APLIKASI PREDIKSI JUMLAH PASIEN RAWAT INAP BERBASIS WEB MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING
(DES) DI RSUD SUMBAWA BESAR HALAMAN JUDUL
TUGAS AKHIR
Diajukan Untuk Memenuhi
Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang
Disusun Oleh: WILLI SAPUTRO
201210370311256
JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK
UNIVERSITAS MUHAMMADIYAH MALANG 2017
KATA PENGANTAR
Assalamu’alaikum Wr. Wb.
Dengan memanjatkan puji syukur kehadirat Allah SWT atas limpahan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan tugas akhir yang berjudul: APLIKASI PREDIKSI JUMLAH PASIEN RAWAT INAP BERBASIS WEB MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING DI RSUD SUMBAWA BESAR.
Di dalam tulisan ini disajikan pokok-pokok bahasan yang meliputi forecasting, metode Double Exponential Smoothing dan MAPE untuk membuat aplikasi prediksi jumlah pasien rawat inap, sehingga dapat memberikan kemudahan dalam memprediksikan calon pasien rawat inap.
Peneliti menyadari masih banyak kekurangan dan keterbatasan dalam penulisan tugas akhir ini. Untuk itu, penulis sangat mengharapkan saran yang membangun agar tulisan ini dapat berguna untuk perkembangan ilmu pengetahuan kedepan.
Malang, 2 Agustus 2017 Penulis
Willi Saputro
DAFTAR ISI
HALAMAN JUDUL ... i
PENGESAHAN PEMBIMBING ... ii
PENGESAHAN PENGUJI ... iii
LEMBAR PERNYATAAN ... iv
ABSTRAK... v
LEMBAR PERSEMBAHAN ... vii
KATA PENGANTAR ... viii
DAFTAR ISI ... ix
DAFTAR GAMBAR ... xii
DAFTAR TABEL ... xiv
BAB I ... 1 PENDAHULUAN ... 1 1.1 Latar Belakang ... 1 1.2 Rumusan Masalah... 2 1.3 Batasan Masalah ... 3 1.4 Tujuan Penelitian ... 3 1.5 Metodologi Penelitian... 3 1.6 Sistematika Penulisan ... 5 BAB II ... 7 LANDASAN TEORI ... 7 2.1 PenelitianTerdahulu ... 7 2.2 Forecasting (Prediksi) ... 7
2.3 International Classification of Diseases 10 (ICD10) ... 8
2.4 Metode Double Exponential Smoothing (DES) ... 9
2.5 Mean Absolute Percentage Error (MAPE) ... 10
2.6 Framework CodeIgnite ... 11
2.8 UML (Unified Modelling Language) ... 13
BAB III ... 14
ANALISA DAN PERANCANGAN SISTEM... 14
3.1 Analisa Sistem ... 14
3.1.1 Analisa Masalah ... 14
3.1.2 Analisa Kebutuhan Fungsional ... 15
3.1.3 Analisa Kebutuhan Non-Fungsional ... 15
3.1.4 Analisa Perhitungan Metode Double Exponential Smoothing ... 15
3.1.5 Business Process ... 23 3.1.6 Usecase Diagram ... 24 3.1.7 Usecase Scenario ... 26 3.2 Perancangan sistem ... 40 3.2.1 Activity Diagram ... 41 3.2.2 Sequence Diagram ... 47 3.2.3 Class Diagram... 51 3.2.4 Perancangan Interface ... 52 BAB IV ... 58
IMPLEMENTASI DAN PENGUJIAN ... 58
4.1 Implementasi ... 58
4.1.1 Halaman login... 58
4.1.2 Halaman Dashboard ... 59
4.1.3 Halaman Data User ... 59
4.1.4 Halaman Data Pasien ... 60
4.1.5 Halaman Data Jenis Penyakit ... 60
4.1.6 Halaman Data Jumlah Penderita... 61
4.1.7 Halaman Data ICD 10 ... 61
4.1.8 Halaman Prediksi Jumlah Pasien ... 62
4.1.9 Halaman Prediksi Data ICD10 ... 62
4.2 Pengujian ... 63
4.2.1 Perhitungan Manual ... 63
4.2.3 Mean Square Error (MSE) ... 75
4.2.4 Mean Absolute Precentage Error (MAPE) ... 76
BAB V ... 78 PENUTUP ... 78 5.1 Kesimpulan ... 78 5.2 Saran ... 79 DAFTAR PUSTAKA ... 80 LAMPIRAN ... 81
