Hasil Pencarian  ::  Simpan CSV :: Kembali

"Conventional monetary models focus on interest rates and omit monetary aggregates from policy discussions. This paper examines whether augmenting the measure of monetary policy with monetary aggregates helps determine more robust links between policy and economic fluctuations. After constructing the Divisia money index for the UK, I employ structural vector autoregression to identify two different UK monetary policy regimes. Inclusion of this (correct) measure of money and disentangling the money supply from demand resolve the price and liquidity puzzles. The results point to the informational content embedded in monetary aggregates, suggesting they should be taken into account in evaluations of monetary policy."

"Gempa bumi merupakan peristiwa alam yang kapan saja bisa terjadi dan dapat membahayakanorang-orang yang berada dekat dengan pusat gempa. Akan sangat baik jikakita dapat melakukan persiapan sebelum gempa bumi terjadi, tetapi permasalahannya kitatidak tahu kapan gempa bumi akan terjadi. Penelitian ini bertujuan untuk menganalisishubungan antara kejadian gempa bumi di masa lalu dan di masa mendatang denganmencoba memprediksi jumlah gempa tahunan pada suatu tahun dilihat dari jumlah kejadiangempa bumi di tahun-tahun sebelumnya. Penelitian ini membagi data kejadiangempa bumi berdasarkan dua kategori lokasi: zona waktu GMT dan lempengan bumi.Hasil dari penelitian ini berupa model-model machine learning yang dapat memprediksijumlah gempa tahunan berdasarkan masing-masing lokasi. Penelitian ini menggunakanteknik-teknik machine learning yaitu linear regression, LSTM, dan Prophet pada datasetgempa bumi dengan menggunakan pendekatan time series analysis. Penelitian ini jugamencoba beberapa pengaturan window size, dan penggunaan jenis data stationary untuktraining. Hal ini dilakukan untuk menemukan pengaturan terbaik yang dapat digunakanuntuk melakukan prediksi. Performa model yang dihasilkan akan dievaluasi menggunakanmetrik RMSE dan R2. Teknik machine learning yang dianggap memiliki performarata-rata terbaik (rata-rata dari penggunaan window size 3, 4, dan 5) untuk dua kategorilokasi tersebut adalah linear regression dengan penggunaan data stationary yang manamendapatkan rata-rata RMSE 11.26 dan R2 0.19 untuk kategori zona waktu, sedangkanuntuk kategori lempengan bumi mendapatkan rata-rata RMSE 6.87 dan R2 0.13.

---

An earthquake is a natural event that can occur anytime and endanger many lives. It is a

good thing if we can make a preparation to overcome the after-effect, but the problem is

we do not know when an earthquake will take place. The purpose of this research is to analyze

the correlation between the past and future earthquakes by predicting the number of

earthquakes in a certain year based on the number of earthquakes in previous years. This

research groups the earthquakes based on their location categorization: GMT time zone

and earth plate. The results of this research are machine learning models that can predict

the number of annual earthquakes for each location. We employ various machine learning

techniques in this research, such as linear regression, LSTM, and Prophet on earthquake

datasets with a time series analysis approach. This research also measures the effect of

window sizes and the usage of stationary data for training. This is done to find the best

settings that can be used in prediction. The models are evaluated using the RMSE and R2

metrics. The evaluation results suggest that the highest average performance (average on

the window size of 3, 4, and 5) is obtained by using the linear regression model, achieving

an RMSE score of 11.26 and an R2 score of 0.19 for the time zone categorization, and an

RMSE score of 6.87 and an R2 score of 0.13 for the earth plate categorization."

