Peramalan Permintaan Ruang Rawat Inap sebagai Acuan dalam Penentuan Kapasitas di RSUP Dr Mohammad Hoesin Palembang

1

PERAMALAN PERMINTAAN RUANG RAWAT INAP
SEBAGAI ACUAN DALAM PENENTUAN KAPASITAS DI
RSUP Dr MOHAMMAD HOESIN PALEMBANG

FRIANKA ANINDEA

DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
BOGOR
2014

2

3

PERNYATAAN MENGENAI SKRIPSI DAN SUMBER
INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Peramalan

Permintaan Ruang Rawat Inap sebagai Acuan dalam Penentuan Kapasitas di
RSUP Dr Mohammad Hoesin Palembang adalah benar karya saya dengan arahan
dari dosen pembimbing dan belum diajukan dalam bentuk apapun kepada
perguruan tinggi manapun. Sumber informasi yang berasal atau dikutip dari karya
yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam
teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada
Institut Pertanian Bogor.

Bogor, April 2014

Frianka Anindea
NIM H24100080

4

ABSTRAK
FRIANKA ANINDEA. Peramalan Permintaan Ruang Rawat Inap Sebagai Acuan
dalam Penentuan Kapasitas Di RSUP Dr Mohammad Hoesin Palembang. Di
bawah bimbingan H. MUSA HUBEIS

Peramalan merupakan salah satu cara yang penting untuk menentukan
keberhasilan perencanaan, khususnya dalam hal perencanaan kapasitas. Tujuan
penelitian: (1) menganalisis pola permintaan ruang rawat inap di RSUP Dr
Mohammad Hoesin Palembang, (2) menentukan metode yang paling cocok untuk
peramalan ruang rawat inap di RSUP Dr Mohammad Hoesin Palembang, (3)
mendapatkan ramalan jumlah ruang rawat inap di RSUP Dr Mohammad Hoesin
Palembang sampai dengan tahun 2015. Metode yang digunakan adalah metode
time series, dengan pengolahan dan analisis data secara kuantitatif dan kualitatif.
Data kuantitatif diolah menggunakan program Microsoft Excel dan Minitab 15.
Analisis kualitatif dilakukan melalui proses observasi dan wawancara langsung.
Diidentifikasi pola data permintaan ruang rawat inap bersifat stasioner, konstan
sepanjang periode Januari 2009 hingga September 2013. Metode Peramalan time
series yang digunakan adalah autoregressive, ARMA, ARIMA, single
exponential smoothing, double exponential smoothing, dimana dari hasil
perhitungan peramalan penjualan didapatkan yang paling sesuai dengan indikator
nilai akurasi kesalahan MAPE terkecil adalah metode autoregressive (2).
Kata kunci: kapasitas, peramalan, permintaan
ABSTRACT
FRIANKA ANINDEA. Demand Forecasting Space Inpatient Capacity
Determination For reference at RSUP Dr. Mohammad Hoesin Palembang.

Supervised by H. MUSA HUBEIS
Forecasting is the one important way to determine the success of planning
,especially in terms of capacity planning. Research objectives are (1) to review
and analyze the pattern of demand for inpatient wards at Dr Mohammad Hoesin
Palembang, (2) to determine the most suitable method for forecasting wards at Dr
Mohammad Hoesin Palembang, (3) to obtain the forecast number of inpatient at
RSUP Dr Mohammad Hoesin Palembang up to 2015. The method used is the
method of time series. Processing and analysis of data used in the study will be
described quantitatively and qualitatively. Quantitative data were processed using
Microsoft Excel and Minitab 15. Qualitative analysis is done through direct
observation and interview process. Identified a pattern of data requests inpatient
unit is stationary, constant over the period January 2009 to September 2013.
Forecasting time series method used was autoregressive, ARMA, ARIMA, single
exponential smoothing, double exponential smoothing, where the results of the
calculations showed that sales forecasting for RSUP Dr Mohammad Hoesin
Palembang that best matches the accuracy of the indicator value is the smallest
MAPE error autoregressive method (2 ).
Keywords: capacity, demand, forecasting

5

PERAMALAN PERMINTAAN RUANG RAWAT INAP
SEBAGAI ACUAN DALAM PENENTUAN KAPASITAS DI
RSUP Dr MOHAMMAD HOESIN PALEMBANG

FRIANKA ANINDEA
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Ekonomi
pada
Departemen Manajemen

DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
BOGOR
2014

6

7

Judul Skripsi : Peramalan Permintaan Ruang Rawat Inap sebagai Acuan dalam
Penentuan Kapasitas di RSUP Dr Mohammad Hoesin Palembang
Nama
: Frianka Anindea
NIM
: H24100080

Disetujui oleh

Prof Dr Ir H Musa Hubeis, MS, Dipl.Ing, DEA
Pembimbing

Diketahui oleh

Dr Mukhamad Najib, STP, MM
Ketua Departemen

Tanggal:

8

PRAKATA

Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karuniaNya sehingga skripsi ini berhasil diselesaikan. Tema yang dipilih dalam penelitian
yang dilaksanakan sejak bulan Oktober 2013 sampai Januari 2014 adalah
peramalan, dengan judul Peramalan Permintaan Ruang Rawat Inap sebagai Acuan
dalam Penentuan Kapasitas di RSUP Dr Mohammad Hoesin Palembang.
Terima kasih penulis ucapkan kepada Prof Dr Ir H Musa Hubeis,MS.Dipl.
Ing,DEA selaku dosen pembimbing yang telah banyak memberi saran, motivasi
dan nasihat. Di samping itu, penghargaan penulis sampaikan kepada Bapak
Hasanuddin,SH.MSi dari RSUP Dr Mohammad Hoesin Palembang yang telah
membantu selama pengumpulan data. Ungkapan terima kasih juga disampaikan
kepada ayah, ibu, serta seluruh keluarga, atas doa dan kasih sayangnya.
Semoga skripsi ini bermanfaat.

Bogor, April 2014

Frianka Anindea

9

DAFTAR ISI
DAFTAR TABEL

vii

DAFTAR GAMBAR

vii

DAFTAR LAMPIRAN

vii

PENDAHULUAN

1

Latar belakang

1

Perumusan masalah

2

Tujuan

2

Manfaat penelitian

2

Ruang lingkup penelitian

2

TINJAUAN PUSTAKA

3

METODE

5

Kerangka pemikiran penelitian

5

Lokasi dan waktu penelitian

7

Pengumpulan data

7

Pengolahan data dan analisis data

8

HASIL DAN PEMBAHASAN
Gambaran umum perusahaan
Sejarah RSUP Dr Mohammad Hoesin
Visi, Misi dan Tujuan RSUP Dr Mohammad Hoesin

9
9
9
10

Palembang
Analisis hasil peramalan permintaan ruang rawat inap RSUP

10

Dr Mohammad Hoesin Palembang

Asumsi-asumsi dalam peramalan

10

Identifikasi Pola Data Permintaan

11

Metode Peramalan Time Series

12

Implikasi Manajerial

14

SIMPULAN DAN SARAN

15

DAFTAR PUSTAKA

16

LAMPIRAN

17

10

DAFTAR TABEL
1. Metode dan nilai MAPE
2. Hasil peramalan permintaan ruang rawat inap dari periode Oktober
2013- September 2014

12
14

DAFTAR GAMBAR
1. Kerangka pemikiran penelitian
2. Plot data permintaan ruang rawat inap

7

12

DAFTAR LAMPIRAN
1.
2.
3.
4.
5.

