PENERAPAN MODEL TIME SERIES DALAM PREDIKSI TREN PENYAKIT TIDAK MENULAR
DOI:
https://doi.org/10.31004/jkt.v6i3.46293Keywords:
penyakit tidak menular, time series, prediksi, Non-communicable disease, predictionAbstract
Penyakit tidak menular (PTM) seperti hipertensi dan diabetes melitus terus mengalami peningkatan secara global dan menjadi tantangan besar dalam sistem pelayanan kesehatan. Ketidakpastian terhadap tren perkembangan PTM di masa depan menuntut adanya pendekatan prediktif yang akurat dan berbasis data. Penelitian ini bertujuan untuk mengkaji efektivitas penerapan model time series dalam memprediksi tren PTM guna mendukung perencanaan kebijakan kesehatan. Metode yang digunakan adalah literature review dengan pendekatan protokol PRISMA untuk menyeleksi dan menganalisis penelitian terdahulu terkait penggunaan model time series pada prediksi PTM. Hasil kajian menunjukkan bahwa model seperti ARIMA dan Holt’s Linear Smoothing banyak digunakan dalam meramalkan tren penyakit tidak menular. ARIMA terbukti efektif dalam menangkap pola linier tanpa musiman, namun kurang optimal ketika menghadapi pola musiman. Holt’s Linear Smoothing menawarkan alternatif yang fleksibel, meskipun hasilnya dapat bervariasi. Dibandingkan dengan model berbasis kecerdasan buatan seperti GPT-4, model klasik ini memiliki keterbatasan dalam adaptasi terhadap data kompleks. Simpulan dari studi ini menunjukkan bahwa model time series masih relevan dan bermanfaat dalam perencanaan kesehatan berbasis data, namun integrasi dengan teknologi kecerdasan buatan sangat disarankan untuk meningkatkan akurasi dan ketepatan proyeksi tren PTM di masa depan.References
Ade Bastian, Diana Surya Heriyana, & Sandi Fajar Rodiansyah. (2021). Perbandingan Model Sir (Susceptible, Infectious, Recovered), Exponential Moving Average Dan Single Exponential Smoothing Pada Peramalan Covid-19. INFOTECH Journal, 7, 75–82. https://doi.org/10.31949/infotech.v7i2.1571
Evania, C. Della, & Wiyanti, W. (2024). Perbandingan Metode Holt’s Linier dan GPT-4 Untuk Peramalan Jumlah Kasus Kematian Diabetes Melitus Di Indonesia. Journal of Mathematics, Computations and Statistics, 7(1), 1–9. https://doi.org/10.35580/jmathcos.v7i1.2063
Fitri, S. U. R., Khoirunnisa, K., Hernawaty, T., & Harun, H. (2023). Pemberdayaan Kader dalam Upaya Pencegahan dan Pengenalan Faktor Resiko Penyakit Tidak Menular (PTM). Jurnal Kreativitas Pengabdian Kepada Masyarakat (PKM), 6(7), 2636–2647. https://doi.org/10.33024/jkpm.v6i7.9835
Hastari, W. I., & Fauzi, L. (2022). Peramalan Jumlah Kasus Hipertensi dengan Metode ARIMA (Autoregressive Integrated Moving Average). HIGEIA (Journal of Public Health Research and Development), 6(4), 227–236. https://doi.org/10.15294/higeia.v6i4.56203
Kushartanti, R., & Latifah, M. (2020). Autoregressive Integrated Moving Average (ARIMA) Sebagai Model Peramalan Kasus Demam Berdarah Dengue. Jurnal Kesehatan Lingkungan, 10(2), 76–80. https://doi.org/10.47718/jkl.v10i2.1165
Nasution, I. S., Said, N. B., Salsabila, M., Maulidia, A., Jl, A., Iskandar, W., Estate, M., Percut, K., Tuan, S., Serdang, K. D., & Utara, S. (2024). Kebijakan Kesehatan di Indonesia : Tinjauan , Tantangan , dan Rekomendasi Fakultas Kesehatan Masyarakat , Universitas Islam Negeri Sumatera Utara. Jurnal Ilmu Kesehatan Umum, 2(3).
Pandie, J. I., & Handayani, D. (2023). Literature Review: Pelaksanaan Program Pencegahan dan Pengendalian Penyakit Tidak Menular di Provinsi Jawa Timur Literature Review: Implementation Of Prevention and Control Programs of Non Communicable Disesase in East Java Province. 2(2), 2870–7976.
Saputri, A. I., & Pakki, I. B. (2025). BIOGRAPH-I : Journal of Biostatistics and Demographic Dynamic Model Prediksi Insiden Penyakit Tuberkulosis di Provinsi Kalimantan Timur pada Tahun 2024-2025 Prediction Model for Tuberculosis Incidence in East Kalimantan Province in 2024-2025. 4(1). https://doi.org/10.19184/biograph-i.v3i2.47383
Sari, D. A., & Nurmayanti, W. P. (2023). Perbandingan Metode Fuzzy Time Series Model Chen, Lee, dan Singh pada Produksi Tomat di Nusa Tenggara Barat. Prosiding Seminar Nasional Matematika Dan Statistika, 3(01), 231–253.
Susmita, D. A., & Arif, M. (2023). SEIKO : Journal of Management & Business Estimasi Premi Asuransi Penyakit Kritis dan Koherensinya terhadap Likuiditas Klaim Dana Tabbaru’. SEIKO : Journal of Management & Business, 6(2), 452–467.
Vatresia, A., & Utama, F. (2023). Pemodelan Runtun Waktu pada Pola Kemunculan Penyakit dengan SARIMA. Window of Health : Jurnal Kesehatan, 6(2), 154–166. https://doi.org/10.33096/woh.vi.739
Xiao, Y., & Watson, M. (2019). Guidance on Conducting a Systematic Literature Review. Journal of Planning Education and Research, 39(1), 93–112. https://doi.org/10.1177/0739456X17723971
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Felicia Anjanette Paramitha
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
