9
BAB II
TINJAUAN PUSTAKA
2.1. Peramalan Time Series
Peramalan (forecasting)menjadi bagian penting dalam setiap
organisasi hal ini tekait setiap pengambilan keputusan manajemen yang
tentunya akan mempengaruhi perkembangan organisasi. Peramalan
menjadi dasar bagi perencanaan jangka panjang maupun jangka pendek
dari suatu organisasi. Metode peramalan berfungsi untuk memprediksi
data runtut waktu beberapa periode yang akan datang berdasarkan pada
data dimasa lalu. Hal ini melibatkan pengambilan data masa lalu dan
menempatkannya ke masa yang akan datang dalam bentuk persamaan
matematis(Makridakis. S, Mc Gee. V.E, & Wheelwright. S.C, 1995).
Peramalan adalah proses dalam manajemen untuk membantu
pengambilan keputusan . Hal ini juga digambarkan sebagai prosesestimasi
dalam situasi yang tidak diketahui di masa depan. Dalam istilah yang lebih
umum itu umumnya dikenal sebagai prediksi yangmengacu pada perkiraan
time series atau jenis data longitudinal (Abdullah, 2012).
Metode peramalan secara garis besar dapat dibedakan menjadi dua
yaitu Peramalan kualitatif adalah peramalan yang didasarkan pada
pendapat dari yang melakukan peramalan. Metode ini digunakan bila tidak
ada model matematik, biasanya dikarenakan ada tidaknya data yang cukup
representatif untuk meramalkan masa yang akan datang.
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
10
Peramalan kuantitatif adalah peramalan yang mengunakan metode
statistik. Metode yang penggunaannya didasari ketersediaan data masa lalu
disertai serangkaian kaidah matematis untuk meramalkan hasil masa
depan.
Metode peramalan kuantitatif pada dasarnya dapat dibedakan atas:
1. Metode peramalan melalui analisis suatu variabel yang akan
diperkirakan dengan variabel waktu yang dikenal dengan metode
hubungan deret waktu. Data yang digunakan adalah data time
series
2. Metode peramalan melalui analisis pada hubungan antara variabel
yang akan diperkirakan dengan variabel-variabel yang lain yang
mempengaruhi (waktu dan bukan waktu). Metode ini sering
disebut dengan metode hubungan sebab akibat (causal method).
Metode peramalan juga dapat diklasifikasikan sebagai berikut :
Gambar 2.1 Diagram Metode Permalan (Makridakis, Wheelwright, McGee,1995).
Metode Peramalan
Metode Peramalan kuantitatif Obyektif
1. Analogis 2. Delphi 3. PERT 4. Survey Techique
1. Naive 2. Moving average 3. Exponential
Smoothing 4. Regres sederhana 5. ARIMA 6. Neural Network
Time Series Metode Peramalan Kualitatif Subyektif Metode Kausal
1. Regresi Sederhana
2. Regresi Berganda
3. Neural Network
Kombinasi time series dan kausal
1. Intervention Model 2. Transfer Function
(ARIMAX) 3. VARIMA
(VARIMAX) 4. Neural Network
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
11
Hal-hal yang harus diperhatikan untuk peramalan kuantitatif
adalah:
1. Tersedianya informasi tentang masa lalu
2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data
numerik
3. Dapat diasumsikan bahwa beberapa pola masa lalu akan terus
berlanjut (Makridakis. S, Mc Gee. V.E, & Wheelwright. S.C,
1995).
2.1.1. Model Analisis Time Series.
Analisis time series adalah analisis yang menerangkan dan
mengukur perubahan atau perkembangan data selama suatu periode
tertentu. Beberapa istilah yang digunakan dalam time series yaitu :
1. Stasioner
Asumsi yang sangat penting dalam time series adalah stasioneritas
deret pengamatan. Suatu deret pengamatan dikatakan stasioner
apabila proses tidak berubah seiring dengan perubahan waktu.
Maksudnya rata-rata deret data di sepanjang waktu selalu konstant
2. Autocorrelation Function
Autokorelasi adalah korelasi antar deret suatu deret data waktu
sedangkan ACF adalah plot autokorelasi.
