KABUPATEN ASAHAN DENGAN MENGGUNAKAN MODEL
ARIMA
SKRIPSI
OLEH
INDRIANI SINURAT NIM : 131000537
FAKULTAS KESEHATAN MASYARAKAT UNIVERSITAS SUMATERA UTARA
MEDAN
2017
TAHUN 2012–2016 UNTUK PREDIKSI KUNJUNGAN PEMERIKSAAN KEHAMILAN K1 DAN K4 TAHUN 2017–2019 DI PUSKESMAS
RAWAT INAP KECAMATAN SIMPANG EMPAT KABUPATEN ASAHAN DENGAN
MENGGUNAKAN MODEL ARIMA
Skripsi ini diajukan sebagai
salah satu syarat untuk memperoleh gelar Sarjana Kesehatan Masyarakat
OLEH
INDRIANI SINURAT NIM : 131000537
FAKULTAS KESEHATAN MASYARAKAT UNIVERSITAS SUMATERA UTARA
MEDAN
2017
Dengan ini saya menyatakan bahwa skripsi yang berjudul “Analisa Kunjungan Pemeriksaan Kehamilan K1 Dan K4 Tahun 2012–2016 Untuk Prediksi Kunjungan Pemeriksaan Kehamilan K1 Dan K4 Tahun 2017–2019 Di Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan Dengan Menggunakan Model Arima” ini beserta seluruh isinya adalah benar hasil karya saya sendiri dan saya tidak melakukan penjiplakan atau pengutipan dengan cara-cara yang tidak sesuai dengan etika keilmuan yang berlaku dalam masyarakat keilmuan. Atas pernyataan ini, saya siap menanggung resiko atau sanksi yang dijatuhkan kepada saya apabila kemudian ditemukan adanya pelanggaran terhadap etika keilmuan dalam karya saya ini, atau klaim dari pihak lain terhadap keaslian karya saya ini.
Medan, Oktober 2017
Yang membuat pernyataan, Indriani Sinurat
HALAMAN PENGESAHAN
Skripsi dengan Judul
ANALISA KUNJUNGAN PEMERIKSAAN KEHAMILAN K1 DAN K4 TAHUN 2012–2016 UNTUK PREDIKSI KUNJUNGAN PEMERIKSAAN
KEHAMILAN K1 DAN K4 TAHUN 2017–2019 DI PUSKESMAS RAWAT INAP KECAMATAN SIMPANG EMPAT
KABUPATEN ASAHAN DENGAN MENGGUNAKAN MODEL ARIMA
Yang disiapkan dan dipertahankan oleh
INDRIANI SINURAT NIM : 131000537
Disahkan oleh : Komisi Pembimbing
Dosen Pembimbing I Dosen Pembimbing II
Drs. Abdul Jalil Amri Arma, M.Kes Maya Fitria, S.K.M, M.Kes NIP. 195812021991031001 NIP. 197610052009122003
Medan, Oktober 2017 Fakultas Kesehatan Masyarakat
Universitas Sumatera Utara Dekan,
hamil ke pelayanan kesehatan selama masa kehamilan, minimal empat kali selama masa kehamilan. Tujuan dari antenatal care adalah untuk menjaga agar ibu hamil dapat melalui masa kehamilan, persalinan dan nifas dengan baik dan selamat, serta menghasilkan bayi yang sehat. Peramalan jumlah kunjungan pemeriksaan kehamilan K1 dan K4 merupakan salah satu dasar untuk menentukan rencana peningkatan kualitas pelayanan kesehatan masyarakat ke depannya. Salah satu metode peramalan yang dapat dipergunakan adalah metode peramalan analisis runtun waktu (time series).
Penelitian ini dilakukan di Puskesmas Simpang Empat dengan mengambil data jumlah kunjungan pemeriksaan kehamilan K1 dan K4 dari bulan Januari 2012 – Desember 2016. Dalam penelitian ini ingin didapatkan model peramalan untuk kunjungan pemeriksaan kehamilan K1 dan K4 di Puskesmas Simpang Empat untuk tahun 2017 – 2019.
Jenis penelitian yang digunakan adalah penelitian deskriptif menggunakan metode peramalan time series dengan menggunakan model ARIMA yaitu penelitian terhadap variabel dependen dengan menggunakan data masa lampau kunjungan pemeriksaan kehamilan di Puskesmas Simpang Empat bulan Januari 2012 sampai Desember 2016.
Hasil peramalan diperoleh model ARIMA (0,1,1) sebagai model yang tepat untuk peramalan jumlah kunjungan pemeriksaan kehamilan di Puskesmas Simpang Empat. Jumlah ibu hamil yang melakukan kunjungan pemeriksaan kehamilan K1 untuk setiap bulannya tahun 2017- 2019 sebesar 18 orang ibu hamil dan jumlah ibu hamil yang melakukan kunjungan pemeriksaan kehamilan K4 untuk setiap bulannya pada tahun 2017- 2019 sebanyak 19 orang ibu hamil yang melakukan kunjungan pemeriksaan kehamilan di Puskesmas Simpang Empat.
Saran yang dapat diberikan kepada pihak Puskesmas Simpang Empat dapat meningkatkan peran serta masyarakat (suami, keluarga, kader) dengan mengunjungi rumah – rumah ibu hamil dan meningkatkan kualitas penyuluhan sehingga akan banyak ibu hamil yang termotivasi untuk memeriksakan kehamilannya.
Kata Kunci : Antenatal Care, Peramalan, ARIMA (Autoregressive Integrated Moving Average).
Antenatal visit is a visit paid by pregnant mothers to a health service facility to monitor and examine the welfare and health of the mothers and their fetuses for at least four times during their pregnancy. The purpose of the antenatal care is to keep pregnant women can go trough pregnancy, childbirth and post-partum well and safety, and to produce a healthy baby. Forecasting of pregnancy visit K1 and K4 are one of the basic for determining plan to improve the quality of public health services in the future. One method of forecasting that can be used is the method of forecasting time series analysis.
This research was done in Puskesmas Simpang Empat by taking data of number of pregnancy visit of K1 and K4 from January 2012 - December 2016. In this research should be reached a model of total forecasting number of visit pregnancy visit K1 and K4 in Puskesmas Simpang Empat for 2017 - 2019.
The type of research used is descriptive study using time series forecasting method using ARIMA model, ARIMA model is research on dependent variable by using the past data of pregnancy visit in Puskesmas Simpang Empat in January 2012 to December 2016.
Forecasting results obtained ARIMA model (0,1,1) as the right model for forecasting of pregnancy visit in Puskesmas Simpang Empat. Total of pregnant women visit the pregnancy visit K1 for every month of 2017 - 2019 are 18 pregnant women and total of pregnant women visit the K4 pregnancy visit for every month in 2017 - 2019 are 19 pregnant women visit the pregnancy visit in Puskesmas Simpang Empat.
Suggestion for Puskesmas Simpang Empat can increase the participation of the community (husband, family, cadres) by visiting the houses of pregnant women and improving the quality of counseling for pregnant women to motivated and check their pregnancy in Puskesmas Simpang Empat.
Kata Kunci : Antenatal Care, Forecasting, ARIMA (Autoregressive Integrated Moving Average).
KATA PENGANTAR
Puji dan syukur penulis ucapkan kehadirat Tuhan Yang Maha Esa atas berkat dan kasih karunia-Nya, sehingga penulis dapat menyelesaikan skripsi yang berjudul “Analisa Kunjungan Pemeriksaan Kehamilan K1 Dan K4 Tahun 2012–2016 Untuk Prediksi Kunjungan Pemeriksaan Kehamilan K1 Dan K4 Tahun 2017–2019 Di Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan Dengan Menggunakan Model Arima” yang merupakan salah satu syarat untuk memperoleh gelar Sarjana Kesehatan Masyarakat (SKM).
Dalam penyusunan dan penulisan skripsi ini penulis banyak menerima bimbingan, bantuan dan motivasi dari berbagai pihak. Oleh sebab itu pada kesempatan ini dengan segala kerendahan hati penulis menyampaikan ucapan terimakasih kepada:
1. Prof. Dr. Runtung Sitepu, SH, M.Hum selaku Rektor Universitas Sumatera Utara
2. Prof. Dr. Dra. Ida Yustina, M.Si selaku Dekan Fakultas Kesehatan Masyarakat Universitas Sumatera Utara
3. Dr. Asfriyati, S.K.M, M.Kes selaku Ketua Departemen Kependudukan dan Biostatistika Fakultas Kesehatan Masyarakat sekaligus Dosen Penguji Skripsi I yang telah meluangkan waktu untuk memberikan bimbingan, saran, masukan, dan petunjuk dalam penulisan skripsi ini.
4. Drs. Abdul Jalil Amri Arma, M.Kes selaku Dosen Pembimbing Skripsi I yang telah meluangkan waktu untuk memberikan bimbingan, saran, masukan, dan petunjuk dalam penulisan skripsi ini.
5. Maya Fitria, S.K.M, M.Kes selaku Dosen Pembimbing Skripsi II yang telah meluangkan waktu untuk memberikan bimbingan, saran, masukan, dan petunjuk dalam penulisan skripsi ini.
