45
4.2.3 Poliklinik BKIA
Dari laporan bulanan Rumah Sakit Santa Elisabeth Medan dari tahun 2011-2015 diperoleh data jumlah kunjungan pasien rawat jalan yaitu:
Tabel 4.7 Data 5 Tahun Terakhir Kunjungan Pasien Rawat Jalan Tahun
Jumlah
2011 2.465
2012 3.284
2013 2.113
2014 1.802
2015 1.514
Total 11.178
1. Uji Stasioner
Berdasarkan analisis yang telah dilakukan terhadap uji kestasioneran data, diperoleh bahwa data jumlah kunjungan pasien rawat jalan poliklinik bkia
tahun 2011-2015 sudah stasioner pada level, diketahui dari nilai probabilitas 0,000 α = 0,05, sehingga dapat disimpulkan data sudah
memenuhi syarat stasioneritas. Sehingga tidak perlu dilakukan differencing, dan kita dapat melakukan langkah selanjutnya.
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 stasioner tanpa melakukan differencing, sehingga pada tahap
Universitas Sumatera Utara
46
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. 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 ARIMA1,0,0, ARIMA0,0,1, ARIMA1,0,1, ARIMA2,0,0,
ARIMA0,0,2. Model tersebut kemudian kita bandingkan untuk menentukan model terbaik.
3. Pemilihan Model Terbaik
Setelah dilakukan uji diagnostik untuk kelima model tersebut, ternyata kelima model tersebut lolos untuk uji diagnostik sehingga langkah
selanjutnya memilih model terbaik diantara kelima model tersebut. 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 kelima model tersebut.
Universitas Sumatera Utara
47
Tabel 4.8 Perbandingan Pemilihan Model terbaik ARIMA Model
AIC SBC
SSE Adj. R
Squared ARIMA1,0,0 12,76766
12,83809 1132035.
-0,007994 ARIMA0,0,1 12,75109
12,82090 1133577.
-0,008956 ARIMA1,0,1 12,63155
12,73719 955044.1
0,134418 ARIMA2,0,0 12,66978
12,74083 1007898.
-0,009943 ARIMA0,0,2 12,75190
12,82171 1134499.
-0,009777 Setelah dilihat hasilnya diperoleh bahwa model terbaik adalah ARIMA
1,0,1 karena memenuhi kriteria pemilihan model terbaik. Dengan nilai ordo p AR = 0,968930, dan nilai ordo q MA = -0,999965 dan
Konstanta �
′
= 66,01824. Sehingga digunakan model ARIMA 1,0,1 untuk proyeksi jumlah kunjungan pasien rawat jalan poliklinik BKIA
tahun 2016-2017, dengan persamaan : �
�
= ,
+ , �
�−
+
�
+ ,
�−
Universitas Sumatera Utara
48
Tabel 4.9 Proyeksi Kunjungan Pasien Rawat Jalan Poliklinik BKIA Tahun 2016-2017
Tahun 2016 Bulan
Proyeksi
Januari 106
Februari 105
Maret 104
April 102
Mei 101
Juni 100
Juli 99
Agustus 98
September 97
Oktober 96
November 95
Desember 94
Jumlah 1.197
Dari tabel diatas, kita peroleh bahwa proyeksi kunjungan pasien rawat jalan tahun 2016 dan 2017 pada poliklinik BKIA 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 93
Februari 93
Maret 92
April 91
Mei 90
Juni 89
Juli 89
Agustus 88
September 87
Oktober 87
November 86
Desember 85
Jumlah 1.070
Universitas Sumatera Utara
49
4.2.4 Poliklinik Penyakit Dalam
Kategori