Data kelas ruang rawat inap
Data permintaan ruang rawat inap
Plot autokorelasi dari permintaan ruang rawat inap
Hasil olahan minitab untuk masing-masing model time series
Hasil output komputer untuk peramalan permintaan ruang rawat inap

18
19
21
21
27

1

PENDAHULUAN
Latar Belakang
Kesehatan merupakan salah satu komponen penting dalam kehidupan
manusia. Tanpa kondisi yang sehat manusia tidak dapat melakukan aktivitas
sehari-hari dengan baik, sehingga dapat dikatakan bahwa kesehatan merupakan
faktor terpenting bagi manusia (Nugroho 2003). Pemeliharaan kesehatan adalah
upaya penanggulangan dan pencegahan gangguan kesehatan yang memerlukan
pemeriksaan, pengobatan dan perawatan. Jasa pelayanan kesehatan menjadi salah
satu solusi untuk menyelesaikan masalah kesehatan. Salah satu jasa pelayanan
kesehatan yang sering dikunjungi oleh masyarakat adalah rumah sakit (RS).
Berdasarkan undang-undang nomor 44 tahun 2009 tentang rumah sakit,
Rumah sakit adalah institusi pelayanan kesehatan perorangan secara paripurna
yang menyediakan pelayanan rawat inap, rawat jalan dan gawat darurat. Salah
satu jenis RS adalah rumah sakit umum (RSU). Definisi RS menurut Keputusan
Menteri Republik Indonesia nomor 983.MENKES/SK/1992 mengenai pedoman
RSU dinyatakan bahwa RSU adalah rumah sakit yang memberikan pelayanan
kesehatan bersifat dasar, spesialistik, pendidikan tenaga kesehatan dan pelatihan.
Pedoman RSU menyebutkan bahwa rumah sakit pemerintah pusat dan daerah
diklasifikasikan menjadi RSU tipe A, B, C dan D. Klasifikasi tersebut didasarkan
pada unsur pelayanan yang dimiliki.
Katz dan Rosen dalam Trisnantoro (2009) menyatakan secara konseptual,
sistem pelayanan kesehatan berjalan berdasarkan pemahaman akan makna public
goods dan private goods. RSUP Dr Mohammad Hoesin Palembang sebagai
institusi pelayanan kesehatan termasuk public goods. RS memberikan pelayanan
bagi masyarakat dari semua golongan, mulai dari golongan menengah ke atas
hingga golongan menengah kebawah. Pelayanan yang diberikan pihak rumah
sakit terdiri dari instalasi rawat jalan, graha spesialis, instalasi brain and heart
center, instalasi hemodialisis, dan pelayanan rawat inap. Untuk ruang rawat inap
terbagi menjadi kelas super vip, utama, khusus, 1, 2, dan 3. Berdasarkan
pengamatan yang dilakukan, sering adanya keluhan dari beberapa calon pasien
khususnya pasien golongan menengah kebawah yang ingin menggunakan fasilitas
ruang rawat inap kelas 3. Calon pasien mengalami kesulitan untuk mendapatkan
ruangan. Dengan jumlah ruangan kelas 3 yang lebih banyak dibandingkan kelas
lainnya (data dapat dilihat pada lampiran 1), maka perlu dilakukan penelitian lebih
lanjut terkait penyebab sulitnya mendapatkan ruang rawat inap. Sejauh ini untuk
di daerah Sumatera Bagian Selatan belum pernah terjadi kasus khusus penyakit
epidermik yang dapat mengakibatkan permintaan ruang rawat inap meningkat
signifikan.
Terkait permasalahan yang terjadi, perlu adanya perencanaan sistem
pelayanan kesehatan yang baik di RS. Kapasitas ruang rawat inap di RS menjadi
penting karena dengan jumlah ruang rawat inap yang mencukupi untuk
menampung semua pasien maka semakin baik mutu sistem pelayanan RS di mata
pasien maupun masyarakat. Peramalan merupakan salah satu cara yang penting
untuk menentukan keberhasilan perencanaan, khususnya perencanaan kapasitas.
Hampir setiap keputusan yang dibuat dalam situasi berisiko dan mengandung

2

ketidakpastian. Keputusan tentang kapasitas harus direncanakan dengan baik agar
rumah sakit bersangkutan dapat memenangkan persaingan diantara banyak rumah
sakit yang ada.

Perumusan Masalah
1. Bagaimana pola permintaan ruang rawat inap di RSUP Dr Mohammad Hoesin
Palembang ?
2. Metode peramalan apakah yang sesuai untuk peramalan permintaan ruang
rawat inap di RSUP Dr Mohammad Hoesin Palembang, agar dapat digunakan
dalam pengambilan keputusan ?
3. Bagaimana hasil peramalan permintaan ruang rawat inap di RSUP Dr
Mohammad Hoesin Palembang sampai dengan tahun 2015 ?

Tujuan
1. Menganalisis pola permintaan ruang rawat inap di RSUP Dr Mohammad
Hoesin Palembang.
2. Menentukan metode yang paling cocok untuk peramalan permintaan ruang
rawat inap di RSUP Dr Mohammad Hoesin Palembang.
3. Menganalisis ramalan jumlah ruang rawat inap di RSUP Dr Mohammad
Hoesin Palembang sampai dengan tahun 2015.
Manfaat Penelitian
1. Penelitian ini diharapkan dapat menjadi masukan bagi pihak manajemen
RSUP Dr Mohammad Hoesin Palembang dalam proses pengambilan
keputusannya, bila dilihat dari peramalan permintaan ruang rawat inap,
sehingga dapat dijadikan acuan dalam penentuan kapasitas untuk
meminimalisasi kerugian akibat permintaan ruang rawat inap berlebih dari
kapasitas atau kerugian akibat kehilangan sejumlah pasien, karena kapasitas
tidak mencukupi permintaan.
2. Memberikan manfaat untuk kepentingan keilmuan dan menjadi informasi bagi
pihak-pihak yang membutuhkan. Penelitian ini dapat digunakan untuk melatih
penganalisaan suatu permasalahan berdasarkan ilmu dan pengetahuan yang
telah diperoleh di bangku perkuliahan.

Ruang Lingkup Penelitian
Penelitian ini menggunakan metode kuantitatif, yaitu metode peramalan
time series. Data yang digunakan merupakan data permintaan ruang rawat inap di
RSUP Dr Mohammad Hoesin Palembang. Data yang digunakan dalam penelitian
ini adalah data Januari 2009-September 2013.

3

TINJAUAN PUSTAKA
Rumah Sakit
Berdasarkan UU Nomor 44 Tahun 2009 tentang RS, yaitu RS adalah
institusi pelayanan kesehatan perorangan secara paripurna yang menyediakan
pelayanan rawat inap, rawat jalan dan gawat darurat (Depkes 2009). Sedangkan
menurut UU Nomor 44 Tahun 2009 tentang rumah sakit, maka fungsi rumah sakit
adalah :
a. Penyelenggaraan pelayanan pengobatan dan pemulihan kesehatan sesuai
dengan standar pelayanan RS.
b. Pemeliharaan dan peningkatan kesehatan perorangan melalui pelayanan
kesehatan yang paripurna tingkat kedua dan ketiga sesuai kebutuhan medis.
c. Penyelenggaaan pendidikan dan pelatihan sumber daya manusia (SDM) dalam
rangka peningkatan kemampuan dalam pemberian pelayanan kesehatan.
d. Penyelenggaraan penelitian dan pengembangan serta penapisan teknologi
bidang kesehatan dalam rangka peningkatan pelayanan kesehatan dengan
memperhatikan etika ilmu pengetahan bidang kesehatan.
Berdasarkan bentuk pelayanannya rumah sakit dapat dibedakan:
1. Rumah Sakit Umum (RSU), yaitu RS yang memberikan pelayanan kesehatan
semua jenis penyakit dari yang bersifat dasar sampai dengan subspesialistik.
2. Rumah Sakit Khusus (RSK), yaitu RS yang menyelenggarakan pelayanan
kesehatan berdasarkan jenis penyakit tertentu atau disiplin ilmu.
Keputusan Menteri Republik Indonesia nomor 983.MENKES/SK/1992
mengenai pedoman RS menyebutkan bahwa klasifikasi rumah sakit umum adalah
sebagai berikut:
a. RSU Kelas A adalah RSU yang mempunyai fasilitas dan kemampuan
pelayanan medik spesialistik luas dan sub spesialistik luas.
b. RSU Kelas B adalah RSU yang mempunyai fasilitas dan kemampuan
pelayanan medis sekurang-kurangnya 11 spesialistik dan sub spesialistik
terbatas.
c. RSU Kelas C adalah RSU yang mempunyai fasilitas dan kemampuan pelayanan
medis spesialistik dasar.
d. RSU Kelas D adalah RSU yang mempunyai fasilitas dan kemampuan
pelayanan medik dasar.