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
12
3. Partial Autocorrelation Function
Partial Autocorrelation adalah korelasi antara deret data suatu
deret waktu. PACF mengukur hubungan keeratan antar
pengamatan suatu deret waktu.
4. Cross Correlation
Cross Correlation digunakan untuk menganalisis time series
multivariat sehingga ada lebih dari 2 time series yang akan
dianalisis seperti halnya autokorelasi, cross correlation mengukur
pula korelasi antar time series tetapi korelasi yang diukur adalah
korelasi 2 time series.
5. Proses White Noise
Proses White Noise merupakan proses stasioner. Proses White
Noise didefenisiskan sebagai deret variabel acak yang independen,
identik dan terdistribusi normal.
6. Analisis Trend
Analisis trend digunakan utuk menaksir model trend suatu data
time series. Ada beberapa model analisis trend antara lain model
linear, kuadratik, eksponensial, pertumbuhan atau penurunan dan
model kurva S. Analisis trend digunakan apabila dalam deret
waktu tidak ada komponen musiman.
Data time seriesmerupakan nilai-nilai suatu variabel yang
berurutan menurut waktu (misal: hari, minggu, bulan, tahun). Pada
perkembangannya analisis data time seriesdapat digunakan untuk
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
13
mengetahui pola dari suatu atau beberapa kejadian serta hubungan atau
pengaruh suatu kejadian dengan kejadian lainnya. Data time seriesjuga
dapat digunakan untuk meramalkan berdasarkan garis regresi atau trend.
Analisis time series terdiri dari beberapa metode yaitu Averaging,
Smoothing, Dekomposisi, Simple Regresi dan Box-Jenkins (ARIMA).
Adapun pola rangkaian dasar dari metode time series adalah sebagai
berikut :
1. Kecenderungan (Trend)
Trend atau kecenderungan adalah komponen jangka panjang
mempunyai kecenderungan tertentu dalam pola data, baik arahnya
meningkat atau menurun dari waktu ke waktu sehingga
membentuk pola yang konstant. Teknik yang sering digunakan
untuk mendapatkan trend suatu deret waktu adalah rata-rata
bergerak linear, pemulusan eksponensial, model Gompertz, dimana
teknik tersebut hanya mengunakan data masa lalu untuk
mendapatkan pola kecenderungan dan tidak memperhitungkan
faktor lain yang mempengaruhi kejadian
2. Musiman (Seasonal)
Pola musiman menunjukan suatu gerakan yang berulang dari suatu
periode ke periode berikutnya secara teratur. Pola musiman ini
dapat ditunjukan oleh data-data yang dikelompokan secara
mingguan, bulanan, atau kuartalan tetapi untuk data yang
berbentuk data tahunan tidak terdapat pola musimannya. Pola
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
14
musiman ini harus dihitung setiap minggu, bulan atau kuartalan
tergantung pada data yang digunakan untuk setiap tahunnya dan
pola musiman ini dinyatakan dalam bentuk angka. Teknik yang
digunakan untuk menentukan nilai pola musiman adalah metode
rata-rata bergerak, pemulusan eksponensial dari Winter,
dekomposis klasik.
3. Siklus (Cyclical)
Pola siklus adalah suatu seri perubahan naik atau turun, sehingga
siklus ini berubah dan bervariasi dari satu siklus ke siklus
berikutnya. Pola siklus dan pola tak beraturan didapatkan dengan
menghilangkan pola kecenderungan dan pola musiman jika data
yang digunakan berbentuk mingguan, bulanan atau kuartalan. Jika
data yang digunakan adalah data tahunan maka harus dihilangkan
adalah pola kecenderungan saja.
4. Variasi Acak (Random)
Pola yang acak atau tidak teratur, sehingga tidak dapat
digambarkan. Pola acak ini disebabkan oleh peristiwa yang tak
terduga seperti perang, bencana alam, kerusuhan dan lain-lain.
Karena bentuknya tidak beraturan atau tidak selalu terjadi dan tidak
bisa diramalkan maka pola variasi acak ini diwakili dengan indeks
100% atau sama dengan 1 (Octora, 2010).
