IMPLEMENTASI METODE TRIPLE EXPONENTIAL SMOOTHING (BROWN)

UNTUK PREDIKSI JUMLAH PASIEN RAWAT JALAN DI

RS. MUHAMMADIYAH GRESIK

Muchammad Rizky Abriyanto Sahuri1, Harunur Rosyid2

1)
Mahasiswa Teknik Informatika Universitas Muhammadiyah Gresik
2)
Dosen Universitas Muhammadiyah Gresik
Fakultas Teknik,Universitas Muhammadiyah Gresik
Jl. Sumatra 101 Gresik Kota Baru (GKB), Randuagung, 61121Telp.(031) 3951414 , Faks. (0561) 740186
E-mail: rizkyabriyanto@gmail.com1) , harun@umg.ac.id2)

INTISARI

Rumah sakit Muhammadiyah Gresik menyediakan jasa layanan dalam bidang kesehatan yang diantaranya
terdapat rawat jalan dan rawat inap. Dalam proses rawat jalan, rumah sakit harus mempunyai manajemen yang baik
agar dapat meningkatkan pengelolahan rumah sakit. Permasalahan pada rawat jalan di RS. Muhammadiyah Gresik,
pihak rumah sakit tidak dapat mengetahui berapa jumlah pasien yang akan datang. Memprediksi jumlah pasien rawat
jalan sangat penting untuk mengelolah rumah sakit, mengatur sumber daya manusia, sarana dan prasarana seperti
penambahan tenaga medis, alat medis dan ruangan. Sistem prediksi jumlah pasien rawat jalan di RS.
Muhammadiyah Gresik bertujuan untuk mengetahui jumlah pasien rawat jalan pada bulan yang akan datang.
Penelitian ini menggunakan metode Triple Exponential Smoothing (Brown). Pengujian dilakukan pada 6 poli rawat
jalan yaitu jumlah pasien rawat jalan per periode dari bulan Desember 2014 – November 2017 pengujian dengan 9
nilai alpha yang berbeda yaitu alpha 0,1 – 0,9 dengan menggunakan acuan 3 bulan, 6 bulan, dan 12 bulan
sebelumnya. Hasil prediksi akan dijadikan nilai pembanding dengan data aktual jumlah pasien rawat jalan untuk
menentukan nilai error dalam prediksi dengan menggunakan Mean Absolute Deviation (MAD) dan Mean Absolute
Percentage Error (MAPE). Dari rata-rata ketiga analisa pengujian prediksi, menghasilkan rata-rata nilai MAPE
terkecil yaitu acuan 3 bulan dengan nilai alpha terbanyak 0,2.

Kata Kunci : Triple Exponential Smoothing (Brown), Mean Absolute Deviation, Mean Absolut Percentage Error.

I. PENDAHULUAN pasien rawat jalan sangat penting untuk

RS. Muhammadiyah Gresik adalah rumah
sakit umum swasta yang ada di Kota Gresik.
Rumah sakit merupakan sarana kesehatan tempat
menyelenggarakan upaya kesehatan untuk
memelihara dan meningkatkan kesehatan. Rumah
sakit ini menyediakan jasa layanan dalam bidang
kesehatan yang diantaranya terdapat rawat jalan
dan rawat inap. Dalam proses rawat jalan, rumah
sakit harus mempunyai manajemen yang baik agar
dapat meningkatkan pengelolahan rumah sakit.
Dari hasil observasi di RS. Muhammadiyah
Gresik, diperoleh informasi mengenai jumlah
pasien rawat jalan tiap bulan.
Permasalahan pada rawat jalan di RS.
Muhammadiyah Gresik, pihak rumah sakit tidak
dapat mengetahui berapa jumlah pasien yang akan
datang. Salah satu faktor pendukung dalam
pengelolahan manajemen yang baik pada rumah
sakit adalah dengan mengetahui jumlah pasien
pada masa yang akan datang. Memprediksi jumlah
mengelolah rumah sakit, mengatur sumber daya
manusia, sarana dan prasarana seperti penambahan
tenaga medis, alat medis dan ruangan. Oleh karena
itu, perlu dilakukan prediksi jumlah pasien rawat
jalan di RS. Muhammadiyah Gresik pada masa
yang akan datang agar pimpinan RS.
Muhammadiyah Gresik dapat melakukan
perencanaan untuk kebutuhan manajemen
selanjutnya.
Penyelesaian permasalahan untuk
memprediksi jumlah pasien rawat jalan di RS.
Muhammadiyah Gresik salah satunya dapat
dibuatkan sistem prediksi yang dapat membantu
mengetahui jumlah pasien rawat jalan kedepanya
berdasarkan data jumlah pasien rawat jalan
beberapa bulan sebelumnya. Sistem prediksi yang
akan dikembangkan dalam penelitian ini adalah
menggunakan metode Triple Exponential
Smoothing (Brown). Metode ini sebagaimana
halnya dengan pemulusan eksponensial liniear,

