Komparasi Metode ARIMA dan Reccurent Neural Network dalam Peramalan Tunggakan Premi Peserta BPJS Kesehatan Kantor Cabang Jambi

Aulia, Bisma and Weni, Indra and Khaira, Ulfa (2022) Komparasi Metode ARIMA dan Reccurent Neural Network dalam Peramalan Tunggakan Premi Peserta BPJS Kesehatan Kantor Cabang Jambi. S1 thesis, Universitas Jambi.

	Text Bisma Aulia_Skripsi FUll.pdf Restricted to Repository staff only Download (2MB)
	Text Bisma Aulia_Halaman Cover.pdf Download (303kB)
	Text Bisma Aulia_Halaman Pengesahan.pdf Download (266kB)
	Text Bisma Aulia_Bab I.pdf Download (320kB)
	Text Bisma Aulia_Bab V.pdf Download (297kB)
	Text Bisma Aulia_Daftar Pustaka.pdf Download (438kB)

Abstract

BPJS Kesehatan adalah badan hukum publik yang bertanggungjawab langsung kepada Presiden yang memiliki tugas memberikan Jaminan Sosial kepada masyarakat dan memiliki wewenang menyelenggarakan iuran tiap bulannya bagi peserta. Peserta BPJS Kesehatan yang berstatus sebagai kepesertaan mandiri memiliki kewajiban untuk membayar iuran tiap bulannya. Kondisi pandemi saat ini mempengaruhi pendapatan peserta dalam membayar iuran, akibatnya tunggakan peserta naik. Tunggakan peserta juga terjadi di BPJS Kesehatan Kantor Cabang Jambi. Kantor cabang BPJS Kesehatan memiliki aplikasi SIMANIS (Sistem Penagihan Iuran Terintegrasi). Melalui sistem ini, BPJS Kesehatan dapat mengurangi tunggakan peserta khususnya di Kantor Cabang Jambi. Sehingga, mempermudah setiap kantor cabang untuk mengevaluasi kebijakan yang tepat. Melalui data tunggakan pada aplikasi SIMANIS, dapat diolah menjadi sebuah informasi peramalan menggunakan metode stastistik tradisional yaitu ARIMA dan metode machine learning yaitu RNN. Oleh karena itu, penelitian ini bertujuan untuk membandingkan metode ARIMA dan RNN dalam melakukan peramalan pada data tunggakan premi peserta BPJS Kesehatan Kc. Jambi. Dataset yang digunakan adalah data tunggakan pembayaran peserta premi BPJS Kesehatan Kantor Cabang Jambi perminggu dari November 2019 hingga Oktober 2021. Berdasarkan penelitian yang dilakukan dengan melihat RMSE (Root Mean Square Error) dan MAPE (Mean Absolute Percentage Error) didapatkan bahwa metode RNN jaringan 1 layer hidden dengan 1 neuron memiliki RMSE sebesar 2.648.584.078 dan MAPE sebesar 2,39% yang lebih baik dibandingkan model ARIMA (2,1,3) dengan RMSE 3.858.177.356 dan MAPE 3,6%. BPJS Kesehatan is a public legal entity that is directly responsible to the President who has the task of providing Social Security to the community and has the authority to hold dues every month for participants. BPJS Kesehatan participants who are independent participants have an obligation to pay dues every month. Current pandemic conditions affect participants' incomes in paying dues, as a result of which participants' arrears rise. Arrears of participants also occurred at BPJS Health Jambi Branch Office. BPJS Kesehatan branch office has SIMANIS (Integrated Dues Billing System) application. Through this system, BPJS Kesehatan can reduce the arrears of participants, especially in jambi branch offices. Thus, it makes it easier for each branch office to evaluate the right policy.Through arrears data in the SIMANIS application, it can be processed into a forecasting information using traditional stastistic methods, namely ARIMA and machine learning methods, namely RNN. Therefore, this study aims to compare ARIMA and RNN methods in forecasting on the premium arrears data of BPJS Kesehatan Kc. Jambi participants.The dataset used is data on the arrears of payment of bpjs health premium participants of jambi branch office per week from November 2019 to October 2021. Based on research conducted by looking at RMSE (Root Mean Square Error) and MAPE (Mean Absolute Percentage Error) it was found that the RNN method of network 1 layer hidden with 1 neuron has RMSE of 2,648,584,078 and MAPE of 2.39% which is better than the ARIMA model (2,1,3) with RMSE 3,858,177,356 and MAPE 3.6%.

Type:	Thesis (S1)
Uncontrolled Keywords:	PERAMALAN, ARIMA, RNN, BPJS KESEHATAN, STREAMLIT
Subjects:	L Education > L Education (General)
Divisions:	Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User:	Aulia
Date Deposited:	19 Jan 2022 03:47
Last Modified:	09 Nov 2022 06:03
URI:	https://repository.unja.ac.id/id/eprint/30504

Actions (login required)

View Item