"Fenomena perkembangan layanan perbankan semakin berubah seiring denganberkembangnya teknologi. Pada tahun 2014 tren layanan perbankan konvensionalbergeser pada layanan mesin ATM (Claudia, 2014), diikuti pergeseran pada tahun 2018dimana tren bergeser menjadi tren pembayaran elektronik secara global (World PaymentReport, 2018). Di sisi lain, pada tahun 2019 industri perbankan mendapat disrupsi dariperkembangan FinTech yang dalam operasional kesehariannya tidak membutuhkan asetdan biaya yang dibutuhkan oleh industri perbankan untuk operasional mesin ATM.Kemudian pergeseran secara signifikan terjadi pada tahun 2020, pandemi Covid-19memaksa behaviour pengguna mesin ATM-CRM berubah drastis. Dengan kondisi ini,penelitian ini bertujuan untuk mengevaluasi apakah mesin ATM-CRM masih memilikikemampuan untuk menghasilkan profit di masa depan (setelah pandemi), dengan kondisidata yang mengalami ketidaklengkapan (sparsity).Evaluasi profit dilakukan dengan melihat secara agregat karatekristik fitur transaksidan karakter site mesin ATM-CRM. Jenis transaksi yang dipakai dalam penelitian inimeliputi transaksi Pembayaran, Pembelian, dan Transfer dengan mengambil sampel diseluruh kantor Cabang dan Mall di wilayah Jabodetabek. Hubungan pengaruh antarfiturnya terhadap pembetukan profit sebelum dan sesudah pandemi dilihat menggunakanPCA (Principal Component Analysis) dan korelasi spearman. Kemudian dilakukanperamalan untuk melihat batas bawah (asymptomatic) kemampuan mesin ATM-CRMdalam menghasilkan profit menggunakan time series Holts Winter dan jaringan saraftiruan (Artificial Neural Network). Selanjutnya dilakukan clustering dimana ATM-CRMyang memiliki grafik time series yang sama di-cluster ke dalam 1 cluster yang samamenggunakan DTW (Dynamic Time Wrapping) Distance. Hasil clustering akanmenunjukkan karakter site yang mendukung terbentuknya profit ATM-CRM, yang dapatmembantu industri perbankan dalam decision making dalam pengembangan jaringanwilayah instalasi ATM-CRM atau pengembangan fitur layanan mesin ATM-CRM

---

The phenomenon of the development of banking services is changing along with the

development of technology. In 2014 the trend of conventional banking services shifted to

ATM machine services (Claudia, 2014), followed by a shift in 2018 where the trend

shifted to the trend of electronic payments globally (World Payment Report, 2018). On

the other hand, in 2019 the banking industry was disrupted by the development of

Financial Technology, which in its daily operations did not require the assets and costs

required by the banking industry to operate ATM machines. Then a significant shifting

occurred in 2020. The Covid-19 pandemic has forced behavior of ATM-CRM users to

change drastically. This condition has become the background of this study to evaluate

whether the ATM-CRM machine still has the ability to generate profits in the future (after

pandemic), in the condition where the data has sparsity.

Profit evaluation is done by analyzing characteristic of type of transaction and the site

of ATM-CRM aggregately. Sampling has been done upon ATM-CRM in all Branches and

Shopping Center at Jabodetabek area, by taking particularly 3 types of transactions;

payment, purchase, and transfer. The correlation amongst the transaction’s features are

being examined using PCA (Principal Component Analysis) and Sperman. Time series

Holts Winter and ANN are being used to predict profit ATM-CRM and see its

asymptomatic condition, and then ATM-CRM which has similarity on its time series’s

graphic are being clustered using DTW (Dynamic Time Wrapping) Distance. These 3

clusters will refer site character which can enhance ability ATM-CRM on generating

profit, and therefore, can be used as justification for banking industry either in developing

area for installation of ATM-CRM machine, or enhancing new feature to boost

transactions on ATM-CRM"

"Industri farmasi di Indonesia menunjukkan pertumbuhan signifikan, namun menghadapi tantangan dalam manajemen persediaan dan peramalan penjualan. Produk farmasi memiliki masa simpan terbatas dan permintaan yang fluktuatif, sehingga peramalan yang akurat sangat penting untuk mengurangi risiko overstock dan stockout. Penelitian ini membandingkan akurasi metode peramalan time series untuk data penjualan perusahaan farmasi menggunakan metode SARIMA dan Holt-Winters Exponential Smoothing. Tujuan penelitian adalah menentukan metode peramalan paling efektif untuk meningkatkan efisiensi manajemen persediaan di industri farmasi. Data yang digunakan adalah penjualan historis dari Februari 2019 hingga Agustus 2023. Hasil penelitian menunjukkan bahwa metode SARIMA memberikan rata-rata MAPE sebesar 37,06%, lebih baik dibandingkan metode Holt-Winters Exponential Smoothing yang memiliki rata-rata MAPE sebesar 43,99%. Penelitian ini diharapkan dapat berkontribusi pada peningkatan manajemen persediaan dan operasional di industri farmasi Indonesia.

