Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang

Transkripsi

1 APLIKASI PREDIKSI JUMLAH PASIEN RAWAT INAP BERBASIS WEB MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING (DES) DI RSUD SUMBAWA BESAR HALAMAN JUDUL TUGAS AKHIR Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Disusun Oleh: WILLI SAPUTRO JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH MALANG 2017

2

3

4 KATA PENGANTAR Assalamu alaikum Wr. Wb. Dengan memanjatkan puji syukur kehadirat Allah SWT atas limpahan rahmat dan hidayah-nya sehingga penulis dapat menyelesaikan tugas akhir yang berjudul: APLIKASI PREDIKSI JUMLAH PASIEN RAWAT INAP BERBASIS WEB MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING DI RSUD SUMBAWA BESAR. Di dalam tulisan ini disajikan pokok-pokok bahasan yang meliputi forecasting, metode Double Exponential Smoothing dan MAPE untuk membuat aplikasi prediksi jumlah pasien rawat inap, sehingga dapat memberikan kemudahan dalam memprediksikan calon pasien rawat inap. Peneliti menyadari masih banyak kekurangan dan keterbatasan dalam penulisan tugas akhir ini. Untuk itu, penulis sangat mengharapkan saran yang membangun agar tulisan ini dapat berguna untuk perkembangan ilmu pengetahuan kedepan. Malang, 2 Agustus 2017 Penulis Willi Saputro

5 DAFTAR ISI HALAMAN JUDUL... i PENGESAHAN PEMBIMBING... ii PENGESAHAN PENGUJI... iii LEMBAR PERNYATAAN... iv ABSTRAK... v LEMBAR PERSEMBAHAN... vii KATA PENGANTAR... viii DAFTAR ISI... ix DAFTAR GAMBAR... xii DAFTAR TABEL... xiv BAB I... 1 PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Metodologi Penelitian Sistematika Penulisan... 5 BAB II... 7 LANDASAN TEORI PenelitianTerdahulu Forecasting (Prediksi) International Classification of Diseases 10 (ICD10) Metode Double Exponential Smoothing (DES) Mean Absolute Percentage Error (MAPE) Framework CodeIgnite Database... 13

6 2.8 UML (Unified Modelling Language) BAB III ANALISA DAN PERANCANGAN SISTEM Analisa Sistem Analisa Masalah Analisa Kebutuhan Fungsional Analisa Kebutuhan Non-Fungsional Analisa Perhitungan Metode Double Exponential Smoothing Business Process Usecase Diagram Usecase Scenario Perancangan sistem Activity Diagram Sequence Diagram Class Diagram Perancangan Interface BAB IV IMPLEMENTASI DAN PENGUJIAN Implementasi Halaman login Halaman Dashboard Halaman Data User Halaman Data Pasien Halaman Data Jenis Penyakit Halaman Data Jumlah Penderita Halaman Data ICD Halaman Prediksi Jumlah Pasien Halaman Prediksi Data ICD Pengujian Perhitungan Manual Mean Absolute Deviation (MAD)... 74

7 4.2.3 Mean Square Error (MSE) Mean Absolute Precentage Error (MAPE) BAB V PENUTUP Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN Lampiran 1 Surat Keterangan Telah Melakukan Penelitian Lampiran 2 Surat Keterangan Kebenaran Dokumen Lampiran 3 Sequence Diagram Prediksi Data Pasien Lampiran 4 Sequence Diagram Prediksi Data ICD