6. Sri Rahayu Sanusi, S.K.M, M.Kes, Ph.D selaku Penguji II yang telah banyak memberikan saran dan masukan untuk perbaikan skripsi ini.
7. dr. Devi Nuraini Santi, M.Kes selaku Dosen Penasehat Akademik yang telah memberikan bimbingan akademik selama penulis mengikuti pendidikan di Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.
8. Seluruh Dosen dan Staf Administrasi di Departemen Kependudukan dan Biostatistika Fakultas Kesehatan Masyarakat Universitas Sumatera Utara.
9. Kepala Puskesmas Simpang Empat dan Staf yang telah membantu penulis dalam melakukan penelitian.
10. Orang Tua Tercinta, Musa Sinurat dan Harapan Simarmata yang selalu mendoakan, memberikan semangat dan kasih sayang kepada penulis selama masa perkuliahan hingga bisa menyelesaikan skripsi ini.
11. Saudaraku tersayang, Winda Mariani Sinurat, Triani Novita Sari Sinurat, Rizki Putri Sinurat, dan Samuel Sinurat yang selalu memberikan semangat, keceriaan sehingga penulis dapat selalu bersemangat untuk menjalani masa perkuliahan hingga menyelesaikan skripsi ini.
12. Sahabat-sahabatku, Meliana, Eni, Lydia, Arliantini, Veni, Ikbal, Firman, Gia, Agnes. Terimakasih untuk dukungan, keceriaan, semangat, dan kebersamaannya selama ini.
13. Sahabatku dari TK, Novelisa Lumban Raja. Terimakasih untuk dukungan, semangat, keceriaan, dan kebersamaannya selama ini.
14. Sahabatku dari SMA, Ova Clarissa Saragih. Terimakasih untuk dukungan, semangat, keceriaan, dan kebersamaannya selama ini.
15. Teman-teman stambuk 2013, khususnya teman-teman seperjuangan di Peminatan Biostatistika dan Informasi Kesehatan Meliana Novriani Sijabat, Sri Charina Barus, Astri Meywati Zendrato, Elvi Rahmi, Nancy Siahaan, Putri Hidayanti, Yunda Ariani, Ella Melda Sari, Helmi Safitri, Agi Nurhayati, Olga Indah Suci, Triwil Octavianus, Ichwan Aulia terimakasih untuk dukungan dan kebersamaannya.
16. Untuk teman-teman yang tidak bisa disebutkan satu persatu, yang telah banyak membantu, memberikan dukungan, semangat dan doa selama ini.
Penulis menyadari bahwa apa yang disajikan dalam skripsi ini masih terdapat banyak kekurangan yang harus diperbaiki. Untuk itu, penulis mengharapkan masukan dari berbagai pihak yang sifatnya membangun dalam rangka penyempurnaan skripsi ini. Akhir kata penulis berharap skripsi ini dapat bermanfaat terutama dalam kemajuaan ilmu pengetahuan.
Medan, Oktober 2017 Penulis,
Indriani Sinurat
HALAMAN PERNYATAAN KEASLIAN SKRIPSI ... i
HALAMAN PENGESAHAN ... ii
ABSTRAK ... iii
ABSTRACT ... iv
KATA PENGANTAR ... v
DAFTAR ISI ... ix
DAFTAR TABEL ... xi
DAFTAR GAMBAR ... xiii
DAFTAR LAMPIRAN ... xiv
RIWAYAT HIDUP ... xv
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 6
1.3 Tujuan Penelitian ... 7
1.3.1 Tujuan Umum ... 7
1.3.2 Tujuan Khusus ... 7
1.4 Manfaat Penelitian ... 7
BAB II TINJAUAN PUSTAKA ... 9
2.1 Peramalan ... 9
2.1.1 Defenisi Peramalan ... 9
2.1.2 Kegunaan Peramalan ... 10
2.1.3 Jenis – Jenis Peramalan... 10
2.1.4 Langkah – Langkah Peramalan ... 11
2.2 Pemeriksaan Kehamilan... 12
2.2.1 Filosofi Asuhan Kehamilan ... 16
2.2.2 Tujuan Pemeriksaan Kehamilan ... 18
2.3 Analisa Runtun Waktu (Time Series) ... 19
2.4 Jenis Pola Data ... 21
2.5 Stasioneritas ... 22
2.6 Differencing ... 22
2.7 ARIMA ... 23
2.7.1 Model Autoregressive (AR) ... 24
2.7.2 Model Moving Average (MA) ... 24
2.7.3 Model ARMA ... 25
2.7.4 Model ARIMA ... 25
2.8 Metode ARIMA ... 26
2.9 Alur Penelitian ... 32
3.1 Jenis Penelitian ... 32
3.2 Lokasi dan Tempat Penelitian ... 32
3.3 Metode Pengumpulan Data ... 32
3.4 Populasi dan Sampel ... 33
3.5 Defenisi Operasional ... 33
3.6 Metode Analisis Data ... 34
BAB IV HASIL PENELITIAN ... 35
4.1 Deskripsi Lokasi Penelitian ... 35
4.1.1 Gambaran Lokasi Penelitian ... 35
4.1.2 Visi dan Misi Pembangunan Kesehatan ... 35
4.1.3 Struktur Organisasi ... 36
4.1.4 Fasilitas Pelayanan ... 36
4.2 Hasil Penelitian Kunjungan Pemeriksaan Kehamilan K1 dan K4 ... 37
4.2.1 Data Pemeriksaan Kehamilan K1 ... 37
4.2.2 Data Pemeriksaan Kehamilan K4 ... 53
BAB V PEMBAHASAN ... 69
5.1 Kunjungan Pemeriksaan Kehamilan K1 ... 69
5.2 Kunjungan Pemeriksaan Kehamilan K4 ... 71
5.3 Kepatuhan Ibu Hamil untuk Kunjungan Pemeriksaan Kehamilan ... 73
BAB VI KESIMPULAN DAN SARAN... 74
6.1 Kesimpulan ... 74
6.2 Saran ... 74 DAFTAR PUSTAKA
LAMPIRAN
Tabel 4.2 Tabel Estimasi dari ARIMA (2,1,1)... 44
Tabel 4.3 Tabel Estimasi dari ARIMA (2,1,0)... 45
Tabel 4.4 Tabel Estimasi dari ARIMA (1,1,1)... 45
Tabel 4.5 Tabel Estimasi dari ARIMA (1,1,0)... 46
Tabel 4.6 Tabel Estimasi dari ARIMA (0,1,1)... 47
Tabel 4.7 Uji Asumsi ARIMA (2,1,1) ... 47
Tabel 4.8 Uji Asumsi ARIMA (2,1,0) ... 48
Tabel 4.9 Uji Asumsi ARIMA (1,1,1) ... 49
Tabel 4.10 Uji Asumsi ARIMA (1,1,0) ... 49
Tabel 4.11 Uji Asumsi ARIMA (0,1,1) ... 50
Tabel 4.12 Model ARIMA dengan Nilai MS ... 50
Tabel 4.13 Hasil Proyeksi Kunjungan Pemeriksaan Kehamilan K1... 52
Tabel 4.14 Tabel Data K4 Tahun 2012 - 2016... 53
Tabel 4.15 Tabel Estimasi dari ARIMA (2,1,1)... 59
Tabel 4.16 Tabel Estimasi dari ARIMA (2,1,0)... 60
Tabel 4.17 Tabel Estimasi dari ARIMA (1,1,1)... 61
Tabel 4.18 Tabel Estimasi dari ARIMA (1,1,0)... 62
Tabel 4.19 Tabel Estimasi dari ARIMA (0,1,1)... 62
Tabel 4.20 Uji Asumsi ARIMA (2,1,1) ... 63
Tabel 4.21 Uji Asumsi ARIMA (2,1,0) ... 64
Tabel 4.22 Uji Asumsi ARIMA (1,1,1) ... 64
Tabel 4.23 Uji Asumsi ARIMA (1,1,0) ... 65
Tabel 4.24 Uji Asumsi ARIMA (0,1,1) ... 65
Tabel 4.26 Hasil Proyeksi Kunjungan Pemeriksaan Kehamilan K4... 68
DAFTAR GAMBAR
Halaman
Gambar 2.1 Skema yang memperlihatkan pendekatan ARIMA ... 26 Gambar 2.2 Tahap Pelaksanaan Kegiatan ... 31 Gambar 4.1 Plot Data Kunjungan Kehamilan K1 Data Awal Tahun
2012 -2016 ... 38 Gambar 4.2 Grafik Fungsi Autokorelasi Data Awal Kunjungan K1 ... 39 Gambar 4.3 Grafik Fungsi Autokorelasi Parsial Data Awal Kunjungan
Kehamilan K1 ... 40 Gambar 4.4 Grafik Plot Data Differencing Kunjungan Pemeriksa Kehamilan
K1 ... 41 Gambar 4.5 Grafik Fungsi Autokorelasi Data Differencing Kunjungan
Kehamilan K1 ... 42 Gambar 4.6 Grafik Fungsi Autokorelasi Parsial Data Differencing Kunjungan
Kehamilan K1 ... 43 Gambar 4.7 Plot Data Kunjungan Kehamilan K4 Data Awal pada Tahun
2012 -2016 ... 54 Gambar 4.8 Grafik Fungsi Autokorelasi Data Awal Kunjungan K4 ... 55 Gambar 4.9 Grafik Fungsi Autokorelasi Parsial Data Awal Kunjungan
Kehamilan K4 ... 56 Gambar 4.10 Grafik Plot Data Differencing Kunjungan Pemeriksa Kehamilan
K4 ... 57 Gambar 4.11 Grafik Fungsi Autokorelasi Data Differencing Kunjungan
Kehamilan K4 ... 58 Gambar 4.12 Grafik Fungsi Autokorelasi Parsial Data Differencing Kunjungan
Kehamilan K4 ... 58
Lampiran 1. Output Hasil Transformasi Data Awal Kunjungan K1 ... 76 Lampiran 2. Output Hasil Estimasi dari Model ARIMA ... 77 Lampiran 3. Output Hasil Proyeksi Kunjungan K1 ... 80 Lampiran 4. Output Hasil Transformasi Data Awal Kunjungan K1 ... 81 Lampiran 5. Output Hasil Estimasi dari Model ARIMA ... 82 Lampiran 6. Output Hasil Proyeksi Kunjungan K1 ... 85 Lampiran 7. Surat Keterangan Selesai Penelitian ... 82
Penulis bernama Indriani Sinurat yang dilahirkan pada tanggal 4 Agustus 1995 di Simpang Empat. Penulis merupakan anak kedua dari lima bersaudara dari pasangan Ayahanda Musa Sinurat dan Ibunda Harapan Simarmata.