1
 dapat digunakan untuk meramalkan data dengan
suatu pola trend dasar. Bentuk pemulusan yang
lebih tinggi ini dapat digunakan bila dasar pola
datanya adalah kuadratik, kubik, atau orde yang
lebih tinggi.
Sistem prediksi jumlah pasien rawat jalan
diharapkan dapat membantu rumah sakit dalam
mengetahui jumlah pasien rawat jalan untuk
mengelolah rumah sakit, mengatur sumber daya
manusia, sarana dan prasarana. Sehingga dapat
digunakan sebagai dasar dalam perencanaan dan
pengambilan keputusan bagi pengelolah rumah
sakit. Maka penulis tertarik untuk melakukan
penelitian skripsi dengan judul “Implementasi
Metode Triple Exponential Smoothing (Brown)
untuk Prediksi Jumlah Pasien Rawat Jalan di
RS. Muhammadiyah Gresik”.
II. LANDASAN TEORI
2.1 Pengertian Peramalan (Forecasting)
Peramalan (forecasting) diperlukan untuk
menetapkan patokan dalam membuat rencana.
Tanpa adanya patokan (dasar), tidak mungkin
rencana bisa dibuat. Ramalan diperlukan untuk
menentukan jumlah produksi baik jasa maupun
barang yang harus dipersiapkan. Peramalan dapat
dilakukan secara kuantitatif dan kualitatif.
Pengukuran secara kuantitatif yaitu dengan
mengguanakan metode statistik sedangkan
pengukuran secara kualitatif yaitu dengan
berdasarkan pendapat. Berdasarkan uraian tersebut
peramalan dikenal dengan istilah prakiraan dan
prediksi.
Untuk lebih memahami definisi
mengenai peramalan, penulis mengemukakan
beberapa pendapat para ahli, yaitu: Pengertian
prediksi menurut Eddy Herjanto (2008:78)
mendefinisikan: “prediksi adalah proses peramalan
di masa datang dengan lebih mendasarkan pada
pertimbangan intuisi, dalam prediksi juga sering
digunakan data kuantitatif sebagai pelengkap
informasi dalam melakukan peramalan”.
Sedangkan “prakiraan didefinisikan sebagai proses
peramalan (kejadian) di masa datang dengan
berdasarkan data variabel di masa sebelumnya”.
Dari uraian tersebut dapat disimpulkan bahwa
terdapat perbedaan antara peramalan dan prediksi.
Peramalan dilakukan perusahaan bilamana kondisi
perusahaan sudah berjalan sebagaimana mestinya
atau proses produksi telah berjalan sehingga
2
terdapat data masa lalu yang dijadikan dasar untuk
melakukan prakiraan. Sedangkan prediksi
dilakukan bila proses produksi baru akan berjalan,
dalam hal ini perusahaan belum mempunyai data
masa lalu untuk dijadikan dasar untuk membuat
suatu prakiraan. Sedangkan pengertian peramalan
menurut Roger G. Scroeder (2003:205)
mendefinisikan: “Forecasting is the art and
science of prodicting future events “. Artinya:
“Peramalan adalah seni dan ilmu dalam
memprediksi kejadian di masa yang akan datang.”
Sejalan dengan itu menurut Jay Heizer dan Barry
Rounder yang telah diterjemahkan “Peramalan
adalah seni dan ilmu dalam memprediksi kejadian
masa yang akan datang dengan menggunakan data
masa lalu dalam menentukan kejadian yang akan
datang dengan pendekatan matematis.”
Dari uraian yang telah dipaparkan penulis
maka dapat ditarik sebuah kesimpulan bahwa
peramalan adalah ilmu atau seni yang digunakan
sebuah manajemen dalam memprediksi kejadian di
masa yang akan datang dengan menggunakan data
masa lalu yang diolah menggunakan metode-
metode tertentu.
2.2 Triple Exponential Smoothing: Metode
Kuadratik Satu-Parameter Dari Brown
Metode ini sebagaimana halnya dengan
pemulusan eksponensial liniear yang dapat
digunakan untuk meramalkan data dengan suatu
pola trend dasar, bentuk pemulusan yang lebih
tinggi ini dapat digunakan bila dasar pola datanya
adalah kuadratik, kubik, atau orde yang lebih
tinggi. Untuk berangkat dari pemulusan kuadratik,
pendekatan dasarnya adalah memasukkan tingkat
pemulusan tambahan (pemulusan triple) dan
memberlakukan persamaan peramalan kuadratik.
Berikut adalah persamaan matematis untuk
pemulusan Triple Exponential Smoothing
(Brown):
Pemulusan Tunggal
𝑆 ′𝑡 = 𝛼𝜒𝑡 + (1 − 𝛼) 𝑆 ′𝑡−1 ………….(2.1)
Pemulusan Ganda
𝑆 ′′𝑡 = 𝛼𝑆′𝑡 + (1 − 𝛼) 𝑆 ′′𝑡−1 ………....(2.2)
Pemulusan Triple
𝑆𝑡′′′ = 𝛼𝑆𝑡′′ + (1 − 𝛼)𝑆 ′′′𝑡−1 ,………..(2.3)
Pemulusan Total
𝑎 𝑡 = 3𝑆𝑡′ − 3𝑆 ′′𝑡 + 𝑆 ′′′
𝑡 ,…………....(2.4)
 Pemulusan Tren III. ANALISIS DAN PERANCANGAN SISTEM
𝛼 ′
𝑏𝑡 = 2 [(6 − 5𝛼) 𝑆 𝑡 −
(10 − 8𝛼)𝑆 ′′𝑡 + 3.1 Analisis Sistem
2( 1− 𝛼 )
Analisis sistem dilakukan untuk mempelajari
(4 − 3𝛼)𝑆 ′′′
𝑡 ………………….........(2.5)
dan menganalisa kebutuhan sistem yang akan
Pemulusan Kuadratik
𝛼2
dibuat sehingga dapat dilakukan perancangan
𝐶𝑡 = (𝑆 ′𝑡 − 2𝑆 ′′𝑡 + 𝑆 ′′′𝑡 ),......(2.6) sistem dengan kriteria dan perangkat-perangkat
( 1− 𝛼 )2
Peramalan yang ditentukan. Analisis sistem bertujuan untuk
1 2 mengklasifikasi permasalahan-permasalahan yang
𝐹𝑡+𝑚 = 𝑎𝑡 + 𝑏𝑡 𝑚 + 𝑐𝑚 ...........(2.7)
2 𝑡
ada pada sistem yang akan dibangun meliputi
perangkat lunak (software), pengguna (user) serta
Keterangan : 𝑆′𝑡 = Nilai pemulusan tunggal
hasil analisis terhadap sistem dan elemen-elemen
𝑆′′𝑡 = Nilai pemulusan ganda
yang terkait. Analisis ini diperlukan sebagai dasar
𝑆𝑡′′′ = Nilai pemulusan triple bagi tahapan perancangan sistem.
Xt = Data aktual pada waktu Berdasarkan hasil wawancara dengan petugas
ke-t rekam medis RS. Muhammadiyah Gresik, pihak
𝑎𝑡 = Pemulusan total rumah sakit tidak dapat mengetahui berapa jumlah
𝑏𝑡 = Pemulusan tren pasien yang akan datang. Salah satu faktor
𝐶𝑡 = Pemulusan kuadratik pendukung dalam pengelolahan manajemen yang
𝐹𝑡+𝑚 = Nilai ramalan bulan depan baik pada rumah sakit adalah dengan mengetahui
𝑚 = Periode masa mendatang jumlah pasien pada masa yang akan datang.
𝛼 =konstanta dengan nilai Memprediksi jumlah pasien rawat jalan sangat
antara 0 dan 1 penting untuk dapat mengelolah rumah sakit,
mengatur sumber daya manusia, sarana dan
2.3 Pengukuran Kesalahan Peramalan prasarana. Oleh karena itu, perlu dilakukan
Satu metode untuk mengevaluasi metode prediksi jumlah pasien rawat jalan di RS.
peramalan menggunakan jumlah dari kesalahan- Muhammadiyah Gresik pada masa yang akan
kesalahan yang absolut. Mean Absolute Deviation datang agar pimpinan RS. Muhammadiyah Gresik
(MAD) mengukur ketepatan ramalan dengan dapat melakukan perencanaan untuk kebutuhan
merata-rata kesalahan dugaan (nilai absolut manajemen selanjutnya sehingga dapat dijadikan
masing-masing kesalahan). MAD paling berguna sebagai dasar dalam perencanaan dan pengambilan
ketika orang yang menganalisa ingin mengukur keputusan bagi pengelolah rumah sakit RS.
kesalahan ramalan dalam unit yang sama dengan Muhammadiyah Gresik memiliki beberapa
deret asli. beberapa bagian maupun poli, namun dalam
𝑛
1 penelitian ini poli yang akan dilakukan sebagai
MAD = ∑|𝑋𝑡 − 𝐹̂𝑡 | … … … … … (2.8) objek penelitian diantaranya Poli Klinik Umum,
𝑛
𝑡=1
Poli Anak, Poli Internis, IGD, Kunjungan
Persamaan berikut sangat berguna untuk
Laboratorium dan Poli Gigi.
menghitung kesalahan-kesalahan peramalan dalam
Di akhir bulan semua perencanaan jumlah
bentuk persentase daripada jumlah. Mean Absolute
pasien yang telah dijalankan akan dilaporkan
Percentage Error (MAPE) dihitung dengan
kepada pimpinan rumah sakit dan diperbandingkan
menggunakan kesalahan absolut pada tiap periode
dengan data aktual apakah rencana target yang
dibagi dengan nilai observasi yang nyata untuk
ditetapkan sebelumnya sesuai atau tidak. Hal
periode itu. Kemudian, merata-rata kesalahan
tersebut menjadi ukuran kinerja manajemen dalam
persentase absolut tersebut. Pendekatan ini
menjalankan pengelolahan rumah sakit.
berguna ketika ukuran atau besar variabel ramalan
itu penting dalam mengevaluasi ketepatan
3.2 Hasil Analisis
ramalan. MAPE dapat dihitung dengan rumus
Hasil analisis prediksi jumlah pasien rawat
sebagai berikut :
𝑛
jalan di RS. Muhammadiyah Gresik dalam
1 |𝑋𝑡 − 𝐹̂𝑡 | menyelesaikan permasalahan penentuan ketetapan
MAPE = ∑ ∗ 100 … … … … (2.9)
𝑛 𝑋𝑡 prediksi jumlah pasien rawat jalan maka di
𝑡=1