---

The pharmaceutical industry in Indonesia shows significant growth but faces challenges in inventory management and sales forecasting. Pharmaceutical products have limited shelf lives and fluctuating demand, making accurate forecasting crucial to reduce the risks of overstock and stockout. This study compares the accuracy of time series forecasting methods for pharmaceutical company sales data using SARIMA and Holt-Winters Exponential Smoothing methods. The objective of this research is to determine the most effective forecasting method to improve inventory management efficiency in the pharmaceutical industry. The data used comprises historical sales from February 2019 to August 2023. The results indicate that the SARIMA method achieves an average MAPE of 37.06%, outperforming the Holt-Winters Exponential Smoothing method, which has an average MAPE of 43.99%. This study is expected to contribute to the improvement of inventory management and operations in Indonesia's pharmaceutical industry."

"Metode Magnetotellurik (MT) adalah metode geofisika pasif yang digunakan untuk mengetahui keadaan bawah permukaan menggunakan induksi elektromagnetik. Data yang didapatkan pada pengukuran MT biasanya masih mengandung noise sehingga hasil dari pemrosesan datanya masih kurang baik. Oleh karena itu, noise tersebut harus dikurangi semaksimal mungkin dengan menggunakan metode remote reference. Keberadaan software untuk melakukan pemrosesan data MT dengan menggunakan remote reference masih sangat terbatas. Pada penelitian ini, penulis memfokuskan pada pembuatan program MATLAB untuk pengolahan data MT dari data mentah berupa time series sampai mendapatkan hasil akhir berupa kurva resistivitas semu dan fase dengan menggunakan metode MT remote reference. Terdapat beberapa tahapan dalam pengolahan data MT remote reference ini, yaitu transformasi Fourier dengan teknik Fast Fourier Transform (FFT). Kemudian melakukan estimasi impedansi dan perhitungan mencari nilai resistivitas semu dan fase. Setelah itu, langkah terakhir yaitu teknik estimasi robust. Hasil dari kurva resistivitas semu dan fase yang menggunakan remote reference terlihat lebih teratur dan smooth dibandingkan yang tidak menggunakan remote reference. Hal ini membuktikan bahwa pengolahan data MT dengan menggunakan remote reference dapat mengurangi noise pada data MT. Adapun hasil dari inversi 2-D memiliki kesesuaian antara program yang dibuat di MATLAB dengan software yang telah ada (SSMT2000).

---

Magnetotelluric method (MT) is a passive geophysical method used to determine the state of the subsurface using electromagnetic induction. The data obtained was usually still contain noise so that the results was still not good. Therefore, noise should be reduced as much as possible by using the remote reference method. The software to perform data processing using a remote reference MT was limited. In this study, the authors focused on the manufacture of MATLAB for processing of MT data from the raw data in the form of time series to obtain the final form of the curve apparent resistivity and phase by using a remote reference MT method. There are several steps in the remote reference MT data processing, Fourier transform technique with Fast Fourier Transform (FFT). Then the impedance estimation and calculations to find the value of apparent resistivity and phase. After that, the last step is robust estimation techniques. The results was better and smoother than those which not using a remote reference. This proved that the MT data processing using a remote reference can reduce noise in MT data. The results of 2-D inversion was matched between a program created in MATLAB with existing software (SSMT2000)."

