Wiwik Anggraeni

Using Google Trend data in forecasting number of dengue fever cases with ARIMAX method case study: Surabaya, Indonesia

Indonesia has the highest number of dengue fever cases in Southeast Asia. Early detection of the disease is required in order to be able to prepare preventive measures against dengue fever. Previous research has shown that certain query search related to communicable disease on Google Trends are highly correlated with number of communicable disease cases in South Korea. Based on previous research, Google Trends search index shows potential to be included as external variable in a multivariate quantitative forecasting model. Using time series model, the role of Google Trends on epidemiology of dengue fever transmissions in Surabaya will be analyzed. This research uses several data (1) Number of dengue fever cases obtained from general local hospital of Dr. Soetomo (2) Google Trends search index of certain queries related to dengue fever. All of the data spans from December 2010 – August 2015. Interpolation and extrapolation techniques are used to handle the missing data. ARIMA and ARIMAX model with Google Trends data are implemented in order to forecast the number of dengue fever cases. The research shows that the addition of Google Trends into ARIMAX model improves forecasting performance. The best ARIMAX with Google Trends model improves MAPE value by 3%.

Penerapan Metode Campuran Autoregressive Integrated Moving Average Dan Quantile Regression (ARIMA-QR) untuk Peramalan Harga Cabai sebagai Komoditas Strategis pertanian Indonesia

Harga cabai sebagai komoditas pangan utama di Indonesia, dari tahun ke tahun terus mengalami fluktuasi, namun cenderung meningkat selama beberapa tahun terakhir. Hal ini mengharuskan pihak Disperindag untuk melakukan tindakan guna menjaga stabilisasi harga. Untuk itu, dalam penelitian ini dilakukan peramalan harga beras dengan menggunakan metode ARIMA-QR. Tujuan utama dari tugas akhir ini ialah untuk mengetahui harga cabai di periode berikutnya sehingga dapat membantu dalam pengambilan keputusan ataupun kebijakan terbaik yang perlu diterapkan terkait harga, sehingga dapat meningkatkan kesejahteraan masyarakat Indonesia. Hasil evaluasi model menggunakan MAPE membuktikan bahwa metode yang dipilih baik ARIMA maupun ARIMA-QR memiliki tingkat akurasi yang tinggi, karena nilai MAPE masih di bawah 20%. Adapun peramalan dengan menggunakan metode ARIMA-QR dengan melibatkan semua variabel pada studi kasus ini untuk keempat provinsi selain Jawa Barat adalah lebih baik jika dibandingkan metode ARIMA-QR tanpa variabel hari besar nasional. Jika dibandingkan dengan metode ARIMA, hasil peramalan ARIMA adalah lebih baik jika dibandingkan metode ARIMA-QR dengan quantile 0.25 dan 0.75. Sementara ARIMA-QR yang melibatkan seluruh variabel dengan quantile 0.50 (median) untuk keempat provinsi selain Jawa Barat memiliki nilai MAPE yang lebih baik dari metode ARIMA.

Implementasi Fuzzy Neural Network untuk Memperkirakan Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya

Perkiraan jumlah kunjungan pasien menjadi hal yang penting bagi rumah sakit, karena dapat digunakan untuk membantu pihak manajemen rumah sakit dalam melakukan perencanaan dan pengambilan keputusan strategis. Rumah Sakit Onkologi Surabaya (RSOS) telah melakukan perkiraan jumlah kunjungan pasien poli bedah pada unit rawat jalan yang merupakan pelayanan utama sekaligus menjadi sumber pendapatan terbesar RSOS. Sebelumnya perkiraan telah dilakukan dengan metode konvensional yaitu proyeksi dari jumlah kunjungan tahun sebelumnya menggunakan Microsoft Excel, serta menggunakan metode Fuzzy Time Series . Dan dalam penelitian ini Fuzzy Neural Network (FNN) yang merupakan kombinasi dari Fuzzy Time Series dan Artificial Neural Network dipilih untuk melakukan kembali peramalan jumlah kunjungan pasien poli bedah RSOS. Hasil yang didapatkan adalah fuzzy neural network memiliki akurasi yang sangat baik, dengan nilai MAPE di bawah 10%, yaitu sebesar 8,667%