bawah.
Gambar II.7 Bentuk Trend Negatif
2.5.2 Trend Kuadratis
Trend kuadratis merupakan deret waktu dengan data berupa garis parabola. Persamaan untuk trend kuadratik adalah:
' . . 2
Y a b X c X (2.4)
Untuk mengukur sebuah deret waktu yang mengalami kenaikan atau penurunan yang cepat maka digunakan metode trend eksponensial. Dalam metode ini digunakan persamaan:
' X
Y ab (2.8)
Tetapi dalam melakukan perhitungannya, persamaan di atas dapat diubah ke dalam bentuk semi log sehingga memudahkan untuk mencari nilai a dan b. Perhatikan bahwa:
' X
Y ab (2.9)
log ' logY a X logb
(2.10)
Karena bentuk persamaan telah menjadi bentuk persamaan linier, maka untuk memperoleh nilai dari koefisien a dan b dapat digunakan rumus berikut:
1
2.6 Ketepatan Metode Peramalan
Menurut Makridakis, dkk., (1992) menjelaskan setiap metode peramalan memiliki ketepatan dan tingkat kesulitan masing-masing yang harus dipertimbangkan. Oleh karena itu, harus dipilih metode yang paling tepat, yaitu metode yang dapat meminimumkan kesalahan peramalan. Semakin kecil nilai kesalahan, maka akan semakin tepat hasil peramalan yang diperoleh.
Nilai-nilai yang umum digunakan untuk mengukur ketepatan suatu metode peramalan
untuk suatu data berjumlah n dengan YX menyatakan nilai data pada periode X
dan YX' ^Xt menyatakan hasil peramalan pada periode X Persamaan yang
digunakan untuk memperoleh nilai MSD pada suatu hasil peramalan adalah :
'
2 Uraian diatas menyatakan bahwa untuk menentukan keakuratan dari peramalan yang dilakukan dapat dilihat melalui nilai ukuran kesalahan yaitu simpangan kuadrat rata-rata (Mean Squared Deviation/MSD).2.7 Uji Normalitas Data
Distribusi Normal merupakan suatu distribusi teoritis yang tampaknya cukup sederhana, ternyata sangat berguna dalam penelitian-penelitian epidemiologis terutama dalam menentukan batas-batas nilai standar parameter. Langkah-langkah menguji kenormalan data
Merumuskan hipotesis
H0: data berdistribusi normal
H1: data tidak berdistribusi normal
Kriteria pengujian
Jika p-value >0,05, maka H0 diterima.
Jika p-value <0,05, maka H0 ditolak.
Membuat kesimpulan
BAB III
PROFIL TEMPAT KERJA PRAKTIK
Pada bab III, penulis menjelaskan tentang profil tempat kerja praktik yang meliputi sejarah, visi dan misi, tugas pokok, serta fungsi dari Dinas Kesehatan.
3.1 Profil Dinas Kesehatan
Dinas Kesehatan (Dinkes) merupakan unsur pelaksanaan otonomi daerah di bidang Kesehatan yang dipimpin oleh seorang kepala dinas, yang berkedudukan di bawah dan bertanggung jawab kepada Bupati melalui Seketaris Daerah. Dinas Kesehatan Kabupaten Banyumas berdiri sejak tahun 1968. Dinas Kesehatan Kabupaten Banyumas memiliki luas bangunan sekitar 8.360 m2.
3.2 Visi Dinas Kesehatan
Visi Dinas Kesehatan Kabupaten Banyumas adalah “Banyumas Sehat dan Mandiri”.
3.3 Misi Dinas kesehatan
Berdasarkan visi Dinas Kesehatan Kabupaten Banyumas , maka agar visi yang telah ditetapkan dapat tercapai maka Dinas Kesehatan Kabupaten Banyumas menetapkan misi sebagai berikut:
1. Mendorong dan menggerakkan masyarakat untuk berperilaku hidup bersih dan sehat serta mampu mengatasi masalah kesehatan di wilayahnya menuju terwujudnya desa siaga.