Pendidikan formal penulis dimulai di TK Swasta Santa Maria pada tahun 2000 dan selesai tahun 2001, Sekolah Dasar Swasta Panti Budaya pada tahun 2001 dan selesai tahun 2007, Sekolah Menengah Pertama Negeri 6 Kisaran pada tahun 2007 dan selesai tahun 2010, Sekolah Menengah Atas Swasta Methodist Pematang Siantar pada tahun 2010 dan selesai tahun 2013. Kemudian pada tahun 2013 penulis mulai masuk Strata 1 Kesehatan Masyarakat Universitas Sumatera Utara (USU) dan selesai tahun 2017.
BAB I PENDAHULUAN 1.1 Latar Belakang
Pemeriksaan kehamilan adalah pengawasan kehamilan untuk mengetahui kesehatan ibu, menegakan secara dini penyakit yang menyertai kehamilan, menegakan secara dini komplikasi kehamilan, dan menetapkan risiko kehamilan dengan memantau kemajuan kehamilan memastikan kehamilan ibu dan tumbuh kembang janin, meningkatkan dan mempertahankan kesehatan fisik, mental, dan sosial ibu, mengenali secara dini adanya komplikasi yang mungkin terjadi selama masa kehamilan, termasuk riwayat penyakit secara umum dan pembedahan, mempersiapkan persalinan cukup bulan dan pesalinan yang normal, mempersiapkan ibu agar masa nifas dan pemberian ASI Ekslusif berjalan normal, mempersiapkan peran ibu dan keluarga dalam menerima kelahiran bayi agar dapat tumbuh kembang secara optimal, dan menurunkan angka kesakitan dan kematian ibu (Ida Bagus Gede Manuaba, 2010).
Upaya meningkatkan pelayanan kesehatan kepada masyarakat yang berkualitas merupakan peranan dari Puskesmas dan jaringannya. Puskesmas bertanggung jawab menyelenggarakan pembangunan kesehatan di wilayah kerjanya yaitu meningkatkan kesadaran, kemauan, dan kemampuan hidup sehat bagi setiap orang yang bertempat tinggal di wilayah kerjanya agar terwujudnya derajat kesehatan yang setinggi - tingginya. Akses terhadap pelayanan kesehatan yang berkualitas dapat ditingkatkan melalui peningkatan kinerja Puskesmas untuk
meningkatkan kesadaran, kemauan, dan kemampuan hidup sehat bagi setiap orang agar memiliki kemampuan untuk menjangkau pelayanan kesehatan yang bermutu, secara adil dan merata serta memiliki derajat kesehatan yang setinggi-tingginya.
Berdasarkan hasil Survey Demografi Kesehatan Indonesia (SDKI) pada tahun 2012, angka kematian ibu mengalami kenaikan dari 228 pada tahun 2007 menjadi 359 per 100.000 kelahiran hidup pada tahun 2013. Angka kematian ibu di Indonesia mencapai 9.900 orang dari 4,5 juta keseluruhan kelahiran pada tahun 2012, data ini merupakan yang tertinggi di ASEAN dan ditahun 2013, tercatat angka kematian ibu (AKI) di Indonesia masih sekitar 190 per 100.000 kelahiran.
Berdasarkan data World Health Organization (WHO), Indonesia masuk ke dalam jajaran negara dengan AKI tertinggi, yaitu menduduki peringkat ke-3 dalam negara anggota ASEAN.
Angka Kematian Ibu yang dilaporkan di Sumatera Utara tahun 2012 adalah sebesar 106 per 100.000 kelahiran hidup, dan dari data laporan bulanan untuk Kabupaten Asahan secara rutin selama lima tahun terakhir ini secara berturut-turut ditampilkan jumlah kematian ibu yakni, tahun 2008 terdapat 17 kematian ibu dari 13.897 Kelahiran Hidup, tahun 2009 terdapat 19 kematian ibu dari 16.435 Kelahiran Hidup, sementara tahun 2010 jumlah kematian ibu sebesar 26 kematian ibu dari 14.154 Kelahiran Hidup, sedangkan pada tahun 2011 menjadi 17 kematian ibu dari 13.482 Kelahiran Hidup, selanjutnya pada tahun 2012 menjadi 13 kematian ibu dari 14.336 Kelahiran Hidup.
Kasus kematian ibu dapat dicegah melalui pemeriksaan kehamilan secara rutin dan efektif, biasanya dilakukan pemantauan terkait dengan kehamilan dalam
percepatan penurunan AKI yang dilakukan pemerintah salah satunya dengan program pemeriksaan kehamilan yang dikenal dengan pemeriksaan antenatal care dan melakukan persalinan ke sarana pelayanan kesehatan. Dengan mengetahui penyebab AKI diharapkan target penurunan AKI dapat dicapai dengan upaya yang lebih intensif untuk mempercepat laju penurunannya (Kemenkes RI, 2013).
Pada tahun 2012 hasil pencapaian cakupan pelayanan kunjungan K1 Nasional sebesar 85,45% dari target pencapaian 94%. Dari 33 provinsi di Indonesia, 16 provinsi telah mencapai target cakupan K1. Sementara provinsi lainnya telah mencapai cakupan K1 tidak kurang dari 80% kecuali Provinsi Papua dan Sulawesi Barat dengan pencapaian 57,85% dan 77,22%. Sedangkan untuk cakupan kunjungan K4 nasional sebesar 85,45% yang artinya telah mencapai target pencapaian sebesar 84%. Namun cakupan K4 di 15 provinsi di Indonesia masih belum mencapai angka 84% (Profil Kesehatan Sumatera Utara, 2012).
Berdasarkan data dari Profil Kesehatan Kabupaten Asahan terutama pada Puskesmas Rawat Inap Simpang Empat jumlah kunjungan K4 dari 15.584 jumlah ibu hamil tercatat sebanyak 14.585 (93,59%), atau dengan kata lain ada sebanyak 743 ibu hamil (4,77 %) yang telah melakukan kunjungan K1 ternyata tidak melanjutkan kunjungan K4 (Drop-Out). Sebagai perbandingan, disebutkan bahwa menurut stándar Pelayanan Minimal Bidang Kesehatan Di Kabupaten/ Kota sesuai Peraturan Menteri Kesehatan RI Nomor 741/ Menkes/ Per/ VII/ 2008 cakupan kunjungan ibu hamil K4 seharusnya 95,00 % (Profil Kesehatan Kabupaten Asahan, 2012).
Melakukan kunjungan pemeriksaan kesehatan ibu selama kehamilan merupakan hal penting bagi ibu hamil maupun bayi yang dikandungnya untuk mendapatkan upaya pelayanan kesehatan karena melakukan kunjungan pemeriksaan kehamilan adalah suatu program yang terencana berupa observasi, edukasi dan penanganan medik pada ibu hamil, untuk memperoleh suatu proses kehamilan dan persalinan yang aman dan memuaskan sebagai salah satu upaya pencegahan terhadap kondisi buruk yang dapat terjadi pada ibu hamil dan calon bayinya (Kemenkes RI, 2013).
Antenatal Care merupakan pelayanan kesehatan oleh tenaga kesehatan
terlatih untuk ibu selama masa kehamilannya, dilaksanakan sesuai dengan Standar Pelayanan Antenatal yang ditetapkan dalam Standar Pelayanan Kebidanan (Depkes RI, 2010). Pelayanan Antenatal merupakan pelayanan kesehatan yang diberikan kepada ibu selama masa kehamilannya sesuai dengan standar pelayanan antenatal care yang sudah ditetapkan, untuk mendeteksi secara dini komplikasi
atau masalah dalam kehamilan maupun persalinan.