3
butuhkan peran sebuah sistem prediksi yang dapat Diagram alir sistem prediksi jumlah pasien rawat
membantu dalam mengetahui jumlah pasien rawat jalan adalah sebagai berikut:
jalan pada bulan yang akan datang.
Aplikasi prediksi atau forecasting ini
memprediksi jumlah pasien rawat jalan pada bulan
yang akan datang dengan melihat pasien rawat
jalan di bulan sebelumya di RS. Muhammadiyah
Gresik, sistem ini bisa di jadikan acuan sebagai
salah satu dasar perencanaan dan pengambilan
keputusan bagi pengelolah rumah sakit. Sistem ini
mengambil data jumlah pasien rawat jalan dari
bulan Desember 2014 sampai bulan November
2017. Gambar 3.1 Diagram Alir Sistem Prediksi
Sistem yang akan dibangun ditujukan kepada Jumlah pasien Rawat Jalan
pihak rekam medis RS. Muhammadiyah Gresik. Gambar 3.1 menjelaskan proses prediksi
Sistem ini diharapkan bisa dijadikan acuan oleh jumlah pasien rawat jalan dimulai dengan
manajemen rumah sakit untuk mengetahui prediksi memasukkan data-data jumlah pasien rawat jalan
jumlah pasien pada periode selanjutnya. Sehingga RS. Muhammadiyah Gresik dari bulan-bulan
prediksi jumlah pasien rawat jalan lebih tepat sebelumnya. Kemudian sistem akan melakukan
karena sudah dilakukan proses perhitungan dengan proses prediksi jumlah pasien rawat jalan periode
baik karena tidak hanya berdasar pada perkiraan selanjutnya dengan menggunakan metode Triple
jumlah pasien satu bulan sebelumnya melainkan Exponential Smoothing (Brown). Setelah proses
berdasarkan jumlah pasien beberapa bulan dan prediksi selesai maka sistem akan menampilkan
tahun sebelumnya. Berdasarkan hal tersebut, hasil dari perhitungan prediksi jumlah pasien
sistem ini terdiri dari 2 entitas, yaitu: rawat jalan untuk periode berikutnya.
Berikut merupakan diagram alir perhitungan
1. Petugas Rekam Medis: merupakan entitas
metode Triple Exponential Smoothing (Brown) :
yang bertanggung jawab penuh terhadap
berjalannya sistem sesuai dengan tujuan
pengembangan sistem itu sendiri dan juga
bertanggung jawab untuk memasukkan data
per bulan serta memperoleh hasil prediksi.
2. Pimpinan: merupakan entitas yang
bertanggung jawab mengambil keputusan
berdasarkan prediksi yang dilakukan sistem.
Pimpinan juga dapat melihat hasil laporan
prediksi sistem.
Metode prediksi yang akan penulis gunakan
dalam penelitian ini menggunakan metode Triple Gambar 3.2 Diagram Alir Metode Triple
exponential smoothing (Brown). Metode ini Exponential Smoothing (Brown)
sebagaimana halnya dengan pemulusan 3.3 Diagram Konteks
eksponensial liniear yang dapat digunakan untuk Diagram konteks merupakan diagram yang
meramalkan data dengan suatu pola trend dasar, menunjukkan sebuah proses tunggal dalam sistem
bentuk pemulusan yang lebih tinggi ini dapat yang berhubungan langsung dengan semua entitas
digunakan bila dasar pola datanya adalah eksternal sistem.
kuadratik, kubik, atau orde yang lebih tinggi.
Untuk berangkat dari pemulusan kuadratik,
pendekatan dasarnya adalah memasukkan tingkat
pemulusan tambahan (pemulusan triple) dan
memberlakukan persamaan prediksi kuadratik. Gambar 3.3 Diagram Konteks Sistem Prediksi
Jumlah pasien Rawat Jalan

