Penerapan Metode Peramalan Dalam Memprediksi Jumlah Penerbitan Izin Penelitian Pasca Pandemi COVID-19 di RSUD Dr Moewardi
Keywords:
Prediksi, Peramalan, SARIMA, Holt-winter, Exponential SmoothingAbstract
Pandemi Covid-19 telah memberi pengaruh besar pada semua aspek kehidupan masyarakat.. Bagian Pendidikan dan Penelitian RSUD Dr. Moewardi merupakan bagian yang melaksanakan tugas pokok dan fungsi sesuai dengan visi misi RSUD Dr. Moewardi yang salah satunya adalah penerbitan izin penelitian. Mengetahui prediksi terkait penerbitan izin penelitian yang selama ini belum dilakukan, dapat menjadi masukan stakeholder dalam mengambil kebijakan stategis. Tujuan penelitian ini adalah menerapkan metode-metode peramalan/prediksi yaitu metode SARIMA dan Holt-Winter Exponential Smoothing dalam memprediksi jumlah penerbitan izin penelitian setelah pandemi COVID-19 di RSUD Dr. Moewardi. Dari hasil penelitian penelitian disimpulkan bahwa kedua metode tersebut dapat digunakan untuk melakukan prediksi pada jumlah penerbitan izin penelitian. Hasil prediksi mengalami grafik kenaikan dan penurunan sesuai dengan data pelatihan.
References
Hariawan, H. 2020. ‘CERDIK Meningkatkan Pengendalian Penyakit Tidak Menular di Indonesia:DOI: http://dx.doi.org/10.33846/2trik91 04’, 10(1), pp. 16–20.
Oktorina, R., Wahyuni, A. and Harahap, E.Y. 2019. ‘Faktor-Faktor Yang Berhubungan Dengan Perilaku Pencegahan Ulkus Diabetikum Pada Penderita Diabetes Mellitus’, REAL in Nursing Journal, 2(3), p. 108. Available at: https://doi.org/10.32883/rnj.v2i3.5 70.
Lisiswanti, R. and Haryanto, F.P. 2017. ‘Allicin pada Bawang Putih (Allium sativum) sebagai Terapi Alternatif Diabetes Melitus Tipe 2’, Jurnal Majority, 6(2), pp. 31– 36.
Kemenkes. 2018. ‘Laporan Riskesdas 2018 Nasional.pdf’, Lembaga Penerbit Balitbangkes, p. hal 156.
Kemenkes RI. 2023. Survei Kesehatan Indonesia Tahun 2023 Dalam Angka, Survei Kesehatan Indonesia Tahun 2023. Jakarta: BPPK, Kemenkes RI.
Akhter N, Begum K, Nahar P, Cooper G, Vallis D, Kasim A, et al. Risk factors for non-communicable diseases related to obesity among first- and second-generation Bangladeshi migrants living in north-east or south-east England. Int J Obes [Internet]. 2021;45(7):1588–98. Available from: http://dx.doi.org/10.1038/s41366-021-00822-5
Bello B, Useh U. COVID-19: Are Non-Communicable Diseases Risk Factors for Its Severity? Am J Heal Promot. 2021;35(5):720–9.
Santos LP, Gigante DP, Delpino FM, Maciel AP, Bielemann RM. Sugar sweetened beverages intake and risk of obesity and cardiometabolic diseases in longitudinal studies: a systematic review and metaanalysis with 1.5 million individuals. Clin Nutr ESPEN. 2022;(December 2021):1–2.
Malik VS, Hu FB. The role of sugar-sweetened beverages in the global epidemics of obesity and chronic diseases. Nat Rev Endocrinol. 2022;18(4):205–18.
Sartika RAD, Atmarita, Duki MIZ, Bardosono S, Wibowo L, Lukito W. Consumption of SugarSweetened Beverages and Its PotentialHealth Implications in Indonesia. Kesmas. 2022;17(1):1–9.
Fadly, R. (2023, Maret 4). Manis-manis miris. Kompas.id. https://www.kompas.id/baca/opini/2023/03/03/manis-manis-miris.
Cunha, T., Soares, C., & de Carvalho, A. C. P. L. F. (2018). Metalearning and Recommender Systems: A literature Review and Empirical Study on the Algorithm Selection Problem for Collaborative Filtering. Information Sciences, 423(1), 128–144.
Aggarwal, C. C. (2016). Recommender Systems: The Textbook. Springer. Basel. Switzerland.
Budianto, T., & Hermawan, G. (2013). Rancang Bangun Music Recommender System dengan Metode User-Based Collaborative. Jurnal Ilmiah Komputer Dan Informatika (KOMPUTA), 2(2), 1–10.
Nastiti, P. (2019). Penerapan Metode Content Based Filtering dalam Implementasi Sistem Rekomendasi Tanaman Pangan. Teknika, 8(1), 1–10.
Thorat, P. B., Goudar, R. M., & Barve, S. S. (2015). Survey on Collaborative Filtering, Content-based Filtering and Hybrid Recommendation System. International Journal of Computer Applications, 110(4), 31–36.
