ANALISIS TREN DAN FORECASTING KUNJUNGAN PASIEN BERBASIS FACEBOOK PROPHET UNTUK OPTIMALISASI MANAJEMEN LAYANAN KESEHATAN
Abstract
Lonjakan kunjungan pasien yang tak terantisipasi akibat faktor stokastik sering kali menyebabkan hambatan operasional dan penurunan kualitas layanan. Penelitian ini bertujuan melakukan analisis tren dan forecasting kunjungan pasien menggunakan algoritma Facebook Prophet guna mendukung optimalisasi manajemen layanan kesehatan. Dataset yang digunakan bersumber dari Sistem Informasi Manajemen Rumah Sakit (SIMRS) pada salah satu Rumah Sakit Umum Swasta di daerah Sukabumi, mencakup data historis kunjungan pasien harian periode Juli 2023 hingga Desember 2025. Metode penelitian dilakukan melalui tahapan eksperimen dengan menerapkan skenario pembagian data (data splitting) sebesar 80% data latih dan 20% data uji. Hasil penelitian menunjukkan bahwa model Facebook Prophet memiliki performa yang Tangguh terhadap fluktuasi data kunjungan dengan akurasi 79,6%. Metrik evaluasi model menghasilkan nilai Mean Absolute Scaled Error (MASE) sebesar 0,48, rata-rata selisih prediksi (MAE) sebesar 71,83 pasien, dan RMSE sebesar 88,48 pasien. Dengan memisahkan variabel tren dan musiman, ditemukan bahwa pola musiman mingguan merupakan variabel paling dominan yang memengaruhi fluktuasi kunjungan pasien. Hasil forecasting untuk periode Januari 2026 diintegrasikan menjadi sistem peringatan dini melalui penetapan Kapasitas Siaga berbasis Rentang Kesiagaan (±72 pasien). Implementasi strategi ini memungkinkan manajemen untuk beralih dari pola kerja reaktif menjadi mitigasi risiko operasional yang presisi guna memaksimalkan efisiensi layanan sekaligus mengoptimalkan alokasi sumber daya.
Downloads
References
W. D. Astuti, L. J. Jaya, and R. Wasir, “Strategi dan tantangan SDM kesehatan di masa depan: Menghadapi perubahan global dan lokal,” Indones. J. Heal. Sci., vol. 4, no. 6s, pp. 822–830, 2024, doi: 10.54957/ijhs.v4i6s.1217.
R. S. H. Sadikin, “Reviu Pertama Rencana Strategis Bisnis 2025-2029,” 2025, [Online]. Available: https://web.rshs.go.id/public_html/wp-content/uploads/2025/12/RSB-2025-2029-Reviu-1-Fix.pdf
D. A. Ginting, D. Ekawati, and A. Wahyudi, “Analisis Kepuasan Pasien Terhadap Pelayanan Rawat Jalan,” 2024. doi: 10.36729/bi.v16i2.1282.
M. N. Khasanah and Y. P. Astuti, “ANALISIS SISTEM ANTRIAN PADA OPTIMALISASI PELAYANAN PASIEN DI PUSAT KESEHATAN MASYARAKAT,” J. Ilm. Mat., vol. 11, no. 2, pp. 198–199, 2022, [Online]. Available: https://ejournal.unesa.ac.id/index.php/mathunesa/article/view/64649
Rahmawati.E.N and Laras.M.A, “PREDIKSI KUNJUNGAN PASIEN RAWAT JALAN DI RSAU dr. SISWANTO LANUD ADI SOEMARMO KARANGANYAR TAHUN 2022-2026,” INFOKES J. Ilm. Rekam Medis dan Inform. Kesehat., vol. 13, no. 1, pp. 52–63, 2023.
R. Ichsan and A. D. Alfiandari, “Keterkaitan Antara Pengalaman Pasien, Kepuasan Pasien, Dan Loyalitas Pasien: Perspektif Manajemen Layanan Kesehatan,” Indones. J. Bus. Manag., vol. 7, no. 2, pp. 340–344, 2025, doi: 10.35965/jbm.v7i2.5952.
I. Biantara and Dety Mulyanti, “Strategi Manajemen Informasi Layanan Kesehatan Di Rumah Sakit,” MANABIS J. Manaj. dan Bisnis, vol. 2, no. 1, pp. 10–18, 2023, doi: 10.54259/manabis.v2i1.1544.
H. Hassyddiqy and H. Hasdiana, “Analisis Peramalan (Forecasting) Penjualan Dengan Metode ARIMA (Autoregressive Integrated Moving Average) Pada Huebee Indonesia,” Data Sci. Indones., vol. 2, no. 2, pp. 92–100, 2023, doi: 10.47709/dsi.v2i2.2022.
Rianti Rahayu, “Penerapan Forecasting Dalam Jumlah Kasus Penyakit Malaria Menggunakan Metode Exponential Smoothing,” J. Inform. dan Teknol. Inf., vol. 1, no. 2, pp. 98–103, 2022, doi: 10.56854/jt.v1i2.79.
S. Yunita, N. A. Mahesti, R. M. B. Sihaloho, and R. Setyadi, “Forecasting Pada Rantai Pasok Pabrik Penggilingan Daging Menggunakan Metode Time Series,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 3, p. 761, 2022, doi: 10.30865/jurikom.v9i3.4221.
Dzaki and A. Athifah, “Implementasi Business Intelligence Berbasis Dashboard Untuk Forecasting dan Classification Diagnosis Pasien Berdasarkan ICD-10 pada RSUD dr. Adnaan WD Payakumbuh,” 2025.
B. H. Winarno and D. K. H. A. Triyanto, “Penerapan Machine Learning (Model Prophet) Dalam Prediksi Permintaan Produk Untuk Mengoptimalkan Inventori,” Pros. Snast, no. November, pp. H168-174, 2024, doi: 10.34151/prosidingsnast.v1i1.5062.
G. Battineni, N. Chintalapudi, and F. Amenta, “Forecasting of COVID-19 epidemic size in four high hitting nations (USA, Brazil, India and Russia) by Fb-Prophet machine learning model,” Appl. Comput. Informatics, vol. 21, no. 1–2, pp. 2–11, 2025, doi: 10.1108/ACI-09-2020-0059.
C. B. Aditya Satrio, W. Darmawan, B. U. Nadia, and N. Hanafiah, “Time series analysis and forecasting of coronavirus disease in Indonesia using ARIMA model and PROPHET,” Procedia Comput. Sci., vol. 179, no. 2020, pp. 524–532, 2021, doi: 10.1016/j.procs.2021.01.036.
T. Feng et al., “The comparative analysis of SARIMA, Facebook Prophet, and LSTM for road traffic injury prediction in Northeast China,” Front. Public Heal., vol. 10, 2022, doi: 10.3389/fpubh.2022.946563.
K. Hidayat, W. Witanti, E. Ramadhan, F. Sains Dan Informatika, and U. Jenderal Achmad Yani, “Analisis Tren dan Prediksi Penjualan Restoran Menggunakan Model Time Series Prophet,” Metik J., vol. 9, no. 2, pp. 457–467, 2025, doi: 10.47002/metik.v9i2.1101.
I. Nurhakim, A. Voutama, U. S. Karawang, and T. Timur, “Dengan Visualisasi Data Interaktif Di Power BI,” JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 13, no. 2, pp. 904–912, 2025, [Online]. Available: https://journal.eng.unila.ac.id/index.php/jitet/article/view/6355
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
