Jurnal Ilmiah Solusi Vol.1 No. 3 September - Nopember 2014: 1-7
INTEGRASI DASHBOARD DENGAN FUZZY TIME SERIES DALAM MEMPREDIKSI KESEHATAN MASYARAKAT
Jajam Haerul Jaman dan Oman Komarudin Fakultas Ilmu Komputer Program Studi Teknik Informatika
Universitas Singaperbangsa Karawang
E-mail : jajam_haerul@yahoo.com, oman.komarudin@staff.unsika.ac.id
Abstrak
Fuzzy Time Series (FTS) adalah salah satu metode prediksi yang ada dalam lingkup fuzzy logic dengan model runtun waktu, metode tersebut menggabungkan antara ilmu komputer dengan statistika, dalam hal ini penulis melakukan analisis prediksi dalam mencari tahu kesehatan masyarakat dengan indikator keluhan penyakit pertahunnya, data yang penulis peroleh adalah data empiris yang di publikasi oleh badan pusat statistik nasional (BPS), hasil yang diperoleh dari peramalan tersebut adalah bahwa dari data yang penulis peroleh hingga tahun 2012 mendapatkah hasil peramalan di tahun 2013 adalah sebesar 30,50% jumlah penduduk yang mengalami keluhan kesehatan, ada kenaikan sebesar 1,91% dibandingkan dengan tahun sebelumnya, itu artinya bahwa memang kenaikan ini mengindikasikan bahwa kesehatan di masyarakat semakin hari semakin bertambah banyak dan bervariasi, sehingga diperlukan penangan khusus dalam menangani keluhan kesehatan tersebut.
Kata Kunci : Fuzzy Time Series, Dasboard Analysis, SAP, Forecasting
1. LATAR BELAKANG
Perkembangan ilmu pengetahuan membawa dampak baik pada kehidupan manusia di dunia, hal ini yang menjadikan manusia berbeda dengan mahluk-mahluk lain di muka bumi, dengan ilmu pengetahuan manusia bisa membawa perubahan pada semua aspek kehidupan. seiring terus berkembangnya jaman penelitian pun banyak dilakukan yang tentunya penelitian-penelitian yang berkaitan dalam pengembangan ilmu pengetahuan dan teknologi sehingga ruang lingkup penelitian semakin meluas dan berada pada posisi yang sangat vital untuk keberlangsungan kebutuhan hidup manusia.
Dalam banyak hal ilmu pengetahuan merupakan alat ukur bagi suatu keberhasilan seseorang itu bisa dibuktikan ketika seseorang yang mempunyai kecerdasan sangat tinggi dalam kaidah pengambilan keputusannya biasanya orang seperti itu selalu melakukan bertimbangan-pertimbangan yang dapat mendukungnya melakukan suatu keputusan, hal ini dikarenakan bahwa seseorang yang cerdas mempunyai wawasan yang luas terhadap banyak hal, oleh karena itu inovasi terhadap penetian mutlak diperlukan ini menjadi sangat penting ketika adanya suatu masalah yang melibatkan banyak hal dalam upaya pemecahannya masalahnya, begitu juga dengan penelitian yang mengedepankan peramalan terhadap pemecahan masalahnya, secara umum peramalan dapat kita katakan sebagai awal dari suatu pemecahan masalah tetapi pada hakikatnya peramalan adalah sebuah cara dalam mencari tahu suatu kondisi dimasa mendatang sehingga dari kondisi tersebut mendapatkan kesimpulan dan menjadi suatu pengetahuan baru (New Knowledge) yang didapatkan
2. INDENTIFIKASI MASALAH
Sesuai dengan judul yang dibuat oleh penulis maka permasalahannya adalah ; 1. Bagaimana cara mengola data yang sudah ada menjadi suatu informasi yang berharga? 2. Bagaimana cara mengetahui tingkat kesehatan masyarakat pada tahun tahun berikutnya?
