Deskripsi Fisik

xv,133 hal; 30 cm

Subyek

Ketidakpastian dalam memprediksi omzet layanan kesehatan

Kata Kunci

Anotasi

Abstrak Ketidakpastian dalam memprediksi omzet layanan kesehatan kerja pengujian di UPT K2 Surabaya yang cenderung berfluktuasi dan sulit diperkirakan secara akurat dengan metode konvensional menunjukkan perlunya pendekatan yang mampu menangkap pola non-linear dari data historis, sehingga dirumuskan permasalahan mengenai penerapan metode Artificial Neural Network (ANN) untuk menghasilkan prediksi omzet yang lebih akurat dan mendukung pengambilan keputusan. Metode yang digunakan adalah ANN dengan algoritma backpropagation melalui tahapan preprocessing data, normalisasi, serta pembagian data, di mana data training menggunakan periode tahun 2020–2024 dan data testing menggunakan tahun 2025, dilanjutkan dengan proses pelatihan dan pengujian model. Parameter yang digunakan berupa data omzet mingguan sebagai variabel input utama yang membentuk pola time series berdasarkan urutan waktu. Hasil evaluasi menggunakan Mean Squared Error (MSE) dan Mean Absolute Percentage Error (MAPE) berdasarkan data tahun 2024–2025 menunjukkan performa terbaik pada bulan Desember 2024 dengan total error sebesar 27,63950049 dan persentase error sebesar 0,23%. Selain itu, evaluasi menggunakan confusion matrix menghasilkan nilai accuracy sebesar 39,58%, precision sebesar 40,32%, recall sebesar 54,35%, dan F1-score sebesar 46,29%, yang menunjukkan bahwa model cukup mampu menangkap pola fluktuasi omzet meskipun masih terdapat ruang untuk peningkatan. Berdasarkan hasil pembahasan, metode ANN dapat digunakan sebagai alat bantu dalam peramalan omzet serta mendukung pengambilan keputusan di UPT K2 Surabaya. Kata Kunci: Artificial Neural Network (ANN), Prediksi Omzet, Time Series, Backpropagation, Mean Squared Error (MSE), Mean Absolute Percentage Error (MAPE)