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
15
2.1.2. Metode Exponential Smoothing
Peramalan untuk data time series selain berdasarkan model regresi
time series juga dapat dilakukan berdasarkan metode penghalusan
eksponensial. Peramalan dengan metode penghalusan adalah peramalan
berdasarkan proses pembobotan. Sehingga keberadaan autokorelasi
diabaikan. Model peramalan yang menggunakan metod pemulusan adalah
sebagai berikut:
1. Moving Average (rataan bergerak)
2. Exponential Smoothing (pemulusan eksponensial) (Makridakis. S,
Mc Gee. V.E, & Wheelwright. S.C, 1995).
Pada metode rataan bergerak dapat digunakan untuk memuluskan
data time series dengan berbagai metode perataan diantaranya :
1. Rata-rata bergerak sederhana (simple moving average)
2. Rata-rata bergerak ganda
3. Rata-rata bergerak dengan ordo lebih tinggi
Pada metode pemulusan eksponensial pada dasarnya data masa lalu
dimuluskan dengan cara melakukakan pembobotan menurun secara
eksponensial terhadap nilai pengamatan yang lebih tua atau nilai yang
lebih baru diberikan bobot yang relatif lebih besar dibandingkan nilai
pengamatan yang lebih lama. Beberapa jenis analisis data time series yang
masuk dalam kategori pemulusan eksponensial diantaranya : pemulusan
eksponensial tunggal, pemulusan eksponensial tunggal dengan pendekatan
adaptif, pemulusan eksponesial ganda metode Holt, pemulusan
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
16
eksponesial ganda metode Brown dan pemulusan eksponensial tripel :
metode Winter.
Pada metode pemulusan eksponensial sudah mempertimbangkan
pengaruh acak,trend dan musiman pada data masa lalu yang akan
dimuluskan. Seperti halnya pada metode rataan bergerak, metode
pemulusan eksponensial juga dapat digunakan untuk meramal beberapa
waktu ke depan. Metode smoothing merupakan metode yag menggunakan
bobot data berbeda pada periode satu dengan periode sebelumnya dan
membentuk fungsi exponential sehingga disebut exponential smoothing.
Bila pola datanya stasioner, single exponential cukup baik untuk
meramalkan keadaan. Apabila data tidak stasioner, mengandung pola
trend, maka dilakukan smoothing pada hasil single exponential smoothing.
Hasil smoothing ini disebut double exponential smoothing. Selain pola
trend juga mengandung pola siklik, perlu dilakukan smoothing pada hasil
double exponential smoothing. Hasilnya disebut dengan triple exponential
smoothing. Metode ini banyak dipergunakan untuk peramalan jangka
pendek, dan dapat digunakan pada banyak item untuk diramalkan. Metode
pemulusan eksponensial, sudah mempertimbangkan pengaruh acak, trend
dan musiman pada data masa lalu yang akan dimuluskan. Seperti halnya
pada metode rataan bergerak, metode pemulusan eksponensial juga dapat
digunakan untuk meramal data beberapa periode ke depan.
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
17
Metode Exponensial Smoothing ini terdiri atas :
1. Single Exponensial Smoothing
Digunakan untuk data-data yang bersifat stasioner dan tidak
menunjukkan pola atau tren. Single Exponensial Smoothing terdiri dari:
a. Satu Parameter (one parameter)
Metode ini menggunakan sebuah parameter α, yang dibobotkan
kepada data yang paling baru dan membobotkan nilai (1- α)
kepada hasil peramalan periode sebelumnya. Harga α terletak
antara 0 dan 1.
b. Pendekatan Aditif (ARES)
Metode ini memiliki kelebihan yang nyata bila dibandingkan
dengan Pemulusan Eksponensial Tunggal, di mana nilai
konstanta pemulusannya dapat berubah secara terkendali dalam
arti dapat berubah secara otomatis bilamana terdapat perubahan
dalam pola data dasarnya
2. Double Exponential Smoothing
a. Metode Linier Satu Parameter dari Brown
Metode ini dikembangkan oleh Brown untuk mengatasi adanya
perbedaan yang muncul antara data aktual dan nilai peramalan
apabila ada trend pada plot datanya. Untuk itu Brown
memanfaatkan nilai peramalan dari hasil pemulusan
eksponensial tunggal dan ganda.
