WIDYA CIPTA, VOL III NO. 2 SEPTEMBER 2012
PREDIKSI JUMLAH KUNJUNGAN PASIEN RAWAT JALAN MENGGUNAKAN METODE REGRESI LINIER Titik Misriati Manajemen Informatika, AMIK BSI Jakarta Jalan RS Fatmawati No 24 Pondok Labu Jakarta 12450
[email protected]
ABSTRACT The hospital is a health care institution to provide health services to the community to the fullest. For this to materialize, then the hospital must have good management in providing human resources, facilities and infrastructure. One of the contributing factors to forecast outpatient visits. Expected to know the forecast outpatient visits in the future then the services at the hospital to be maximal. Forecasting is done with linear regression method because this method has a better estimate. These results indicate that the forecasting outpatient visits per month increased by 37 patient visits. Kata Kunci : Forecasting, The Outpatient, Linear Regression
I. PENDAHULUAN Berdasarkan Undang-Undang Republik Indonesia No. 44 Tahun 2009, Rumah Sakit adalah institusi pelayanan kesehatan bagi masyarakat dengan karateristik tersendiri yang dipengaruhi oleh perkembangan ilmu pengetahuan kesehatan, kemajuan teknologi, dan kehidupan sosial ekonomi masyarakat yang harus tetap mampu meningkatkan pelayanan yang lebih bermutu dan terjangkau oleh masyarakat agar terwujud derajat kesehatan yang setinggi-tingginya. Rumah sakit adalah suatu sarana kesehatan tempat menyelenggarakan upaya kesehatan. Upaya kesehatan adalah setiap kegiatan untuk memelihara dan meningkatkan kesehatan. Upaya kesehatan dilakukan dengan pendekatan pemeliharaan, peningkatan (promotitf), pencegahan penyakit (preventif), penyembuhan (kuratif) dan pemulihan kesehatan (rehabilitatif) yang dilaksanakan secara menyeluruh terpadu, dan berkesinambungan. Rumah sakit sebagai salah satu sarana kesehatan yang memberikan pelayanan kesehatan kepada masyarakat memiliki peran yang sangat strategis dalam mempercepat peningkatan derajat kesehatan masyarakat. Keberadaan rumah sakit mutlak diperlukan karena setiap orang yang mengalami gangguan kesehatan pasti membutuhkan pengobatan dan salah satu penyedia layanan kesehatan adalah rumah sakit (Mubin, Wiwik Anggraeni, dan Retno Aulia Vinarti, 2012). Oleh karena itu, rumah sakit
184
dituntut untuk memberikan pelayanan yang bermutu sesuai dengan standar yang ditetapkan dan dapat menjangkau seluruh lapisan masyarakat (Utama, 2003). Standar pelayanan minimal rumah sakit daerah adalah penyelenggaraan pelayanan manajemen rumah sakit, pelayanan medik, pelayanan penunjang dan pelayanan keperawatan baik rawat inap maupun rawat jalan yang minimal harus diselenggarakan oleh rumah sakit. Rumah sakit harus mempunyai manajemen yang baik agar dapat memberikan pelayanan yang maksimal kepada pasien. Salah satu faktor pendukung dalam pengelolaan manajemen yang baik pada rumah sakit adalah dengan mengetahui jumlah kunjungan pasien pada masa yang akan datang. Meramalkan jumlah kunjungan pasien rawat jalan sangat penting untuk mengelola rumah sakit, mengatur sumber daya manusia, sarana dan prasarana. Hasil peramalan jumlah kunjungan pasien rawat jalan yang akurat diharapkan dapat memberikan gambaran pada masa yang akan datang sehingga dapat digunakan sebagai dasar dalam perencanaan dan pengambilan keputusan bagi pengelola rumah sakit. RSUD dr R. Goenteng Taroenadibrata adalah rumah sakit pemerintah yang ada di Purbalingga. Pada rumah sakit ini, melayani kunjungan pasien rawat jalan yang tidak sedikit. Oleh karena itu, perlu dilakukan peramalan kunjungan pasien rawat jalan di masa yang akan datang pada RSUD dr R.