Antenatal care dilihat dari kunjungan K1 yaitu jumlah ibu hamil yang
telah memperoleh pelayanan antenatal pertama kali oleh tenaga kesehatan dan cakupan K4 menunjukkan jumlah ibu hamil yang telah memperoleh pelayanan antenatal sesuai dengan standar paling sedikit empat kali sesuai jadwal pada kurun waktu satu tahun yang akan memperlihatkan akses pelayanan kesehatan terhadap ibu hamil dan tingkat kepatuhan ibu hamil dalam memeriksakan kehamilannya ke tenaga kesehatan.
Kunjungan pemeriksaan kehamilan atau antenatal care adalah pertemuan antara bidan dengan ibu hamil dengan kegiatan mempertukarkan informasi ibu hamil dan bidan serta observasi selain pemeriksaan fisik, pemeriksaan umum dan kontak sosial untuk mengkaji kesehatan dan kesejahteraan bayi
Kemajuan ilmu pengetahuan telah meningkatkan berbagai aspek termasuk dalam bidang kesehatan yang sebagai hasilnya banyak peristiwa dapat diramalkan. Kecenderungan untuk meramalkan peristiwa yang tepat dapat memberikan dasar yang lebih baik bagi perencanaan dalam pencapaian keberhasilan dan kemajuan dalam bidang kesehatan, misalnya dilakukan dalam membuat prediksi – prediksi tentang kondisi kunjungan pemeriksaan kehamilan dimasa yang akan datang.
Dewasa ini telah dikembangkan sejumlah metode peramalan dengan berbagai asumsi mengenai data yang akan diramalkan untuk masa yang akan datang. Dengan adanya metode peramalan diharapkan akan tercipta suatu implementasi yang lebih baik yang dapat terwujud di berbagai bidang kesehatan sehingga kedepannya sarana pelayanan kesehatan dapat mempersiapkan fasilitas maksimal untuk meningkatkan perencanaan yang baik untuk kemajuan diberbagai bidang kesehatan (Supranto, 2000).
Model Autoregresive Integrated Moving Average (ARIMA) yang
diterapkan untuk analisis dan peramalan deret waktu (time series) yang digunakan untuk menghasilkan ramalan – ramalan dari data secara historis. Dalam membuat peramalan metode ARIMA sama sekali mengabaikan variabel independen yang
menggunakan data lampau dari variabel dependen untuk menghasilkan peramalan yang akurat.
Pemanfaatan pelayanan pemeriksaan kehamilan penting untuk menjamin bahwa proses kehamilan berjalan normal agar ibu hamil dapat melalui kehamilannya dengan sehat dan selamat, karena setiap saat kehamilan dapat berkembang menjadi masalah. Oleh karena itu diperlukan kunjungan pemeriksaan kehamilan pada sarana kesehatan selama masa kehamilan yang meliputi hal – hal berikut: Mengupayakan kehamilan yang sehat, melakukan deteksi dini penyulit atau komplikasi, melakukan penatalaksanaan awal serta rujukan bila diperlukan, persiapan persalinan yang bersih dan aman, perencanaan partisipatif dan persiapan dini untuk melakukan rujukan jika terjadi penyulit atau komplikasi (Depkes, 2007). Diperkirakan sekitar 15%-20% dari seluruh ibu hamil akan mengalami keadaan risiko tinggi dan komplikasi obstetrik, yang dapat membahayakan kehidupan ibu maupun janinnya, bila tidak ditangani secara dini dengan memadai.
1.2 Perumusan Masalah
Berdasarkan uraian latar belakang di atas dapat dirumuskan masalah sebagai berikut :
1. Bagaimana model runtun waktu yang tepat untuk melakukan peramalan jumlah kunjungan pemeriksaan kehamilan K1 dan K4 di Puskesmas Kecamatan Simpang Empat Kabupaten Asahan?
2. Berapa jumlah kunjungan pemeriksaan kehamilan K1 dan K4 periode Januari 2017 – Desember 2019 di Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan?
1.3 Tujuan Penelitian 1.3.1 Tujuan Umum
Untuk memperkirakan partisipasi ibu hamil dengan pemanfaatan Antenatal Care di wilayah kerja Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan Tahun 2017 – 2019.
1.3.2. Tujuan Khusus
Berdasarkan rumusan masalah diatas maka penelitian ini bertujuan untuk 1. Memprediksi ibu hamil yang melakukan kunjungan pemeriksaan kehamilan
K1 dan K4 di Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan Tahun 2017 – 2019.
2. Mengidentifikasi Kepatuhan Ibu Hamil melakukan kunjungan pemeriksaan kehamilan di Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan Tahun 2017 – 2019.
1.4 Manfaat Penelitian
Manfaat yang diperoleh dari hasil penelitian ini antara lain :
1. Dapat mengetahui model peramalan yang sesuai untuk meramalkan jumlah kunjungan pemeriksaan kehamilan K1 dan K4 di Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan di masa yang akan datang.
2. Sebagai masukan bagi Puskesmas Simpang Empat Kabupaten Asahan dalam meningkatkan efektifitas dan implementasi program pelayanan antenatal care.
3. Sebagai bahan referensi bagi penelitian selanjutnya untuk digunakan sebagai bahan pustaka atau bahan perbandingan untuk penelitian selanjutnya.
TINJAUAN PUSTAKA 2.1 Peramalan
2.1.1 Defenisi 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 atau forecasting adalah seni dan ilmu yang memperkirakan kejadian di masa depan. Hal ini dilakukan dengan melibatkan pengambilan data masa lalu dan menempatkannya ke masa yang akan datang dengan suatu bentuk matematis (Desvina dan Desmita, 2015).
Peramalan (forecasting) merupakan salah satu unsur yang sangat penting dalam pengambilan keputusan. Efektif atau tidaknya suatu keputusan pada umumnya tergantung pada beberapa faktor yang tidak dapat dilihat pada saat keputusan itu diambil (Eka Ferri Indayani, 2009).
Untuk peramalan ada dua hal pokok yang harus diperhatikan untuk proses peramalan yang akurat dan bermanfaat pertama, pengumpulan data yang relevan berupa informasi yang dapat menghasilkan peramalan yang akurat. Kedua, pemilihan teknik peramalan yang tepat akan memanfaatkan informasi data yang diperoleh semaksimal mungkin.
2.1.2 Kegunaan Peramalan
Kegunaan peramalan dapat dibagi menjadi beberapa bagian yaitu :
1. Mengkaji kebijakan yang berlaku saat ini dan dimasa lalu, serta melihat sejauh mana pengaruhnya dimasa datang.
2. Dengan adanya peramalan maka dapat dipersiapkan program dan tindakan untuk mengantisipasi keadaan dimasa datang sehingga resiko kegagalan bisa diminimalkan.
3. Peramalan merupakan dasar penyusunan rencana yang dapat meningkatkan efektivitas suatu perencanaan.
4. Peramalan juga digunakan dalam pembuatan keputusan, karena hasil peramalan merupakan informasi yang mendasari keputusan para pembuat kebijakan dalam berbagai tingkatan manajemen.
2.1.3 Jenis – Jenis Peramalan
1. Jenis peramalan jika dilihat dari sifat peramalan yang 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 penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah tahun atau tiga semester.
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.
2.1.4 Langkah – Langkah Peramalan
Hampir semua metode peramalan dilakukan dengan cara mengekstrapolasi kondisi masa lalu untuk kondisi mana yang akan datang. Langkah-langkah dalam metode peramalan adalah :
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
Model peramalan yang tersedia cukup banyak maka harus dilakukan pemilihan metode yang akan dipakai. Semakin kecil kesalahan peramalan, semakin baik metodenya karena hasil peramalan semakin mendekati data aktual. Setiap metode peramalan 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. Akurasi metode peramalan terpilih perlu selalu dipantau dengan membandingkan hasil peramalan dan data aktual. Apabila akurasi model peramalan menurun karena terjadinya perubahan pola data, model tersebut perlu dievaluasi ulang dan diganti apabila perlu.
2.2 Pemeriksaan Kehamilan
Pemeriksaan kehamilan adalah pengawasan kehamilan untuk mengetahui kesehatan ibu, menegakan secara dini penyakit yang menyertai kehamilan, menegakan secara dini komplikasi kehamilan, menetapkan risiko kehamilan dengan memantau kemajuan kehamilan memastikan kehamilan ibu dan tumbuh kembang janin, meningkatkan dan mempertahankan kesehatan fisik, mental, dan sosial ibu, mengenali secara dini adanya komplikasi yang mungkin terjadi selama
masa kehamilan termasuk riwayat penyakit secara umum dan pembedahan, mempersiapkan persalinan cukup bulan dan pesalinan yang normal, mempersiapkan ibu agar masa nifas berjalan normal dan pemberian ASI Ekslusif, mempersiapkan peran ibu dan keluarga dalam menerima kelahiran bayi agar dapat tumbuh kembang secara optimal dan menurunkan angka kesakitan dan kematian ibu dan perinatal (Ida Bagus Gede Manuaba, 2010).
Angka Kematian Ibu (AKI) merupakan salah satu indikator dari tingkat kesehatan suatu daerah. Dengan kata lain, tingginya angka kematian ibu, menunjukkan rendahnya tingkat kesehatan di daerah tersebut. Angka kematian yang tinggi disebabkan dua hal pokok yaitu masih kurangnya pengetahuan mengenai sebab akibat dan penanggulangan komplikasi-komplikasi penting dalam kehamilan, persalinan, nifas, serta kurang meratanya pelayanan kebidanan yang baik untuk ibu hamil.