"Bahan bakar merupakan salah satu komponen yang paling penting dalam struktur biaya operasional sebuah moda transportasi. Tidak terkecuali pada industri penerbangan, dimana bahan bakar pesawat (Jet Fuel) turut berpartisipasi sebesar 33.33% dari total biaya operasional sebuah maskapai penerbangan. Guna meningkatkan efisiensi biaya, maskapai penerbangan memerlukan sistem monitoring harga bahan bakar yang dapat memberikan peramalan dengan akurat sebagai upaya agar maskapai dapat menentukan strategi yang dapat dijalankan untuk meminimalisir biaya bahan bakar pesawat. Dalam penelitian ini, dicoba beberapa teknik predictive analytics berbasis multivariate time series untuk melakukan monitoring dan peramalan terhadap harga transaksi bahan bakar pesawat. Agar lebih akurat, model peramalan dibuat dengan mempertimbangkan harga minyak mentah dunia, harga bahan bakar pesawat yang berlaku di dunia dan di setiap lokasi bandara, serta terdapat tambahan variabel yaitu aspek ekonomi yang berlaku di lokasi bandara. Metode yang digunakan adalah 2 metode pengembangan Recurrent Neural Network (RNN) yaitu: Long Short Term Memory (LSTM) dan Gate Recurrent Unit (GRU). Untuk meminimalkan risiko yang merupakan kekurangan dari LSTM dan GRU, maka kedua metode tersebut akan diintegrasikan dengan metode Vector Autoregression (VAR). Hasil dari kombinasi VAR-LSTM dan VAR-GRU menujukkan hasil dengan akurasi yang baik, yaitu 98.98% dan 99.40% secara berturut-turut.

---

Fuel cost is the most contributed component in the operational cost of all transportation modes. In the aviation industry, jet fuel cost contributed to a percentage of 33.33% of the total airline operational costs. To increase efficiency in operational costs and the airline should have jet fuel price monitoring systems that can forecast the future price and give some strategy recommendations to airlines. In this research, we propose many multivariate time series-based predictive analytics as a tool for the airline to monitor and forecast the jet fuel price transaction based on jet fuel transaction price. We consider the global crude oil price and also global and local jet fuel prices in each airport. We also consider additional variables for the economical aspect that applied differently for each airport location. We examine two Recurrent Neural Network (RNN) algorithm, Long Short Term Memory (LSTM) and Gate Recurrent Units (GRU). For minimizing the weakness of LSTM and GRU, we combine each methods with Vector Autoregression (VAR). After forecasting results using VAR-LSTM and VAR-GRU, we get forecasting accuracy of 98.98% and 99.40% respectively."

"Salah satu masalah yang dihadapi Indonesia dalam perdagangan komoditi adalah fluktuasi harga. Akibatnya risiko kerugian yang dihadapi oleh petani, produsen dan produsen Ianjutannya menjadi sangat besar. Oleh karena itu dibutuhkan manajemen risiko yang dapat mengurangi risiko kerugian akibat perubahan harga. Salah satunya dengan penerapan sistem hedging. Hedging adalah strategi yang dilakukan hedger untuk mengamankan usahanya dari risiko kerugian akibat perubahan harga yang merugikan. Hedger terdiri dari produsen dan konsumen. Harga Emas berfluktuasi sepanjang waktu, sehingga metode peramalan time series diharapkan dapat membantu hedger untuk memprediksi harga Emas.Masalah yang dihadapi adalah:(1) Metode peramalan time series apa yang paling sesuai dalam memperkirakan pergerakan harga komoditi Emas? dan(2) Pada tingkat berapa Hedger harus melakukan hedging?. Tujuan penelitian adalah menentukan metode peramalan time series yang paling sesuai bagi pergerakan harga Emas.Penelitian dilakukan di BAPPEBTI, Bursa Berjangka Jakarta, Aneka Tambang dan Bank Indonesia. Data yang digunakan adalah data primer dan data sekunder. Data primer berupa hasil wawancara dengan ahli perdagangan berjangka dan hedging. Data sekunder berupa serial data dan harga rata-rata bulanan komoditi Emas dari tahun 1971 sampai Pebruari 2003 yang diperdagangkan di pasar fisik London. Alat analisis data menggunakan metode peramalan time series, dan untuk membantu digunakan program Exel 5.0, QSB, Minitab 10 dan EVIEWS Versi 3.0.Pemilihan metode peramalan terbaik untuk harga emas dilakukan secara statistik, serta secara manajemen dan ekonomi. Secara statistik, pemilihan metode peramalan tergantung pada:(a) Pada data (stationer 1 non stationer), dan (b) Efisiensi parameternya. Dapat disimpulkan bahwa metode ARIMA adalah metode peramalan yang paling tepat untuk pola data harga emas karena pola data harga emas adalah pola data non stationer.Pemilihan metode peramalan time series terbaik secara manajerial dan ekonomi mempertimbangkan:(1) Emas merupakan komoditi tahunan yang dapat disimpan.(2) Biaya, kemudahan serta kepraktisan penerapan metode peramalan. Peramalan harga emas dilakukan untuk periode Maret - Desember 2003 dengan mengunakan model ARIMA (1. 1. 1) pada selang kepercayaan 95 pesen. Hasil ramalan harga Emas menunjukkan fluktuasi harga sekitar nilai USD 323.301ons sampai USD 436.22/ons.Berdasarkan hasil ramalan harga emas bulan Maret Desember 2003 dengan menggunakan metode ARIMA (1. 1. 1), produsen harus melakukan hedging di perdagangan berjangka dengan cara menjual kontrak perdagangan emas pada harga USD 358.371 ons dan metutup posisi pada harga terendah yaitu pada bulan Juli 2003. Bagi konsumen, jika kestabilan harga yang diinginkan, maka konsumen akan melakukan hedging dengan cara membeli kontrak perdagangan emas di Perdagangan Berjangka komoditi dengan harga USD 358.371ons dan menutup kontrak pada harga tertinggi, yaitu pada bulan Desember 2003. Hal ini dikarenakan Hedger yang telah melakukan hedging tidak memperoleh keuntungan yang besar sekali dan tidak juga menderita kerugian yang besar pula. Oleh karena itu fluktuasi harga Emas (baik yang menguntungkan maupun yang merugikan) harus diantisipasi oleh produsen dan konsumen dengan melakukan hedging di Perdagangan Berjangka Komoditi.Untuk mendapatkan keuntungan yang maksimal sebaiknya Hedger juga menggunakan basis trading, serta melakukan hedging untuk mata uang yang digunakan dalam Perdagangan Berjangka, yang dalam penelitian ini adalah USD."