Peramalan
Menurut Aritonang dan Lerbin (2009) peramalan adalah kegiatan
penerapan model yang telah dikembangkan pada waktu yang akan datang. Hasan
(2008) menyatakan berdasarkan sifatnya teknik peramalan terbagi dalam dua
kategori utama, yaitu:
a. Metode Peramalan Kualitatif
Peramalan kualitatif adalah peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil peramalan yang dibuat sangat bergantung pada orang
yang menyusunnya. Hal ini penting karena hasil peramalan ditentukan

4

berdasarkan pemikiran intuisi, pendapat dan pengetahuan dari orang yang
menyusunnya. Metode kualitatif atau teknologis dapat dibagi menjadi metode
eksploratoris dan metode normatif.
b. Metode Peramalan Kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data
kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat bergantung
pada metode yang digunakan dalam peramalan tersebut. Dengan metode yang
berbeda akan diperoleh hasil peramalan berbeda. Baik tidaknya metode yang
digunakan ditentukan oleh perbedaan atau penyimpangan antara hasil
peramalan dengan kenyataan yang terjadi. Semakin kecil penyimpangan antara
hasil ramalan dengan kenyataan yang terjadi berarti metode yang digunakan
semakin baik.
Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut:
1) Tersedia informasi masa lalu.
2) Informasi tersebut bisa dikuantitatifkan dalam bentuk data numerik.
3) Dapat diasumsikan bahwa pola masa lalu akan terus berlanjut di masa
mendatang.
Kondisi terakhir ini dibuat sebagai asumsi yang berkesinambungan
(asumption of continuity). Asumsi merupakan modal yang mendasari semua
metode peramalan kuantitatif dan banyak peramalan teknologis, terlepas dari
bagaimana canggihnya metode tersebut. Metode kuantitatif dapat dibagi dalam
dua (2) kelompok, yaitu :
a. Menurut Prawirosentono (2007), metode–metode peramalan dengan analisa
deret waktu, yaitu :
1) Metode Pemulusan Eksponensial dan Rataan Bergerak
Adapun penggunaan yang paling tepat adalah untuk perencanaan dan
pengendalian persediaan (bahan, barang setengah jadi, dan barang jadi)
yang jumlah jenisnya sedikit, karena waktunya hanya dari bulan ke bulan.
Data runtut yang diperlukan paling sedikit selama dua tahun yang lalu
secara berurutan dan dipecah dalam bulan, kuartal atau tengah tahunan
2) Metode Proyeksi Trend dengan Regresi
Untuk analisis trend ini diperlukan data runtut waktu (time series)
minimal dalam waktu lima tahun yang lalu secara berurutan. Analisis
trend lebih tepat digunakan untuk menganalisis produk jenis baru yang
dijual di masyarakat.
3) Metode Box Jenkins
Menurut Munarsih dalam Pulungan dan Wiyanti (2012), metode box
Jenkins sangat baik ketepannya untuk peramalan jangka pendek dan
untuk data time series non stasioner pada saat linier.
b. Metode – metode kausal, yaitu :
1) Metode Regresi dan Korelasi digunakan untuk memperoleh ramalan
yang terbaik. Semakin baik regresinya maka akan semakin baik pula
tafsiran yang diperoleh, maka hubungan antara korelasi dan regresi
sangat erat dalam peramalan.
2) Metode Ekonometri, digunakan untuk memperoleh nilai-nilai peubah
bebas sehingga peubah bebas tersebut tidak perlu ditafsir lagi.

5

Penelitian Terdahulu yang Relevan
Kurniawati (2009) melakukan penelitian mengenai peramalan penjualan
candy dan cookies sebagai acuan dalam perencanaan kuantitas produk pada usaha
kecil menengah (UKM) Warung Coklat di Bogor. Penelitian dilakukan dengan
mengunakan dua (2) komoditi di dalam UKM Warung Coklat itu sendiri, yaitu
cokelat candy dan coklat cookies. Data penjualan yang digunakan adalah data
penjualan dari masing-masing tipe produk yang terpilih, khususnya data penjualan
harian. Metode time series yang digunakan adalah metode trend, metode
dekomposisi, metode rataaan, metode pemulusan eksponensial, dan metode
winters. Metode yang memiliki nilai MAPE (mean absolute percentage error)
terkecil yang akan dipilih menjadi metode untuk meramalkan setiap produk. Hasil
peramalan produk candy dan cookies tersebut di masa mendatang menunjukkan
adanya penjualan meningkat kecuali untuk produk kurma cokelat.
Caroline (2012) melakukan penelitian mengenai analisis kunjungan
kedatangan tamu mancanegara ke Indonesia (studi kasus: Bandar Udara
Soekarno-Hatta dan Ngurah Rai). Penelitian ini bertujuan: (1) Mendapatkan
korelasi diantara kedatangan turis mancanegara diantara kedua pintu gerbang
utama Soekarno-Hatta dan Ngurah Rai, (2) Mengidentifikasi pola kedatangan
turis mancanegara ke Indonesia melalui pintu bandar udara Soekarno-Hatta dan
bandar udara Ngurah Rai serta (3) Menganalisis model peramalan kedatangan
turis mancanegara dengan menggunakan Autoregressive Integrated Moving
Average (ARIMA). Data yang digunakan dalam penelitian ini adalah data
sekunder.Hasil penelitian ini menunjukkan korelasi yang kuat dan positif diantara
kedua Bandar udara tersebut. Hasil pola data menunjukkan hasil yang tidak
stasioner sehingga perlu dilakukan proses pembedaan (differencing) agar
menghasilkan data yang stasioner tidak musiman dan dapat diproses lebih lanjut.
Hasil pemodelan ARIMA terhadap peramalan kedatangan turis mancanegara
memadai untuk melakukan peramalan kedatangan turis mancanegara di kedua
Bandar udara.