Menurut Dewi (2013) yang mengutip pendapat Mass masih banyak ibu-ibu yang kurang menyadari pentingnya pemeriksaan kehamilan sehingga menyebabkan tidak terdeteksinya faktor-faktor resiko tinggi yang mungkin dialami oleh mereka. Hal ini disebabkan rendahnya tingkat pendidikan, pengetahuan dan kurangnya informasi. Pendidikan dan pengetahuan masyarakat sangat berperan dalam perilaku kesehatan masyarakat itu sendiri baik itu diperoleh dari pendidikan formal maupun informal. Penyuluhan atau penginderaan respon ibu hamil tentang pemeriksaan kehamilan merupakan salah satu faktor yang mempengaruhi keteraturan Antenatal Care. Perilaku ibu hamil
dalam merawat kehamilannya juga dipengaruhi oleh pengetahuan terhadap kehamilannya.
Upaya kesehatan di Indonesia diarahkan untuk meningkatkan mutu dan kemudahan pelayanan kesehatan yang makin terjangkau oleh lapisan masyarakat, khususnya pada kelompok rentan yaitu bayi, anak balita, ibu bersalin, dan ibu menyusui. Kehamilan melibatkan perubahan fisik maupun emosional dari ibu serta perubahan sosial dalam keluarga, memantau perubahan – perubahan fisik yang normal dialami ibu serta tumbuh kembang janin, juga mendeteksi dan serta menatalaksana kondisi yang tidak normal (Erlina, Larasati dan Kurniawan, 2013).
Pelayanan kesehatan ibu selama kehamilan merupakan hal penting bagi ibu hamil maupun bayi yang dikandungnya. Upaya pelayanan tersebut merupakan salah satu upaya pencegahan terhadap kondisi buruk yang dapat terjadi pada ibu hamil. Antenatal Care merupakan pelayanan yang diberikan pada ibu hamil untuk memonitor, mendukung kesehatan ibu dan mendeteksi si ibu apakah hamil normal atau bermasalah sebelum persalinan (Ai Yeyeh Rukiyah, 2009).
Untuk cakupan pelayanan kesehatan ibu hamil dilakukan dengan kunjungan pemeriksaan kehamilan minimal 4 kali kunjungan pemeriksaan selama kehamilan yaitu minimal dilakukan sekali kunjungan antenatal hingga usia kehamilan 28 minggu, dimana dalam hal ini adalah cakupan K1. Cakupan K1 adalah jumlah ibu hamil yang telah memperoleh pelayanan antenatal pertama kali oleh tenaga kesehatan, sekali kunjungan antenatal selama kehamilan 12 - 28 minggu, dimana dalam hal ini adalah cakupan K2. Cakupan K2 adalah kunjungan ibu hamil yang memeriksakan kehamilannya pada trimester II dan sebanyak dua kali kunjungan
antenatal pada usia kehamilan 28 - 40 minggu., dimana dalam hal ini adalah cakupan K3 dan cakupan K4. Cakupan K3 adalah kunjungan ibu hamil yang memeriksakan kehamilannya pada trimester III begitu juga dengan cakupan K4 menunjukkan jumlah ibu hamil yang telah memperoleh pelayanan antenatal sesuai dengan standar paling sedikit empat kali sesuai jadwal pada kurun waktu satu tahun yang akan memperlihatkan akses pelayanan kesehatan terhadap ibu hamil dan tingkat kepatuhan ibu hamil dalam memeriksakan kehamilannya ke tenaga kesehatan ( Ika Pantikawati dan Saryono, 2010).
Akses terhadap pelayanan kesehatan ibu yang berkualitas dapat diberikan oleh petugas kesehatan baik yang bekerja di instansi pemerintah maupun swasta.
Pada instansi pemerintah pelayanan antenatal diberikan di puskesmas-puskesmas.
Pelayanan antenatal di Puskesmas diharapkan menggunakan asuhan standar minimal 10T yang telah ditetapkan oleh pemerintah sejak tahun 2009 yang dahulunya hanya 5T, lalu berkembang menjadi 7T dan 10T oleh Kementerian Kesehatan Tahun 2013. Pelayanan antenatal yang sesuai standar 10T adalah : penimbangan berat badan dan pengukuran tinggi badan, pengukuran tekanan darah, pengukuran lingkar lengan atas (LiLA), pengukuran tinggi puncak rahim (fundus uteri), penentuan status imunisasi tetanus dan pemberian imunisasi tetanus toksoid sesuai status imunisasi, pemberian tablet tambah darah minimal 90 tablet selama kehamilan, penentuan presentasi janin dan denyut jantung janin (DJJ), pelaksanaan temu wicara (pemberian komunikasi interpersonal dan konseling, termasuk keluarga berencana), pelayanan tes laboratorium sederhana
(minimal tes hemoglobin darah (Hb), pemeriksaan protein urin, pemeriksaan golongan darah, dan tatalaksana kasus (Kemenkes RI, 2013).
2.2.1 Filosofi Asuhan Kehamilan
Dalam filosofi asuhan kehamilan ini dijelaskan beberapa keyakinan yang akan mewarnai asuhan itu.
1. Kehamilan merupakan proses yang alamiah.
Perubahan-perubahan yang terjadi pada wanita selama kehamilan normal adalah bersifat fisiologis, bukan patologis. Oleh karenanya, asuhan yang diberikan pun adalah asuhan yang meminimalkan intervensi. Bidan harus memfasilitasi proses alamiah dari kehamilan dan menghindari tindakan- tindakan yang bersifat medis yang tidak terbukti manfaatnya.
2. Asuhan kehamilan mengutamakan kesinambungan pelayanan.
Sangat penting bagi wanita untuk mendapatkan pelayanan dari seorang profesional yang sama atau tenaga profesional karena perkembangan kondisi mereka setiap saat akan terpantau dengan baik selain itu juga mereka menjadi lebih percaya dan terbuka.
3. Pelayanan yang terpusat pada ibu serta keluarga.
Ibu menjadi pusat asuhan kebidanan bahwa asuhan yang diberikan harus berdasarkan pada kebutuhan ibu, bukan kebutuhan dan kepentingan bidan.
Asuhan yang diberikan tidak hanya melibatkan ibu hamil melainkan keluarganya, hal ini sangat penting bagi ibu sebab keluarga adalah bagian yang tidak terpisahkan dari ibu hamil karena sikap, perilaku, dan kebiasaan ibu hamil sangat dipengaruhi oleh keluarga. Kondisi yang dialami oleh ibu hamil
juga akan mempengaruhi seluruh anggota keluarga. Selain itu, keluarga juga merupakan unit sosial yang terdekat dan dapat memberikan dukungan yang kuat bagi anggotanya. Dalam hal pengambilan keputusan haruslah merupakan kesepakatan bersama antara ibu, keluarganya, dan bidan, dengan ibu sebagai penentu utama dalam proses pengambilan keputusan. Ibu mempunyai hak untuk memilih dan memutuskan kepada siapa dan dimana ia akan memperoleh pelayanan kebidanannya.
4. Asuhan kehamilan menghargai hak ibu hamil untuk berpartisipasi dengan hal yang berhubungan dengan kehamilannya.
Tenaga profesional kesehatan tidak mungkin terus menerus mendampingi dan merawat ibu hamil, karenanya ibu hamil perlu mendapat informasi dan pengalaman agar dapat merawat diri sendiri secara benar. Perempuan harus diberdayakan untuk mampu mengambil keputusan tentang kesehatan diri dan keluarganya melalui tindakan konseling yang dilakukan dengan bidan.
Seorang bidan harus memahami bahwa kehamilan dan persalinan merupakan proses yang alamiah dan fisiologis, walau tidak dipungkiri dalam beberapa kasus mungkin terjadi komplikasi sejak awal karena kondisi tertentu ataupun komplikasi tersebut terjadi kemudian (Ika Pantikawati dan Saryono, 2010).
Kehamilan merupakan pengalaman yang sangat bermakna bagi perempuan, keluarga dan masyarakat. Perilaku ibu selama masa kehamilannya akan mempengaruhi kehamilannya, perilaku ibu dalam mencari penolong persalinan akan mempengaruhi kesehatan ibu dan janin yang dilahirkan. Bidan harus
mempertahankan kesehatan ibu dan janin serta mencegah komplikasi pada saat kehamilan dan persalinan sebagai satu kesatuan yang utuh.
2.2.2 Tujuan Pemeriksaan Kehamilan
Memberikan asuhan antenatal care yang baik akan menjadi salah satu tiang penyangga dalam safe motherhood untuk menurunkan angka kesakitan dan kematian ibu. Kematian ibu merupakan masalah besar bagi negara berkembang karena kemampuan untuk memberikan pelayanan kesehatan masih memerlukan perbaikan kesehatan yang bersifat menyeluruh dan lebih bermutu untuk di negara berkembang dan resiko yang timbul dalam kehamilan masih bersifat dinamis, terlihat dari angka ibu hamil yang pada mulanya normal secara tiba-tiba dapat menjadi berisiko tinggi.
