Implementasi Machine Learning dalam memprediksi Jumlah Pendonor Darah dengan menggunakan Model Autoregressive Integrated Moving Average (ARIMA) dan Exponential Moving Average (EMA) (Studi Kasus : PMI Kabupaten Sleman)

Abstract

Darah merupakan komponen penting di dalam tubuh manusia yang berperan dalam memberikan supply oksigen, makanan, dan zat lain yang dibutuhkan oleh tubuh. Palang Merah Indonesia (PMI) adalah sebuah organisasi perhimpunan nasional di Indonesia yang bergerak dalam bidang sosial kemanusiaan. Unit Donor Darah (UDD) merupakan fasilitas pelayanan kesehatan yang menyelenggarakan upaya -upaya kesehatan seperti donor darah, penyediaan darah, dan distribusi darah. Permasalahan yang dihadapi PMI Kabupaten Sleman belum dapat memprediksi SDM pendonor darah setiap kegiatan donor darah yang diselenggarakan sehinggah dapat menyebabkan kurangnya efektifitas dan efisien kinerja dari karyawan PMI Sleman, maka dari itu PMI Kabputen Sleman harus meramalkan jumlah pendonor untuk kedepannya. Oleh karena itu, dilakukan penelitian dengan tujuan untuk memprediksi dari sektor SDM pendonor darah dengan menggunakan ARIMA dan EMA yang diproses dengan menggunakan Bahasa pemograman Rstudio. Untuk pengujian tingkat error dilakukan dengan menggunakan Mean Absolute Percentage Error (MAPE). Hasil pemodelan menunjukkan bahwa performa metode EMA memiliki tingkat error yang lebih rendah dari pada ARIMA, yang Dimana hasil testing dan trainingnya memiliki nilai rata-rata MAPE 13% dan 15% yang dinilai memiliki akurasi yang lebih baik. Sehingga dapat EMA diketahui metode yang lebih baik digunakan untuk peramalan jumlah pendonor darah, mengoptimalkan jadwal pertemuan donor darah, mengurangi risiko kekurangan atau kelebihan stok darah, dan meningkatkan efisiensi dalam pelayanan transfusi darah kepada pasien. Selain itu, prediksi jumlah pendonor darah juga dapat menjadi dasar untuk mengembangkan strategi promosi dan kampanye donor darah yang lebih efektif untuk meningkatkan partisipasi masyarakat dalam kegiatan donor darah.