REGRESI LINIER SEDERHANA UNTUK MEMPREDIKSI KUNJUNGAN PASIEN DI RUMAH SAKIT BERDASARKAN JENIS LAYANAN DAN UMUR PASIEN

Wiga Maulana Baihaqi; Melia Dianingrum; Kurnia Aswin Nuzul Ramadhan

doi:10.24176/simet.v10i2.3484

REGRESI LINIER SEDERHANA UNTUK MEMPREDIKSI KUNJUNGAN PASIEN DI RUMAH SAKIT BERDASARKAN JENIS LAYANAN DAN UMUR PASIEN

Wiga Maulana Baihaqi
Melia Dianingrum
Kurnia Aswin Nuzul Ramadhan

Abstract

Rumah Sakit merupakan sebuah institusi pelayanan kesehatan yang menyediakan dan memberikan pelayanan kesehatan kepada masyarakat. RSUD Cilacap merupakan Rumah Sakit Umum Daerah milik Kabupaten Cilacap yang merupakan Rumah Sakit terbesar di Daerah Cilacap. Seiring bertambahnya jumlah populasi manusia dan keadaan perekonomian yang semakin maju, maka tingkat kesadaran masyarakat terhadap kesehatan semakin meningkat. Maka diperlukan sebuah metode untuk memprediksi jumlah kunjungan pasien pada RSUD Cilacap. Perkiraan jumlah kunjungan pasien merupakan hal yang sangat penting bagi pihak Rumah Sakit, karena dapat digunakan untuk membantu pihak dari manajemen Rumah Sakit dalam melakukan sebuah perencanaan serta mengambil suatu kebijakan. Tujuan dari penelitian ini adalah untuk mengetahui hasil prediksi jumlah kunjungan pasien pada RSUD Cilacap menggunakan metode regresi linier. Metode regresi linier merupakan metode yang terdiri dari satu atau lebih variabel independen yang biasa dengan notasi X dan satu variabel respon yang bisa diwakili dengan Y. Pada penelitian ini Metode prediksi regresi linier dapat menghasilkan prediksi dengan beberapa kriteria nilai error MAPE, dimana terdapat 26 model prediksi regresi linier yang memiliki nilai error kurang dari 20% artinya mempunyai akurasi sebesar 80%. Akan tetapi, terdapat 3 model prediksi regresi linier yang masuk dalam kategori buruk yaitu nilai errornya lebih dari 50%, dan terdapat 1 model prediksi regresi linier yang termasuk dalam kategori cukup atau mempunyai nilai error sebesar 20% sampai 50%.

Keywords

prediksi; kunjungan pasien; data mining; regresi linier

Teks Lengkap:

PDF

Referensi

T. Misriati, “Prediksi Jumlah Kunjungan Pasien Rawat Jalan Menggunakan Metode Regresi Linier,” Widya Cipta, vol. III, no. 2, pp. 184–191, 2012.

J. Han, M. Kamber, and J. Pei, Data mining: concepts and techniques, Third Edit. London, UK: Morgan Kaufmann, 2012.

M. Syafruddin, “Metode Regresi Linier Untuk Prediksi Kebutuhan Energi Listrik Jangka Panjang (Studi Kasus Provinsi Lampung),” J. Inform., vol. 2, no. 1, pp. 1–9, 2014.

C. Pope, P. van Royan, and R. Baker, “Qualitative methods in research on healthcare quality,” Qual. Heal. Care, vol. 11, no. 2, pp. 148–152, 2002.

Y. A. Ozcan, Quantitative Methods in Health Care Management, 2nd ed. San Fransisco: JohnWiley & Sons, 2009.

R. H. Shumway and D. S. Stoffer, Time Series Analysis and Its Applications With R Examples, 3rd ed. New York: Springer, 2011.

B. Goswami et al., “Abrupt transitions in time series with uncertainties,” Nat. Commun., vol. 9, no. 1, pp. 1–10, 2018.

L. Luo, L. Luo, X. Zhang, and X. He, “Hospital daily outpatient visits forecasting using a combinatorial model based on ARIMA and SES models,” BMC Health Serv. Res., vol. 17, no. 1, pp. 1–13, 2017.

V. Sukmak, J. Thongkam, and J. Leejongpermpoon, “Time Series Forecasting in Anxiety Disorders of Outpatient Visits using Data Mining,” Asia-Pacific J. Sci. Technol., vol. 20, no. 2, pp. 241–253, 2015.

W.-C. Juang, S.-J. Huang, F.-D. Huang, P.-W. Cheng, and S.-R. Wann, “Application of time series analysis in modelling and forecasting emergency department visits in a medical centre in Southern Taiwan.,” BMJ Open, vol. 7, no. 11, p. e018628, 2017.

A. Aroua and G. Abdul-Nour, “Forecast emergency room visits – a major diagnostic categories based approach,” Int. J. Metrol. Qual. Eng., vol. 6, no. 2, p. 204, 2015.

F. Kadri, F. Harrou, S. Chaabane, and C. Tahon, “Time series modelling and forecasting of emergency department overcrowding,” J. Med. Syst., vol. 38, no. 9, 2014.

M. Capan, S. Hoover, E. V. Jackson, D. Paul, and R. Locke, “Time series analysis for forecasting hospital census: Application to the neonatal intensive care unit,” Appl. Clin. Inform., vol. 7, no. 2, pp. 275–289, 2016.

J. J. Montaño Moreno, A. Palmer Pol, A. Sesé Abad, and B. Cajal Blasco, “Using the R-MAPE index as a resistant measure of forecast accuracy,” Psicothema, vol. 25, no. 4, pp. 500–506, 2013.

DOI: https://doi.org/10.24176/simet.v10i2.3484