29
2.5 Kerangka Operasional
Gambar 2.2 Kerangka Operasional Proyeksi Jumlah Kunjungan Pasien Rawat Jalan Tahun 2016 sd 2017 di Rumah Sakit Santa Elisabeth Medan
Jumlah Kunjungan Pasien Rawat Jalan Tahun 2011 sd
2015 di Rumah Sakit Santa Elisabeth Medan
Proyeksi Jumlah Kunjungan Pasien Rawat Jalan Tahun
2016 sd 2017 di Rumah Sakit Santa Elisabeth Medan
Universitas Sumatera Utara
1
BAB I PENDAHULUAN
1.1 Latar Belakang
Rumah Sakit merupakan salah satu faktor yang penting dalam kehidupan masyarakat. Terutama untuk mendapatkan layanan kesehatan ketika sakit atau
ketika membutuhkan pelayanan kesehatan. Rumah Sakit adalah sarana upaya kesehatan yang menyelenggarakan kegiatan pelayanan kesehatan serta dapat
dimanfaatkan untuk pendidikan kesehatan dan penelitian Permenkes RI, 1988. Rumah Sakit sebagai institusi dalam pelayanan kesehatan harus
memberikan pelayanan yang maksimal kepada pasien. Hal itu dapat terwujud apabila rumah sakit tersebut memiliki manajemen yang baik. Salah satu faktor
yang mendukung baik tidaknya manajemen rumah sakit adalah dengan adanya perencanaan. Perencanaan merupakan salah satu fungsi manajemen yang
terpenting. Berbagai fungsi manajemen lainnya baru berfungsi apabila fungsi perencanaan telah selesai dilaksanakan dan fungsi manajemen lainnya akan
berjalan sempurna apabila selalu berpedoman pada perencanaan yang telah disusun sebelumnya. Karena perencanaan itu sebenarnya adalah kegiatan yang
dikerjakan untuk setiap kebutuhan atau aktifitas pada masa-masa mendatang maka suatu prinsip yang tidak boleh dilupakan adalah keharusan bisa meramalkan
mengenai apa sekiranya yang akan terjadi pada masa yang akan datang. Peramalan merupakan alat bantu yang terpenting dalam perencanaan efektif dan
efisien.
Universitas Sumatera Utara
2
Peramalan diperlukan untuk menentukan kapan suatu peristiwa akan terjadi atau timbul, sehingga tindakan yang tepat dapat dilakukan. Sering terdapat
senjang waktu lead time antara kejadian sekarang dengan masa akan datang, jika waktu tenggang ini nol atau sangat kecil maka perencanaan tidak diperlukan tapi
kalau waktu tenggang ini panjang dan hasil peristiwa akhir bergantung pada faktor-faktor yang dapat diketahui, maka perencanaan memegang peranan
penting. Kemajuan ilmu pengetahuan telah meningkatkan pengertian mengenai berbagai aspek lingkungan dan akibatnya banyak peristiwa yang dapat diramalkan
Makridakis, dkk, 1999. Peramalan cukup penting dalam perencanaan, untuk mengetahui terlebih
dahulu kejadian yang akan datang. Sering terjadi lead time antara kejadian sekarang dengan masa yang akan datang. Lead time adalah selang waktu antara
kejadian sekarang dengan di masa yang akan datang. Adanya lead time ini merupakan suatu alasan untuk perencanaan dan peramalan. Bila lead time ini
besarnya nol atau sangat kecil, maka lead time tidak dibutuhkan untuk perencanaan. Tetapi bila lead time tersebut panjang dan hasil yang diperlukan
memerlukan faktor-faktor yang menyatakan bahwa perencanaan dapat dibentuk memiliki peranan penting. Pada kasus dan situasi tersebut, peramalan terjadi atau
dibutuhkan sehingga tindakan yang tepat dapat dilakukan. Sedangkan peramalan tersebut merupakan sebuah alat bantu yang penting pada perencanaan efektif dan
efisien Manurung, 1990.