METODE
Kerangka Pemikiran Penelitian
Pelayanan kesehatan merupakan salah satu jenis pelayanan dari sekian
banyak spesifikasi jasa. Jasa pelayanan kesehatan memberikan solusi untuk
masalah kesehatan. RS merupakan institusi yang memberikan jasa pelayanan
kesehatan. Meninjau dari fungsi RS menurut undang-undang (UU) nomor 44
tahun 2009 maka perlu adanya perencanaan strategi pelayanan kesehatan yang
baik di RS. Seperti yang telah didefinisikan dalam UU nomor 44 tahun 2009
bahwa RS juga menyediakan pelayanan rawat inap. Salah satu yang perlu menjadi
perhatian pihak RS dalam memberikan pelayanan kesehatan adalah kapasitas
ruang rawat inap.
Kapasitas ruang rawat inap di rumah sakit menjadi penting karena dengan
jumlah ruang rawat inap yang mencukupi untuk menampung semua pasien yang
membutuhkan perawatan maka semakin baik mutu pelayanan rumah sakit tersebut

6

di mata pasien maupun masyarakat. Adanya fluktuasi jumlah pasien di suatu RS
menunjukkan peramalan adalah hal yang penting.
Peramalan permintaan ruang rawat inap dapat membantu pihak
manajemen RS dalam mengambil keputusan yang berpengaruh terhadap RS,
khususnya keputusan jangka panjang yang dapat mendatangkan keuntungan bagi
rumah sakit. Dengan melakukan peramalan, para perencana dan pengambil
keputusan akan dapat mempertimbangkan alternatif-alternatif strategi dan
mempersiapkan dengan baik kapasitas ruang rawat inap di RS. Oleh karena itu,
pada penelitian ini dilakukan peramalan terhadap permintaan ruang rawat inap
yang berfokus pada RSUP Dr Mohammad Hoesin Palembang.
Metode peramalan yang ada cukup banyak sehingga harus dipilih metode
peramalan yang paling sesuai untuk RSUP Dr Mohammad Hoesin Palembang.
Salah satu kriteria dalam pemilihan metode peramalan adalah memilih metode
yang memiliki kesalahan peramalan paling kecil. Pada pemilihan metode
peramalan tidak terletak pada metode peramalan yang menggunakan proses
matematika yang rumit atau menggunakan metode yang canggih, akan tetapi
metode terpilih yang menghasilkan suatu ramalan akurat, tepat waktu dan
dipahami oleh manajemen RSUP Dr Mohammad Hoesin Palembang sebagai
ramalan yang dapat membantu menghasilkan keputusan lebih baik.
Metode time series yang digunakan yang digunakan dalam penelitian ini
terdiri dari beberapa metode. Pemilihan metode didasarkan pada pola data,
dimana identifikasi pola data dilakukan dengan memplot data dan nilai
autokorelasinya. Setelah itu dihitung nilai galat MAPE. Model yang mendapat
nilai MAPE paling kecil dipilih menjadi model time series terbaik. Metode yang
terpilih selanjutnya akan digunakan untuk meramalkan permintaan ruang rawat
inap di masa mendatang.
Hasil dari analisis peramalan permintaan yang dilakukan memiliki
keterkaitan dengan perencanaan kapasitas di RSUP Dr Mohammad Hoesin
Palembang pada masa mendatang. Perencanaan kapasitas ruang rawat inap
dilakukan dengan tujuan meminimalisasi kerugian. Kerangka pemikiran yang
mendasari penelitian ini dapat dilihat pada Gambar 1.

7

RSUP Dr Mohammad Hoesin Palembang
Ruang Rawat Inap
Fluktuasi dan Peningkatan Permintaan

Data Permintaan Historis
Plot Pola Data
Peramalan Permintaan Time Series
Hasil Analisis Time Series
Perencanaan Kapasitas Ruang Rawat Inap
Gambar 1 Kerangka pemikiran penelitian

Lokasi dan Waktu Penelitian
Penelitian dilakukan pada RSUP Dr Mohammad Hoesin Palembang yang
bergerak dalam bidang jasa pelayanan kesehatan. Penelitian ini dilaksanakan
dengan menggunakan data sekunder yaitu data permintaan ruang rawat inap dari
Januari 2009-September 2013. Penelitian ini dilakukan karena tersedianya akses
untuk mendapatkan data dan dengan pertimbangan peramalan permintaan ruang
rawat inap di RSUP Dr Mohammad Hoesin Palembang belum pernah dilakukan
sebelumnya. Penelitian ini akan dilakukan dari bulan Januari sampai dengan bulan
Februari 2014.

Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data permintaan ruang
rawat inap di RSUP Dr Mohammad Hoesin Palembang. Data permintaan ruang
rawat inap yang digunakan adalah data bulanan permintaan ruang rawat inap
setiap tahunnya. Analisis kuantitatif yang dilakukan berfungsi meramalkan
permintaan ruang rawat inap di masa mendatang. Peramalan permintaan ruang
rawat inap ini diawali dengan mengumpulkan data jumlah permintaan ruang rawat
inap di RSUP Dr Mohammad Hoesin Palembang. Setelah itu ditemukan dan
diketahui pola data permintaan, ditentukan model peramalan yang paling sesuai
dan paling kecil tingkat kesalahannya, untuk menjadi masukan bagi pihak
manajemen RSUP Dr Mohammad Hoesin Palembang dalam proses pengambilan

8

keputusannya, bila dilihat dari peramalan permintaan ruang rawat inap, sehingga
dapat dijadikan acuan dalam penentuan kapasitas untuk meminimalisasi kerugian
akibat permintaan ruang rawat inap yang berlebih dari kapasitas atau kerugian
karena kehilangan sejumlah pasien karena kapasitas tidak mencukupi permintaan.
Data yang digunakan dalam penelitian ini adalah data primer dan
sekunder, serta jenis data bersifat kualitatif dan kuantitatif. Data primer diperoleh
melalui pengamatan dan wawancara mendalam terhadap pihak manajemen rumah
sakit. Sedangkan data sekunder yang digunakan adalah data permintaan ruang
rawat inap RSUP Dr Mohammad Hoesin Palembang yang sudah menjadi arsip
negara, keadaan umum lokasi penelitian, potensi pengembangan RS ke depannya
dan informasi lain yang didapatkan dari berbagai sumber termasuk internet.

Pengolahan dan Analisis Data
Pengolahan dan analisis data yang digunakan dalam penelitian ini akan
diuraikan secara kuantitatif dan kualitatif. Data kuantitatif diolah dengan
menggunakan program Microsoft Excel dan Minitab 15. Analisis kualitatif
digunakan untuk mengetahui gambaran umum RS dan mengetahui permasalahan
yang terjadi daalam usaha tersebut. Analisis ini dilakukan melalui proses
observasi dan wawancara langsung kepada pihak manajemen RS.
Analisis kuantitatif yang digunakan untuk meramalkan permintaan ruang
rawat inap di masa mendatang. Peramalan dalam penelitian ini menggunakan
metode time series. Metode time series adalah metode yang meramalkan kejadian
atau permintaan di masa mendatang atas dasar serangkaian data masa lalu, yang
merupakan hasil observasi berbagai peubah menurut waktu.
Menurut Baroto (2002), Prosedur peramalan dengan metode time series adalah:
1. Tentukan pola data permintaan. Menurut Aritonang (2009), data runtut waktu
dapat dibedakan menjadi empat (4) komponen, yaitu :
a. Trend merupakan komponen data runtut waktu yang berkaitan dengan
adanya kecendrungan peningkatan atau penurunan pada periode tertentu.
b. Musim merupakan komponen data runtut waktu yang memiliki pola
berulang dari waktu ke waktu. Pola tersebut biasanya timbul karena
adanya pengaruh dari suatu musim tertentu.
c. Siklis merupakan komponen data runtut waktu yang ditunjukkan dengan
pola data berfluktuasi bergelombang yang biasanya dipengaruhi keadaan
ekonomi secara umum.
d. Ketidakteraturan/ireguler/acak merupakan komponen data runtut waktu
yang tidak tergolong dalam trend, musim, maupun siklis. Komponen ini
berkaitan dengan hal-hal yang tdak terduga sebelumnya.
2. Mencoba beberapa metode time series yang sesuai dengan pola permintaan
tersebut untuk melakukan peramalan. Metode yang dicoba semakin banyak,
maka semakin baik peramalannya. Pada setiap metode, sebaiknya dilakukan
pula peramalan dengan parameter berbeda.
3. Mengevaluasi tingkat kesalahan masing-masing metode yang telah dicoba.
Tingkat kesalahan diukur dengan kriteria MAD, MSE, MAPE atau lainnya.
Sebaiknya nilai tingkat kesalahan (apakah MAD, MSE, atau MAPE) ini
ditentukan dulu. Tidak ada ketentuan mengenai berapa tingkat kesalahan

9

maksimal dalam peramalan. Menurut Jayanto dan Syukriyadin (2012) akurasi
dapat diukur dengan mean absolute deviation (MAD), mean squared error
(MSE), atau MAPE.
MAD
= ∑ |
|
………………….........................(1)
MSE

=

MAPE

=

dimana:

∑
∑

(
|

|

)

…………………………………...(2)

……………………………………(3)

= nilai aktual
= nilai ramalan
= kesalahan ramalan (error)
n
= banyaknya data
4. Memilih metode terbaik diantara metode yang dicoba. Metode terbaik adalah
metode yang memberikan tingkat kesalahan terkecil dibandingkan metode
lainnya dan tingkat kesalahan tersebut di bawah batas tingkat kesalahan yang
telah ditetapkan.
5. Melakukan peramalan dengan metode terbaik yang telah dipilih.