8 DAFTAR GAMBAR Gambar 1.1 Metode Waterfall... 4 Gambar 2.1 Flowchart Proses Prediksi Gambar 3.1 Business Process Gambar 3.2 Usecase Diagram Gambar 3.3 Activity Diagram Prediksi Data Pasien Gambar 3.4 Activity Diagram Prediksi Data ICD Gambar 3.5 Activity Diagram Lihat Data ICD Gambar 3.6 Activity Diagram Lihat Pasien Gambar 3.7 Activity Diagram CRUD Data User Gambar 3.8 Activity Diagram CRUD Data Pasien Gambar 3.9 Activity Diagram CRUD Data Penyakit Gambar 3.10 Activity Diagram CRUD Data Jumlah Penderita Gambar 3.11 Sequence Diagram Prediksi Data Pasien Gambar 3.12 Sequence Diagram Prediksi Data ICD Gambar 3.13 Sequence Diagram CRUD Data User Gambar 3.14 Sequence Diagram CRUD Data Pasien Gambar 3.15 Sequence Diagram Lihat Data ICD Gambar 3.16 Sequence Diagram CRUD Data Jenis Penyakit Gambar 3.17 Sequence Diagram CRUD Data Jumlah Penderita Gambar 3.18 Class Diagram Gambar 3.19 Rancangan Interface Login Gambar 3.20 Rancangan Interface Dashboard Gambar 3.21 Rancangan Interface Fitur Prediksi Data Pasien Gambar 3.22 Rancangan Interface Fitur Prediksi Data ICD Gambar 3.23 Rancangan Interface Fitur Lihat Data Pasien Gambar 3.24 Rancangan Interface Fitur Lihat Data ICD Gambar 3.25 Rancangan Interface Fitur CRUD Data User Gambar 3.26 Rancangan Interface Fitur CRUD Data Pasien Gambar 3.27 Rancangan Interface Fitur CRUD Data Penyakit Gambar 3.28 Rancangan Interface Fitur CRUD Data Jumlah Penderita... 57

9 Gambar 4.1 Halaman login Gambar 4.2 Halaman Dashboard Gambar 4.3 Halaman Data User Gambar 4.4 Halaman Data Pasien Gambar 4.5 Halaman Data Jenis Penyakit Gambar 4.6 Halaman Data Jumlah Penderita Gambar 4.7 Halaman Data ICD Gambar 4.8 Halaman Prediksi Pasien Gambar 4.9 Halaman Prediksi ICD

10 DAFTAR TABEL Tabel 3.1 Data Jumlah Pengeluaran Obat Tabel 3.2 Perhitungan Nilai Pemulusan Eksponensial Pertama Tabel 3.3 Perhitungan Nilai Pemulusan Eksponensial Kedua Tabel 3.4 Perhitungan Nilai Konstanta Tabel 3.5 Perhitungan Nilai Slope Tabel 3.6 Perhitungan Nilai Prediksi Tabel 3.7 Hasil Perhitungan MAPE dengan (α = 0,1) manual Tabel 3.8 Hasil Perhitungan Prediksi Metode DES (α = 0,2) Manual Tabel 3.9 Hasil Perhitungan Prediksi Metode DES (α = 0,3) Manual Tabel 3.10 Hasil Perhitungan Prediksi Metode DES (α = 0,4) Manual Tabel 3.11 Hasil Perhitungan Prediksi Metode DES (α = 0,5) Manual Tabel 3.12 Hasil Perhitungan Prediksi Metode DES (α = 0,6) Manual Tabel 3.13 Hasil Perhitungan Prediksi Metode DES (α = 0,7) Manual Tabel 3.14 Hasil Perhitungan Prediksi Metode DES (α = 0,8) Manual Tabel 3.15 Hasil Perhitungan Prediksi Metode DES (α = 0,9) Manual Tabel 3.16 Hasil Perhitungan MAPE (α = 0,1 sampai α = 0,9) Manual Tabel 3.17 Hasil Perhitungan Prediksi (α = 0,2) Manual Tabel 3.18 Hasil Prediksi dan Nilai MAPE Tabel 3.19 Definisi Aktor Tabel 3.20 Definisi Usecase Tabel 3.21 Scenario Lihat Prediksi Data Pasien Tabel 3.22 Scenario Lihat Prediksi Data ICD Tabel 3.23 Scenario Lihat Data Pasien Tabel 3.24 Scenario Lihat Data ICD Tabel 3.25 Scenario Tambah Data User Tabel 3.26 Scenario Ubah Data User Tabel 3.27 Scenario Hapus Data User Tabel 3.28 Scenario Tambah Data Pasien Tabel 3.29 Scenario Ubah Data Pasien... 34