WIDYA CIPTA, VOL III NO. 2 SEPTEMBER 2012
Goenteng Taroenadibrata Purbalingga agar dapat dilakukan perencanaan untuk kebutuhan manajemen selanjutnya. Pada penelitian ini penulis mengimplementasikan metode regresi linier untuk memprediksi jumlah kunjungan pasien rawat jalan di RSUD dr R. Goenteng Taroenadibrata
II. TINJAUAN PUSTAKA 1.
Forecasting
Peramalan (forecasting) merupakan suatu usaha untuk meramalkan keadaan dimasa mendatang melalui pengujian keadaan dimasa lalu (Prasetya, 2009). Forecasting adalah proses analisis untuk memperkirakan masa depan dengan metode-metode tertentu dan mempertimbangkan segala variabel yang mungkin berpengaruh di dalamnya. Forecasting berperan sangat penting dalam bisnis. Kemampuan untuk memprediksi secara akurat kejadian di masa depan menjadi dasar dalam pengambilan keputusan. Kemampuan forecasting banyak dipakai di bidang marketing, produksi, pengendalian inventori, dan banyak aktivitas bisnis lainnya. Penentuan periode waktu peramalan tergantung pada situasi dan kondisi aktual dan tujuan peramalan. Periode waktu yang biasa digunakan adalah harian, mingguan, bulanan, triwulan, semesteran, dan tahunan. Semakin jauh periode di makan mendatang yang akan diramalkan maka hasil ramalan akan semakin kurang akurat. Ada berapa macam tipe peramalan yang digunakan. Adapun tipe-tipe dalam peramalan (Heizer & Barry Render, 2005)adalah: 1. Times Series Model Metode time series adalah metode peramalan secara kuantitatif dengan menggunakan waktu sebagai dasar peramalan. 2. Causal Model Metode peramalan yang menggunakan hubungan sebab-akibat sebagai asumsi, yaitu bahwa apa yang terjadi di masa lalu akan terulang pada saat ini. 3. Judgemental Model Bila time series dan causal model bertumpu pada kuantitatif, pada judgemental mencakup untuk memasukkan faktor-faktor kuantitatif/subjektif ke dalam metode
peramalan. Secara khusus berguna bilamana faktor-faktor subjektif yang diharapkan menjadi sangat penting bilamana data kuantitatif yang akurat sudah diperoleh.
4.
Regresi Linier
Metode regresi linier sering sekali dipakai untuk memecahkan masalah-masalah dalam penaksiran tentunya hal ini berlaku juga dalam peramalan sehingga metode regresi linier menjadi suatu metode yang mempunyai taksiran terbaik diantara metodemetode yang lain. Metode regresi linier dipergunakan sebagai metode peramalan apabila pola historis dari data aktual permintaan menunjukkan adanya suatu kecenderungan menaik dari waktu ke waktu. Regresi Linier termasuk dalam time series model yang menggunakan metode kuantitatif dengan menggunakan waktu sebagai dasar peramalan. Regresi Linier mempunyai persamaan dasar sebagai berikut: = a + bx Dimana: : nilai ramalan periode ke-t a : intersept b : slope dari garis kecenderungan, merupakan tingkat perubahan x : indeks waktu (t= 1, 2, 3, …, n); n adalah banyaknya periode waktu Komponen pada regresi linier ada tiga, yaitu a sebagai intersept, b sebagai slope dan x sebagai indeks waktu. Persamaan untuk mendapatkan nilai a dan b adalah: ∑
∑ ∑
∑ ∑ (∑ )
∑ ∑
∑ ∑ (∑ )
Dalam melakukan peramalan perlu dilihat seberapa besar kesalahan (error) yang dihasilkan. Pengukuran untuk meliha tingkat kesalahan peramalan dengan tiga cara, yaitu: 1. Mean Absolute Deviation (MAD) Satu metode untuk mengevaluasi metode peramalan menggunakan jumlah dari
185
WIDYA CIPTA, VOL III NO. 2 SEPTEMBER 2012
kesalahan-kesalahan yang absolut. MAD mengukur ketepatan ramalan dengan menghitung rata-rata kesalahan dugaan (nilai absolut masing-masing kesalahan). Rumus menghitung MAD adalah: ∑|