2. Meningkatkan kinerja dan mutu pelayanan kesehatan kepada masyarakat yang merata dan terjangkau.
3. Membina menciptakan lingkungan sehat serta mengendalikan penyakit potensial.
3.4 Tugas Pokok dan Fungsi Dinas Kesehatan
Dinas Kesehatan mempunyai tugas melaksanakan teknis operasional urusan pemerintahan daerah bidang kesehatan berdasarkan asas otonomi dan tugas pembantuan. Dinas Kesehatan dalam menyelenggarakan tugas dan menyelenggarakan fungsi yaitu :
a) Perumusan kebijakan teknis lingkup kesehatan.
b) Penyelenggaraan urusan pemerintahan dan pelayanan umum lingkup kesehatan.
c) Pembinaan dan pelaksanaan tugas lingkup kesehatan.
d) Pelaksanaan tugas lain yang diberikan oleh bupati sesuai dengan tugas dan fungsinya.
BAB IV
PELAKSANAAN DAN PEMBAHASAN
Pada bab IV ini penulis menjelaskan tentang pelaksanaan dan pembahasan hasil kerja praktik.
4.1 Pelaksanaan Kerja Praktik
Pelaksanaan kerja praktik ini meliputi deskripsi pekerjaan yang dilakukan pada saat kerja praktik dan penjelasan tentang metode yang digunakan untuk memperoleh data yang sesuai dengan tujuan dilakukannya analisa data.
4.1.1 Kegiatan Kerja Praktik
Kerja praktik dilaksanakan selama satu bulan, yaitu pada tanggal 27 Januari 2014 sampai dengan 21 Februari 2014 di Dinas kesehatan Kabupaten Banyumas Purwokerto. Pelaksanaan kerja praktik yang dilakukan di Dinas kesehatan Kabupaten Banyumas mempunyai 6 hari kerja yaitu dari hari Senin sampai Sabtu. Hari Senin sampai Kamis dimulai pukul 07.00 s/d 16.00, dengan waktu istirahat antara pukul 12.00 s/d 13.00, hari Jumat dari pukul 07.00 s/d 11.00, dan hari Sabtu dari pukul 07.00 s/d 14.00 dengan adanya apel pagi yang dilaksanakan setiap pagi hari dimulai pukul 07.15 s/d 07.30.
Adapun kegiatan kerja praktik sebagai berikut :
Minggu I dan II
a. Mengabsen bidan yang datang rapat Kematian Ibu dan Anak (KIA) di aula besar se kabupaten Banyumas
b. Menggandakan daftar penerima bantuan transport c. Mengentri data pegawai
d. Mengentri data anggaran rencana kerja dana anggaran satuan kerja perangkat daerah Tahun Anggaran 2014
Minggu III dan IV
b. Mendistribusi surat c. Mengentri data penduduk
d. Mengentri data demam berdarah dengue (DBD) e. Mengagendakan surat masuk dan surat keluar
4.2 Metode Kerja Praktik
Pada metode kerja praktik ini akan dijelaskan mengenai metode yang digunakan dalam penyusunan laporan, data yang digunakan, tempat pengambilan data, dan analisis data.
4.2.1 Metode
Metode yang penulis gunakan dalam menyelesaikan penulisan laporan kerja praktik ini adalah sebagai berikut:
a. Studi Pustaka
Dilakukan dengan cara menelaah sumber pustaka yang relevan untuk kerja praktik ini. Sumber pustaka yang dimaksud adalah buku-buku materi runtun waktu yang diperoleh di perpustakaan, laporan yang berkaitan dengan runtun waktu, dan jurnal-jurnal dari internet.
b. Interview
Dilakukan dengan cara tanya jawab secara langsung dengan pegawai Dinas Kesehatan Kabupaten Banyumas. Terutama dengan pegawai pada bagian yang berhubungan dengan data pembukuan.
c. Data Sekunder (data tak langsung)
Data yang digunakan tidak diambil secara langsung dari lapangan. Tetapi data diambil dari arsip yang telah ada (dicatat).
