66
Integrated d ditentukan dari tingkat stasioneritasnya dengan melakukan differencing yang artinya menghitung perubahan atau selisih nilai
observasi. Pada tahap ini, kita telah mengetahui bahwa data yang kita punya telah melakukan differencing pada tingkat pertama d = 1, sehingga
pada tahap ini kita hanya menentukan nilai Koefisien ARp dan MAq dengan melakukan metode trial and error terhadap model-model yang
akan digunakan dan model tersebut masing-masing dibandingkan melalui parameter-parameter penentuan model terbaik. Perlu diketahui, bahwa data
yang kita gunakan pada penentuan nilai koefisien ARp dan MAq adalah data yang sudah stasioner atau dengan kata lain, data yang telah
mengalami differencing tingkat pertama d=1. Jadi, setelah dilakukan metode untuk menentukan model terbaik, terpilih beberapa model dari
berbagai model umum yang dapat digunakan dalam melakukan proyeksi. model-model yang terpilih dari berbagai model umum untuk penelitian ini,
yaitu ARIMA1,1,1, ARIMA2,1,1, ARIMA1,1,2, ARIMA2,1,2. Model tersebut kemudian kita bandingkan untuk menentukan model
terbaik.
3. Pemilihan Model Terbaik
Setelah dilakukan uji diagnostik untuk keempat model tersebut, ternyata keempat model tersebut lolos untuk uji diagnostik sehingga langkah
selanjutnya memilih model terbaik diantara keempat model tersebut.
Universitas Sumatera Utara
67
Ada beberapa kriteria dalam memilih model terbaik :
Nilai Akaike Info Criterion AIC yang kecil Nilai Schwarz Criterion yang kecil
Sum Squared Residual SSE yang kecil Adjusted R Squared yang besar
Maka, untuk menentukan model terbaik ialah dengan membandingkan kriteria diatas. Berikut tabel perbandingan keempat model tersebut.
Tabel 4.23 Perbandingan Pemilihan Model terbaik ARIMA Model
AIC SBC
SSE Adj. R
Squared ARIMA1,1,1 14,02355
14,13013 3770322.
0,123747 ARIMA1,1,2 13,99664
14,10321 3670202.
0,147016 ARIMA2,1,1 14,02291
14,13043 3696202.
0,103279 ARIMA2,1,2 13,93427
14,04180 3382698.
0,179337 Setelah dilihat hasilnya diperoleh bahwa model terbaik adalah ARIMA
2,1,2 karena memenuhi kriteria pemilihan model terbaik. Dengan nilai ordo p AR = 0,791382, nilai ordo q MA = -0,955452 dan Konstanta
�
′
= -29,50411. Sehingga digunakan model ARIMA 2,1,2 untuk proyeksi jumlah kunjungan pasien poliklinik praktek tahun 2016-2017,
dengan persamaan : �
�
= + ,
�
�−
− , �
�−
− , +
�
− ,
�−
Universitas Sumatera Utara
68
Tabel 4.24 Proyeksi Kunjungan Pasien Rawat Jalan Poliklinik Praktek Tahun 2016-2017
Tahun 2016 Bulan
Proyeksi
Januari 1.447
Februari 1.417
Maret 1.388
April 1.358
Mei 1.329
Juni 1.299
Juli 1.270
Agustus 1.240
September 1.211
Oktober 1.181
November 1.152
Desember 1.122
Jumlah 15.414
Dari tabel diatas, kita peroleh bahwa proyeksi kunjungan pasien rawat jalan tahun 2016 dan 2017 pada poliklinik praktek cenderung mengalami
penurunan. Dapat kita lihat dari jumlah kunjungan pasien rawat jalan yang selalu menurun dari bulan januari 2016 sampai dengan bulan desember
2017.
Tahun 2017 Bulan
Proyeksi
Januari 1.093
Februari 1.063
Maret 1.034
April 1.004
Mei 975
Juni 945
Juli 916
Agustus 886
September 857
Oktober 827
November 798
Desember 768
Jumlah 11.666
Universitas Sumatera Utara
69
4.2.9 Poliklinik Fisioterapi