3. Apa yang dilakukan ketika presentase keluhan kesehatan dimasyarakat terus meningkat dari tiap tahunnya?
4. Bagaimana pengolahan data keluhan kesehatan masyarakat tersebut dapat menjadi suatu pengetahuan baru ?
3. RUMUSAN MASALAH
Dalam pembahasan ini penulis mengidentifikasi masalah terkait kesehatan masyarakat .
1. Bagaimana cara memprediksi tingkat kesehatan masyarakat dengan data survey yang sudah dilakukan?
2. Bagaimana mengolah data yang sudah ada untuk dijadikan sumber bagi peneliti untuk menghasilkan pengetahuan baru?
4. TUJUAN DAN MANFAAT PENELITIAN 1.3.1. Tujuan Penelitian ini adalah :
1.Menganalisa dan membuat suatu aturan yang didasari dari penelitian untuk melakukan proses prediksi kesehatan masyarakat
2.Menemukan dan melakukan identifikasi awal dalam penangan masalah pada kesehatan di masyarakat.
1.1.4. Adapun manfaat dari penelitian ini adalah
1. Secara khusus penelitian ini sangat bermanfaat sekali untuk Fakultas Ilmu Komputer karena selain dapat menjadi referensi model penelitian ini juga bermanfaat untuk proses dan pemahaman perkuliahan.
2. Penelitian ini mempermudah pihak terkait dalam mengatasi permasalahan dalam proses kesehatan masyarakat sehingga dari hasil yang didapat, akan memberikan suatu informasi berharga bagi penggunanya.
5. BATASAN MASALAH
Pada penelitian kali ini penulis mencoba untuk membatasi masalah pada indikator kesehatan di masarakat, indikator kesehatan yang akan penulis angkat menjadi bahan penelitian menggunakan metode fuzzy time series ini yaitu :
1. Persentase penduduk yang mengalami keluhan kesehatan sebulan yang lalu
1.6. METODOLOGI PENELITIAN
Metode penelitian ini adalah suatu metode non rekayasa perangkat lunak dengan model kuantitatif prediksi fuzzy time series, metode ini bisa digunakan dalam peramalan runtun waktu yang membuat perbandingan terlebih dahulu dari keakuratan periode yang akan dijadikan sebagai acuan untuk penghitungan peramalan.
Metode ini dibuat menjadi beberapa tahap yaitu: 1.Sumber data Metode Pengumpulan data
Ada dua sumber data yang biasanya digunakan dalam penelitian ini : a. Data Primer
Data ini diperoleh melalui :
1) Wawancara, Observasi, Test 2) Kuisioner (Data Pertanyaan) 3) Pengukuran Fisik
b. Data Sekunder
Data sekunder disebut juga data empiris, data ini biasanya diperoleh dari sumber kedua. 2.Analisis Prediksi
Pada tahap ini penerapan dari fuzzy time series dengan model Chen untuk medapatkan hasil yang maksimal mulai dilakukan.
3.Pembuatan aplikasi dasboard analisis
Setelah semua penghitungan prediksi di dapatkan maka untuk mempermudah pembacaan dari data yang sudah didapat dibuatlah suatu aplikasi pendukung yang dapat mempresentasikan hasil daripada prediksi tersebut dengan efektif dan efisien.
6. HASIL DAN PEMBAHASAN 1.1. Mempartisi data kesehatan
masyarakat kedalam interval yang sama panjang Dalam melakukan pengumpulan data penulis melakukan pengumpulan data dengan mecari data yang sudah di publikasi atau dengan kata lain data empiris, adapun data yang penulis dapatkan adalah berasal dari publikasi Badan Pusat Statistik tahun 2013 dengan alamat www.bps.go.id .