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
18
b. Metode Dua Parameter dari Holt
Metode ini memuluskan trend dan gradien secara langsung
dengan mempergunakan konstanta pemulusan trend dan
konstanta pemulusan untuk data. Dalam metode Brown, hanya
dipergunakan satu konstanta pemulusan, dan perkiraan nilai
trend sangat sangat sensitif terhadap kerandoman, dalam
metode Holt hal ini diatasi dengan konstanta pemulusan trend.
3. Triple Exponential Smoothing
a. Metode Kuadratik Satu Parameter dari Brown.
Digunakan untuk pola data kuadratik, kubik atau orde yang
lebih tinggi.
b. Metode kecendrungan dan musiman tiga parameter dari Winter
Dapat digunakan untuk data yang berbentuk trend dan
musiman.
2.1.2.1. Model Holt’ Linear Exponential Smoothing
Model ini mengunakan koefisienmetode pemulusan eksponensial
liner dari Holtdalam prinsipnya serupa dengan Brown kecuali bahwa Holt
tidak menggunakan rumus pemulusan berganda secara langsung. Sebagai
gantinya, Holt memuluskan nilai trend dengan parameter yang berbeda
dengan parameter yang digunakan pada deret yang asli. Ramalan dari
pemulusan eksponensial liner holt didapat dengan menggunakan dua
konstanta pemulusan (dengan nilai antara 0 dan 1) dengan tiga persamaan
yaitu :
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
19
111 tttt bSXS .......................(1)
11 1 tttt bSSb .....................(2)
.mbSF ttmt ...................................(3)
Dimana :
tS Data Pemulusan pada periode t
1b Trend Pemulusan pada periode t
m = Jumlah periode akan datang yang diramalkan
mtF Peramalan pada periode t + m
Persamaan (1) menyesuaikan tS secara langsung untuk trend
periode sebelumnya, yaitu 1tb . dengan menambahkan nilai pemulusan
yang terakhir yaitu .1tS hal ini membantu menghilangkan kelambatan dan
menempatkan tS ke dasar perkiraan nilai data saat ini.Persamaan(2)
meremajakan trend, yang ditunjukkan sebagai perbedaan antara dua nilai
pemulusan terakhir. Hal ini tepat, karena jika terdapat kecenderungan di
dalam data, ilai yang baru akan lebih tinggi atau lebih rendah dari pada
nilai yang sebelumnya, mungkin masih terdapat sedikit kerandoman, maka
hal ini dihilangkan oleh pemulusan dengan (gamma) trend pada periode
akhir 1 tt SS dan menambahkannya dengan taksiran trend sebelumnya
dikalikan dengan 1 . Jadi persamaan (2) serupa dengan bentuk dasar
pemulusan tunggal tetapi dipakai untuk meremajakan trend.Persamaan (3)
digunakan untuk ramalan ke muka yang diramalkan (m), dan ditambahkan
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
20
pada nilai dasar ( tS ).Tipe data yang sesuai adalah pola data non stasioner,
terdapat trend dan tidak dipengaruhi musim(Makridakis. S, Mc Gee. V.E,
& Wheelwright. S.C, 1995).
2.1.2.2. Tahapan Metode Holt’Linear Exponential Smoothing
Berikut langkah-langkah yang perlu dilakukan dalam peramalan
dengan menggunakan metode pemulusan (Makridakis. S, Mc Gee. V.E, &
Wheelwright. S.C, 1995) :
1. Memilih suatu kelompok data untuk dianalisa
2. Memilih suatu metode pemulusan, dalam hal ini dipilih metode
pemulusan eksponensial ganda
3. Gunakan metode pemulusan untuk meramalkan data yang akan
dianalisa
4. Melakukan uji statistik
5. Keputusan penilaian ramalan
2.1.2.3. Kekurangan dan Kelebihan Metode Holt’Linear
Exponential Smoothing
Kelebihan metode Holt’ adalah metode ini memiliki kelebihan
yang sama dengan metode brown yaitu :
1. Dapat memodelkan trend dan tingkat dari suatu deret waktu
2. Secara perhitungan lebih efisien dibandingkan dengan metode
double moving averages. ( rata-rata bergerak ganda).
