Perbandingan Kinerja Model ARIMA dan ARIMA Ensembel dalam Jumlah Kunjungan Pasien Gawat Darurat di Rumah Sakit

Aqria, Nilam (2026) Perbandingan Kinerja Model ARIMA dan ARIMA Ensembel dalam Jumlah Kunjungan Pasien Gawat Darurat di Rumah Sakit. Bachelor thesis, Institut Teknologi Kaliantan.

	Text 16221018_cover.pdf Restricted to Repository staff only until 24 April 2028. Download (335kB) | Request a copy
	Text 16221018_statement_of_autheticity.pdf Restricted to Repository staff only until 24 April 2028. Download (289kB) | Request a copy
	Text 16221018_publishing_agreement.pdf Restricted to Repository staff only until 24 April 2028. Download (402kB) | Request a copy
	Text 16221018_approval_sheet.pdf Restricted to Repository staff only until 24 April 2028. Download (311kB) | Request a copy
	Text 16221018_preface.pdf Restricted to Repository staff only until 24 April 2028. Download (176kB) | Request a copy
	Text 16221018_abstract_id.pdf Restricted to Repository staff only until 24 April 2028. Download (128kB) | Request a copy
	Text 16221018_abstract_en.pdf Restricted to Repository staff only until 24 April 2028. Download (128kB) | Request a copy
	Text 16221018_table_of_content.pdf Restricted to Repository staff only until 24 April 2028. Download (140kB) | Request a copy
	Text 16221018_illustrations.pdf Restricted to Repository staff only until 24 April 2028. Download (195kB) | Request a copy
	Text 16221018_tables.pdf Restricted to Repository staff only until 24 April 2028. Download (195kB) | Request a copy
	Text 16221018_notations.pdf Restricted to Repository staff only until 24 April 2028. Download (217kB) | Request a copy
	Text 16221018_chapter_1.pdf Restricted to Repository staff only until 24 March 2028. Download (419kB) | Request a copy
	Text 16221018_chapter_2.pdf Restricted to Repository staff only until 24 April 2028. Download (410kB) | Request a copy
	Text 16221018_chapter_3.pdf Restricted to Repository staff only until 24 April 2028. Download (251kB) | Request a copy
	Text 16221018_chapter_4.pdf Restricted to Repository staff only until 24 April 2028. Download (667kB) | Request a copy
	Text 16221018_conclusions.pdf Restricted to Repository staff only until 24 April 2028. Download (196kB) | Request a copy
	Text 16221018_bibliography.pdf Restricted to Repository staff only until 24 April 2028. Download (199kB) | Request a copy
	Text 16221018_enclosure.pdf Restricted to Repository staff only until 24 April 2028. Download (260kB) | Request a copy
	Text 16221018_paper.pdf Restricted to Repository staff only until 24 April 2028. Download (529kB) | Request a copy
	Text 16221018_presentation.pdf Restricted to Repository staff only until 24 April 2028. Download (8MB) | Request a copy
	Text 16221018_Form. TA-020.pdf Restricted to Repository staff only until 24 April 2028. Download (353kB) | Request a copy

Abstract

Fluktuasi jumlah kunjungan Instalasi Gawat Darurat (IGD) menuntut rumah sakit memiliki sistem peramalan yang andal guna mendukung perencanaan sumber daya secara optimal. Kondisi tersebut juga dialami oleh RS Pupuk Kaltim Bontang, sehingga diperlukan metode prediksi yang mampu menangkap pola data dengan baik. Penelitian ini bertujuan untuk menentukan model terbaik dalam meramalkan jumlah kunjungan pasien IGD menggunakan pendekatan ARIMA tunggal serta ARIMA ensembel, yang mencakup metode averaging dan stacking. Data bulanan periode Januari 2020 hingga Desember 2024 digunakan sebagai dasar pemodelan, dengan pemisahan data training dan testing yang memungkinkan evaluasi performa secara objektif. Penilaian akurasi dilakukan menggunakan MAPE, MAE, dan RMSE. Hasil penelitian menunjukkan bahwa ARIMA(0,1,1) merupakan model tunggal dengan kinerja paling stabil, terutama pada horizon peramalan jangka panjang. Pada pendekatan ensembel, kombinasi terbaik untuk averaging diperoleh pada averaging(2,4), sedangkan metode stacking menunjukkan performa paling unggul pada stacking(2,4). Kombinasi stacking(2,4) merupakan gabungan dari ARIMA(0,1,1) dan ARIMA(1,1,[2]), yang terbukti memberikan akurasi lebih baik pada horizon pendek namun tidak melampaui model ARIMA tunggal pada horizon panjang. Dengan demikian, model terbaik untuk peramalan satu tahun ke depan adalah ARIMA(0,1,1). Penelitian ini masih terbatas pada model nonmusiman dan satu unit layanan. Ke depan, penelitian selanjutnya dapat mengembangkan model peramalan dengan memasukkan komponen musiman, variabel eksternal, serta metode machine learning untuk meningkatkan komprehensivitas sistem peramalan.

Item Type:	Thesis (Bachelor)
Subjects:	H Social Sciences > HA Statistics Q Science > QA Mathematics > QA76 Computer software R Medicine > R Medicine (General) R Medicine > RZ Other systems of medicine
Divisions:	Jurusan Matematika dan Teknologi Informasi > Statistik
Depositing User:	Nilam Aqria
Date Deposited:	08 Jan 2026 06:59
Last Modified:	08 Jan 2026 06:59
URI:	http://repository.itk.ac.id/id/eprint/25002

Actions (login required)

View Item