Forecasting Jumlah Pasien Rumah Sakit Menggunakan Metode Fuzzy Time Series (Studi Kasus: RSU Sarah Medan)

Abstract

Rumah sakit berperan penting dalam memberikan layanan kesehatan. Peningkatan populasi dan kesadaran akan kesehatan menyebabkan lonjakan jumlah pasien yang berdampak pada rumah sakit. Pada tahun 2021, Rumah Sakit Umum (RSU) mencatat sebanyak 2.500 pasien rawat inap dan 19.500 pasien rawat jalan. Lonjakan jumlah pasien yang tidak terduga dapat menyulitkan pihak rumah sakit dalam memberikan layanan terbaik kepada pasien. Oleh karena itu, kesiapan fasilitas termasuk pengelolaan dokumen pendaftaran pasien, menjadi faktor yang penting agar tidak menimbulkan antrian pasien yang menyebabkan pelayanan kurang maksimal. Perencanaan berbasis prediksi jumlah pasien diperlukan untuk mendukung pelayanan yang lebih baik. Perencanaan berbasis prediksi (forecasting) menjadi penting dalam meningkatkan mutu rumah sakit karena dapat memperkirakan kebutuhan operasional, seperti jumlah pasien, peralatan, serta pengelolaan kas. Untuk mengatasi masalah pelayanan di RSU Sarah, dikembangkan program prediksi jumlah pasien menggunakan metode Fuzzy Time Series yang diintegrasikan dalam sebuah website berbasis Python Streamlit. Program ini menampilkan grafik data aktual dan hasil prediksi, serta menghitung nilai akurasi menggunakan Mean Absolute Percentage Error (MAPE). Hasilnya menunjukkan MAPE sebesar 9,39% untuk pasien rawat inap dan 4,95% untuk rawat jalan, yang keduanya tergolong sangat baik (<10%). Program ini membantu rumah sakit mengatur pendaftaran dan pengelolaan dokumen secara lebih efisien, sehingga dapat meningkatkan kualitas layanan kepada pasien.