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
21
3. Memerlukan data yang lebih sedikit dibandingkan dengan double
moving averages. Karena hanya satu parameter yang digunakan,
optimasi parameter jadi lebih sederhana.
4. Selain itu metode ini juga memiliki fleksibilitas terhadap tingkat
dan trend yang dapat dimuluskan dengan bobot yang berbeda.
Kekurangan metode Holt adalah metode ini memerlukan optimasi
dari dua parameter sehingga pencarian untuk menemukan kombinasi nilai
paramter yang terbaik menjadi lebih sulit. Sebagaimana dalam metode
Brown, metode ini juga tidak menyertakan pemodelan untuk sifat
musiman dari suatu deret (Aries, 2007).
2.1.3. Metode ARIMA
2.1.3.1. Defenisi Metode ARIMA
Metode ARIMA (Box-Jenkis) merupakan metode analisis runtun
waktu (time series analisys). ARIMA sebenarnya adalah teknik untuk
mencari pola yang paling cocok dari sekelompok data (curve fitting),
dengan demikian ARIMA memanfaatkan sepenuhnya data masa lalu dan
sekarang untuk melakukan peramalan jangka pendek yang akurat
Model ARIMA dapat menganalisis data secara univariat yang
mengandung pola musiman maupun trend. Metode ini hanya menganalisis
data yang stasioner , sehingga data yang tidak stasioner harus
distasionerkan lebih dahulu dengan transformasi atau pembedaan. Berbeda
dengan metode pemulusan exponensial yang dapat menganalisis berbagai
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
22
data baik yang stasioner maupun tidak stasioner dengan pemisahan aspek
trend dan musiman. Suatu time series dikatakan stasioner jika nilai series
tidak memiliki trend dan unsur musiman dengan berjalannya waktu rata-
rata dan variasinya tetap.
Pada model ARIMA diperlukan penetapan karakteristik data deret
berkala seperti stasioner, musiman dan sebagainya yang memerlukansuatu
pendekatan sistematis dan akhirnya akan menolong untuk mendapatkan
gambaran yang jelas mengenai model-model dasar yang akan ditangani.
Hal semacam ini yang mencirikan dar model ARIMA dalam rangkaian
analisis data time series dibandingkan dengan metode pemulusan adalah
perlunya pemeriksaan keacakan data dengan koefisien autokorelasinya.
Model ARIMA juga bisa digunakan untuk mengatasi maslah sifat
keacakan, trend, musiman bahkan sifat siklis data time series yang
dianalisis.
2.1.3.2. Tahapan ProsedurMetode ARIMA
Pembuatan model ARIMA dapat dilakukan dengan menggunakan
tiga prosedur yaitu identifikasi model, estimasi model dan cek diagnosa.
keputusan untuk memasukkan parameter 0 ketika d> 0 dan penentuan
order p dan q pada ARIMA. Estimasi parameter yang digunakan dalam
penelitian ini menggunakan conditional least square kemudian
dilanjutkan uji statistik untuk menentukan apakah parameter tersebut
signifikan atau tidak. Pada tahap cek diagnosa dilakukan pengecekan
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
23
model didekati dengan analisis residual dari fitted model . Pengecekan
meliputi residual harus independen dan berdistribusi normal.
Proses model ARIMA (Box – Jenkins) secara garis besar adalah
sebagai berikut :
1. Membangun model regresi time series yang sesuai dengan
karakterstik data
2. Penaksiran parameter model yang dibangun
3. Telaah kecocokan model ramalan yang akan digunakan
4. Jika diperlukan maka bangun model alternatif. Sehingga dengan
metode ini, model-model regresi time series yang dibangun
sebaiknya lebih dari satu buah
Tahapan prosedur metode ARIMA (Box – Jenkins) meliputi :
1. Tahapan identifikasi
Dilakukan dengan pengidentifikasian model yang dianggap paling
sesuai dengan melihat plot data, ACF (Autocorrelation Function)
dan PACF (Partial Autocorrelation Function) dari correlogram
dengan menggunakan data lampau. Tahapan ini berguna untuk
megetahui apakah data time series sudah stasioner atau belum
untuk mendapatkan dugaan sementara.