4.2.2 Data
Data yang digunakan pada kerja praktik peramalan jumlah kasus DBD di kabupaten Banyumas adalah data kasus DBD tahun 2000 sampai dengan tahun 2013. Adapun metode yang digunakan untuk pengumpulan data tersebut adalah metode dokumentasi, yaitu metode yang memanfaatkan data dari arsip Dinas Kesehatan Kabupaten Banyumas di Purwokerto.
Data yang digunakan untuk meramalkan kasus DBD diperoleh dari arsip Dinas Kesehatan Kabupaten Banyumas di Purwokerto.
Tabel IV.1 Data Jumlah Kasus DBD
4.2.4 Analisa Data
Analisis data yang diperoleh menggunakan Software Microsoft Office Excel
2007, dengan langkah-langkah sebagai berikut :
1. Menginput data jumlah kasus DBD dari tahun 2000 sampai tahun 2013. 2. Menguji kenormalan data dengan menggunakan uji Kolmogorov-Smirnov. 3. Melakukan peramalan trend analysis menggunakan metode kuadrat terkecil,
trend kuadratis, dan trend eksponensial.
4. Membandingkan kesalahan ramalan (forecast error) menggunakan MSD dari metode kuadrat terkecil, trend kuadratis, dan trend eksponensial.
5. Menentukan model peramalan trend analysis terbaik berdasarkan kesalahan ramalan terkecil dari nilai MSD.
6. Meramalkan jumlah kasus DBD dari tahun 2014 sampai tahun 2023.
4.3 Hasil dan Pembahasan Kerja Praktik
TAHUN KASUS DBD
2000 33 2001 34 2002 69
2003 97 2004 175 2005 132
2006 329 2007 241 2008 685
2009 382 2010 696 2011 201 2012 200
Pembahasan mengenai kerja praktik penulis menjelaskan tentang langkah-langkah analisa data hingga diperoleh hasil yang sesuai dengan tujuan dilakukannya analisa data.
4.3.1 Menginput Data Jumlah Kasus DBD
Tabel IV.2 Jumlah penderita DBD tahun 2000 sampai tahun 2013
Tahun Kasus DBD
2000 33
2001 34
2002 69
2003 97
2004 175
2005 132
2006 329
2007 241
2008 685
2009 382
2010 696
2011 201
2012 200
2013 543
14
Time Series Plot of kasus DBD
Gambar IV.1 Plot data kasus DBD
4.3.2 Menguji Kenormalan Data
Uji normalitas dilakukan untuk mengetahui distribusi data yang dianalisis berdistribusi normal atau tidak. Uji kenormalan distribusi datanya menggunakan uji Kolmogorov-Smirnov. Dari output MINITAB diperoleh nilai sebagai berikut:
...
Gambar IV.2 Uji Normalitas Data Kasus DBD
normal. Tetapi jika nilai p-value lebih dari 0,05, maka data tersebut berdistribusi normal.
Diketahui bahwa nilai p-value sebesar 0,138, maka akan diuji kenormalannya sebagai berikut:
Merumuskan hipotesis
H0: data berdistribusi normal
H1: data tidak berdistribusi normal
Kriteria pengujian
Jika p-value >0,05, maka H0 diterima.
Jika p-value <0,05, maka H0 ditolak.
Membuat kesimpulan
Berdasarkan output di atas, diketahui bahwa nilai p-value sebesar 0,138 lebih besar dari 0,05, sehinggga dapat disimpulkan bahwa data kasus DBD berdistribusi normal. Artinya data DBD yang diperoleh dari lapangan sesuai dengan distribusi teoritik tertentu yaitu distribusi normal sehingga data kasus DBD dapat digunakan untuk .