besar variabel ramalan itu penting dalam mengevaluasi ketepatan ramalan. MAPE mengindikasi seberapa besar kesalahan dalam meramal yang dibandingkan dengan nilai nyata pada deret. Metode MAPE digunakan jika nilai Yt besar. MAPE juga dapat digunakan untuk membandingkan ketepatan dari teknik yang sama atau berbeda dalam dua deret yang sangat berbeda dan mengukur ketepatan nilai dugaan model yang dinyatakan dalam bentuk rata-rata persentase absolut kesalahan. MAPE dapat dihitungdengan rumus sebagai berikut:
|
Dimana: n
= jumlah periode ramalan = data aktual periode t = data peramalan periode t
∑ 2. Mean Squared Error (MSE) MSE adalah metode lain untuk mengevaluasi metode peramalan. Masingmasing kesalahan atau sisa dikuadratkan. Kemudian dijumlahkan dan dibagi dengan jumlah observasi. Pendekatan ini mengatur kesalahan peramalan yang besar karena kesalahan-kesalahan itu dikuadratkan. Suatu teknik yang menghasilkan kesalahan moderat mungkin lebih baik untuk salah satu yang memiliki kesalahan kecil tapi kadang-kadang menghasilkan sesuatu yang sangat besar. Berikut ini rumus untuk menghitung MSE : ∑(
)
Dimana: n
= jumlah periode ramalan = data aktual periode t = data peramalan periode t
Dimana: n
= jumlah periode ramalan = data aktual periode t = data peramalan periode t
III. METODE PENELITIAN Pada penelitian ini menggunakan data sekunder, yaitu data kunjungan pasien rawat jalan bulan Januari – Desember 2012 pada RSUD dr R. Goenteng Taroenadibrata Purbalingga dan menggunakan metode regresi linier untuk pengolahan data. Tahap-tahap penelitian yang dilakukan sebagai berikut: 1. Menentukan data aktual kunjungan pasien rawat jalan 2. Menentukan nilai intersept dan slope untuk proses peramalan dengan metode regresi linier. 3. Melakukan peramalan untuk masa yang akan datang. 4. Menganalisa hasil peramalan.
3. Mean Absolute Percentage Error (MAPE) IV. HASIL DAN PEMBAHASAN The Mean Absolute Percentage Error (MAPE) dihitung dengan menggunakan kesalahan absolut pada tiap periode dibagi dengan nilai observasi yang nyata untuk periode itu. Kemudian, merata-rata kesalahan persentase absolut tersebut. Pendekatan ini berguna ketika ukuran atau
186
1.
Tinjauan Perusahaan RSUD dr R. Goenteng Taroenadibrata merupakan rumah sakit Zending yang didirikan oleh Belanda yang berlokasi di dukuh Trenggiling, desa Kalikajar, Kecamatan Kaligondang, Kabupaten Purbalingga. Kemudian Rumah Sakit tersebut diserahkan
WIDYA CIPTA, VOL III NO. 2 SEPTEMBER 2012
kepada Pemerintah Indonesia. Pada tahun 1979 Gubernur Jawa Tengah Soeparjo Roestam menganjurkan agar pindah lokasi, karena lokasi sudah tidak memadai. Pada tahun 1981 mulai dibangun gedung RSUD Purbalingga di lokasi yang baru di kelurahan Kembaran Kulon, kecamatan Purbalingga. Pada Tahun 1983 RSUD Purbalingga ditetapkan sebagai rumah sakit kelas C dengan SK. Menkes. No. 223/Menkes/VI/1983. Pada tanggal 5 Mei 1986 secara resmi seluruh kegiatan RSUD Purbalingga pindah ke lokasi yang baru di Jl. Tentara Pelajar No. 22 Kelurahan Kembaran Kulon, Kecamatan Purbalingga. Kemudian pada tanggal 1 Mei 2010 berdasarkan Peraturan Bupati Purbalingga No. 28 Tahun 2010 RSUD
Purbalingga resmi berubah nama menjadi RSUD dr. R. Goeteng Taroenadibrata Purbalingga. Pelayanan medis pada RSUD dr R. Goenteng Taroenadibrata terdiri dari gawat darurat, rawat jalan, rawat inap, rawat intensif, kamar operasi, EEG, dan akupuntur. 2.
