PERBANDINGAN METODE EXPONENTIAL SMOOTHING DAN MOVING AVERAGE DALAM PERAMALAN KASUS BARU HIPERTENSI DI KOTA SURABAYA
Peramalan adalah penggunaan data di masa lalu untuk memperkirakan nilainya di masa depan. Peramalan dibagi menjadi 2 yaitu time series dan kausal. Time series dibagi menjadi 4 metode, 2 diantaranya adalah exponential smoothing dan moving average. Metode exponential smoothing memiliki 3 model yaitu s...
Saved in:
Main Author: | |
---|---|
Format: | Theses and Dissertations NonPeerReviewed |
Language: | Indonesian Indonesian |
Published: |
2018
|
Subjects: | |
Online Access: | http://repository.unair.ac.id/80069/1/ABSTRAK%20FKM%2034%2019%20Pra%20p.pdf http://repository.unair.ac.id/80069/2/FULLTEXT%20FKM%2034%2019%20Pra%20p.pdf http://repository.unair.ac.id/80069/ http://lib.unair.ac.id |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Institution: | Universitas Airlangga |
Language: | Indonesian Indonesian |
Summary: | Peramalan adalah penggunaan data di masa lalu untuk memperkirakan nilainya di masa depan. Peramalan dibagi menjadi 2 yaitu time series dan kausal. Time series dibagi menjadi 4 metode, 2 diantaranya adalah exponential smoothing dan moving average. Metode exponential smoothing memiliki 3 model yaitu single exponential smoothing, double exponential smoothing, triple exponential smoothing. Sedangkan metode moving average memiliki 2 model yaitu single moving average dan double moving average. Tujuan dari penilitian ini adalah menentukan dan menganalisis model time series exponential
smoothing dan moving average yang tepat untuk digunakan dalam meramalkan jumlah kasus baru Hipertensi di Kota Surabaya.
Penelitian ini merupakan penelitian observasional dengan menggunakan data sekunder jumlah kasus baru hipertensi tahun 2013-2017 (dinyatakan dalam bulanan) yang diperoleh dari Seksi Surveilans Dinas Kesehatan Kota Surabaya.
Metode peramalan terbaik dapat dilihat dari MAPE, MAD, MSD, dan nilai ratarata error yang paling kecil.
Model terbaik dari metode single exponential smoothing yang digunakan untuk meramalkan jumlah kasus baru hipertensi adalah dengan parameter alpha 0,48 dan menghasilkan ramalan tahun 2018 sebesar 2926 setiap bulan. Model terbaik dari metode single moving average adalah pada MA(2) dan menghasilkan ramalan tahun 2018 sebesar 2707 setiap bulan. Metode yang paling tepat untuk meramalkan jumlah kasus baru hipertensi didapat pada metode single exponential smoothing karena berdasarkan nilai MAPE, MAD, MSD, nilai rata-rata error terkecil, Hasil peramalan sangat berguna untuk perencanaan terkait pengendalian kejadian hipertensi seperti obatobatan,
tenaga kesehatan, dan lain-lain. |
---|