11 Tabel 3.30 Scenario Hapus Data Pasien Tabel 3.31 Scenario Tambah Data Penyakit Tabel 3.32 Scenario Ubah Data Penyakit Tabel 3.33 Scenario Hapus Data Penyakit Tabel 3.34 Scenario Tambah Data Jumlah Penderita Tabel 3.35 Scenario Ubah Data Jumlah Penderita Tabel 3.36 Scenario Hapus Data Jumlah Penderita Tabel 4.1 Data Pasien Tabel 4.2 Hasil Perhitungan Prediksi Metode DES dan MAPE(α=0,1)Manual Tabel 4.3 Hasil Perhitungan Prediksi Metode DES dan MAPE(α=0,2)Manual Tabel 4.4 Hasil Perhitungan Prediksi Metode DES dan MAPE(α=0,3) Manual.. 66 Tabel 4.5 Hasil Perhitungan Prediksi Metode DES dan MAPE(α=0,4)Manual Tabel 4.6 Hasil Perhitungan Prediksi Metode DES dan MAPE(α=0,5)Manual Tabel 4.7 Hasil Perhitungan Prediksi Metode DES dan MAPE(α=0,6)Manual Tabel 4.8 Hasil Perhitungan Prediksi Metode DES dan MAPE(α=0,7)Manual Tabel 4.9 Hasil Perhitungan Prediksi Metode DES dan MAPE(α=0,8)Manual Tabel 4.10 Hasil Perhitungan Prediksi Metode DES dan MAPE(α=0,9)Manual. 72 Tabel 4.11 Hasil Perhitungan MAPE (α = 0,1 sampai α = 0,9) Manual Tabel 4.12 Hasil Prediksi Secara Manual Tabel 4.13 Perhitungan MAD Tabel 4.14 Perhitungan MSE Tabel 4.15 Perhitungan MAPE... 77

12 DAFTAR PUSTAKA [1] Presiden Republik Indonesia, 1998, Peraturan Menteri Kesehatan RI Nomor 159b/Men.Kes/Per/II/1998. Diakses pada 4 Januari [2] Suliyanto, S Teknik Proyeksi Bisnis. Yogyakarta. [3] Bassil Youssef, Simulation Model for the Waterfall Software Development Life Cycle, International Journal of Engineering & Technology (ijet), ISSN: , Vol. 2, No. 5, [4] Anang, Abet Wahyu Penerapan Metode Double Exponential Smoothing Untuk Estimasi Penjualan. Jakarta. [5] Syari, Nora Puspita Prediksi Intensitas Traffic Menggunakan Dynamic Forecasting. Surabaya. [6] Sari, Rizki Ayu Aplikasi Prediksi Kebutuhan Persediaan Obat Pada Instalasi Farmasi Rumah Sakit DKT Jember Menggunakan Metode Double Exponential Smoothing. Jember. [7] Gaspersz, Vincent Production Planning and Inventory Control Cetakan Keempat. Gramedia. Jakarta. [8] Hakayuci International Classification of Diseases, Diseases. Diakses pada 23 Maret [9] Raharja, Alda Penerapan Metode Exponential Smoothing Untuk Peramalan Penggunaan Waktu Telepon Di PT Telkomsel Divre 3 Surabaya. Surabaya [10] Tannady, Hendra Analisa Perbandingan Metode Regresi Linier Dan Exponential Smoothing Dalam Parameter Tingkat Error. Jakarta.

13 [11] Daqiqil Ibnu, Frame work Codeigniter (Panduan dan best practice). Pekan baru.