4
 Dari Diagram Konteks pada Gambar 3.3 2.2 Perhitungan pemulusan ganda (S”t)
menggambarkan bahwa sistem prediksi jumlah 2.3 Perhitungan pemulusan triple (S’’’t)
pasien rawat jalan ini melibatkan 2 entitas yakni 2.4 Perhitungan pemulusan total (at)
petugas rekam medis dan pimpinan RSMG. 2.5 Perhitungan pemulusan tren (bt)
petugas rekam medis dapat mengelolah data 2.6 Perhitungan pemulusan kuadratik (ct)
jumlah pasien rawat jalan kepada sistem 2.7 Perhitungan prediksi (Ft+m)
sedangkan sistem dapat menampilkan data detail
poli kepada pimpinan RS. Muhammadiyah Gresik. 3.5 Data Flow Diagram (DFD) Level 1
Petugas rekam medis dapat memasukkan data
jumlah pasien rawat jalan per bulan dan sistem
dapat menampilkan laporan hasil prediksi jumlah
pasien rawat jalan kepada pimpinan RS.
Muhammadiyah Gresik.

3.4 Diagram Berjenjang

Diagram berjenjang sangat diperlukan dalam
perancangan semua proses yang ada. diagram
berjenjang merupakan penggunaan awal dalam
menggambarkan Data Flow Diagram (DFD) ke
level – level lebih bawah lagi.

Gambar 3.5 DFD Level 1 Sistem Prediksi Jumlah

pasien Rawat Jalan
Berdasarkan Gambar 3.5, menjelaskan
beberapa proses yang terjadi pada sistem prediksi
jumlah pasien rawat jalan dimana proses tersebut
terbagi menjadi 4 proses yaitu: Management Data,
Perhitungan Triple Exponential Smoothing
(Brown), Perhitungan MAD & MAPE dan
Gambar 3.4 Diagram Berjenjang Sistem Laporan Hasil Prediksi. Setiap stake holder
Prediksi Jumlah pasien Rawat Jalan memiliki peranan masing-masing dalam jalannya
Berikut penjelasan Gambar 3.4 berdasarkan sistem. Output dari sistem adalah prediksi jumlah
kerangka diagram berjenjang diatas terlihat bahwa pasien rawat jalan pada periode berikutnya yang
sistem yang dibuat terdiri dari 3 (Tiga) level yaitu: nantinya akan dibuatkan laporan dari hasil prediksi
1. Top level : Sistem prediksi jumlah pasien yang bisa dilihat oleh pimpinan RS.
rawat jalan Muhammadiyah Gresik.
2. Level 1 : Merupakan hasil break down dari
proses keseluruhan dari Sistem prediksi
jumlah pasien rawat jalan menjadi beberapa
sub proses yaitu:
1. Management data
2. Perhitungan Triple Exponential
Smoothing (Brown)
3. Perhitungan MAD & MAPE
4. Laporan hasil prediksi
3. Level 2 : Merupakan sub proses dari
beberapa proses pada level 1 Sistem prediksi
jumlah pasien rawat jalan yang
menggambarkan beberapa proses detail yaitu:
2.1 Perhitungan pemulusan tunggal (S’t)