Identifikasi model merupakan proses untuk mengidentifikasi
perlunya suatu transformasi apabila data tidak stasioner dalam
varian dan differencing apabila data tidak stasioner dalam mean.
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
24
Tahapan identifikasi meliputi :
a. Pengujian Stasioneritas Suatu Deret Berkala
Nilai-nilai autokorelasi dari deret data asli dihitung. Apabila
nilai tersebut turun dengan cepat ke atau mendekati nol sesudah
nilai kedua atau ketiga menandakan bahwa data stasioner
didalam bentuk aslinya. Sebaliknya, apabila nilai
autokorelasinya tidak turun ke nol dan tetap positif
menandakan data tidak stasioner sehingga diperlukan
pembedaan pertama terhadap data asli.
Apabila tetap tidak stasioner dilakukan pembedaan pertama
lagi. Untuk kebanyakan tujuan praktis suatu maksimum dari
dua pembedahan akan mengubah data menjadi deret stasioner.
b. Penentuan Pola Yang Lain
Apabila kestasioneran telah diperoleh nilai autokorelasi
dihitung untuk mengetahui pola lain yang terkadang terdapat
didalamnya (yaitu selain keacakan yang tersebar disekitar nilai
nol).
Terdapat 3 kemungkinan yang harus dipertimbangkan yaitu :
1) Mungkin faktor musiman menampakan dengan sendirinya.
Nilai autokorelasi untuk time lag setiap kuartal atau setiap
tahun yang besar dan seera signifikan berbeda dari nol
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
25
2) Mungkin terungkap adanya proses AR atau MA. Pola dari
autokorelasi dan autokorelasi parsialnya akan menunjukan
suatu model yang memungkinkan
3) Campuran dari ketidakstasioneran, musiman dan proses AR
dan MA mungkin akan terlihat (yaitu model ARIMA yang
umum).
c. Tahap Estimasi Parameter
Dilakukan dengan estimasi/penaksiran terhadap parameter
dalam model yang diidentifikasi tersebut. Setelah menetapkan
identifikasi model sementara, selanjutnya parameter-parameter
AR dan MA, musiman dan tidak musiman harus ditetapkan.
d. Tahap Uji Diagnostik
Untuk menguji kesesuaian dari parameter yang didapat pada
tahap sebelumya. Bila diperlukan model dikembangkan.
Setelah tahap penaksiran dari model ARIMA sementara
dilakukan, selanjutnya perlu dilakukan pemeriksaan untuk
membuktikan bahwa model tersebut cukup memadai. Terdapat
beberapa cara untuk melakukan hal tersebut, yaitu :
1) Mempelajari nilai sisa (residual) untuk melihat apakah
masih terdapat beberapa pola yang belum diperhitungkan.
Nilai sisa (galat) yang tertinggal sesudah dilakukan
pencocokan model ARIMA diharapkan hanya merupakan
gangguan acak. Oleh karena itu apabila autokorelasi dan
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
26
parsial dari nilai sisa diperoleh, diharapkan akan ditemukan
tidak ada autokorelasi dan pasial yang nyata
2) Mempelajari statistik sampling dan pemecahan optimum
untuk melihat apakah model tersebut masih dapat
disederhanakan
3) Overfitting model ARIMA, yaitu misalnya mengunakan
beberapa parameter lebih banyak daripada yang diperlukan
atau memilih AR orde kedua bilamana AR orde pertama
telah ditetapkan.
e. Tahap Peramalan/ Penerapan
Peramalan nilai time series masa mendatang dilakukan setelah
model yang sesuai teridentifikasi apabila model memadai maka
model tersebut dapat digunakanuntuk melakukan peramalan.
Sebaliknya, apabila model belum memadai maka harus
ditetapkan model yang lain.
Langkah yang digunakan dalam menganalisis data adalah
membuat plot data deret data berkala, kemidian menentukan
atau menaksir parameter dan uji kecocokan dari model yang
telah diperoleh. Setelah itu dilakukan presidksi untuk beberapa
periode berikutnya berdasarkan model yang telah diperoleh
tersebut.
