37
4.2 Hasil Penelitian Jumlah Kunjungan Pasien Rawat Jalan Tahun 2011- 2015 dan Proyeksinya Tahun 2016-2017
4.2.1 Poliklinik Umum
Dari laporan bulanan Rumah Sakit Santa Elisabeth Medan dari tahun 2011-2015 diperoleh data jumlah kunjungan pasien rawat jalan yaitu:
Tabel 4.1 Data 5 Tahun Terakhir Kunjungan Pasien Rawat Jalan Tahun
Jumlah
2011 5.534
2012 5.729
2013 6.101
2014 5.742
2015 3.598
Total 26.704
1. Uji Stasioner
Berdasarkan analisis yang telah dilakukan terhadap uji kestasioneran data, diperoleh bahwa data jumlah kunjungan pasien rawat jalan poliklinik
umum tahun 2011-2015 belum stasioner pada level, diketahui dari nilai probabilitas 0,06 α = 0,05, sehingga dapat disimpulkan data belum
memenuhi syarat stasioneritas. Sehingga dilakukan differencing agar data jumlah kunjungan pasien rawat jalan poliklinik umum tersebut stasioner.
Setelah dilakukan differencing tingkatpertama,diperoleh bahwa data jumlah kunjungan pasien rawat jalan poliklinik umum tahun 2011-2015
sudah stasioner, diketahui dari nilai probabilitas 0,0000 α =0,05, sehingga dapat disimpulkan bahwa data telah stasioner. Sehingga kita
dapat melakukan langkah selanjutnya.
Universitas Sumatera Utara
38
2. Identifikasi Model
Pada tahap ini, memilih model yang tepat yang bisa mewakili deret pengamatan data jumlah kunjungan pasien rawat jalan. Penentuan AR p
dan MA q dengan autokorelasi ACF dan autokorelasi parsial PACF sedangkan 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 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 ARIMA1,1,0, ARIMA0,1,1, ARIMA1,1,1, ARIMA2,1,0,
ARIMA0,1,2. Model tersebut kemudian kita bandingkan untuk menentukan model terbaik.
Universitas Sumatera Utara
39
3. Pemilihan Model Terbaik