5
3.6 Data Flow Diagram (DFD) Level 2 hasil dari pemulusan triple, ganda dan tunggal
pada perhitungan sebelumnya akan di proses
di tahap berikutnya
d. Proses 2.4 adalah langkah keempat untuk
mencari perbedaan antara nilai nilai
pemulusan exponential yang sebelumnya
sudah didapatkan nilainya, yaitu nilai
pemulusan tunggal (S’t), pemulusan ganda
(S”t) dan pemulusan triple (S’’’t).
e. Proses 2.5 adalah langkah kelima untuk
penyesuai tambahan pengukuran slope suatu
kurva.
f. Proses 2.6 adalah langkah keenam untuk
menentukan nilai ct (mencari nilai slope
tambahan)
g. Proses 2.7 adalah tahap untuk memprediksi
nilai pada periode yang akan diramalkan
tingkat jumlah pasien rawat jalan

IV. IMPLEMENTASI DAN PENGUJIAN SISTEM

4.1 Implementasi Sistem
4.1.1 Halaman Login
Tampilan awal pada saat user (pengguna)
membuka sistem adalah tampilan login. Tampilan
login ini digunakan untuk membatasi pemakaian
sistem prediksi agar tidak digunakan divisi - divisi
yang lainnya. Dalam halaman ini user (pengguna)
diharuskan mengisi Username dan Password.
Pada Gambar 4.1 berikut ini adalah tampilan
login pada sistem prediksi yang telah dibangun.
Gambar 3.6 DFD Level 2 Sistem Prediksi user (pengguna) dalam sistem prediksi jumlah
Jumlah pasien Rawat Jalan pasien rawat jalan ini terbagi menjadi 2 hak akses
DFD level 2 yang ditunjukan pada Gambar yaitu Admin (Rekam Medis) dan Pimpinan.
3.6 menjelaskan beberapa proses yang terjadi pada
sistem prediksi jumlah pasien rawat jalan yang
merupakan hasil break down dari DFD level 1
untuk mendapatkan perilaku sistem yang lebih
detail. Beberapa proses yang ada pada DFD level 2
antara lain:
a. Proses 2.1 adalah langkah pertama untuk
mencari nilai pemulusan tunggal, yang mana
hasil dari pemulusan tunggal akan di proses
lagi di tahap pemulusan ganda.
b. Proses 2.2 adalah langkah kedua untuk
mencari nilai pemulusan ganda, yang mana
Gambar 4.1 Halaman Login Sistem Prediksi
hasil dari pemulusan ganda dan tunggal pada
Jumlah pasien Rawat Jalan di RS. Muhammadiyah
perhitungan sebelumnya akan di proses di
Gresik
tahap pemulusan triple.
c. Proses 2.3 adalah langkah ketiga untuk
mencari nilai pemulusan triple, yang mana

6
4.1.2 Halaman Home
Setelah user (pengguna) berhasil melakukan
login ke sistem, maka akan muncul tampilan awal
dapat di lihat pada Gambar 4.2 sebagai berikut:
Gambar 4.2 Halaman Home Sistem Prediksi
Jumlah pasien Rawat Jalan di RS. Muhammadiyah
Gresik
4.1.3 Halaman Data Pengguna
Gambar 4.3 berikut ini adalah halaman user
(pengguna) yang digunakan untuk membatasi
pengguna dalam hak akses / pemakaian sistem.
Dalam halaman tersebut Admin sistem
mempunyai hak akses yaitu menambah, merubah
dan menghapus data user (pengguna) dari sistem
prediksi jumlah pasien rawat jalan di RS.
Muhammadiyah Gresik.
Gambar 4.3 Halaman Data Pengguna Sistem
Prediksi Jumlah pasien Rawat Jalan di RS.
Muhammadiyah Gresik
4.1.4 Halaman Data Poli
Halaman data poli merupakan halaman yang
menampilkan data dari poli rawat jalan RS.
Muhammadiyah Gresik. Admin (Rekam Medis)
mempunyai hak akses dalam menambah, merubah
dan menghapus data poli pada sistem prediksi
jumlah pasien rawat jalan di RS. Muhammadiyah
Gresik dapat di lihat pada Gambar 4.4 sebagai
berikut:
7
Gambar 4.4 Halaman Data Poli Sistem Prediksi
Jumlah pasien Rawat Jalan di RS. Muhammadiyah
Gresik
4.1.5 Halaman Detail Poli
Halaman detail poli menampilkan jumlah
pasien rawat jalan di RS. Muhammadiyah Gresik
per periode (bulan). Admin rekam medis
mempunyai hak akses dalam menambah, merubah
dan menghapus data jumlah pasien rawat jalan
pada sistem dapat di lihat pada Gambar 4.5.
Gambar 4.5 Halaman Detail Poli Sistem Prediksi
Jumlah pasien Rawat Jalan di RS. Muhammadiyah
Gresik
4.1.6 Halaman Forecast
Halaman ini digunakan untuk memprediksi
jumlah pasien rawat jalan pada bulan selanjutnya.
Pada tahap pengujian sistem akan dilakukan
penginputan data awal sebagai data aktual dari 6
poli berbeda. Data aktual tersebut bertujuan
sebagai acuan untuk memprediksi jumlah pasien
rawat jalan tiap poli di bulan selanjutnya. Setelah
menginputkan data aktual per periode jumlah
pasien rawat jalan dari 6 poli kemudian kita dapat
melakukan proses penghitungan prediksi dengan
Triple Exponential Smoothing (Brown). Proses
forecasting dapat dilakukan dengan perhitungan
otomatis pertahun dan hanya perperiode
(perbulan).
a. Perhitungan Forecast per Tahun
Proses perhitungan berjalan saat setelah kita
memilih nama poli, memilih acuan perhitungan
prediksi yaitu acuan 3 bulan, 6 bulan 12 bulan dan
data keseluruhan, memilih tahun prediksi,
menentukan nilai alpha dan kemudian menekan
tombol proses untuk proses forecasting. Secara
otomatis data – data yang tersimpan pada database
yang sebelumnya kita inputkan akan diproses
dengan Triple Exponential Smoothing (Brown),
Mean Absolute Deviation (MAD) dan Mean
Absolute Percentage Error (MAPE) pada sistem.
 umum pada periode Desember 2017 menggunakan
acuan data 3 bulan sebelumnya dengan nilai alpha
0,1 dengan hasil forecast jumlah pasien 821. Hasil
laporan dapat dilihat pada Gambar 4.9 sebagai
berikut:

