PREDIKSI JUMLAH PESERTA BPJS PENERIMA BANTUAN IURAN (PBI) APBN MENGGUNAKAN METODE FUZZY TIME SERIES CHENG

  • Rahmawati bakri Universitas Islam Negeri Sultan Syarif Kasim Riau
  • Syarifah Inayati Universitas Negeri Yogyakarta
  • Yuliana Yuliana Universitas Islam Negeri Sultan Syarif Kasim Riau
  • Anggi Hanafiah Universitas Islam Riau
DOI: https://doi.org/10.30598/barekengvol15iss2pp373-384
Keywords: BPJS, Time Series, FTS Cheng, PBI

Abstract

BPJS merupakan salah satu badan Penjaminan Kesehatan yang ada di Indonesia. Jenis BPJS terdiri dari BPJS mandiri, BPJS PPU khusus untuk pekerja diperusahaan, dan BPJS PBI khusus masyarakat yang tidak mampu yang iurannya dibayarkan oleh pemerintah yang diditetapkan dalam APBN. Dari ketiga kategori tersebut jumlah kepesertaan BPJS PBI meningkat dari tahun ke tahunnya. Penelitian ini bertujuan untuk memprediksi jumlah peserta BPJS PBI pada tahun 2019 hingga tahun 2021 dengan menggunakan metode Fuzzy Time series Cheng. Fuzzy Time Series Cheng mempunyai cara yang sedikit berbeda dalam penentuan interval, menggunakan Fuzzy Logical Relationship (FLR) dengan memasukkan semua hubungan dan memberikan bobot berdasarkan pada urutan dan perulangan FLR yang sama. Perhitungan akurasi prediksi pada model ini menggunakan MAPE. Hasil dari penelitian ini diperoleh kenaikan peserta BPJS PBI APBN pada tahun 2019 sampai dengan 2021 sebesar 52.071 peserta dengan hasil MAPE 0,97% dan ketepatan hasil prediksi diperoleh sebesar 99,03%.

Downloads

Download data is not yet available.

References

R. Indonesia, Undang-undang Republik Indonesia Nomor 24 Tahun 2011 Tentang Badan Penyelenggara Jaminan Sosial. Jakarta: Kementerian Hukum dan Hak Asasi Manusia, 2011, pp. 1–68.

S. Kusumadewi, Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu, 2013.

L. A. Zadeh, “The Concept of a Linguistic Variable and its Application to Approximate Reasoning,†Learning Systems and Intelligent Robots, vol. 357, pp. 1–10, 1974, doi: 10.1007/978-1-4684-2106-4_1.

Q. Song and B. S. Chissom, “Forecasting enrollments with fuzzy time series - Part I,†Fuzzy Sets and Systems, vol. 54, no. 1, pp. 1–9, 1993, doi: 10.1016/0165-0114(93)90355-L.

Sukarna and Aswi, Analisis Data Deret Waktu : Teori dan Aplikasi. Makasar: Andira Publisher, 2006.

V. E. M. G. S. Makridakis, S.C. Wheelwright, Metode dan Aplikasi Peramalan (Terjemahan), Edisi 2. Jakarta: Binarupa Aksara, 1999.

R. S. P. K.I.Lestari, T.Soematini, “Penggunaan Metode Fuzzy Time Series untuk Meramalkan Hasil Produksi Padi Kabupaten Majalengka,†2017, pp. 130–144.

S. M. Boaisha and S. M. Amaitik, “Forecasting Model Based on Fuzzy Time Series Approach,†Proceedings of the 10th International Arab Conference on Information Technology - ACIT 2010, no. January 2010, 2010.

F. Mirzaei Talarposhti, H. Javedani Sadaei, R. Enayatifar, F. Gadelha Guimarães, M. Mahmud, and T. Eslami, “Stock market forecasting by using a hybrid model of exponential fuzzy time series,†International Journal of Approximate Reasoning, vol. 70, pp. 79–98, 2016, doi: 10.1016/j.ijar.2015.12.011.

Sumartini, M. N. Hayati, and S. Wahyuningsih, “Peramalan Menggunakan Metode Fuzzy Time Series Cheng,†Jurnal EKSPONENSIAL, vol. 8, pp. 51–56, 2017.

M. Y. Fathoni, “Implementasi Metode Fuzzy Time Series Cheng untuk prediksi Kosentrasi Gas NO2 Di Udara,†Jurnal Sistem Informasi Bisnis, vol. 7, no. 1, p. 17, 2017, doi: 10.21456/vol7iss1pp17-23.

A. Jamaludin, “Peramalan Jumlah Pinjaman Menggunakan Metode Fuzzy Time Series Cheng,†SYNTAX Jurnal Informatika, vol. 6, no. 2, pp. 69–77, 2017.

E. P. Cynthia, “Metode Fuzzy Time Series Cheng dalam Memprediksi Jumlah Wisatawan di Provinsi Sumatera Barat,†Journal of Education Informatic Technology and …, pp. 11–23, 2019, [Online]. Available: http://ejurnal.umri.ac.id/index.php/JeITS/article/view/1222.

M. L. Tauryawati and M. I. Irawan, “Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk Memprediksi IHSG,†Jurnal Sains dan Seni ITS, vol. 3, no. 2, pp. A34–A39, 2014, [Online]. Available: http://ejurnal.its.ac.id/index.php/sains_seni/article/view/7985.

C. H. Cheng, T. L. Chen, H. J. Teoh, and C. H. Chiang, “Fuzzy time-series based on adaptive expectation model for TAIEX forecasting,†Expert Systems with Applications, vol. 34, no. 2, pp. 1126–1132, 2008, doi: 10.1016/j.eswa.2006.12.021.

T. Fahmi, Sudarno, and Y. Wilandari, “Perbandingan metode pemulusan eksponensial tunggal dan fuzzy time series untuk memprediksi indeks harga saham gabungan,†Jurnal Gaussian, vol. 2, no. 2, pp. 137–146, 2013.

Jumingan, Teori dan Pembuatan Proposal Kelayakan. Jakarta: PT. Bumi Aksara, 2009.

Published
2021-06-01
How to Cite
[1]
R. bakri, S. Inayati, Y. Yuliana, and A. Hanafiah, “PREDIKSI JUMLAH PESERTA BPJS PENERIMA BANTUAN IURAN (PBI) APBN MENGGUNAKAN METODE FUZZY TIME SERIES CHENG”, BAREKENG: J. Math. & App., vol. 15, no. 2, pp. 373-384, Jun. 2021.
Issue
Vol 15 No 2 (2021): BAREKENG: Jurnal Ilmu Matematika dan Terapan
Section
Articles

Authors who publish with this Journal agree to the following terms:

  1. Author retain copyright and grant the journal right of first publication with the work simultaneously licensed under a creative commons attribution license that allow others to share the work within an acknowledgement of the work’s authorship and initial publication of this journal.
  2. Authors are able to enter into separate, additional contractual arrangement for the non-exclusive distribution of the journal’s published version of the work (e.g. acknowledgement of its initial publication in this journal).
  3. Authors are permitted and encouraged to post their work online (e.g. in institutional repositories or on their websites) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published works.