Regresi Linier Sederhana untuk Memprediksi Kunjungan Pasien di Rumah Sakit Berdasarkan Jenis Layanan dan Umur Pasien
DOI:
https://doi.org/10.24014/coreit.v5i2.7067Abstract
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%. Kemudian 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%.References
Mubin, L. F., Anggraeni, W., & Vinarti, A. 2012. Prediksi Jumlah Kunjungan Pasien Rawat Jalan Menggunakan Metode Genetic Fuzzy Systems Studi Kasus: Rumah Sakit Usada Sidoarjo. Jurnal Teknik ITS, 1(1), A482-A487.
Menkes, R. I. 2014. Peraturan Menteri Kesehatan Republik Indonesia No. 56 tahun 2014 tentang Klasifikasi dan Perizinan Rumah Sakit. Menteri Kesehatan Republik Indonesia, Jakarta.
Witten, I. H., Frank, E., & Hall, M. A. 2011. Data Mining Practical Machine Learning Tools and Technique Third Edition. New York: Morgan Kaufmann.
Syafruddin, M., Hakim, L., & Despa, D. 2014. Metode Regresi Linier Untuk Prediksi Kebutuhan Energi Listrik Jangka Panjang (Studi Kasus Provinsi Lampung). Jurnal Informatika dan Teknik Elektro Terapan, 2(2).
Rahmadiani, A., & Anggraeni, W. 2012. Implementasi Fuzzy Neural Network untuk Memperkirakan Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya. Jurnal Teknik ITS, 1(1), A403-A407.
Muhammad, R. 2017. Implementasi Algoritma Linear Regresi Untuk Prediksi Jumlah Wisatawan Mancanegara Melalui Bandara Internasional Indonesia. Skripsi, Fakultas Ilmu Komputer.
Napagoda, C. 2013. Web site visit forecasting using data mining techniques. International Journal of Scientific & Technology Research, 2(12), 170-174.
Lewis, C. (1982). Industrial and business forecasting methods. London: Butterworth Scientific.
Downloads
Published
Issue
Section
License
The Authors submitting a manuscript do so on the understanding that if accepted for publication, copyright of the article shall be assigned to CoreIT journal and published by Informatics Engineering Department Universitas Islam Negeri Sultan Syarif Kasim Riau as publisher of the journal.
Authors who publish with this journal agree to the following terms:
Authors automatically transfer the copyright to the journal and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike (CC BY SA) that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate permission for non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).