HASIL DAN PEMBAHASAN
Gambaran Umum Perusahaan
Sejarah RSUP Dr Mohammad Hoesin
RSUP Dr Mohammad Hoesin Palembang didirikan pada tahun 1953 atas
prakarsa Menteri Kesehatan RI Dr Mohammad Ali (Dr Lee Kiat Teng) dengan
biaya pemerintah pusat. Pada tanggal 3 Januari 1957 rumah sakit ini mulai
operasional, yang dapat melayani masyarakat Sumatera Bagian Selatan
(Sumbagsel) dimana saat itu meliputi Propinsi Sumatera Selatan, Lampung,
Jambi, Bengkulu, dan Bangka Belitung. Seiring dengan perkembangan waktu,
rumah sakit ini semakin berkembang, baik fasilitas, sarana dan prasarana. Sumber
daya manusia (SDM) yang tersedia adalah para spesialis lengkap dan beberapa
sub spesialis, sehingga mengubah tipe rumah sakit dari rumah sakit umum pusat
kelas B menjadi kelas A. RSUP Dr Mohammad Hoesin Palembang menjadi pusat
rujukan layanan kesehatan Se-Sumbagsel.
Tahun 1993 – 1994 RSUP Palembang mengubah status dari RS Vertikal (RS
Penerima Negara Bukan Pajak) menjadi RS Swadana. Sesuai SK Menkes RI
no.1279/Menkes/SK/XI/1997; RSUP Palembang resmi bernama RSUP Dr
Mohammad Hoesin Palembang. Dengan UU no 20/1997 menjadi Rumah Sakit
Instansi Pengguna Penerimaan Negara Bukan Pajak (PNBP) dimana rumah sakit
dapat memanfaatkan dana dari hasil pendapatan sesuai dengan anggaran yang
diproyeksikan rumah sakit dan diselaraskan dengan pendapatan melalui prosedur
Kantor Perbendaharaan dan Kas Negara (KPKN) disamping itu subsidi
pemerintah tetap seperti sediakala.Tahun 2000 dengan PP No 122/2000, RSUP Dr
Mohammad Hoesin Palembang ditetapkan menjadi salah satu dari 13 Rumah

10

Sakit Pemerintah (RSP) menjadi Rumah Sakit Perusahaan Jawatan (Perjan) Di
Indonesia dan operasionalnya dimulai tanggal 1 Januari 2002. Sebagai RS Perjan
secara operasional RS masih tetap melaksanakan fungsi pelayanan sosialnya bagi
masyarakat ekonomi kurang mampu melalui program JPSBK (Gakin), sejak tahun
2005 dikelolah oleh PT Asuransi Kesehatan (Askes) Indonesia menjadi program
Asuransi Kesehatan Keluarga Miskin (Askeskin). Kemudian tahun 2005
berdasarkan PP 23 / 2005 tgl 13 Juni 2005 tentang Pengelolaan Keuangan Badan
Layanan Umum (BLU) dengan SK Menkes RI no: 1243/Menkes/SK/VIII/2005,
tanggal 11 Agustus 2005 tentang Penetapan 13 eks RS Perjan statusnya menjadi
Unit Pelaksana Teknis Departemen Kesehatan Republik Indonesia (Depkes RI)
dengan menerapkan Pola Pengelolaan Keuangan BLU. Implementasinya RSUP
Dr Mohammad Hoesin Palembang sebagai BLU dilaksanakan pada Januari 2006.

Visi, Misi dan Tujuan RSUP Dr Mohammad Hoesin
Visi dari RSUP Dr Mohammad adalah menjadi rumah sakit pusat pelayanan
kesehatan, penelitian terbaik dan bermutu se-Sumatera. Untuk mencapai visinya
tersebut, memiliki tiga misi perusahaan secara umum, yaitu: (1)
menyelenggarakan pelayanan kesehatan komprehensif dan bermutu tinggi, (2)
menyelenggarakan jasa pendidikan dan penelitian dalam bidang kedokteran dan
kesehatan, (3) menyelenggarakan promosi kesehatan. Selain visi dan misi RS juga
memiliki tujuan, yaitu: (1) meningkatkan derajat kesehatan dan senantiasa
berorientasi kepada kepentingan masyarakat, (2) meningkatkan citra pelayanan
pemerintah kepada masyarakat di bidang kesehatan, (3) menghasilkan tenaga
dokter umum, spesialis, dan sub spesialis serta keperawatan yang berkualitas dan
bermoral tinggi.

Analisis Hasil Peramalan Permintaan Ruang Rawat Inap RSUP Dr
Mohammad Hoesin Palembang
Asumsi-Asumsi Dalam Peramalan
1. Permintaan produk
Menurut Kotler (2004) terdapat lima tingkat produk, yaitu produk utama,
produk generik, produk harapan, produk pelengkap, dan produk potensial.
Untuk peramalan RSUP Dr Mohammad Hoesin Palembang diasumsikan
permintaan yang dimaksud adalah permintaan produk bukan permintaan jasa.
Ruang rawat inap masuk kedalam tingkatan produk utama, dengan produk
generiknya berupa tempat tidur.
2. POAC (Planning, Organizing, Actuating dan Controlling)
a. Planning (Perencanaan)
Peramalan dilakukan sebagai langkah awal dalam perencanaan. Asumsi
dalam peramalan ruang rawat inap RSUP Dr Mohammad Hoesin
Palembang terkait masalah perencanaan adalah peramalan ini digunakan
untuk mengetahui kapasitas ruang rawat inap yang dimiliki RS. Sejauh ini

11

sering adanya keluhan dari calon pasien khususnya kelas tiga terkait
sulitnya mendapat ruangan.
b. Organizing (Pengorganisasian)
Asumsi dalam peramalan terkait pengorganisasian adalah peramalan
digunakan untuk membantu pihak manajemen rumah sakit dalam
mengorganisasi sistem, khususnya sistem manajemen kamar di RS karena
belum adanya optimalisasi penggunaan ruang rawat inap
c. Actuating (Pelaksanaan)
Asumsi dalam peramalan terkait pelaksanaan adalah seluruh komponen
dalam sistem manajemen rumah sakit belum bekerja secara bersama-sama
sesuai bidang masing-masing untuk dapat mewujudkan tujuan RS,
khususnya tujuan untuk meningkatkan citra pelayanan pemerintah kepada
masyarakat di bidang kesehatan.
d. Controlling (Pengendalian)
Asumsi peramalan digunakan untuk pengendalian dari semua proses
perencanaan, pengorganisasian, dan pelaksanaan memberikan hasil yang
efektif dan efisien pada sistem pelayanan RS.