Data tersebut kemudian di partisi kedalam interval yang sama panjang dengan rumus U [Dmin-D1, Dmax+D2] Dmin= 24.41
Dmax = 33.68 D1 = 0.41 D2 = 0.32 U [24.00,34.00]
Dari hasil nilai U yang didapat kemudian dibagi kedalam interval yang sama panjang sehingga mendapatkan hasil enam interval yaitu u1[28.00,29.00], u2[29.00,30.00],
u3[30.00,31.00], u4[31.00,32.00], u5[32.00,33.00],dan u6[33.00,34.00] TAHUN AKTUAL 1995 25.38 1996 25.13 1997 24.41 1998 25.43 1999 24.65 2000 27.08 2001 25.49 2003 24.41 2004 26.51 2005 26.68 2006 28.15 2007 30.9 2008 33.24 2009 33.68 2010 30.97 2011 29.31 2012 28.59
TAHUN AKTUAL INTERV AL [ 25.00 , 26.00 ] [ 25.00 , 26.00 ] [ 24.00 , 25.00 ] [ 25.00 , 26.00 ] [ 24.00 , 25.00 ] [ 27.00 , 28.00 ] [ 25.00 , 26.00 ] [ 24.00 , 25.00 ] [ 26.00 , 27.00 ] [ 26.00 , 27.00 ] [ 28.00 , 29.00 ] [ 30.00 , 31.00 ] [ 33.00 , 34.00 ] [ 33.00 , 34.00 ] [ 30.00 , 31.00 ] [ 29.00 , 30.00 ] [ 28.00 , 29.00 ] 1995 25.38 1996 25.13 1997 24.41 1998 25.43 1999 24.65 2000 27.08 2001 25.49 2003 24.41 2004 26.51 2005 26.68 2006 28.15 2007 30.9 2008 33.24 2009 33.68 2010 30.97 2011 29.31 2012 28.59
Tabel 4.2 mempartisi data kedalam interval yang sama panjang.
1.2. Menentukan Fuzzy Set
Pada tahap ini fuzzy set didapat dengan menggunakan rumus
A1 = a11/U1+a12/U2+....+a1m/Um, A1 = a21/U1+a21/U2+....+a2m/Um, ≡
Ak = ak1/U1+ak2/U2+....+akm/Um,
Setelah dihitung hasil yang didapat bisa dilihat pada tabel 4.3
FS INTV a1 [24,25] a2 [25,26] a3 [26,27] a4 [27,28] a5 [28,29] a6 [29,30] a7 [30,31] a8 [31,32] a9 [32,33] a10 [33,34]
a12 [35,36] a13 [36,37]
Tabel 4.3 Fuzzy Set
`1.3. Hasil Fuzzify data historis
1.4.Hasil Identifikasi Hubungan Fuzzy Hasil dari identifikasi hubungan fuzzy adalah seperti yang tampak dalam tabel 4.4, Ada 12 hubungan fuzzy yang terjadi dalam runtun waktu yang dihasilkan
A2a2 a1a2 a1 a4 a4a2
A1a3 a3a3 a3 a5 a 5a7 a10 a10 a10 a7
a7 a6 a6 a5
Tabel 4.4 Fuzzy Set Relationships
1.5.Hasil Membangun suatu kelompok hubungan Fuzzy
Dari hasil indentifikasi hubungan fuzzy langkah selanjutnnya adalah membuat suatu kelompok hubungan fuzzy sehingga tercipta kelompok-kelompok relasi dari masing masing fuzzy tersebut, bisa dilihat pada tabel 4.5
Jajam Haerul Jaman Dkk, Integrasi Dashboard Dengan ... Tabel 4.5 FLGR’s
Tabel 4.4 hasil Fuzzified data historis
Dari hasil yang didapat pada tahap ini mendapat 10 fuzzify data historis bisa dilihat dalam tabel 4.4 bahwa sudah diurutkan nilai fuzzified nya dari nilai terkecil ke terbesar.
