Performa Metode Runtut Waktu Dalam Meramalkan Permintaan Mingguan Packed Red Blood Cell Bank Darah Rumah Sakit

NICHOLAS, JUAN (Adv.: Rika Fatimah P.L., S.T., M.Sc., Ph.D), Rika Fatimah P.L., S.T., M.Sc., Ph.D

2014 | Skripsi | S1 Management

Karakteristik produk darah sebagai perishable products memerlukan penanganan yang ekstra sistematis dari donor hingga transfusi kepada pasien memerlukan. Kelebihan persediaan dapat menyebabkan kadaluarsa, dan kekurangan dapat meningkatkan resiko kematian. Maka dibutuhkan perencanaan yang sistematis, akurat, dan mudah digunakan.


Studi ini didesain dengan menguji 5 metode peramalan runtut waktu univariat: rerata bergerak, penghalusan eksponensial sederhana, dekomposisi additif, dekomposisi multiplikatif, dan satu metode berbasis jaringan saraf tiruan. Data runtut waktu yang digunakan berupa permintaan mingguan Packed Red Blood Cell dari April 2010 – April 2014. Performa dari metode yang diuji diukur dengan MAPE, MAD, dan MSE. Peramalan ditujukan untuk meramalkan permintaan darah jangka pendek di BDRS.


Hasil dari pengujian ini menunjukan metode dekomposisi additif memiliki performa terbaik dibandingkan metode lain dengan hasil MAD sebesar 17,953, MAPE sebesar 12,063, dan MSE sebesar 306,970. Penulis menyarankan untuk menggabungkan model statistika dengan judgement dari pelaku perencana untuk mengurangi bias dan menambah akurasi peramalan dan perencanaan.

Blood as perishable products need an extra effort for handling the procurement to distribution. Excess of supply lead to expiration, shortage will tend to higher death risk. Planning blood inventory needs a systematic, accurate, and easy to use method.


5 time series forecasting methods were investigated: moving average, simple exponential smoothing, additive decomposition, multiplicative decomposition, and one neural network based method. Using weekly data from April 2010-April 2014 span, this study aims to test the accuracy of the method with MAPE, MAD, and MSE. The forecasting aim is to forecast the short term blood demand in hospital blood bank.


The experiment result is additive decomposition fit best for the data with MAD: 17.953; MAPE: 12.063; and MSE: 306.970. This study also suggest to combine the statistic method with expert judgment to minimize bias and boosting the accuracy of forecasting and planning.

Kata Kunci : forecasting, planning, time series, judgment, blood, hospital blood bank, MAD, MAPE, MSE, peramalan, perencanaan, runtut waktu.