Data Kunjungan Pasien dan Perhitungan dengan Metode Regresi Linier
Jumlah kunjungan pasien rawat jalan pada tahun 2012 untuk pasien baru dan pasien lama sebanyak 114.153 pasien dengan rincian data pada tabel 1.
Tabel 1. Kunjungan Pasien Rawat Jalan Tahun 2012 Bulan
Pasien Baru Pasien Lama
Jumlah
Januari
3762
5516
9278
Februari
3627
5177
8804
Maret
3775
6098
9873
April
4231
5661
9892
Mei
4182
5649
9831
Juni
3798
5263
9061
Juli
4421
5297
9718
Agustus
4777
3990
8767
September
5715
3882
9597
Oktober
5818
3967
9785
November
5465
3765
9230
Desember
5315
5002
10317
59267
114153
Total 54886 Sumber: Data Sekunder (2012). Dari data kunjungan pasien rawat jalan tahun 2012 dapat dilakukan peramalan untuk mengetahui data kunjungan pasien di masa yang akan datang. Data yang digunakan adalah
data aktual kunjungan pasien rawat jalan yaitu jumlah kunjungan pasien lama dan pasien baru pada tahun 2012.
Tabel 2. Metode Regresi Linier Bulan
Time (x)
Demand (y)
x^2
x*y
Peramalan
Januari
1
9278
1
9278
9308
Februari
2
8804
4
17608
9345
Maret
3
9873
9
29619
9383
April
4
9892
16
39568
9420
Mei
5
9831
25
49155
9457
Juni
6
9061
36
54366
9494
187
WIDYA CIPTA, VOL III NO. 2 SEPTEMBER 2012
Juli
7
9718
49
68026
9531
Agustus
8
8767
64
70136
9569
September
9
9597
81
86373
9606
Oktober
10
9785
100
97850
9643
November
11
9230
121
101530
9680
Desember
12
10317
144
123804
9717
Total 78 114153 Sumber: Data Olahan (2012)
650
747313
114153
∑ ∑
Pada tabel 2 dapat dilihat hasil peramalan kunjungan pasien rawat jalan pada tahun 2012. Hasil peramalan tahun 2012 menunjukkan adanya selisih antara data aktual dengan data peramalan, dimana data peramalan ada yang lebih tinggi kunjungan pasiennya dan ada juga yang lebih rendah dari pada data aktual. Untuk melakukan peramalan dengan metode regresi linier perlu diketahui nilai intersept (a) dan slope (b) yang merupakan tingkat perubahan kunjungan pasien rawat jalan setiap bulan. ∑
∑ ∑
(
(
) (
( )
) (
)
Jadi, nilai intersept (a) sebesar 9271 dan tingkat perubahan sebesar 37.1923 sehingga dapat diperoleh Y(t)= 9271 + 37.1923 (x)
∑ ∑ (∑ ) )
(
∑ ∑ (∑ )
( )
Perhitungan peramalan kunjungan pasien rawat jalan pada tahun 2013 dengan metode regresi linier sebagai berikut:
) (
)
Tabel 3. Perhitungan Peramalan Kunjungan Pasien Rawat Jalan pada tahun 2013 a
B
x
Y(13)
=
9271
+
37.1923
*
Y(14)
=
9271
+
37.1923
Y(15)
=
9271
+
Y(16)
=
9271
Y(17)
=
Y(18)
Peramalan
13
=
9755
*
14
=
9792
37.1923
*
15
=
9829
+
37.1923
*
16
=
9866
9271
+
37.1923
*
17
=
9903
=
9271
+
37.1923
*
18
=
9940
Y(19)
=
9271
+
37.1923
*
19
=
9978
Y(20)
=
9271
+
37.1923
*
20
=
10015
Y(21)
=
9271
+
37.1923
*
21
=
10052
Y(22)
=
9271
+
37.1923
*
22
=
10089
Y(23)
=
9271
+
37.1923
*
23
=
10126
Y(24)
=
9271
+
37.1923
*
24
=
10164
Sumber: Hasil Olahan (2012)
Hasil peramalan kunjungan pasien rawat jalan dengan metode Regresi Linier pada tahun 2013
188
menunjukkan adanya peningkatan kunjungan pasien setiap bulan.