Gambar 4.6 Form Forecast Sistem Prediksi

Jumlah pasien Rawat Jalan di RS. Muhammadiyah
Gresik Pertahun Acuan 3 Bulan

4.1.7 Halaman Chart

Halaman ini digunakan untuk menampilkan
Gambar 4.9 Halaman Laporan Sistem Prediksi
chart untuk membandingkan hasil perhitungan
Jumlah pasien Rawat Jalan di RS. Muhammadiyah
MAPE dalam mengukur kesalahan dari semua
Gresik
hasil prediksi per poli otomatis berdasarkan nilai
alpha 0,1 – 0,9 . Berikut merupakan contoh
4.2 Analisa Hasil Pengujian Sistem
pengujian halaman chart dengan menggunakan
Analisa hasil pengujian sistem, penulis
jumlah pasien poli klinik umum. Perhitungan
menggunakan 6 data jumlah pasien rawat jalan di
dilakukan selama 3 tahun yaitu Januari Desember
RS. Muhammadiyah Gresik yaitu Poli Klinik
2014 – November 2017.
Umum, Poli Anak, Poli Internis, IGD, Kunjungan
Hasil perhitungan poli klinik umum
Laboratorium dan Poli Gigi. Pada pengujian ini
menggunakan acuan 3 bulan dengan alpha 0,1- 0,9
dilakukan 3 tahapan pengujian yaitu menggunakan
dapat di lihat pada Gambar 4.7 sebagai berikut:
acuan data 3 bulan, 6 bulan dan 12 bulan
sebelumnya untuk menentukan prediksi bulan
selanjutnya mulai bulan Desember 2014 –
November 2017 selama 3 tahun dengan besaran
nilai alpha mulai 0.1 sampai 0.9 untuk mengetahui
hasil forecast manakah yang terbaik dengan
memperoleh nilai kesalahan prediksi Mean
Gambar 4.7 Hasil Perhitungan MAD Dan MAPE Absolut Deviation (MAD) dan Mean Absolut
Poli Klinik Umum Menggunakan Acuan 3 Bulan Percentage Error (MAPE) terkecil.
Alpha 0,1 – 0,9 4.2.1 Pengujian Poli Klinik Umum
4.2.1.1 Pengujian Acuan 3 Bulan
Tabel 4.1 Hasil Akhir Pengujian Poli Klinik
Umum Dengan Data Acuan 3 Bulan Alpha 0.1 –
0.9
NO Nama Poli Alpha Tahun Acuan MAD MAPE
1 Poli Klinik Umum 0.1 2014 – 2017 3 bulan 25,060 2,900%
2 Poli Klinik Umum 0.2 2014 – 2017 3 bulan 23,775 2,749%
3 Poli Klinik Umum 0.3 2014 – 2017 3 bulan 26,295 3,030%
4 Poli Klinik Umum 0.4 2014 – 2017 3 bulan 28,886 3,321%
5 Poli Klinik Umum 0.5 2014 – 2017 3 bulan 30,439 3,485%
Gambar 4.8 Grafik MAPE Poli Klinik Umum 6
7
Poli Klinik Umum
Poli Klinik Umum
0.6
0.7
2014 – 2017
2014 – 2017
3 bulan
3 bulan
36,201
56,741
4,159%
6,529%
Menggunakan Acuan 3 Bulan Alpha 0,1 – 0,9 8 Poli Klinik Umum 0.8 2014 – 2017 3 bulan 141,476 16,350%
9 Poli Klinik Umum 0.9 2014 – 2017 3 bulan 371,243 42,946%

Dari tabel 4.1 diatas didapatkan hasil forecast

4.1.8 Halaman Laporan
Halaman ini digunakan untuk menampilkan
laporan dari hasil prediksi pada sistem prediksi
jumlah pasien rawat jalan periode selanjutnya.
Hasil laporan bisa diakses oleh petugas dan dapat
dicetak yang nantinya dapat digunakan sebagai
bukti dasar mengetahui jumlah pasien. Hasil
laporan oleh petugas rekam medis di poli klinik
yang mendekati dan memperoleh nilai kesalahan
peramalan Mean Absolut Deviation (MAD) dan
Mean Absolut Percentage Error (MAPE) terkecil
di besaran nilai alpha 0,2 seperti di tabel 4.1 yang
bergaris kuning. Dari tabel diatas dapat dilihat
nilai hasil pengujian prediksi dan kesalahan
prediksi MAD 23,775 & MAPE 2,749%.