4.3.3 Melakukan Peramalan Trend Analysis Menggunakan Metode Kuadrat Terkecil, Trend Kuadratis, dan Trend Eksponensial
Setelah syarat kenormalan data terpenuhi, langkah selanjutnya adalah membuat model untuk tabel IV.1 dengan menggunakan persamaan (2.1) pada metode kuadrat terkecil, persamaan (2.4) pada trend kuadratis dan persamaan (2.8) pada trend eksponensial. Proses perhitungan dilakukan dengan menggunakan program Microsoft Office Excel 2007.
Perhitungan model data kasus DBD untuk membuat persamaan trend
sebagai berikut:
1) Kasus DBD merupakan data genap, X ditentukan dengan mencari 2 tahun pertengahan dan nilainya nol, nilai X tahun sebelumnya kurang 2 dan tahun setelahnya ditambah 2 seperti berikut
TabelIV.3 Skala X Untuk Data DBD
2) Y
merupakan kasus DBD pada tahun tertentu
3) Menentukan nilai koefisien yang dibutuhkan pada perhitungan persamaan
trend
4) menentukan persamaan trend dengan mensubstitusikan nilai koefisien yang diperoleh ke persamaan trend.
Perhitungan model dengan metode kuadrat terkecil, trend kuadratis, dan
trend eksponensial dalam meramalkan kasus DBD
Tabel IV.4 Perhitungan Trend Linier Kasus DBD dengan Metode Kuadrat Terkecil
Tahun Kasus DBDY (TAHUN)Kode X XY X2
2012 200 11 220 121
2013 543 13 7059 169
3817 0 16443 910
Berdasarkan tabel IV.4, maka nilai koefisien a dan b dari metode kuadrat terkecil dapat dihitung sebagai berikut:
2
Tahun 2008 2009 2010 2011 2012 2013 ∑X
jadi, berdasarkan perhitungan di atas diperoleh persamaan trend linier dengan metode kuadrat terkecil sebagai berikut:
'
Y a bX
' 272,643 18, 069
Y X
Tabel IV.5 Perhitungan Trend Kuadratis Kasus DBD
Tahun Kasus DBD Y
Kode X
(TAHUN) XY X2 X2Y X4
2000 33 -13 -429 169 5577 28561 2001 34 -11 -374 121 4114 14641 2002 69 -9 -621 81 5589 6561
2009 328 5 1910 25 9550 625
2010 696 7 4872 49 34104 2401 2011 201 9 1809 81 16281 6561 2012 200 11 2200 121 24200 14641 2013 543 13 7059 169 91767 28561 3817 0 16443 910 208233 105742
558208
substitusi III ke persamaan I
2
jadi, berdasarkan perhitungan di atas diperoleh persamaan trend kuadratis sebagai berikut:
' 328, 283 18,069 0,856 2
Y X X
Tabel IV.6 Perhitungan Trend Eksponensial Kasus DBD
Tahun Kasus DBD Y
Kode X
(Tahun) X2 Log Y X Log Y
2000 33 -13 169 1,518 -19,741 2001 34 -11 121 1,531 -16,846 2002 69 -9 81 1,839 -16,549 2003 97 -7 49 1,987 -13,907 2004 175 -5 25 2,243 -11,215
2005 132 -3 9 2,12 -6,517
2006 329 -1 1 2,517 -2,517
2007 241 1 1 2,382 2,382
2008 685 3 9 2,836 8,507
2009 382 5 25 2,582 12,910 2010 696 7 49 2,842 19,898 2011 201 9 81 2,303 20,728 2012 200 11 121 2,301 25,311 2013 543 13 169 2,735 35,552 3817 0 910 31,737 38,152
log
Model peramalan untuk data kasus DBD menggunakan metode kuadrat terkecil, trend kuadratis, dan trend eksponensial dipaparkan pada tabel IV.6 berikut
Tabel IV.7 Model peramalan kasus DBD untuk metode kuadrat terkecil, trend
kuadratis, dan trend eksponensial.