"ABSTRAKDalam upaya memperoleh informasi perihal penerapan metode peramalan kuantitatif yang berdasarkan deret waktu terhadap pemakaian obat di instalasi farmasi Klinik IAIN Syarif Hidayatullah, telah dilakukan penelitian dengan cara membandingkan penerapan dari 6 metode peramalan yaitu rata-rata bergerak 3 bulan, rata-rata bergerak 6 bulan, pemulusan eksponensial tunggal, pemulusan eksponensial ganda, regresi linear sederhana dan dekomposisi klasik terhadap 6 sampel obat yang digunakan oleh karyawan IAIN dari tahun 1994-1997. Kriteria yang dipakai untuk membandingkan dan menentukan metode yang paling sesuai adalah nilai kesalahan peramalan, analisis autokorelasi, analisis regresi dan indeks musiman, ditambah kriteria lain yaitu jangka waktu peramalan dan kemudahannya dalam penerapan.Hasil analisis autokorelasi menunjukkan bahwa pemakaian obat oleh karyawan IAIN memiliki pola data diantara pola acak dan pola kecenderungan, sedangkan hasil peramalan dari setiap sampel obat dengan beberapa metode peramalan yang diteliti menunjukkan nilai kesalahan peramalan yang bervariasi untuk setiap metode peramalan. Analisis regresi secara keseluruhan menunjukkan kecilnya pengaruh variabel babas ( waktu ) terhadap perubahan variabel terikat ( pemakaian obat ), sedangkan indeks musiman yang dihitung dengan metode dekomposisi klasik menunjukkan adanya variasi dari setiap sampel.Kesimpulan yang diperoleh setelah beberapa metode peramalan diperbandingkan menunjukkan bahwa metode pemulusan eksponensial ganda merupakan pilihan utama, sedangkan metode rata-rata bergerak 3 bulan merupakan pilihan kedua untuk meramalkan pemakaian obat oleh karyawan IAIN di Klinik IAIN Syarif Hidayatullah. Meskipun lebih baik dari metode naif, metode dekomposisi klasik dengan rasio rata-rata bergerak dan regresi linear sederhana terhadap waktu sebaiknya tidak digunakan karena tidak memenuhi beberapa kriteria yang ditetapkan. Disarankan agar pengelola instalasi farmasi memberi perhatian lebih besar terhadap obat-obat yang perlu diramaikan serta mempersiapkan sarana/ prasarana dan sumber daya manusia yang khusus menangani perencanaan pengadaan obat. Sebelum menerapkan metode pemulusan eksponensial ganda terhadap pemakaian obat oleh seluruh pasien disarankan untuk-mencari kesamaan pola pemakaian obat dan poly penyakit antara karyawan IAIN dan seluruh pasien. Apabila pola-pola tersebut memiliki kesamaan maka metode yang sama dapat diterapkan untuk meramalkan pemakaian obat oleh seluruh pasien di instalasi farmasi Klinik IAIN Syarif Hidayatullah.