8
4.2.1.2 Pengujian Acuan 6 Bulan 4.3.1 Perbandingan Prediksi 6 Poli
Tabel 4.2 Hasil Akhir Pengujian Poli Klinik Perbandingan hasil kesalahan prediksi terbaik
Umum Dengan Data Acuan 6 Bulan Alpha 0.1 – dari 6 poli rawat jalan berdasarkan acuan data 3
0.9 bulan, 6 bulan dan 12 bulan sebelumnya dapat
NO Nama Poli Alpha Tahun Acuan MAD MAPE
1 Poli Klinik Umum 0.1 2014 – 2017 6 bulan 25,386 2,975%
dilihat pada tabel 4.4 berikut:
2014 – 2017
2
3
Poli Klinik Umum
Poli Klinik Umum
0.2
0.3 2014 – 2017
6 bulan
6 bulan
24,390
27,306
2,819%
3,144%
Tabel 4.4 Perbandingan Hasil Kesalahan Prediksi
4 Poli Klinik Umum 0.4 2014 – 2017 6 bulan 29,671 3,412% Terbaik Dari 6 Poli Rawat jalan di RS.
5 Poli Klinik Umum 0.5 2014 – 2017 6 bulan 33,656 3,868%
6 Poli Klinik Umum 0.6 2014 – 2017 6 bulan 45,321 5,246% Muhammadiyah Gresik.
7 Poli Klinik Umum 0.7 2014 – 2017 6 bulan 81,374 9,411%
3 Bulan 6 Bulan 12 Bulan
8 Poli Klinik Umum 0.8 2014 – 2017 6 bulan 188,381 21,678% Poli
Alpha MAD MAPE Alpha MAD MAPE Alpha MAD MAPE
9 Poli Klinik Umum 0.9 2014 – 2017 6 bulan 439,373 50,645%
Poli Klinik
Dari tabel 4.2 diatas didapatkan hasil forecast Umum
0,2 23,775 2,749% 0,2 24,390 2,819% 0,2 26,781 3,153%

yang mendekati dan memperoleh nilai kesalahan Poli Anak 0,1 78,935 6,531% 0,1 75,171 6,205% 0,2 78,432 6,570%
peramalan Mean Absolut Deviation (MAD) dan
Mean Absolut Percentage Error (MAPE) terkecil Poli Internis 0,1 10,025 4,977% 0,2 10,043 5,049% 0,2 10,656 5,316%

di besaran nilai alpha 0,2 seperti di tabel 4.2 yang IGD 0,2 44,149 4,794% 0,1 47,013 5,159% 0,2 46,779 4,982%

bergaris kuning. Dari tabel diatas dapat dilihat Kunjungan

Laboratoriu 0,2 120,359 5,791% 0,1 131,346 6,319% 0,2 151,932 7,151%
nilai hasil pengujian prediksi dan kesalahan m

prediksi MAD 24,390 & MAPE 2,819. Poli Gigi 0,2 10,918 5,249% 0,1 10,069 4,870% 0,1 9,237 4,466%

4.2.1.3 Pengujian Acuan 12 Bulan

Rata – rata MAPE 3 Bulan 5,015% 6 Bulan 5,070% 12 Bulan 5,273%
Tabel 4.3 Hasil Akhir Pengujian Poli Klinik
Umum Dengan Data Acuan 12 Bulan Alpha 0.1 – Berdasarkan Tabel 4.4 didapatkan
0.9 kesimpulan perbandingan hasil kesalahan prediksi
NO Nama Poli Alpha Tahun Acuan MAD MAPE
1 Poli Klinik Umum 0.1 2014 - 2017 12 bulan 27,787 3,308% terbaik dari jumlah pasien rawat jalan pada poli
2 Poli Klinik Umum 0.2 2014 - 2017 12 bulan 26,781 3,153%
3 Poli Klinik Umum 0.3 2014 - 2017 12 bulan 27,237 3,184%
klinik umum menggunakan acuan 3 bulan
4
5
Poli Klinik Umum
Poli Klinik Umum
0.4
0.5
2014 - 2017
2014 - 2017
12 bulan
12 bulan
29,086
33,948
3,394 %
3,952%
sebelumnya dengan nilai alpha 0,2 menghasilkan
6 Poli Klinik Umum 0.6 2014 - 2017 12 bulan 48,621 5,694% nilai MAD 23,775 dan MAPE 2,749%, Poli Anak
7 Poli Klinik Umum 0.7 2014 - 2017 12 bulan 85,383 9,966%
8 Poli Klinik Umum 0.8 2014 - 2017 12 bulan 198,480 22,977% menggunakan acuan 6 bulan sebelumnya dengan
9 Poli Klinik Umum 0.9 2014 - 2017 12 bulan 463,593 53,738%