Pengawasan antenatal atau yang sering disebut pemeriksaan kehamilan ditujukan untuk menyiapkan baik fisik maupun mental ibu di dalam masa kehamilan dan kelahiran serta menemukan kelainan dalam kehamilan dalam waktu dini sehingga dapat diobati secepatnya. Pemeriksaan kehamilan yang dilakukan secara teratur dapat menurunkan angka kecacatan dan kematian baik ibu maupun janin (Chamberlin dan Morgan, 2013).
Tujuan Pemeriksaan Kehamilan yaitu :
1. Memantau kemajuan kehamilan, memastikan kesejahteraan ibu dan tumbuh kembang janin
2. Meningkatkan dan mempertahankan kesehatan fisik, mental, serta sosial ibu dan bayi.
3. Menemukan secara dini adanya masalah atau gangguan dan kemungkinan komplikasi yang terjadi selama masa kehamilan .
4. Mempersiapkan kehamilan dan persalinan dengan selamat, baik ibu maupun bayi dengan trauma seminimal mungkin .
5. Mempersiapkan ibu agar masa nifas dan pemberian ASI eksklusif berjalan normal.
6. Mempersiapkan ibu dan keluarga dapat berperan dangan baik dalam memelihara bayi agar dapat tumbuh dan berkembang secara normal.
2.3 Analisa Runtun Waktu (Time Series)
Data berkala (time series) adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan. Analisis data berkala memungkinkan kita untuk mengetahui perkembangan waktu atau beberapa kejadian serta hubungan atau pengaruhnya terhadap kejadian lainnya. (Supranto dalam Desvina dan Desmita 2015).
Data time series atau data deret waktu merupakan data yang dikumpulkan dari beberapa tahapan waktu secara kronologis. Pada umumnya data ini merupakan kumpulan dari fenomena tertentu yang didapat dalam interval waktu tertentu, misalnya dalam waktu mingguan, bulanan, atau tahunan (Harijono dan Sugiarto, 2000).
Analisis data berkala adalah analisis yang menerangkan dan mengukur berbagai perubahan atau perkembangan data selama satu periode. Pada umumnya perubahan yang terjadi dalam data statistik dalam sederetan waktu tertentu dapat berbentuk trend sekuler, variasi siklis, variasi musiman, dan variasi residu. Trend
sekuler merupakan suatu kurva yang bentuknya garis terputus – putus pada grafik deret berkala yang meliputi jangka waktu yang panjang, variansi siklis merupakan pergerakan yang meningkat atau menurun dalam suatu kurun waktu tertentu terkait dengan kejadian yang berulang tetapi berlangsung setiap beberapa tahun atau gerakan naik dan turun dalam jangka panjang dari suatu garis atau kurva trend, variansi musiman merupakan pergerakan yang reguler baik meningkat atau menurun dalam satu kurun waktu tertentu terkait dengan kejadian yang berulang atau suatu pola yang identik yang cenderung diikuti suatu deret berkala selama bulan – bulan atau tahun ke tahun (Eka Ferri Indayani, 2009).
Metode time series merupakan metode peramalan kuantitatif didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu (Gitosudarmo dan Najmudin, 2000). Peramalan metode kuantitatif model deret berkala (time series) dapat dilakukan jika memenuhi kondisi yaitu pertama, tersedianya informasi tentang masa lalu. Kedua, informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik (Harijono dan Sugiarto, 2000).
2.4 Jenis Pola Data
Untuk menetapkan suatu metode peramalan yang tepat adalah dengan mempertimbangkan jenis pola data sehingga pola data tersebut dapat diuji. Pola data terdiri dari :
a. Pola Horizontal
Terjadi apabila pola data berfluktuasi di sekitar nilai rata-rata yang konstan (deret seperti ini adalah stasioner terhadap nilai rata-ratanya).
b. Pola Musiman
Apabila pola data terjadi saat suatu deret dipengaruhi oleh faktor musiman (misalnya: kuartalan, bulanan, atau hari-hari pada minggu).
c. Pola Siklis
Apabila pola data terjadi saat data dipengaruhi oleh fluktuasi jangka panjang dan lebih lama dari pola musiman, lamanya berbeda dari satu siklus yang lain.
d. Pola Trend
Apabila pola data terjadi saat terdapat kenaikan dan penurunan jangka panjang dalam data.
2.5 Stasioneritas
Stationer berarti bahwa tidak terdapat pertumbuhan atau penurunan pada data dan dilihat dari fluktuasi data berada disekitar suatu nilai rata – rata yang konstan setiap waktunya. Data yang tidak stasioner memiliki rata-rata dan varian yang tidak konstan sepanjang waktu.
Konsep stasioneritas ini dapat dijelaskan sebagai berikut :
1. Apabila suatu deret berkala diplot kemudian tidak terbukti adanya perubahan nilai tengah dari waktu ke waktu maka dapat dikatakan bahwa data tersebut stasioner pada nilai tengahnya (mean).
2. Apabila plot data deret berkala tidak memperlihatkan adanya perubahan variansi yang jelas dari waktu ke waktu maka dapat dikatakan deret data tersebut adalah stasioner pada variansinya.
3. Apabila plot data deret berkala memperlihatkan nilai tengahnya dan variansi yang menyimpang dari waktu ke waktu maka dapat dikatakan data tersebut tidak stasioner pada nilai tengahnya dan variansinya.
2.6 Differencing
Suatu deret waktu yang tidak stasioner harus diubah menjadi data stasioner dengan melakukan differencing. Yang dimaksud dengan differencing adalah menghitung perubahan atau selisih nilai observasi, nilai selisih yang diperoleh dicek lagi apakah stasioner atau tidak. Jika belum stasioner maka dilakukan differencing lagi sampai data benar - benar stasioner. Dengan kata lain, proses diferensi adalah suatu proses mencari perbedaan antara data satu periode dengan periode yang lainnya secara berurutan. Data yang dihasilkan disebut data diferensi tingkat pertama, jika kita kemudian melakukan diferensi data tingkat pertama
maka akan menghasilkan data diferensi tingkat kedua, dan seterusnya sampai pada tingkat deferensi keberapa data sudah stasioner.
Differencing (pembedaan) dilakukan untuk menstasionerkan data nonstasioner. Operator shift mundur (backward shift) sangat tepat untuk menggambarkan proses differencing. Penggunaan backward shift adalah sebagai berikut
BXt = Xt-1
dengan
Xt = nilai variabel X pada waktu t Xt−1 = nilai variabel X pada waktu t −1 B = backward shift
Notasi B yang dipasang pada X memepunyai pengaruh menggeser data satu waktu kebelakang. Sebagai contoh, jika suatu data time series nonstasioner maka data tersebut dapat dibuat mendekati stasioner dengan melakukan differencing orde pertama dari data.
2.7 ARIMA (Autoregressive Intergrated Moving Average)
Model ARIMA sering juga disebut metode runtun waktu Box-Jenkins, ARIMA merupakan salah satu teknik peramalan time series yang hanya berdasarkan perilaku data variabel yang diamati. Pada model ARIMA sama sekali mengabaikan variabel independen karena model ini menggunakan nilai-nilai masa lampau dari variabel dependen untuk menghasilkan peramalan yang akurat (Lerbin R Aritonang R, 2009).
Model Autoregressive Integrated Moving Average (ARIMA) merupakan model ARMA nonstasioner yang telah differencing sehingga menjadi model stasioner. Ada beberapa model ARIMA yang dapat digunakan pada data time series, yaitu Autoregressive (AR), Moving Average (MA), dan Autoregressive Moving Average (ARMA). Secara umum ketiga unsur model ini dapat terbentuk
menjadi ARIMA (p,d,q). Dimana p menyatakan ordo AR, d menyatakan ordo Intergrated, dan q menyatakan ordo MA. Beberapa klasifikasi model ARIMA dapat dinyatakan sebagai berikut :
2.8.1 Model Autoregressive orde p atau AR (p)
Secara umum untuk proses AR orde ke-p akan membentuk ARIMA (p,0,0) sebagai berikut : 𝑋1=𝜇′+𝜙1𝑋 −1+𝜙2𝑋 −2+ ……… +𝜙 𝑋 − +𝑒
dimana :
𝜇′ = suatu konstanta
𝜙 = parameter autoregressive ke-p 𝑒 = nilai kesalahan pada saat t 2.8.2 Model Moving Average (MA)
Bentuk umum model moving average ordo q (MA) atau ARIMA (0,0,q) sebagai berikut : 𝑋 =𝜇′+𝑒 −𝜃1𝑒 −1−𝜃2𝑒 −2− …… −𝜃 𝑒 −𝑘
dimana :
𝜇′ = suatu konstanta
𝜃1 𝑖 𝜃 = parameter-parameter moving average 𝑒 −𝑘 = nilai kesalahan pada saat t – k
2.8.3 Model ARMA
Model umum ARIMA (p,d,q) melibatkan sejumlah jenis-jenis model yaitu proses AR dan MA. Model umum untuk campuran proses AR (1) murni dan MA (1) murni dapat dinyatakan ARIMA (1,0,1)
𝑋 =𝜇′+𝜙1𝑋 −1 +𝑒 −𝜙1𝑒 −1, dimana:
𝜇′ = suatu konstanta
𝜙1 = koefisien parameter AR 𝜃1 = koefisien parameter MA 𝑒 −1 = nilai kesalahan pada saat t-1
2.8.4 Model ARIMA
Data nonstasioner ditambahkan pada proses ARMA, maka model umum ARIMA (p,d,q) terpenuhi. Persamaan untuk ARIMA (1,1,1).