Identifikasi Pola Data Permintaan
Data yang digunakan adalah data permintaan ruang rawat inap per bulan
dari RSUP Dr Mohammad Hoesin Palembang dari bulan Januari 2009 sampai
September 2013 dan data permintaan RS diolah dengan metode peramalan time
series (runtut waktu). Data permintaan dapat dilihat pada Lampiran 2.
Penemuan model yang terbaik untuk peramalan diproses melalui beberapa
tahap. Pertama adalah uji stasioneritas data. Data yang stasioner adalah data yang
bersifat flat, tidak mengandung komponen trend, dengan keragaman konstan, dan
tidak terdapat fluktuasi periodik. Apabila data telah stasioner maka tidak perlu
dilakukan pembeda (differencing). Plot pola data aktual terhadap waktu untuk
permintaan ruang rawat inap dari bulan Januari 2009 sampai bulan September
2013 dapat dilihat pada Gambar 2.
4000

Total Permintaan

3750

3500

3250

3000

2750

2500
1

6

12

18

24

30
Index

36

42

48

54

Sumber: RSMH, 2013

Gambar 2 Pola data permintaan ruang rawat inap

12

Setelah memetakan seluruh data permintaan secara grafik didapatkan
bahwa pola permintaan ruang rawat inap dari Januari 2009 sampai dengan
September 2013 menunjukkan pola stasioner. Kestasioneran dibuktikan dengan
hasil plot autokorelasi pada Lampiran 3. Hasil pengolahan data menunjukkan
bahwa lag pertama dan kedua berbeda nyata dari nol tetapi secara bertahap turun
mendekati nol atau tidak berbeda nyata dari nol.

Metode Peramalan Time Series
Setelah dilakukan plot pola data dicoba beberapa metode time series yang
sesuai dengan pola data. Perlu diperhatikan bahwa model terbaik yang dipilih
sesuai kriteria peramalan, yaitu MAPE terkecil dapat dilihat Tabel 1.
Tabel 1 Metode dan nilai MAPE
METODE
Autoregressive (2)
ARMA (1,1)
ARMA (3,1)
ARIMA (1,1,2)
Single exponential smoothing
Double exponential smoothing
Sumber : Data sekunder, diolah (2014)

MAPE
5,314334
5,350993
5,335373
5,367009
5,5
5,7

Sebelum melakukan perhitungan nilai MAPE, terlebih dahulu dilakukan
pengujian kriteria konverginitas yang terlihat dari hasil output olahan Minitab
yang menyatakan “relative change in each estimate less than 0,0010” yang berarti
data berhasil menjadi konvergen setelah melewati proses iterasi. Selain itu p-value
dari parameter AR atau MA kurang dari 0,05 yang berarti parameter yang
diestimasi sudah signifikan atau sudah berbeda dengan nol. Kondisi invertibilitas
dan stasioneritas model harus terpenuhi. Kriteria lainnya adalah Parsimonitas
model yang berarti pemilihan model, dipilih model yang memiliki bentuk paling
sederhana. Model yang baik adalah model yang memiliki komponen galatnya
tidak dapat digunakan untuk menjelaskan ramalan. Uji ini dilihat dengan
menggunakan indikator Ljung-Box Q, apabila p-value telah lebih besar dari 0,05
maka residual atau error model tersebut telah menyebar acak (random). Hasil
perhitungan dengan menggunakan software Minitab untuk setiap model seperti
yang terdapat dalam Lampiran 4.
Model Autoregressive (2) telah memenuhi kriteria konverginitas, terlihat
dari hasil olahan Minitab yang menyatakan “relative change in each estimate less
than 0,0010” yang berarti data berhasil menjadi konvergen setelah melewati
proses iterasi. Kemudian p-value dari parameter AR kurang dari 0,005, yaitu
0,002 untuk AR 2. Kondisi stasioneritas model terpenuhi dengan nilai koefisien
AR lebih kecil dari () 0,05 telah terpenuhi dengan nilai p-value 0,362,
0,239, 0,186 dan 0,315.
Model ARMA (autoregressive-moving average) (1,1) telah memenuhi
kriteria konverginitas, terlihat dari hasil olahan Minitab yang menyatakan

13

“relative change in each estimate less than 0,0010” yang berarti data berhasil
menjadi konvergen setelah melewati proses iterasi. Kemudian p-value dari
parameter AR 1 dan MA 1 kurang dari 0,005, yaitu sebesar 0,000 dan 0,001.
Kondisi stasioneritas model terpenuhi dengan nilai koefisien AR < 1 yaitu 0,8994
dan kondisi invertibilitas juga tercapai dengan nilai koefisien MA < 1, yaitu
0,5649. Indikator Ljung-Box Q, yaitu p-value telah > 0,05 telah terpenuhi dengan
nilai p-value 0,363, 0,466, 0,345, dan 0,510.
Model ARMA (3,1) telah memenuhi kriteria konverginitas, terlihat dari
hasil olahan Minitab yang menyatakan “relative change in each estimate less than
0,0010” yang berarti data berhasil menjadi konvergen setelah melewati proses
iterasi. Kemudian p-value dari parameter AR 3 kurang dari 0,005, yaitu 0,003
walaupun parameter MA 1 masih bernilai 0,005. Kondisi stasioneritas model
terpenuhi dengan nilai koefisien AR < 1, yaitu 0,4349 dan kondisi invertibilitas
juga tercapai dengan nilai koefisien MA < 1, yaitu -0,8361. Indikator Ljung-Box
Q yaitu p-value telah > 0,05 telah terpenuhi dengan nilai p-value sebesar 0,392,
0,346, 0,204, dan 0,327.
Model ARIMA (1,1,2) telah memenuhi kriteria konverginitas, terlihat dari
hasil olahan Minitab yang menyatakan “relative change in each estimate less than
0,0010” yang berarti data berhasil menjadi konvergen setelah melewati proses
iterasi. Kemudian p-value dari parameter AR 1 dan MA 2 kurang dari 0,005, yaitu
sebesar 0,000. Kondisi stasioneritas model terpenuhi dengan nilai koefisien AR <
1 yaitu -0,9972 dan kondisi invertibilitas juga tercapai dengan nilai koefisien MA
< 1 yaitu sebesar 0,6147. Indikator Ljung-Box Q yaitu p-value telah > 0,05 telah
terpenuhi dengan nilai p-value 0,458, 0,562, 0,653, dan 0,638.
Model single exponential smoothing dengan nilai konstanta pemulusan (α)
0,368024 memiliki nilai MAPE 5,5. Model double exponential smoothing dengan
nilai α 0,419721 dan nilai konstanta tren (γ) 0,060426 memiliki nilai MAPE 5,7
Berdasarkan Tabel 2, metode time series terbaik yang didapatkan dari perhitungan
Minitab 15 adalah metode Autoregressive (2). Metode ini memiliki nilai MAPE
terkecil dibandingkan dengan metode peramalan lainnya yaitu sebesar 5,314334.
Hasil peramalannya dapat dilihat pada Tabel 2.
Tabel 2 Hasil peramalan permintaan ruang rawat inap dari Oktober 2013Desember 2015
Periode
Bulan
Permintaan
Selang Peramalan
(orang)
58
Oktober
3089,04
2650,46 – 3527,62
59
November
3183,67
2730,05 – 3637,29
60
Desember
3164,72
2665,91 – 3663,53
61
Januari
3197,88
2688,84 – 3706,92
62
Februari
3199,00
2678,11 – 3719,89
63
Maret
3212,67
2687,08 – 3738,25
64
April
3216,73
2687,36 – 3746,09
65
Mei
3223,31
2692,05 – 3754,58
66
Juni
3226,69
2694,11 – 3759,26
67
Juli
3230,23
2696,93 – 3763,54
68
Agustus
3232,53
2698,75 – 3766,31