Lampiran 1 Surat Keterangan Telah Melakukan Penelitian ... 81
Lampiran 2 Surat Keterangan Kebenaran Dokumen ... 82
Lampiran 3 Sequence Diagram Prediksi Data Pasien ... 83
Lampiran 4 Sequence Diagram Prediksi Data ICD 10 ... 84
DAFTAR GAMBAR
Gambar 1.1 Metode Waterfall ... 4
Gambar 2.1 Flowchart Proses Prediksi ... 10
Gambar 3.1 Business Process ... 24
Gambar 3.2 Usecase Diagram ... 25
Gambar 3.3 Activity Diagram Prediksi Data Pasien... 41
Gambar 3.4 Activity Diagram Prediksi Data ICD 10 ... 41
Gambar 3.5 Activity Diagram Lihat Data ICD 10 ... 42
Gambar 3.6 Activity Diagram Lihat Pasien ... 42
Gambar 3.7 Activity Diagram CRUD Data User ... 43
Gambar 3.8 Activity Diagram CRUD Data Pasien... 44
Gambar 3.9 Activity Diagram CRUD Data Penyakit ... 45
Gambar 3.10 Activity Diagram CRUD Data Jumlah Penderita ... 46
Gambar 3.11 Sequence Diagram Prediksi Data Pasien ... 47
Gambar 3.12 Sequence Diagram Prediksi Data ICD 10 ... 48
Gambar 3.13 Sequence Diagram CRUD Data User ... 48
Gambar 3.14 Sequence Diagram CRUD Data Pasien ... 49
Gambar 3.15 Sequence Diagram Lihat Data ICD 10 ... 49
Gambar 3.16 Sequence Diagram CRUD Data Jenis Penyakit ... 50
Gambar 3.17 Sequence Diagram CRUD Data Jumlah Penderita ... 51
Gambar 3.18 Class Diagram ... 52
Gambar 3.19 Rancangan Interface Login ... 53
Gambar 3.20 Rancangan Interface Dashboard ... 53
Gambar 3.21 Rancangan Interface Fitur Prediksi Data Pasien ... 54
Gambar 3.22 Rancangan Interface Fitur Prediksi Data ICD 10 ... 54
Gambar 3.23 Rancangan Interface Fitur Lihat Data Pasien ... 55
Gambar 3.24 Rancangan Interface Fitur Lihat Data ICD 10 ... 55
Gambar 3.25 Rancangan Interface Fitur CRUD Data User ... 56
Gambar 3.26 Rancangan Interface Fitur CRUD Data Pasien ... 56
Gambar 3.27 Rancangan Interface Fitur CRUD Data Penyakit ... 57
Gambar 4.1 Halaman login ... 58
Gambar 4.2 Halaman Dashboard ... 59
Gambar 4.3 Halaman Data User ... 59
Gambar 4.4 Halaman Data Pasien ... 60
Gambar 4.5 Halaman Data Jenis Penyakit ... 60
Gambar 4.6 Halaman Data Jumlah Penderita ... 61
Gambar 4.7 Halaman Data ICD 10 ... 61
Gambar 4.8 Halaman Prediksi Pasien ... 62
DAFTAR TABEL
Tabel 3.1 Data Jumlah Pengeluaran Obat ... 16
Tabel 3.2 Perhitungan Nilai Pemulusan Eksponensial Pertama ... 16
Tabel 3.3 Perhitungan Nilai Pemulusan Eksponensial Kedua ... 17
Tabel 3.4 Perhitungan Nilai Konstanta ... 17
Tabel 3.5 Perhitungan Nilai Slope ... 18
Tabel 3.6 Perhitungan Nilai Prediksi ... 18
Tabel 3.7 Hasil Perhitungan MAPE dengan (α = 0,1) manual ... 19
Tabel 3.8 Hasil Perhitungan Prediksi Metode DES (α = 0,2) Manual ... 19
Tabel 3.9 Hasil Perhitungan Prediksi Metode DES (α = 0,3) Manual ... 20
Tabel 3.10 Hasil Perhitungan Prediksi Metode DES (α = 0,4) Manual ... 20
Tabel 3.11 Hasil Perhitungan Prediksi Metode DES (α = 0,5) Manual ... 20
Tabel 3.12 Hasil Perhitungan Prediksi Metode DES (α = 0,6) Manual ... 21
Tabel 3.13 Hasil Perhitungan Prediksi Metode DES (α = 0,7) Manual ... 21
Tabel 3.14 Hasil Perhitungan Prediksi Metode DES (α = 0,8) Manual ... 22
Tabel 3.15 Hasil Perhitungan Prediksi Metode DES (α = 0,9) Manual ... 22
Tabel 3.16 Hasil Perhitungan MAPE (α = 0,1 sampai α = 0,9) Manual ... 22
Tabel 3.17 Hasil Perhitungan Prediksi (α = 0,2) Manual ... 23