𝑋 =(1+𝜙1)𝑋 −1−𝜙1𝑋 −2+𝜇′+𝑒 −𝜃1𝑒 −1.
Pada umumnya sebelum melakukan peramalan ada beberapa hal yang perlu diperhatikan yaitu kebanyakan data bersifat nonstasioner dan aspek AR dan MA dari model ARIMA hanya bisa digunakan jika data yang diamati mempunyai sifat stasioner. Stasioner berarti tidak terdapat pertumbuhan atau penurunan pada data dan harus horizontal sepanjang sumbu waktu. Fluktuasi data berada di sekitar suatu nilai rata-rata yang konstan, tidak tergantung pada waktu dan varians dari fluktuasi tetap konstan setiap waktu atau dengan kata lain, data time series dikatakan stasioner jika mempunyai rata-rata, varian yang konstan. Dalam kenyataannya data time series seringkali tidak stasioner tetapi akan stasioner jika dilakukan proses diferensi (differencing).
2.9 Metode ARIMA (Autoregressive Intergrated Moving Average)
Model – model Autoregresive Integrated Moving Average (ARIMA) telah dipelajari secara mendalam oleh George Box dan Gwilyn Jenkins pada tahun 1976, dan nama mereka sering disebut dalam proses ARIMA yang diterapkan untuk analisis deret berkala dan peramalan. Model Autoregresive (AR) pertama kali dikenalkan oleh Yule pada tahun 1926 dan kemudian dikembangkan oleh Walker pada tahun 1931 sedangkan untuk model Moving Average (MA) pertama kali digunakan oleh Slutzky pada tahun 1937. Pada tahun 1938 Wold yang menghasilkan dasar – dasar teoritis dalam proses kombinasi ARMA yaitu
membentuk model ARMA yang dikembangkan pada tiga arah dengan identifikasi efisien dan prosedur penaksiran untuk proses AR, MA, dan campuran ARMA (Eka Ferri Indayani, 2009). Tetapi nama Box dan Jenkins pada tahun 1976 secara khusus telah berhail mencapai kesepakatan mengenai informasi relevan yang diperlukan untuk memahami dan memakai model – model ARIMA.
Gambar 2.1 Skema yang memperlihatkan pendekatan ARIMA
Gambar 2.1 Skema yang memperlihatkan pendekatan ARIMA Rumuskan
kelompok model – model yang umum Penetapan model
untuk sementara
Penaksiran parameter pada model sementara
Pemeriksaan diagnosa (apakah
model memadai)
Gunakan model untuk peramalan Tahap I :
Identifikasi
Tahap II : Penaksiran dan
Pengujian
Tahap III : Penerapan
1. Identifikasi model
Hal pertama yang perlu diperhatikan adalah kebanyakan deret berkala bersifat non-stasioner dan aspek – aspek AR dan MA dari model ARIMA hanya berkenaan dengan deret berkala yang stasioner. Apabila data yang digunakan tidak stasioner maka dilakukan differencing (pembedaan) agar data tersebut menjadi stasioner. Selain itu, stasioneritas dapat dilihat dari plot Autocorrelation Function dan plot Autocorrelation Function Partial (PACF) data tersebut.
Apabila model ARIMA tidak stasioner, maka perlu dilakukan modifikasi data yaitu dengan proses differencing atau pembedaan supaya dihasilkan data yang stasioner. Proses tersebut dilakukan dengan cara mengurangi nilai data pada suatu periode dengan nilai periode sebelumnya.
2. Penaksiran dan Pengujian
Setelah berhasil menetapkan identifikasi model, dipilih model yang baik menggunakan metode kuadrat terkecil dengan memperhatikan konstanta parameter AR dan parameter MA, sehingga parameter model dapat meminimumkan nilai residual. Model AR dan MA orde pertama : 𝜙1 dan 𝜃1 harus terletak diantara -1 dan +1 untuk AR(1) -1<𝜙1<+1 dan MA (1 -1<𝜃1<+1 sedangkan untuk AR (2) -2<𝜙1<+2 dan -1<𝜙2<+1, MA (2) -2<𝜃1<+2 dan - 1<𝜃2<+1.
Mengidentifikasi model sementara pada tahap ini dilakukan dengan cara membandingkan distribusi koefisien autokorelasi dan koefisien autokorelasi parsial aktual dengan distribusi teoritis (Sugiarto dan Harijono, 2000).
Secara umum tahapan tersebut memiliki prinsip sebagai berikut :
a) Bila koefisien korelasi mengalami penurunan secara eksponensial mendekati nol, asumsi tersebut pada umumnya terjadi proses AR (Autoregressive).
Estimasi ordo AR dapat dilihat dari jumlah koefisien autokorelasi parsial yang berbeda signifikan dari nol. Misal contoh jika koefisien autokorelasi mengalami penurunan secara eksponensial mendekati nol dan hanya koefisien autokorelasi parsial orde satu yang signifikan maka model sementara tersebut adalah AR (1).
b) Apabila koefisien korelasi parsial mengalami penurunan secara eksponensial mendekati nol, asumsi tersebut pada umumnya terjadi proses MA (Moving Average). Estimasi ordo MA dapat dilihat dari jumlah koefisien autokorelasi
yang berbeda signifikan dari nol.
c) Apabila koefisien autokorelasi maupun autokorelasi parsial menurun secara eksponensial mendekati nol pada umumnya terjadi proses ARIMA. Orde dari ARIMA dapat dilihat dari jumlah koefisien autokorelasi dan koefisien autokorelasi parsial yang berbeda signifikan dari nol.
3. Diagnostic checking (pemeriksaan model estimasi)
Diagnostik checking dilakukan untuk memeriksa apakah model yang diestimasi cukup sesuai dengan data yang ada. Apabila grafik fungsi autokorelasi menunjukkan tidak ada satu lag yang keluar batas selang kepercayaan maka model sudah memenuhi, maka tahap selanjutnya adalah melakukan peramalan pada periode yang akan datang. Pemilihan model dalam metode ARIMA dapat dilakukan dengan cara mengamati serta menganalisis distribusi koefisien autokorelasi dan koefisien autokorelasi parsial.
1. Koefisien Autokorelasi
Koefisien autokorelasi sama halnya dengan koefisien korelasi, hanya saja koefisien ini menunjukkan keeratan hubungan antara nilai variabel yang sama namun pada periode waktu yang berbeda. Koefisien korelasi merupakan arah dan hubungan antara 2 variabel yang dapat menggambarkan kejadian pada satu variabel jika terjadi perubahan pada variabel lainnya. Koefisien autokorelasi perlu dilakukan pengujian untuk menentukan secara statistik nilai koefisien autokorelasi berbeda secara signifikan dari nol atau tidak, sehingga perlu diakukan perhitungan kesalahan standar dengan rumus sebagai berikut :
SE rk = 1 /√ Dimana :
n = banyaknya data
Koefisien autokorelasi dapat disimpulkan tidak berbeda secara signifikan daripada 0 apabila nilainya berada pada rentang nilai :
− 𝛼
𝑥 SE rk s/d − 𝛼
𝑥 SE rk
Dari rentang nilai tersebut dapat diamati distribusi koefisien autokorelasi, cara mengidentifikasikan pola data koefisien autokorelasi menurut Sugiarto dan Harijono (2000) dengan menggunakan pedoman umum sebagai berikut :
1) Jika nilai koefisien autokorelasi pada time lag 2 periode, 3 periode tidak berbeda signifikan daripada 0 maka data tersebut dapat diketahui bahwa data tersebut adalah data stasioner. Lag adalah jarak atau langkah dari fungsi autokorelasi.
2) Jika nilai koefisien autokorelasi pada time lag 1 secara berurutan berbeda secara signifikan daripada 0, maka data tersebut menunjukkan pola trend atau data tersebut tidak stasioner.
3) Jika nilai koefisien autokorelasi pada beberapa time lag memiliki jarak yang sistematis dan berbeda secara signifikan daripada 0, maka data tersebut merupakan data musiman.
2. Autokorelasi Parsial
Koefisien autokorelasi parsial yaitu mengukur tingkat keeratan hubungan antara Xt dengan Xt-k, sedang kan pengaruh dari time lag 1,2,3… dan seterusnya sampai k-1 dianggap tetap. Dengan demikian koefisien autokorelasi parsial yaitu mengukur derajat hubungan antara nilai yang sekarang dengan nilai yang sebelumnya (untuk time lag tertentu), sedangkan pengaruh nilai variabel time lag yang lain dianggap tetap.
4. Peramalan (Forecasting)
Setelah diperoleh model yang memadai, peramalan pada satu atau lebih periode ke depan dapat dilakukan dengan peramalan runtun waktu untuk masa yang akan datang berdasarkan tingkat geraknya di masa lalu atau data sebelumnya dengan mengamati distribusi koefisien autokorelasi dan koefisien autokorelasi parsial (Eka Ferri Indayani, 2009).
