ESTIMASI PARAMETER MODEL ARIMA MENGGUNAKAN KALMAN FILTER UNTUK PERAMALAN PERMINTAAN DARAH (Studi Kasus: UTD PMI SURABAYA)

Peramalan jumlah permintaan darah merupakan salah satu cara untuk mengantisipasi ketidakpastian permintaan dan persediaan darah. Pada penelitian ini, digunakan proses Autoregressive Integrated Moving Average (ARIMA) untuk merumuskan model peramalan jumlah permintaan darah di UTD PMI Surabaya. Setelah memperoleh model yang sesuai, Kalman Filter diterapkan untuk mengestimasi parameter model ARIMA. Selanjutnya, hasil estimasi parameter model ARIMA menggunakan Kalman Filter (KF-ARIMA) dipakai untuk memprediksi beberapa hari kedepan. Hasil prediksi tersebut dibandingkan dengan hasil prediksi model ARIMA yang diprediksi dengan Eviews. Selain itu, pada penelitian ini juga dilakukan prediksi ARIMA yang nilai parameternya diperoleh dari estimasi Kalman Filter pada setiap iterasi (KF-ARIMA Simultan). Hasil akhir menunjukkan bahwa Kalman Filter dapat meminimalkan nilai kesalahan model ARIMA. Sehingga model ARIMA yang diestimasi menggunakan Kalman Filter lebih akurat dibandingkan sebelum diestimasi menggunakan Kalman Filter