Tabel 3.18 Hasil Prediksi dan Nilai MAPE ... 23
Tabel 3.19 Definisi Aktor ... 25
Tabel 3.20 Definisi Usecase ... 25
Tabel 3.21 Scenario Lihat Prediksi Data Pasien ... 26
Tabel 3.22 Scenario Lihat Prediksi Data ICD 10 ... 27
Tabel 3.23 Scenario Lihat Data Pasien ... 28
Tabel 3.24 Scenario Lihat Data ICD 10 ... 29
Tabel 3.25 Scenario Tambah Data User ... 30
Tabel 3.26 Scenario Ubah Data User ... 31
Tabel 3.27 Scenario Hapus Data User... 32
Tabel 3.28 Scenario Tambah Data Pasien ... 33
Tabel 3.30 Scenario Hapus Data Pasien ... 35
Tabel 3.31 Scenario Tambah Data Penyakit ... 35
Tabel 3.32 Scenario Ubah Data Penyakit ... 36
Tabel 3.33 Scenario Hapus Data Penyakit ... 37
Tabel 3.34 Scenario Tambah Data Jumlah Penderita ... 38
Tabel 3.35 Scenario Ubah Data Jumlah Penderita ... 39
Tabel 3.36 Scenario Hapus Data Jumlah Penderita ... 40
Tabel 4.1 Data Pasien ... 63
Tabel 4.2 Hasil Perhitungan Prediksi Metode DES dan MAPE(α=0,1)Manual ... 64
Tabel 4.3 Hasil Perhitungan Prediksi Metode DES dan MAPE(α=0,2)Manual ... 65
Tabel 4.4 Hasil Perhitungan Prediksi Metode DES dan MAPE(α=0,3) Manual .. 66
Tabel 4.5 Hasil Perhitungan Prediksi Metode DES dan MAPE(α=0,4)Manual ... 67
Tabel 4.6 Hasil Perhitungan Prediksi Metode DES dan MAPE(α=0,5)Manual ... 68
Tabel 4.7 Hasil Perhitungan Prediksi Metode DES dan MAPE(α=0,6)Manual ... 69
Tabel 4.8 Hasil Perhitungan Prediksi Metode DES dan MAPE(α=0,7)Manual ... 70
Tabel 4.9 Hasil Perhitungan Prediksi Metode DES dan MAPE(α=0,8)Manual ... 71
Tabel 4.10 Hasil Perhitungan Prediksi Metode DES dan MAPE(α=0,9)Manual . 72 Tabel 4.11 Hasil Perhitungan MAPE (α = 0,1 sampai α = 0,9) Manual ... 73
Tabel 4.12 Hasil Prediksi Secara Manual ... 73
Tabel 4.13 Perhitungan MAD ... 74
Tabel 4.14 Perhitungan MSE... 75
DAFTAR PUSTAKA
[1] Presiden Republik Indonesia, 1998, “Peraturan Menteri Kesehatan RI Nomor 159b/Men.Kes/Per/II/1998”. Diakses pada 4 Januari 2017. [2] Suliyanto, S. 2008. “Teknik Proyeksi Bisnis”. Yogyakarta.
[3] Bassil Youssef, 2012. “Simulation Model for the Waterfall Software Development Life Cycle”, International Journal of Engineering & Technology (iJET), ISSN: 2049-3444, Vol. 2, No. 5, 2012.
[4] Anang, Abet Wahyu. 2012. “Penerapan Metode Double Exponential Smoothing Untuk Estimasi Penjualan”. Jakarta.
[5] Syari, Nora Puspita. 2011. “Prediksi Intensitas Traffic Menggunakan Dynamic Forecasting”. Surabaya.
[6] Sari, Rizki Ayu.2015. “Aplikasi Prediksi Kebutuhan Persediaan Obat Pada Instalasi Farmasi Rumah Sakit DKT Jember Menggunakan Metode Double Exponential Smoothing”. Jember.
[7] Gaspersz, Vincent. 2004. “Production Planning and Inventory Control Cetakan Keempat”. Gramedia. Jakarta.
[8] Hakayuci. 2015. “International Classification of Diseases”,
www.hakayuci.com/2015/02/icd-international-Classification-of-Diseases. Diakses pada 23 Maret 2017.
[9] Raharja, Alda. 2015. “Penerapan Metode Exponential Smoothing Untuk Peramalan Penggunaan Waktu Telepon Di PT Telkomsel Divre 3 Surabaya”. Surabaya
[10] Tannady, Hendra. 2013. “Analisa Perbandingan Metode Regresi Linier Dan Exponential Smoothing Dalam Parameter Tingkat Error”. Jakarta.
[11] Daqiqil Ibnu, 2011. Frame work Codeigniter (Panduan dan best practice). Pekan baru.