2.9 Alur Penelitian
Gambar 2.2 Tahap Pelaksanaan Kegiatan Proyeksi Jumlah Kunjungan Pemeriksaan Kehamilan K1 dan K4 di Puskesmas Rawat Inap Desa Simpang Empat Kecamatan Simpang Empat Kabupaten Asahan.
Data Jumlah Kunjungan Ibu Hamil yang melakukan pemeriksaan K1 dan K4 Tahun 2012 – 2016 di Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan
Menstasionerkan Data Agar data mempunyai rata-rata dan
varians yang sama
Mengidentifikasi Model Menentukan atau mencari model runtun waktu fungsi autokorelasi
dan fungsi autokorelasi parsial.
Estimasi Model
Menentukan model yang sesuai dalam melakukan peramalan
Verifikasi Model Memeriksa apakah model yang
dipilih cocok dengan data
Peramalan
Prediksi Jumlah Kunjungan Ibu Hamil yang melakukan pemeriksaan K1 dan K4 Tahun 2017 – 2019 di Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan
3.1 Jenis Penelitian
Jenis Penelitian yang akan dilakukan dengan penelitian deskriptif dengan menggunakan teknik peramalan time series menggunakan model ARIMA yaitu penelitian terhadap variabel dependen dengan menggunakan nilai-nilai masa lampau yang bertujuan untuk mengetahui proyeksi jumlah kunjungan ibu hamil yang melakukan kunjungan pemeriksaan kehamilan K1 dan K4 di Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan.
3.2 Lokasi dan Tempat Penelitian
Penelitian ini dilakukan di Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan dengan objek penelitian data ibu hamil yang melakukan kunjungan pemeriksaan kehamilan K1 dan K4 di Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan Tahun 2012 - 2016.
3.3 Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini pada dasarnya data sekunder. Data sekunder yang berasal dari dokumen atau arsip yang dimiliki oleh pihak pengelola Puskesmas Rawat Inap Kecamatan Simpang Empat seperti buku – buku, laporan atau referensi yang tersedia di instansi terkait mulai bulan Januari 2012 sampai dengan Desember 2016 maupun buku dari luar instansi.
3.4 Populasi dan Sampel
Populasi dan sampel yang diperlukan dalam penelitian ini adalah data ibu hamil yang melakukan kunjungan pemeriksaan kehamilan K1 dan K4 dalam periode bulanan Januari 2012 – Desember 2016. Pada penelitian ini diambil banyaknya data historis selama 5 tahun.
3.5 Defenisi Operasional
1. Data jumlah kunjungan pemeriksaan kehamilan K1 adalah data rekapitulasi ibu hamil yang melakukan pemeriksaan kehamilan pada tahun 2012 – 2016 di Puskesmas Rawat Inap Simpang Empat.
2. Data jumlah kunjungan pemeriksaan kehamilan K4 adalah data rekapitulasi ibu hamil yang melakukan pemeriksaan kehamilan pada tahun 2012 – 2016 di Puskesmas Rawat Inap Simpang Empat.
3. Stasioneritas adalah tidak ada kenaikan atau penurunan data, tidak terdapat perubahan pada trend deret waktu maka dapat disebut stasioner dimana rata-rata deret pengamatan di sepanjang waktu pengamatan selalu konstan.
4. Differencing adalah menghitung perubahan atau selisih nilai data yang diobservasi.
5. Autocerrelation Function (ACF), merupakan korelasi antar deret pengamatan suatu deret waktu yang disusun dalam plot setiap lag.
6. Partial Autocerrelation Function (PACF), merupakan korelasi antar deret pengamatan dalam lag-lag pengamatan yang mengukur keeratan antar pengamatan suatu deret waktu.
3.6 Metode Analisis Data
Setelah data yang dibutuhkan terkumpul, maka langkah selanjutnya adalah melakukan penyelesaian masalah. Hasil analisis penelitian ini dilakukan secara kuantitatif dengan menggunakan teknik atau pendekatan statistik agar kesimpulan yang dapat diperoleh tepat dengan menggunakan software Minitab dengan langkah sebagai berikut :
a. Pemeriksaan kestasioneran data
b. Identifikasi Model dengan Metode Trial and Error.
c. Pemilihan model terbaik dari berbagai model umum.
d. Peramalan dengan menggunakan model terbaik untuk proyeksi jumlah kunjungan ibu hamil dalam melakukan kunjungan pemeriksaan kehamilan K1 dan K4 tahun 2017 – 2019 di Puskesmas Rawat Inap Kecamatan Simpang Empat Kabupaten Asahan.
BAB IV
HASIL PENELITIAN 4.1 Deskripsi Lokasi Penelitian
4.1.1 Gambaran Lokasi Penelitian
Puskesmas Rawat Inap Simpang Empat berada dalam Kecamatan Simpang Empat, dimana wilayahnya terdiri dari 65% daratan. Puskesmas Simpang Empat terletak di Jalan Markas, Dusun 7A Desa Simpang Empat yang memiliki luas wilayah kerja 1.457,08 Km2, 8 desa, dan 71 dusun. Adapun batas – batas wilayah Kecamatan Simpang Empat :
a. Sebelah Utara : Sei Silau b. Sebelah Timur : Tanjung Balai
c. Sebelah Selatan : Sei Asahan dan Kecamatan Teluk Dalam d. Sebelah Barat : Kecamatan Air Batu dan Kecamatan Sei Dadap 4.1.2 Visi dan Misi Pembangunan Kesehatan
Visi Puskesmas Simpang Empat Kecamatan Simpang Empat Kabupaten Asahan adalah Asahan Sehat Sejahtera.
Adapun misi Puskesmas Simpang Empat Kecamatan Simpang Empat untuk mewujudkan visi tersebut, yaitu:
1. Menggerakkan pembangunan berwawasan kesehatan (sebagai hak azasi dan kesehatan sebagai investasi)
2. Memelihara dan meningkatkan kesehatan individu, keluarga dan masyarakat beserta lingkungannya
3. Memelihara dan meningkatkan pelayanan kesehatan yang bermutu, merata dan terjangkau
4. Meningkatkan peran serta masyarakat dalam upaya – upaya kesehatan 4.1.3 Struktur Organisasi
1. Kepala Puskesmas : drg. Zulkifli Ali 2. KTU : Fitri Maya Sari 3. Pemegang Program
1. KIA : Fatmawati
2. Gizi : Arni Estiva B Panjaitan 3. Promosi Kesehatan : Parayanti
4. P2T : Martha Dina
5. Kesehatan Lingkungan : Rahmayanti 6. Kesehatan Jiwa : Iriana Marpaung 4.1.4 Fasilitas Pelayanan
Adapun fasilitas penunjang medik yang tersedia di Puskesmas Simpang Empat Kecamatan Simpang Empat sebagai berikut:
1. IGD 2. Ruang Keperawatan 3. Ruang Bersalin 4. Laboratorium 5. Poli Gigi 6. Poli Umum
4.2 Hasil Penelitian Jumlah Kunjungan Pemeriksaan Kehamilan K1 dan K4 Tahun 2012-2016 dan Proyeksinya Tahun 2017-2019
4.2.1 Data Pemeriksaan Kehamilan K1
Dari laporan bulanan Puskesmas Rawat Inap Kecamatan Simpang Empat pada tahun 2012- 2016 diperoleh data kunjungan K1 yaitu :
Tabel 4.1 Tabel Data K1 Tahun 2012 -2016
Bulan Ibu Hamil yang melakukan pemeriksaan kehamilan K1
2012 2013 2014 2015 2016
Januari 18 36 47 28 19
Februari 18 28 30 26 18
Maret 20 37 38 33 22
April 21 35 34 22 18
Mei 22 39 32 21 19
Juni 21 36 34 18 18
Juli 21 36 32 19 13
Agustus 23 38 30 21 9
September 36 39 31 18 14
Oktober 36 22 37 10 17
November 35 18 34 14 15
Desember 34 21 36 16 21
Sumber : Laporan Bulanan K1 dan K4 Puskesmas Simpang Empat, tahun 2012-2016
Tabel 4.1 merupakan data kunjungan pemeriksaan kehamilan K1 pada tahun 2012 -2016 data ini diambil per Januari 2012 dan digunakan untuk pengolahan data model ARIMA.
Dalam analisis runtun waktu (time series) memerlukan data historis minimal 50 data runtun waktu (Soejoeti, 1987: 2.6). Data jumlah pasien di atas sudah memenuhi untuk dianalisis dengan runtun waktu. Dengan menggunakan bantuan software Minitab maka di terapkan langkah-langkah sebagai berikut :
1. Menstasionerkan Data
Langkah pertama yang harus dilakukan adalah membuat plot data. Dalam hal ini adalah membuat plot data kunjungan pemeriksaan kehamilan K1.
Year Month
2016 2015
2014 2013
2012
Jul Jan Jul Jan Jul Jan Jul Jan Jul Jan 50
40
30
20
10
K1
Time Series Plot of K1
Gambar 4.1 Plot Data Awal Kunjungan Kehamilan K1 pada Tahun 2012 -2016
Plot data diatas terlihat data belum stasioner, selanjutnya data tersebut distasionerkan karena terlihat pola grafik diatas menunjukkan adanya pola data yang bersifat menurun sehingga harus dilakukan differencing.