Model Model Kasus DBD
Metode Kuadrat terkecil Y’ = 272,643 + 18,069X
Trend Kuadratis Y’ = 328,268 + 18,096 – 0,856 X2 Trend Eksponensial Y’ = 184,922 . 1,101x
4.3.4 Membandingkan Nilai MSD
model yang paling sesuai digunakan untuk meramalkan kasus DBD, maka digunakan MSD. MSD merupakan suatu metode untuk mengevaluasi metode peramalan. Masing-masing kesalahan atau sisa dikuadratkan. Kemudian dijumlahkan dan dibagi dengan jumlah observasi. Pendekatan ini mengatur kesalahan peramalan yang besar karena kesalahan peramalannya dikuadratkan. Nilai MSD terkecil menunjukkan bahwa ramalan yang disususn mendekati kesesuaian. Adapun rumus MSD adalah sebagai berikut:
'
2Tabel IV.8 Perhitungan untuk Mencari Nilai MSD Metode Kuadrat Terkecil
Tahun Kasus DBDY RamalanDBD Y’ (Y-Y’)2
2000 33 37,746 22,5245
Tahun Kasus DBD
Berdasarkan tabel IV.9, maka nilai MSD trend kuadratis dapat dihitung sebagai berikut:
333689,6
23834,97 23835 14
MSD
Tabel IV.10 Perhitungan Untuk Mencari Nilai MSD Trend Eksponensial
520814,3
37201,02 37201 14
MSD
Tabel IV.11 Perbandingan Nilai MSD Peramalan kasus DBD untuk Metode Kuadrat Terkecil, Trend Kuadratis, dan Trend Eksponensial
Model MSD
Metode Kuadrat terkecil 26272
Trend Kuadratis 23835
Trend Eksponensial 37201
4.3.5 Menentukan Model Peramalan Trend Analysis Terbaik
Berdasarkan tabel IV.11 peramalan trend analysis yang memiliki jumlah kesalahan peramalan terkecil dari MSD pada kasus DBD adalah trend kuadratis dengan nilai MSD 23835 sehingga model yang paling tepat digunakan untuk meramalkan jumlah kasus DBD adalah trend kuadratis.
4.3.6 Meramalkan Jumlah Kasus DBD
Peramalan kasus DBD dilakukan dengan peramalan trend analysis model kuadratis dengan jumlah kesalahan peramalan dari MSD sebesar 23835. Dengan demikian, jumlah kasus DBD untuk tahun 2014 sampai 2023 dapat diperoleh dengan menggunakan model
Berdasarkan persamaan trend kuadratis di atas, dapat dihitung ramalan kasus DBD untuk tahun 2014 sampai dengan tahun 2023 yaitu:
Untuk meramalkan kasus DBD Tahun 2014-2023, kode tahun (X) dijumlahkan dua dari kode tahun sebelumnya
1. Ramalan kasus DBD tahun 2014 dengan X=15
' 2
2014 328, 283 18,096(15) 0,856(15)
Y
407,123
2. Ramalan kasus DBD tahun 2015 dengan X=17
' 2
2015 328, 283 18,096(17) 0,856(17)
Y
388,531
3. Ramalan kasus DBD tahun 2016 dengan X=19
' 328, 238 18,096 0,856 2
' 2 2016 328, 283 18,096(19) 0,856(19)
Y
4. Ramalan kasus DBD tahun 2017 dengan X=21
330,803
5. Ramalan kasus DBD tahun 2018 dengan X=23
' 2
2018 328, 283 18, 096(23) 0,856(23)
Y
= 291,667
6. Ramalan kasus DBD tahun 2019 dengan X=25
' 2
2019 328, 238 18, 096(25) 0,856(25)
Y
= 245,683
7. Ramalan kasus DBD tahun 2020 dengan X=27
' 2
2020 328, 283 18,096(27) 0,856(27)
Y
192,851
8. Ramalan kasus DBD tahun 2021 dengan X=29
' 2
2021 328, 283 18, 096(29) 0,856(29)
Y
133,171
9. Ramalan kasus DBD tahun 2023 dengan X=33
' 2
2022 328, 283 18,096(31) 0,856(31)
Y
= 66,643
10. Ramalan kasus DBD tahun 2023 dengan X=33
' 2
2033 238, 283 18, 096(33) 0,856(33)
BAB V
KESIMPULAN DAN SARAN I.
