PEMODELAN ARIMA DAN DETEKSI OUTLIER PADA PERAMALAN PASIEN RAWAT JALAN (Studi Kasus : Klinik 24 Jam Bhakti Dinas Sejati Jalan Pacuan Kuda Surabaya)

Permintaan rawat jalan merupakan jenis pelayanan kesehatan di rumah sakit, puskesmas maupun klinik medis yang mempunyai peranan penting dalam penyelenggaraan pelayanan kesehatan. Pelayanan rawat jalan yang ditangani oleh tenaga kesehatan harus mempunyai kesiapan dalam alat penunjang dan fasilitas, oleh karena itu dilakuan peramalan untuk membantu dalam kesiapan rawat jalan. Terdapat indikasi yang menyebabkan akurasi peramalan menurun seperti data hilang atau mengalami outlier. Oleh karena itu ditambakannya deteksi outlier agar mendapatkan akurasi yang lebih baik. Penelitian ini menggunakan data permintaan rawat jalan yang diambil dari instansi Klinik Medis 24 Jam Bhakti Dinas Sejati pada periode Januari tahun 2021 hingga periode April tahun 2022 sebesar 485 data. Hasil ARIMA yang didapatkan dari hasil plot ACF (Autocorrelation Function) dan PACF (Partial Autocorrelation Function) adalah tiga model yaitu model (1,0,0), (2,0,0), dan (3,0,0). Pengukur keberhasilan pada penelitian ini menggunakan MAPE untuk mengetahui tingkat akurasi error. Pada proses tanpa deteksi outlier dimana MAPE model (1,0,0) sebesar 36,36%, model (2,0,0) sebesar 37,49% dan (3,0,0) sebesar 94,11%, dengan deteksi outlier (interpolasi linear) MAPE model (1,0,0) sebesar 53,14%, model (2,0,0) sebesar 21,73% dan model (3,0,0) sebesar 42,51%, lalu dengan deteksi outlier (interpolasi polinomial kwadratik) MAPE model (1,0,0) sebesar 49.92%, model (2,0,0) sebesar 22,02% dan model (3,0,0) sebesar 46,22%, terakhir dengan deteksi outlier (interpolasi polinomial kubik) MAPE model (1,0,0) sebesar 48,89%, model (2,0,0) sebesar 22,25% dan model (3,0,0) sebesar 48,24%. Sehingga model terbaik untuk meramalkan pasien rawat jalan adalah dengan model (2,0,0) dengan deteksi outlier (interpolasi linear). Diharapkan pada penilitian ini dapat digunakan untuk menentukan kebijakan strategis.