
ANALISIS FORECASTING PADA JUMLAH KASUS GIZI BURUK DI PROVINSI SULAWESI TENGGARA TAHUN 2019 - 2023
Author(s) -
Fitri Rachmillah Fadmi,
Sri Mulyani
Publication year - 2019
Publication title -
preventif journal
Language(s) - Italian
Resource type - Journals
eISSN - 2620-3294
pISSN - 2540-8283
DOI - 10.37887/epj.v4i1.9433
Subject(s) - mathematics
Abstrak
Salah satu kriteria dalam penanganan masalah gizi bahwa satu kasus gizi buruk di suatu daerah sudah dapat
dikategorikan ke dalam Kejadian Luar Biasa (KLB) gizi buruk. Mengacu pada kriteria ini, maka pada tahun 2017 di
seluruh wilayah Sulawesi Tenggara telah mengalami KLB gizi. Untuk itu perlu dilakukan upaya pencegahan dini
dengan analisis peramalan (forecasting) data berkala (time series).Penelitian ini bertujuan untuk mengetahui
analisis forecasting menggunakan metode time series pada data kasus gizi buruk di Provinsi Sulawesi Tenggara.
Jenis penelitian ini adalah kuantitatif deskriptif dengan pendekatan Analisis Data Sekunder (ADS) yang dianalisis
dengan analisis rangkaian berkala (time series). Populasi yang digunakan dalam penelitian ini adalah seluruh data
time series gizi buruk berdasarkan jenis kelamin dan wilayah kabupaten/kota selama periode 2013 – 2017 di
Provinsi Sulawesi Tenggara sebanyak 1.327 data. Analisis data penelitian ini menggunakan analisis forecasting
dengan metode time series pendekatan trend (trend linier, trend quadratic dan trend exponensial). Prediksi
jumlah kasus gizi buruk di Provinsi Sulawesi Tenggara periode tahun 2013 – 2017 menggunakan pendekatan
trend quadratic. Hasil prediksi tahun 2019 – 2023 menunjukkan bahwa peningkatan kasus akan terjadi pada
wilayah Kabupaten Muna, Bombana, Wakatobi, Konawe Utara, Kolaka Timur, Muna Barat, Buton Selatan dan
Kota Bau-Bau. Peningkatan kasus tertinggi terjadi di Kabupaten Wakatobi dengan pucak peningkatan diprediksi
akan terjadi pada tahun 2023. Analisis trend model terbaik untuk prediksi jumlah kasus gizi buruk di Provinsi
Sulawesi Tenggara tahun 2019– 2023 adalah quadratic.
Kata Kunci: giziburuk; forecasting; timeseries