ANALISIS TIME SERIES MODEL FUNGSI TRANSFER UNTUK MERAMAL JUMLAH KASUS TUBERKULOSIS DI KOTA SURABAYA

Model fungsi transfer merupakan salah satu model time series yang menggambarkan nilai prediksi masa depan dari satu data time series yang didasarkan pada masa laludari time series itu sendiri dan pada satu atau lebih time series yang berhubungan (input series) dengan output series tersebut. Penelitian ini bertujuan untuk melakukan peramalan jumlah kasus TB di Kota Surabaya. Disisi lain, Indonesia merupakan salah satu negara dengan angka jumlah kasus HIV/AIDS yang terus meningkat. Epidemi Human Immunodeficiency Virus (HIV) memiliki keterkaitan yang kuat terhadap peningkatan TB di seluruh dunia yang berakibat meningkatnya jumlah kasus TB di masyarakat. Melihat perkembangan dari kedua penyakit tersebut perlu dilakukan suatu pemodelan untuk melihat keterkaitan antara pola- pola yang ditunjukkan oleh penderita HIV/AIDS dengan penderita TB dengan melihat dependensi waktu yang ada, maka analisis time series fungsi transfer sangat tapat untuk dilakukan. Penelitian ini merupakan penelitian non reaktif. Subjek penelitian adalah jumlah kasus TB di Kota Surabaya. Penelitian ini menggunakan data sekunder yang diperoleh dari Dinas Kesehatan Kota Surabaya periode Januari 2010 sampai Desember 2016. Hasil analisis menunjukkan pada data kasus TB tidak menunjukkan pengaruh yang artinya peramalan kasus TB tidak seharusnya menggunakan HIV/ AIDS sebagai variabel input sehingga pemodelan fungsi transfer tidak dapat di terapkan. Sebagai alternatif peramalan maka dilakukan metode lain yakni exponential smooting brown dengan parameter alpha sebesar 0,36 dengan mengabaikan variabel HIV/ AIDS. Kesimpulan yang dapat diambil dari penelitian ini adalah jumlah kasus TB dan HIV/ AIDS mengalami tren kenaikan. Hasil peramalan TB menggunakan metode exponensial smooting brown menghasilkan jumlah kasus 631, 641, 651 dan 662 pada tiap triwulan tahun 2017. Saran bagi Dinas Kesehatan Kota Surabaya diharapkan dapat menggunakan hasil peramalan sebagai bahan pertimbangan untuk program selanjutnya. Akan lebih akurat apabila data yang digunakan dalam metode ini sekurang- kurangnya 60 titik