14

Lanjutan Tabel 2
Periode

Bulan

Permintaan
(orang)
69
September
3234,57
70
Oktober
3236,04
71
November
3237,24
72
Desember
3238,15
73
Januari
3238,88
74
Februari
3239,44
75
Maret
3239,88
76
April
3240,23
77
Mei
3240,49
78
Juni
3240,70
79
Juli
3240,87
80
Agustus
3240,99
81
September
3241,09
82
Oktober
3241,17
83
November
3241,22
84
Desember
3241,28
Sumber: Hasil pengolahan data menggunakan Minitab 15

Selang Peramalan
2700,51 – 3768,63
2701,81 – 3770,27
2702,91 – 3771,58
2703,76 – 3772,55
2704,45 – 3773,32
2704,98 – 3773,90
2705,41 – 3774,36
2705,74 – 3774,71
2706,01 – 3774,98
2706,21 – 3775,19
2706,37 – 3775,36
2706,50 – 3775,49
2706,60 – 3775,59
2706,68 – 3775,67
2706,74 – 3775,73
2706,78 – 3775,77

Berdasarkan hasil perhitungan dengan metode Autoregressive (2)
diketahui permintaan akan diprediksi pada periode Oktober 2013 sampai dengan
Desember 2015 cukup stabil. Hal ini dapat dilihat pada jumlah peramalan
permintaan yang tidak beda jauh dengan rataan pola tersebut, yakni 3.222,54.
Proses pengolahan data dengan metode Autoregressive (2) dapat dilihat pada
Lampiran 5.
Keunggulan metode Autoregressive (2) adalah dihasilkan interval (upper
bound dan lower bound) pada hasil ramalan, sehingga dapat digunakan dalam
pengambilan keputusan pada kemungkinan yang terbaik maupun terburuk.

Implikasi Manajerial
Berdasarkan penelitian yang dilakukan, hasil peramalan ini dapat
dijadikan sebagai bahan untuk perencanaan, pengorganisasian dan evaluasi bagi
pihak manajemen RS. Pihak manajemen RSUP Dr Mohammad Hoesin
Palembang sebaiknya memperhatikan faktor-faktor yang memiliki pengaruh besar
terhadap mutu pelayananan dan kepuasan konsumen. Kapasitas ruang rawat inap
tidak menjadi penyebab utama yang mengakibatkan calon pasien tidak
mendapatkan ruangan, khususnya dalam hal ini untuk pasien kelas 3. Bila
dibandingkan dengan kelas lainnya, jumlah ruang rawat inap kelas 3 lebih banyak,
yaitu 669 tempat tidur. Apabila dilakukan perbandingan antara jumlah tempat
tidur dan jumlah pasien setiap harinya yang 104 orang, maka seharusnya
jumlah tempat tidur tersebut mencukupi untuk menampung semua pasien.
Berdasarkan hasil peramalan juga menunjukkan permintaan ruang rawat inap
periode Oktober 2013 sampai dengan Desember 2015 cukup stabil ± 3.222 per
bulan atau sekitar 107 per hari.

15

Sebagai RS milik pemerintah, sebaiknya pihak RS mengedepankan
pelayanan kepada masyarakat dengan cara tidak mempersulit prosedur pelayanan
kesehatan, khususnya calon pasien golongan menengah kebawah yang ingin
menggunakan fasilitas ruang rawat inap kelas tiga, sehingga kedepannya tidak ada
lagi keluhan dari calon pasien yang tidak mendapatkan ruang rawat inap.

SIMPULAN DAN SARAN
Simpulan
Berdasarkan uraian pembahasan hasil penelitian yang diperoleh, maka didapatkan
kesimpulan berikut:
1. Data aktual permintaan ruang rawat inap RSUP Dr Mohammad Hoesin
Palembang periode Januari 2009 hingga September 2013, bersifat stasioner.
Hal ini terlihat dari plot Autocorrelation Function (ACF) dimana hasil plot
autokorelasi menunjukkan bahwa pertama dan kedua berbeda nyata dari nol,
tetapi secara bertahap turun mendekati nol atau tidak dapat berbeda nyata dari
nol.
2. Dari hasil analisis peramalan yang telah dilakukan, diidentifikasi pola data
permintaan ruang rawat inap RSUP Dr Mohammad Hoesin Palembang
bersifat stasioner. Hal ini dapat diartikan bahwa pola data permintaan tersebut
konstan sepanjang periode Januari 2009 hingga September 2013. Metode
Peramalan time series yang digunakan adalah autoregressive, ARMA,
ARIMA, single exponential smoothing, double exponential smoothing, dimana
dari hasil perhitungan peramalan penjualan didapatkan bahwa untuk RSUP Dr
Mohammad Hoesin Palembang yang paling cocok dengan indikator nilai
akurasi kesalahan MAPE terkecil adalah metode autoregressive (2).
3. Berdasarkan hasil peramalan RSUP Dr Mohammad Hoesin Palembang,
diketahui permintaan yang akan diprediksi pada periode Oktober 2013 sampai
dengan Desember 2015 cukup stabil. Hal ini dapat dilihat pada jumlah
peramalan penjualan yang tidak berbeda jauh dengan rataan pola tersebut
yakni ± 3222,54 atau 3.222 permintaan ruang rawat inap dan hanya pada
periode Oktober 2013 sebanyak 3.000 permintaan.

Saran
1. Peramalan permintaan ruang rawat inap RSUP Dr Mohammad Hoesin
Palembang dengan metode autoregressive (2) sebaiknya digunakan oleh pihak
manajemen rumah sakit, agar hasil peramalan tidak berbeda jauh dengan
realisasi dan dapat membantu rumah sakit dalam perencanaan strategi terkait
mutu pelayanan agar kedepannya tidak terdapat lagi keluhan dari calon pasien.
2. Untuk mempermudah peramalan permintaan disarankan rumah sakit
menggunakan perangkat lunak (software) Microsoft Excel dan Minitab 15,
sehingga hasilnya dapat meningkatkan kesempatan rumah sakit memperoleh
laba maksimal dan memenangkan persaingan.

16

3. Agar tidak terjadi penurunan jumlah permintaan ruang rawat inap, maka perlu
dijaga dan ditingkatkan komitmen dari setiap komponen yang terlibat dalam
sistem manajemen rumah sakit agar tujuan bersama dapat diwujudkan.

DAFTAR PUSTAKA

Aritonang R, Lerbin R. 2009. Peramalan Bisnis. Jakarta (ID): Ghalia Indonesia.
Baroto T. 2002. Perencanaan dan Pengendalian Produksi. Jakarta (ID): Ghalia
Indonesia.
Caroline R. 2012. Analisis Kunjungan Kedatangan Tamu Mancanegara ke
Indonesia (studi kasus: Bandar Udara Soekarno-Hatta dan Ngurah Rai)
[Skripsi]. Bogor (ID): Institut Pertanian Bogor.
[Depkes] Departemen Kesehatan. 2009. Undang-Undang Republik Indonesia
Tahun 2009 Tentang Rumah Sakit. Jakarta (ID): Depkes.
Hasan I M. 2008. Pokok-Pokok Materi Statistik 1 (Statistik Deskriptif). Jakarta
(ID): Bumi Aksara.
Jayanto A D, Syukriyadin. 2012. Peramalan beban puncak transformator daya
gardu induk lampeuneurut menggunakan metode time series stokastik. Vol
1(1) p59-66.
Kotler P. 2004. Manajemen Pemasaran Jilid 2. Terjemahan Drs. Benyamin
Molan. Jakarta (ID). PT Indeks Kelompok Gramedia.
Kurniawati A D. 2009. Peramalan Penjualan Candy dan Cookies dalam
Perencanaan Kuantitas Produk UKM Warung Cokelat di Kota Bogor
[Skripsi]. Bogor (ID): Institut Pertanian Bogor.
Nugroho S. 2003. Perancangan kompleks rumah sakit jiwa di Semarang dengan
penekanan desain pendekatan kegiatan terapi. Vol 1 p65.
Prawirosentono S. 2007. Manajemen Operasi (Operations Management) Analisis
dan Studi Kasus. Jakarta (ID): Bumi Aksara.
Pulungan R, Wiyanti D.T. 2012. Peramalan deret waktu menggunakan model
fungsi basis radial (RBF) dan autoregressive integrated moving average
(ARIMA). Vol 35(2) p175-182.
[RSMH] Rumah Sakit Mohammad Hoesin. 2013. Rekam Medik RSUP Dr
Mohammad Hoesin Palembang. Palembang (ID): RSMH
Trisnantoro L. 2009. Memahami Penggunaan Ilmu Ekonomi Dalam Manajemen
Rumah Sakit. Yogyakarta (ID): Gadjah Mada University Press.