---

ABSTRACT

Study is undertaken in clinical pharmacy installation of IAIN Syarif Hidayatullah Clinic that is by comparing 6 of forecasting method application with are 3 months moving average, 6 months moving average, single exponential smoothing, double exponential smoothing, simple linear regression and classic decomposition toward 6 of drug sample used by IAIN staff within period of 1994-1997. The criteria for comparing and defining of the most suitable method are forecasting error value, autocorrelation analysis, regression analysis and seasonal indexes which combined with forecasting time horizon and its' easy of application.

The result of autocorrelation analysis indicate that drug consumption of IAIN staff have data pattern which is applicable between random and non stationer, whereas the result of forecasting method on every drug sample indicate that forecasting error value is variative. The whole regression analysis indicate that independent variable ( time ) has small effect on the movement of dependent variable ( drug consumption ), whereas the seasonal indexes which is calculated using classic decomposition method indicate variative result for every sample.

The conclusion is that double exponential smoothing method is the primary choice method, whereas 3 months moving average method is the second choice to forecast drug consumption of IAIN staff in IAIN Syarif Hidayatullah Clinic. Classic decomposition method with moving average ratio and simple linear regression toward time is not recommended to use for its' unfullfillment to the defined criteria.

It is suggested that management of pharmacy installation provide more attention on the forecasted drug and prepare infrastructure as well as human resources especially to handle planning of drug supply. Before applying double exponential smoothing method for drug consumption for all of the patient, it is suggested to find the similar of pattern of disease and drug consumption between IAIN staff and all of the patient. If these indicate the similar, the method is subsequently applicable. ;Study is undertaken in clinical pharmacy installation of IAIN Syarif Hidayatullah Clinic that is by comparing 6 of forecasting method application with are 3 months moving average, 6 months moving average, single exponential smoothing, double exponential smoothing, simple linear regression and classic decomposition toward 6 of drug sample used by IAIN staff within period of 1994-1997. The criteria for comparing and defining of the most suitable method are forecasting error value, autocorrelation analysis, regression analysis and seasonal indexes which combined with forecasting time horizon and its' easy of application.

The result of autocorrelation analysis indicate that drug consumption of IAIN staff have data pattern which is applicable between random and non stationer, whereas the result of forecasting method on every drug sample indicate that forecasting error value is variative. The whole regression analysis indicate that independent variable ( time ) has small effect on the movement of dependent variable ( drug consumption ), whereas the seasonal indexes which is calculated using classic decomposition method indicate variative result for every sample.

The conclusion is that double exponential smoothing method is the primary choice method, whereas 3 months moving average method is the second choice to forecast drug consumption of IAIN staff in IAIN Syarif Hidayatullah Clinic. Classic decomposition method with moving average ratio and simple linear regression toward time is not recommended to use for its' unfullfillment to the defined criteria.

It is suggested that management of pharmacy installation provide more attention on the forecasted drug and prepare infrastructure as well as human resources especially to handle planning of drug supply. Before applying double exponential smoothing method for drug consumption for all of the patient, it is suggested to find the similar of pattern of disease and drug consumption between IAIN staff and all of the patient. If these indicate the similar, the method is subsequently applicable."