5.1 Kesimpulan
Berdasarkan pembahasan di atas, beberapa hal yang dapat disimpulkan sesuai dengan tujuan penulisan antara lain:
a. Model yang paling tepat untuk meramalkan jumlah kasus DBD Kabupaten Banyumas adalah model kuadratis sebab mempunyai tingkat kesalahan yang lebih kecil dari metode kuadrat terkecil dan model eksponensial.
b. Peramalan jumlah kasus DBD dilakukan dengan Trend Analysis model
kuadratisyaitu Y' 328, 283 18,069 X 0,856X2
5.2 Saran
a. Peramalan kasus DBD hanya merupakan salah satucara untuk memperkirakan kasus DBD pada periode yang akan datang. Hasil peramalan belum tentu tepat karena banyak faktor yang tidak diikutsertakan dalam perhitungan. Oleh sebab itu, disarankan untuk menggunakan metode yang lain seperti rata-rata bergerak(moving average), ARIMA, dll.
DAFTAR PUSTAKA
Assuari, S. 1984. Teknik dan Metode Peramalan: Penerapannya Dalam Ekonomi dan Dunia Usaha Edisi Satu. Fakultas Ekonomi Universitas Indonesia : Jakarta.
Aswi dan Sukarna. 2006. Analisis Deret Waktu dan Aplikasi. Makassar: Andira Publisher.
Candra, A. 2010. Demam Berdarah Dengue: Epidemiologi, Patogenesis, dan Faktor Resiko Penularan. Aspirator, 2:(2)
Heizer, J., dan Render, B. 2006. Manajemen Operasi, Edisi 7. Salemba Empat, Jakarta.
Makridakis, S., Wheelwright, S.C.,& McGee, V.E. 1992. Forecasting: Methods and Applications, 2nd Edition, John Wiley & Sons, Inc. (alih bahasa : Hari Sumintro. 1999. Metode dan Aplikasi Peramalan, Edisi ke-2, Binarupa Aksara : Jakarta.
Menkes, R.I. 2005, Pencegahan dan Pemberantasan Demam Berdarah Dengue di Indonesia, Jakarta: Departemen Kesehatan RI.
Menkes, R.I. 2010. Jendela Epidemiologi, Volume 2. Kementrian Kesehatan RI Jakarta.
Purnomo,H.A. 2012.: Surveillance Nyamuk Aedes spp. Sebagai Vektor Penyakit
Demam Berdarah Di Desa Wangon dan Notog Kabupaten Banyumas, Tesis, Universitas Jenderal Soedirman.
Santoso, S. 2009. Bussiness Forecasting: Metode Peramalan Bisnis Masa Kini dengan Minitab dan SPSS. Jakarta: PT Elex Media Komputindo.
Soegijanto, S. 2004, Demam Berdarah Dengue, Surabaya: Airlangga University Press.
Widoyono. 2010. Penyakit Tropis Epidemiologi, Penularan, Pencegahan dan Pemberantasannya. Jakarta: Erlangga
RIWAYAT HIDUP
Nama : Anim Siregar
NIM : H1B011029
Tempat, Tanggal Lahir : Kota Pinang, 1 November 1993
Jenis Kelamin : Perempuan Status : Belum menikah
Alamat asal : Dusun Sumber Sari Desa Pasir Tuntung Kecamatan Kotapinang, Kabupaten Labuhanbatu Selatan 21464.
Telepon : 082242525137
Motto : Always Be A Star In The Sky
Riwayat Pendidikan
1. MAS Darul Mursyid, 2011. 2. MTS Darul Mursyid, 2008. 3. SD Negeri 1 Batu Ajo, 2005.
Purwokerto, 29 Januari 2015