Universitas Sumatera Utara
3
Untuk melakukan suatu peramalan, diperlukan data yang dapat dipergunakan sebagai acuan dalam melakukan peramalan. Data yang dimaksud
disini adalah data berkala time series. Data berkala adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan sesuatu kegiatan
perkembangan produksi, harga, hasil penjualan, jumlah personil, penduduk, jumlah kecelakaan, jumlah kejahatan, jumlah akseptor KB, dan lain sebagainya
Supranto, 1993. Seiring
bertambahnya jumlah
populasi manusia
dan keadaan
perekonomian yang semakin maju, maka kesadaran masyarakat terhadap kesehatan semakin meningkat. Hal ini dapat meningkatkan jumlah pengunjung
suatu rumah sakit. Meningkatnya kunjungan pasien harus diiringi dengan kesiapan pihak rumah sakit dalam pemenuhan fasilitas dan alat penunjang
pelayanan. Oleh karena itu, dalam melakukan kegiatan perencanaan yang matang salah satunya dengan melakukan kegiatan peramalan agar pelayanan tetap
berjalan dengan baik. Model AutoregressiveIntegratedMoving Average ARIMA merupakan
metode yang secara intensif dikembangkan oleh George Box dan Gwilyn Jenkins sehingga nama mereka sering disinonimkan dengan proses ARIMA yang
diterapkan untuk analisis dan peramalan data deret berkala time series. ARIMA sebenarnya adalah teknik untuk mencari pola yang paling cocok dari sekelompok
data curve-fitting. Dengan demikian metode ARIMA memanfaatkan sepenuhnya data masa lalu dan data sekarang untuk menghasilkan peramalan jangka pendek
yang akurat. Model ARIMA berbeda dari metode peramalan lain karena model ini
Universitas Sumatera Utara
4
tidak mensyaratkan suatu pola data tertentu supaya model dapat berkerja dengan baik. Dengan kata lain model ARIMA dapat dipakai untuk semua tipe pola data.
Model ARIMA akan bekerja dengan baik apabila data runtut waktu yang digunakan bersifat dependen atau berhubungan satu sama lain secara statistik.
Sugiharto dan Harijono, 2000. Model AutoregressiveIntegratedMoving Average ARIMA sebagai
teknik peramalan berbeda dengan kebanyakan model peramalan yang ada. Di dalam model ini tidak ada asumsi khusus tentang data historis dari time series
runtut waktu, tetapi menggunakan metode iteratif untuk menentukan model yang terbaik. Model yang terpilih kemudian akan dicek ulang dengan data historis
apakah telah menggambarkan data dengan tepat. Model terbaik akan diperoleh jika residual antara model peramalan dan data historis kecil, didistribusikan secara
random dan independen. Penelitian yang telah dilakukan untuk mengetahui karakteristik data harga
saham harian PT. Telkom dengan menggunakan model ARIMA dan melakukan prediksi harga saham bulan Mei sd Juni 2011. Data yang digunakan adalah data
sekunder dari perusahaan PT. Telkom sejak Januari 2010 sd Maret 2011 untuk memprediksi harga saham bulan Mei sd Juni 2011. Hasil penelitian yang telah
dilakukan bahwa model untuk harga saham maksimum adalah ARIMA 3,1,3 dengan persamaan Yt = 0,9648Y
t-1
+ ,
0133Yt
-2
+ ,
4662Yt
-3
– 0,4443Y
t-4
– 0,006 + 0,1294
ɛ
t-1
– 0,0441ɛ
t-2
– 0,5751ɛ
t-3
. Sedangkan model harga saham minimum adalah ARIMA 3,1,1 dengan persamaan Yt = 1,7504Y
t-1
+
0,7347Yt
-2
+ ,
092Yt
-3
– 0,1077Y
t-4
– 0,051 + 0,7275ɛ
t-1
. Jadi prediksi harga saham
Universitas Sumatera Utara
5
maksimum dan minimum PT Telkom pada bulan Mei sd Juni saham berkisar antara Rp. 7.099 sd Rp. 7.282 Hatidja, 2011.
Peramalan saham Jakarta Islamic Index menggunakan Model ARIMA Box-Jenkins tujuan dari penelitian ini adalah untuk mengetahui laju
perkembangan Jakarta Islamic Index bulan Mei sd Juli 2010 dan prediksi Jakarta Islamic Index di bursa efek Indonesia bulan Agustus tahun 2010. Metode yang
digunakan adalah peramalan time series dengan model Box-Jenkins dan didalam penelitian ini tidak ada asumsi khusus tentang data historis runtun waktu, tetapi
menggunakan metode iteratif untuk menentukan model yang terbaik. Model ARIMA terbaik yang diperoleh adalah ARIMA 1,0,0 dimana Jakarta Islamic
Index hari ini dipengaruhi oleh Jakarta Islamic Index satu hari perdangan yang lalu. Prediksi nilai Jakarta Islamic Index di bursa efek Indonesia selama 10
periode ke depan di bulan Agustus mengalami penurunan disebabkan kondisi bursa efek Indonesia yang belum efisien karena komposisi kepemilikan saham
yang masih didominasi oleh investor asing Anityaloka, 2013. Penelitian yang telah dilakukan untuk mengetahui proyeksi jumlah
penduduk dengan menggunakan Model ARIMA di Kabupaten Nias Utara tahun 2014. Metode yang digunakan adalah teknik peramalan time series dengan model
ARIMA yaitu penelitian terhadap variabel dependen dengan menggunakan nilai- nilai masa lampau. Metode pengumpulan data menggunakan data sekunder yaitu
jumlah penduduk di Kabupaten Nias Utara dari Januari 2010 sampai dengan Desember 2014. Hasil penelitian menunjukkan model ARIMA yang digunakan
adalah ARIMA 1,1,1 yang mempunyai bentuk umum
Universitas Sumatera Utara
6
�
�
= + � �
�−
− � �
�−
+ �
′
+
�
− �
�−
dengan parameter AR 1 ϕ
1
= 0,7537 dan MA 1 θ
1
= 0,1311. Sehingga dapat diketahui peramalan jumlah penduduk untuk 2 tahun ke depan yaitu pada forecast periode 67 pada tahun 2015
jumlah penduduk di kabupaten Nias Utara 177.501 jiwa dan jumlah penduduk pada tahun 2016 pada forecast periode 79 sebanyak 186.493 jiwa Zega, 2015.