"Kebijakan Rumah Sakit menjadi unit Swadana memberikan peluang bagi rumah sakit untuk menggunakan pendapatan fungsionalnya secara langsung serta mendorong peningkatan kepedulian manjemen rumah sakit terhadap efisiensi pengelolaan sumber daya yang tersedia. Laboratorium klinik adalah salah satu dari bidang penunjang medic yang disamping menyerap dana cukup besar juga memberikan kontribusi yang tidak kecil kepada rumah sakit. Sebagian besar operasional laboratorium klinik adalah untuk reagen yang berkaitan dengan jumlah pasien. Sejalan dengan tujuan kebijakan Swadana yaitu efsiensi sumber daya yang tersedia, maka diperlukan suatu informasi yang realistik dan terukur dalam perencanaan kebutuhan bahan, sehingga tujuan dapat tercapai. Salah satu cara adalah dengan menggunakan teknik peramalan yang biasa digunakan dalam bidang ekonomi dan dunia usaha. Tujuan penelitian ini adalah untuk mendapatkan teknik dan metode peramalan yang sesuai digunakan untuk memperkirakan tingkat kedatangan pengguna jasa layanan laboratorium klinik secara objektifdan dapat dipertanggungjawabkan. Penelitian ini merupakan penelitian operasional dengan analitis kuantitatif terhadap 5 jenis pemeriksaari di laboratorium klinik yaitu BTAL, Reduksi, GD, HB dan Leukosit selama periode 1992 - 1995 dengan menggunakan 6 teknik peramalan yaitu rata-rata bergerak 3 bulan dan 6 bulan, rata-rata bergerak linier 3 dan 6 bulan, regresi linier dan metode dekomposisi. Satu satunya variabel yang mempengaruhi adalah waktu dan data yang digunakan adalah data sekunder yang diperoleh dan laporan bulanan. Hasil penelitian ini menunjukkan banyaknya variasi yang ditunjukkan oleh masing-masing teknik peramalan dan untuk menentukan ketepatan suatu jenis ramalan dilakukan pengujian pada hasil peramalan dengan hasil juga bervariasi. Untuk menentukan teknik yang paling sesuai dilakukan perbandingan antar masing-rnasing teknik peramalan terhadap 5 jenis pemeriksaan tersebut. Setelah mengetahui teknik yang paling sesuai dilakukan simulasi terhadap teknik tersebut pada 5 pemeriksaan diatas selama 1 tahun. Kesimpulan dari penelitian ini didapatkan bahwa teknik peramalan dengan dekomposisi paling sesuai bila digunakan untuk meramalkan tingkat kedatangan pengguna jasa layanan laboratorium klinik baik untuk bulanan maupun tahunan sehingga dengan diketahuinya hasil ini akan menjadi informasi yang cukup penting bagi pengambil keputusan untuk perencanaan bahan kebutuhan laboratorium klinik. Meskipun demikian methode dekomposisi masih tetap mempunyai kesalahan, oleh karena itu sebaiknya dalam membuat suatu peramalan perlu memperhitungkan confidence. interval sesuai yang diinginkan oleh peramal. Perlu juga dilakukan penelitian lanjutan dengan menggunakan teknik peramalan lain yang mendasarkan pada pola hubungan variabel yang diramalkan dengan variabel selain waktu.

---

The policy to become a "swadana" hospital give hospital a chance to increase its functional income and to manage its resources efficiently. Clinical laboratories are one of the most cost intensive components of a hospital. The biggest expense is for reagen that depends on the quantity of the patients. Efficiency is the main issue in "swadana" policy. To reach efficiency, we need information that are accurate and countable, so we can predict future material needs. Forecasting is one way to get future prediction.

The objective of this research is to get a suitable method in forecasting future market. The methods have to be objective and reliable. This research is a quantitative research that was using 5 different kind of diagnostics that run at clinical laboratory, those are BTAL, Reduction, GD, HB and Leukocyte, during 1992-1995. For that purpose the writer was using 6 types of forecasting, those are 3 & 6 months moving averages, 3 & 6 months linear moving averages, linear regression and the decomposition method. The only one variable that has considerable effect is time. The data that I used are the secondary data those came from monthly reports.

The results of this study show that each of those forecasting techniques present a number of variations. I have tested the forecasting result to check the accuration of the forecast's type. To determine the most suitable technique, I have tried to make a number of comparation's between each technique on 5 kind of diagnostics. Once the most suitable technique already known, 1 have tried to make simulation on it against those diagnostics.

As summary of this study, I find that the decomposition method is the most suitable for forecasting of the people's attendance who use the clinical laboratory services in monthly or yearly. These finding will be important informations for the decision makers to set the planning of clinical Laboratory needed materials. After all the decomposition method still have an error, it will be better to consider the suitable confidence interval. I'm still considering that it is necessary to make a follow up research according to this . study, that use other forecast technique based on other variable."