WIDYA CIPTA, VOL III NO. 2 SEPTEMBER 2012
Tabel 4. Hasil Peramalan Kunjungan Pasien pada Tahun 2013 No 1
Bulan Januari
Peramalan
2
Februari
9792
3
Maret
9829
4
April
9866
5
Mei
9903
6
Juni
9940
7
Juli
9978
8
Agustus
10015
9
September
10052
10
Oktober
10089
11
November
10126
12
Desember
9755
10164 13 Total 119509 Sumber: Hasil Olahan (2012)
3.
Perhitungan dengan Metode Regresi Linier dengan POM for Windows 2.0
Hasil dari pengolahan software POM for Windows 2.0 untuk Metode Regresi Linier pada forecasting method dan grafik hasil peramalan .
Gambar 1. Hasil Peramalan Tahun 2012 dengan POM for Windows 2.0 Gambar 1 menunjukkan data aktual dan hasil peramalan pada tahun 2012 dengan nilai intercept sebesar 9271 dan nilai slope sebesar 37.1923 serta hasil peramalan untuk periode
berikutnya yaitu Januari 2013 sebesar 9.754,5 kunjungan pasien rawat jalan, dibulatkan menjadi 9.755 kunjungan pasien.
189
WIDYA CIPTA, VOL III NO. 2 SEPTEMBER 2012
Gambar 2. Hasil Peramalan Tahun 2013 dengan POM for Windows 2.0 Dari gambar 2 menunjukkan bahwa metode regresi linier mempunyai nilai bias 0 mengindikasikan bahwa metode ini tidak bias.
MAD mengindikasikan bahwa masing-masing ramalan disimpangkan oleh rata-rata 378 kunjungan pasien.
Gambar 3. Grafik Hasil Peramalan dengan POM for Windows 2.0 4.
Evaluasi Peramalan
Hasil yang ditunjukkan pada grafik dengan metode regresi linier, yaitu bersifat linier dimana data peramalan untuk bulan Januari sampai dengan bulan Desember bersif at merata (linier) sehingga ramalan tidak jauh dari data bulan sebelumnya. Berdasarkan hasil penelitian yang telah dilakukan, diketahui hasil peramalan dengan metode regresi linier maka diketahui jumlah kunjungan pasien setiap bulan mengalami peningkatan. Jumlah kunjungan pasien rawat jalan pada tahun 2012 dan hasil ramalan menunjukkan jumlah kunjungan pasien rawat jalan pada tahun 2013cenderung meningkat yaitu sebanyak 5.356 kunjungan pasien per tahun.
190
V.
KESIMPULAN
Dari hasil analisis kunjungan pasien rawat jalan di RSUD dr R. Goenteng Taroenadibrata maka dapat disimpulkan bahwa: 1. Kunjungan pasien rawat jalan mengalami peningkatan setiap bulan sebanyak 37 kunjungan pasien. 2. Jumlah kunjungan pasien rawat jalan pada tahun 2012 dan tahun 2013 mengalami peningkatan sebanyak 5.356 kunjungan pasien. DAFTAR PUSTAKA Heizer, Jay & Barry Render. 2005. Operation Management. Jakarta: Salemba Empat. Mubin, Lia Fahirul, Wiwik Anggraeni, dan Retno Aulia Vinarti. 2012. Prediksi Jumlah Kunjungan Pasien Rawat Jalan
WIDYA CIPTA, VOL III NO. 2 SEPTEMBER 2012
Menggunakan Metode Genetic Fuzzy Systems Studi Kasus: Rumah Sakit Usada Sidoarjo Prasetya, Hery & Fitri Lukiastuti. 2009. Manajemen Operasi. Jakarta: PT. Buku Kita
Undang – Undang Republik Indonesia No. 44 Tentang Rumah Sakit. Utama, Surya. 2003. Memahami Fenomena Kepuasan Pasien Rumah Sakit. Medan: FKM USU. http://repository.usu.ac.id/handle/1234567 89/3670
191