Setiap pasien yang berobat ke rumah sakit akan mendapatkan dokumen rekam medis untuk mendokumentasikan riwayat penyakitnya. Pewarnaan
dokumen rekam medis dapat diterapkan untuk mempermudah identifikasi. BLUD RSU Kota Banjar Provinsi Jawa Barat menerapkan empat varian warna yang
berdasarkan jenis penyakit. Penyediaan dokumen kadangkala tidak sesuai dengan jumlah kunjungannya sehingga sering dilakukan pergantian warna dokumen
dengan warna yang lain. Tujuan dari penelitian ini adalah mengetahui hasil prediksi kunjungan pasien baru perbangsal rawat inap tahun 2015 dengan metode
Autoregressive Integrated Moving Average ARIMA. Penelitian ini bersifat deskriptif kuantitatif, dilakukan terhadap satu variabel yakni prediksi kunjungan
pasien baru perbangsal rawat inap tahun 2015 di 14 bangsal. Sampel berjumlah lima tahun data kunjungan pasien baru berdasarkan total sampling. Pengumpulan
data berupa observasi dokumentasi, dan analisis data secara komputerisasi dengan bantuan aplikasi MINITAB. Hasil prediksi kunjungan berdasarkan metode
ARIMA menunjukkan terdapat kenaikan, penurunan, dan fluktuatif di beberapa bangsal. Hasil prediksi dari jumlah kunjungan pasien baru dari bulan januari 2009
sampai dengan Maret 2014 didapatkan hasil kunjungan adalah 23395 pasien baru. Jumlah tersebut cenderung turun dari tahun 2013 dan naik dari hasil prediksi
Universitas Sumatera Utara
7
tahun 2014. Berkaitan dengan perencanaan penyediaan dokumen rekam medis, maka jumlah penyediaan sama dengan jumlah kunjungan pasien baru yaitu
sebesar 23415 buah. Simpulan dari penelitian ini adalah plot data historis kunjungan pada semua bangsal menunjukkan keadaan fluktuatif, sehingga metode
ARIMA cocok digunakan dengan hasil Prediksi menurun dari tahun 2013 dan naik dari tahun 2014 Iqbal, 2015.
Hasil dari suatu peramalan akurat dapat diharapkan mampu memberikan gambaran tentang masa depan suatu program. Atas dasar gambaran yang
diperoleh suatu program akan semakin dimaksimalkan untuk kepentingan kinerjanya melalui perencanaan yang baik dalam kaitannya dengan persiapan
kebutuhan yang penting seperti pengadaan sarana dan prasarana di masa yang akan datang.
Rumah Sakit Santa Elisabeth Medan sebagai salah satu rumah sakit yang memberikan pelayanan kesehatan membutuhkan penyusunan suatu program oleh
karena banyaknya jumlah kunjungan pasien di rumah sakit tersebut. Pada tahun 2011 total jumlah pasien rawat jalan di Rumah Sakit Santa Elisabeth Medan
sebanyak 76.759 pasien, tahun 2012 sebanyak 78.796 pasien, tahun 2013 sebanyak 80.486 pasien, tahun 2014 sebanyak 82.221 pasien, dan tahun 2015
sebanyak 69.555 pasien. Sebelum program disusun, terlebih dahulu perlu dibuat sebuah perencanaan, perencanaan dibuat setelah mengetahui proyeksi jumlah
kunjungan pasien pada masa yang akan datang. Berdasarkan uraian diatas, maka perlu dilakukan penelitian mengenai analisa kecenderungan kunjungan pasien
Universitas Sumatera Utara
8
rawat jalan tahun 2011-2015 untuk proyeksi kunjungan pasien tahun 2016-2017 di Rumah Sakit Santa Elisabeth Medan.
1.2 Permasalahan