17

LAMPIRAN

Lampiran 1 Data kelas ruang rawat inap
Nama ruangan

Pav. Super Vip
Anak
Intermediate
Pav. Musi Elok
Sayap B Ruang O
Sayap A Ruang Bayi
Pav. Musi Elok
Pav. Komering Cindo
Interna D (Anyelir)
Interna D (Anyelir)
Interna E (Yasmin)
Pav. Ogan Permai
Pav. Lematang Indah
Pav. Lematang Indah
Pav. Enim Indah
Pav. Enim Indah
Sayap B Ruang Obsgyn
Sayap A Ruang Bayi
Anak
Bedah A (Kelas A)
Bedah D (Plastik)
Bedah B (Kelas B)
Interna D (Anyelir)
Ruang Kelas (BHC)
Interna E (Yasmin)
Sayap B Ruang Obsgyn
Sayap A Ruang Bayi
Anak
Bedah A (Kelas A)
Bedah B (Kelas B)
Interna D (Anyelir)
Interna E (Yasmin)
Syaraf A
Anak
ICCU/ CVCU (BHC)
NICU
PICU
ICU
NCCU/ NVCU (BHC)
Sayap B Ruang Obsgyn
Sayap A Ruang Bayi
Anak
Bedah A (Kelas A)
Bedah B (Kelas B)
Bedah D (Plastik)
Ruang Kelas (BHC)
R.High Care (HCU-IRD)
R. Prioritas 1( P1-IRD)
Bedah C (Kelas C)
Bedah F (Mata)

Kelas

S VIP A
S VIP B
S VIP B
UT A
UT A
UT A
UT B
UT B
UT B
UT B
UT B
UT C
UT C
UT D
UT D
IA
IA
IA
IA
IA
IA
IA
IA
IA
IA
IB
IB
IB
IB
IB
IB
IB
IB
II
II
II
II
II
II
II A
II A
II A
II A
II A
II A
II A
II A
II A
II B
II B

Jumlah
tempat
tidur
7
2
4
8
4
1
16
18
1
1
1
16
3
12
4
14
6
2
2
7
1
7
4
4
4
6
3
4
6
6
14
16
8
3
7
12
6
13
10
6
3
18
4
4
2
6
5
5
20
8

Ruang
terpakai
7
1
3
7
3
0
13
7
1
1
1
13
1
9
2
11
5
0
2
7
1
6
3
4
2
6
1
4
5
6
11
13
6
0
6
10
6
9
5
5
0
15
4
3
1
6
2
2
19
6

Ruang
tidak
terpakai
0
1
1
1
1
1
3
11
0
0
0
3
2
3
2
3
1
2
0
0
0
1
1
0
2
0
2
0
1
0
3
3
2
3
1
2
0
4
5
1
3
3
0
1
1
0
3
3
1
2

18

Lanjutan Lampiran1
Nama ruangan

Kelas

Bedah H (Peny. THT)
Interna D (Anyelir)
Interna E (Yasmin)
Interna F (Paru)
Syaraf B
R. Observasi (RD Jantung)
Sayap A Ruang Bayi
Sayap C Ruang Obsgyn
Neonatus
Anak
Bedah D (Plastik)
Bedah E (MPKP)
Bedah F (Mata)
Bedah G (Ortopedi)
Bedah H (Peny. THT)
Bedah Peduli Kasih (RPK)
R. Rawat Mawar (dari 702)
Interna A (PDalam Laki2 kls 3)
Interna C (RC)
Interna F (Paru)
Kardiologi
Syaraf B
Penyakit Kulit dan Kelamin
Rehabilitasi Medik
R. Rawat Melati

II B
II B
II B
II B
II B
III
III
III
III
III
III
III
III
III
III
III
III
III
III
III
III
III
III
III
III

Jumlah
tempat
tidur
5
4
4
8
6
7
23
70
36
75
44
35
33
34
12
55
40
58
58
34
21
29
4
4
4

Ruang
terpakai
5
4
3
0
3
3
16
55
31
62
31
30
20
34
8
54
36
41
45
23
12
19
4
1
0

Lampiran 2 Data permintaan ruang rawat inap
Tahun

Periode

Permintaan / hari
(orang)

2009

Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember

126,66
120,25
115,93
119,46
112,76
114,93
111,12
115,61
99,63
113,03
97,03
91,45
111,40
97,87
95,71
101,41
102,00
100,54
97,30
99,32
97,83
101,60

TOTAL
2010

Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September

Total
Permintaan
(orang)
3.908
3.367
3.594
3.584
3.494
3.448
3.445
3.584
2.989
3.504
2.911
2.835
40.663
3.034
2.680
3.144
3.060
3.117
2.919
3.079
3.033
3.048

Ruang
tidak
terpakai
0
0
1
8
3
4
7
15
5
13
13
5
13
0
4
1
4
17
13
11
9
10
0
3
4

19

Lanjutan Lampiran 2.
Tahun

TOTAL
2011

TOTAL
2012

Periode

Permintaan / hari
(orang)

Oktober
November
Desember

101,12
94,30
95,22
98,71
103,03
105,86
108,23
113,93
105,16
106,00
111,32
96,93
113,07
113,53
112,07
118,73
108,99
109,65
117,21
109,81
105,87
100,58
128,17
115,52
105,13
103,47
98,74
105,93
94,55
107,80
104,55
101,64
96,39
99,50
108,94
107,07
108,10
93,29
106,60

Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember

TOTAL
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Sumber: RSMH, 2013

2013

Total
Permintaan
(orang)
3.135
2.829
2.952
36.030
3.194
2.964
3.355
3.418
3.260
3.180
3.451
3.005
3.392
3.406
3.362
3.562
39.549
3.399
3.399
3.404
3.176
3.118
3.845
3.581
3.259
3.104
3.061
3.178
2.931
39.455
3.241
2.846
2.988
2.985
3.377
3.212
3.351
2.892
3.198

20

Lampiran 3 Plot ACF dan PACF pola data permintaan ruang rawat inap di RSUP
Dr Mohammad Hosein Palembang
Autocorrelation Function for Total Permintaan
(with 5% significance limits for the autocorrelations)
1.0
0.8

Autocorrelation

0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1

2

3

4

5

6

7

8

9

10

11

12

13

14

13

14

Lag

Partial Autocorrelation Function for Total Permintaan
(with 5% significance limits for the partial autocorrelations)
1.0

Partial Autocorrelation

0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1

2

3

4

5

6

7

8

9

10

11

12

Lag

Lampiran 4 Hasil olahan minitab untuk masing-masing model time series
AR 2 ARIMA Model: Total Permintaan
Estimates at each iteration
Iteration
0
1
2

SSE
3296278