Dari tabel 4.3 diatas didapatkan hasil forecast nilai alpha 0,1 menghasilkan nilai MAD 75,171
yang mendekati dan memperoleh nilai kesalahan dan MAPE 6,205%, Poli Internis menggunakan
peramalan Mean Absolut Deviation (MAD) dan acuan 3 bulan sebelumnya dengan nilai alpha 0,1
Mean Absolut Percentage Error (MAPE) terkecil menghasilkan nilai MAD 10,025 dan MAPE
di besaran nilai alpha 0,2 seperti di tabel 4.3 yang 4,977%, IGD menggunakan acuan 3 bulan
bergaris kuning. Dari tabel diatas dapat dilihat sebelumnya dengan nilai alpha 0,2 menghasilkan
nilai hasil pengujian prediksi dan kesalahan nilai MAD 44,149 dan MAPE 4,794%, pasien
prediksi MAD 26,781 & MAPE 3,153%. Laboratorium menggunakan acuan 3 bulan
sebelumnya dengan nilai alpha 0,2 menghasilkan
4.3 Keberhasilan nilai MAD 120,359 dan MAPE 5,791%, Poli Gigi
Pengujian dilakukan pada 6 data jumlah menggunakan acuan 12 bulan sebelumnya dengan
pasien rawat jalan di RS. Muhammadiyah Gresik nilai alpha 0,1 menghasilkan nilai MAD 9,237
yaitu Poli Klinik Umum, Poli Anak, Poli Internis, dan MAPE 4,466%.
IGD, Kunjungan Laboratorium dan Poli Gigi Hasil dari pengujian pada jumlah pasien 6 poli
dengan menggunakan nilai antara 0.1 sampai 0.9 rawat jalan di RS. Muhammadiyah Gresik
untuk mendapatkan hasil prediksi dengan nilai berdasarkan acuan 3 bulan, 6 bulan dan 12 bulan
kesalahan prediksi Mean Absolut Deviation menghasilkan error rata-rata nilai MAPE terkecil
(MAD) dan Mean Absolut Percentage Error yaitu pada pengujian menggunakan acuan 3 bulan
(MAPE) terkecil menggunakan acuan data 3 pada Tabel 4.4 dengan block warna oranye
bulan, 6 bulan dan 12 bulan sebelumnya dalam menghasilkan nilai rata-rata 5,015% dan nilai
kurun waktu 3 tahun yaitu Desember 2014 – alpha yang paling banyak digunakan pada
November 2017. pengujian 3 bulan tersebut yaitu alpha 0,2.

9
V. KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil penelitian yang telah
dilakukan, kesimpulan yang dapat diambil dari
penelitian ini adalah sebagai berikut :
1. Sistem prediksi jumlah pasien rawat jalan di
RS. Muhammadiyah Gresik dapat membantu
pihak petugas rekam medis dan pimpinan RS.
Muhammadiyah Gresik untuk mengetahui
jumlah pasien rawat jalan pada bulan yang
akan datang.
2. Metode prediksi Triple Exponential
Smoothing (Brown) ini dapat
implementasikan untuk studi kasus prediksi
jumlah pasien rawat jalan pada bulan yang
akan datang di RS. Muhammadiyah Gresik.
3. Berdasarkan pada analisis hasil pengujian
sistem, dapat disimpulkan bahwa aplikasi ini
dapat melakukan perhitungan prediksi dengan
cukup baik. Hal ini dibuktikan dari
perhitungan 3 kategori pengujian mulai dari
perhitungan dengan data acuan 3 bulan, 6
bulan, 12 bulan dengan masing - masing
menggunakan 9 alpha yang berbeda yaitu
alpha 0,1 - 0,9 pada jumlah pasien 6 poli
rawat jalan di RS. Muhammadiyah Gresik
menghasilkan rata - rata error nilai MAPE
terkecil.
5.2 Saran
Beberapa saran yang perlu penulis sampaikan
untuk pengembangan sistem selanjutnya adalah :
Diharapkan adanya penelitian dengan metode
selain trend linier seperti menggunakan
pemodelan regresi linier dengan metode
Algoritma Genetika untuk kemudian dibandingkan
dengan metode Triple Exponential Smoothing
(Brown) ini.
DAFTAR PUSTAKA
Aprilia, Dwi. 2016. Penerapan Metode Forecast
Exponential Smoothing pada Jumlah Pasien
Puskesmas. Fakultas Kesehatan Masyarakat
Universitas Airlangga. Vol. 5, No. 2.
Herjanto, Eddy. 2008. “Manajemen Operasi” Edisi
Ketiga, Grasindo, Jakarta.
Heizer, Jay. & Barry. Render. 2006. Manajemen
Operasi, Edisi tujuh, Jakarta: Salemba Empat.
Jana, Padrul. 2016. Aplikasi Triple Exponential
Smoothing Untuk Forecasting Jumlah
Penduduk Miskin. Fakultas Keguruan dan Ilmu
Pendidikan, Universitas PGRI Yogyakarta.
Volume 3 No. 2.
Jayanti, Ni Ketut Dewi Ari, Yohanes Priyo Atmojo, I
Gusti Ngurah Wiadnyana. 2015. Penerapan
Metode Triple Exponential Smoothing pada
Sistem Peramalan Penentuan Stok Obat.
STMIK STIKOM Bali. Vol. 9, No. 2.
Makridakis, Spyros. dkk. 1999. Metode dan Aplikasi
Peramalan. Jilid 1. Diterjemahkan oleh:
Untung Sus Ardianto dan Abdul Basith.
Jakarta: Erlangga.
Misriati, Titik. 2012. Prediksi Jumlah pasien Rawat
di
Jalan Menggunakan Metode Regresi Linier.
Manajemen Informatika, AMIK BSI Jakarta.
Vol. 3, No. 2.
Mubin, Lia Farihul, Wiwik Anggraeni, Retno Aulia
Vinarti. 2012. Prediksi Jumlah pasien Rawat
Jalan Menggunakan Metode Genetic Fuzzy
Systems Studi Kasus: Rumah Sakit Usada
Sidoarjo. Sistem Informasi, Fakultas Teknologi
Informasi, Institut Teknologi Sepuluh
Nopember (ITS). Vol. 1, No. 1.
Schroeder, Roger G. 2003. Operations Management:
Contemporary Concepts and Cases, 2nd
Revised International Edition, Mc Graw-Hill
Companies, Inc., Boston.
Wirautama, Bagus Fajar. 2017. Prediksi Produksi Air
Studi Kasus Pdam Kabupaten Gresik Dengan
Metode Triple Exponential Smoothing
(Brown). Tugas Akhir. Fakultas Teknik,
Universitas Muhammadiyah Gresik.
10