1.6.Hasil penghitungan Defuzzify data untuk mendapatkan peramalan
Setelah semua langkah sudah dilakukan maka langkah selanjutnnya adalah mengklasifikasikan nilai runtun waktu tersebut kedalam hubungan kelompok fuzzy, sehingga pada akhirnya permalanpun dapat di ketahui, dari hasil penghitungan peramalan bisa kita lihat bahwa nilai peramalan tertinggi adalah 32.00% dan terendah adalah 25.50 TAHUN AKTUAL INTERVAL FUZZIFIED 1995 25.38 [ 25.00 , 26.00 [ 25.00 , 26.00 [ 24.00 , 25.00 [ 25.00 , 26.00 [ 24.00 , 25.00 [ 27.00 , 28.00 [ 25.00 , 26.00 [ 24.00 , 25.00 [ 26.00 , 27.00 [ 26.00 , 27.00 [ 28.00 , 29.00 [ 30.00 , 31.00 [ 33.00 , 34.00 [ 33.00 , 34.00 [ 30.00 , 31.00 [ 29.00 , 30.00 [28.00 , 29.00 ] a2 1996 25.13 ] a2 1997 24.41 ] a1 1998 25.43 ] a2 1999 24.65 ] a1 2000 27.08 ] a4 2001 25.49 ] a2 2003 24.41 ] a1 2004 26.51 ] a3 2005 26.68 ] a3 2006 28.15 ] a5 2007 30.9 ] a7 2008 33.24 ] a10 2009 33.68 ] a10 2010 30.97 ] a7 2011 29.31 ] a6 2012 28.59 ] a5 Grup 1 :a2a2 Grup 2 :a1a2 Grup 3 :a1a4 Grup 4 :a4a2 Grup 5 :a1 a3 Grup 6 :a3 a3,a5 Grup 7 :a5 a7 Grup 8 :a10 a10,a7 Grup 9 :a7a6 Grup 10 :a6 a5 TAHUN FORECAST 1995 1996 25.50 1997 25.50 1998 25.50 1999 25.50 2000
Tabel 4.5 Fuzzified Data For Forecast
1.7.Implementasi hasil Forecasting menggunakan Dashboard
Pada tahap ini hasil perolehan peramalan dijadikan suatu aplikasi dasboard untuk mempermudah dalam pembacaan, sehingga siapapun dapat mebaca hasil peramalan tersebut dengan mudah, hasil
implementasi yang didapat bisa dilihat pada gambar 4.1
Gambar 4.1 FUZZY TIME SERIES DASBOARD 7. DAFTAR PUSTAKA
1. Seng Hansun, 2012, Peramalan Data
IHSG Menggunakan Fuzzy Time Series, Universitas Multimedia Nusantara. Jakarta 2. Endah Puspita Sari, Lilik Lina Wati, Hanna Parhusip. 2012. Simulasi Peramalan Data
Indeks Saham Gabungan (IHSG) dengan Fuzzy Time Series Using Percentage Change. Universitas Kristen Satya Wacana. Salatiga.
3. Saima Hasan, Jafreezal Jaafar, Brahim B, Samir, Tahseen A Jilani. 2012. A Hybrid Fuzzy
Time Series Model For Forecasting.
4. P Arumugam, V Anithakumari. 2013.
Fuzzy Time Series Method for Forecasting Taiwan Export Data. International Journal Of
Engineering Trend adn Technology (IJETT)
5. Abdul Rozak. 2011. Metode Autoregressive Fuzzy Time Series untuk Peramalan. Institut Teknologi Sepuluh Nopember.
6. Agus Maman Abadi. 2009. Pemodelan Data Fuzzy Time Series Dengan Menggunakan Dekomposisi Nilai Singular dan Aplikasinya pada Perkiraan Tingkat Inflasi di Indonesia. 7. Jens Runi Pulsen. 2009. Fuzzy Time Series Forecasting. Aalborg University Esbjerg
(AAUE)
8. Suyanto, ST., MSc. 2011. ArtificialIntelligence. Informatika Bandung 2001 25.50 2003 25.50 2004 25.50 2005 27.50 2006 27.50 2007 30.50 2008 29.50 2009 32.00 2010 32.00 2011 29.50 2012 28.50 2013 30.50