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
27
2.1.3.3. Notasi Dalam Model ARIMA
Model ARIMA (p,d,q), nilai yang akan datang dari suatu variabel
diasumsikan sebagai fungsi linier dari beberapa pengamatan di masa lalu
dan random error. Model ARIMA(p,d,q) secara umum, yaitu (Abdulah,
2012):
11221122110 ........ ttttptpttt XXXX
ARIMA (p,d,q) dalam hal ini.
p menunjukan orde/ derajat Autoregresisve (AR)
d menujukan orde/ derajat Differencing (pembedaan) dan
q menunjukan orde/ derajat Moving Average (MA)
1. Model Autoregresisve (AR)
Model Autoregresisve adalah model yang menggambarkan bahwa
variabel dependen dipengaruhi oleh variabel dependen itu sendiri
pada periode dan waktu sebelumnya. Secara umum model
autoregresisve (AR) mempunyai bentuk sebagai berikut :
tptpttt eXXXX ........2211'
Dimana :
' Nilai konstanta
j parameter autoregresif ke j
te kesalahan pada saat t (Makridakis. S, Mc Gee.
V.E, & Wheelwright. S.C, 1995).
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
28
Orde dari model AR (yang diberi notasi p) ditentukan oleh jumlah
periode variabel dependen yang masuk dalam model. Sebagai
contoh :
tttt eXX 1' adalah model AR orde 1 dengan
notasi ARIMA (1,0,0)
ttttt eXXX 221' adalah model AR orde 2
dengan notasi ARIMA (2,0,0)
2. Model Moving Average (MA)
Secara umum model moving average (MA) mempunyai bentuk
sebagai berikut :
qtqtttt eeeeX ....2211'
dimana
q1 parameter-parameter MA
qte nilai kesalahan pada saat t-k
' konstanta (Makridakis. S, Mc
Gee. V.E, & Wheelwright. S.C, 1995).
Perbedaaan model moving average (MA) dengan autoregressive
terletak pada jenis variabel independen. Bila variabel independen
pada model autoregressive adalah nilai sebelumnya (lag) dari
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
29
variabel independen tY itu sendiri maka pada model moving
average (MA) adalah nilai residual pada periode sebelumnya.
Orde dari nilai Ma (yang diberi notasi q) ditentukan oleh jumlah
periode variabel independen yang masuk dalam model. Sebagai
contoh:
tt eBX 11 adalah model MA orde 1 dengan
notasi ARIMA (0,0,1)
tt eBBX 2211 adalah model MA orde 2
dengan notasi ARIMA (0,0,2)
3. Model ARMA (Autoregresisve Moving Average)
Sering kali karakteristik Y tidak dapat dijelaskan oleh proses AR
saja atau MA saja tetapi harus dijelaskan oleh kedua-duanya
sekaligus. Model yang memuat kedua proses ini biasa disebut
model ARMA, Bentuk umum model ini adalah :
1111'
tttt eeXX
4. Model ARIMA (Autoregresisve Integreated Moving Average)
Dalam prakteknya banyak ditemukan bahwa data bersifat non-
stasioner sehingga perlu dilakukan modifikasi dengan melakukan
pembedaan (differencing), untuk menghasilkan data yang stasioner.
Pembedaan dilakukan dengan mengurangi nilai pada suatu periode
dengan nilai pada periode sbelumnya.
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
30
Pada umumnya, data akan menjadi stasioner setelah dilakukan
pembedaan pertama. Jika setelah dilakukan pembedaan pertama
ternyata data masih belum stasioner perlu dilakukan pembedaan
berikutnya. Data yang dipakai sebagai input model ARIMA
adalahdata hasil transformasi yang sudah stasioner bukan data asli.
Berapa kali proses pembedaan dilakukan di notasikan dengan d.
Misalnya data asli belum stasiomer lalu dilakukan pembedaan
pertama dan menghasilkan data yang stasioner. Dapat dikatakan
bahwa series tersebut melalui proses pembedaan satu kali, d=1.
Namun jika ternyata deret waktu tersebut baru stasioner pada
pembedaha kedua kalinya maka, d=2 dan seterusnya.
Model ARIMA biasanya dilambangkan dengan ARIMA (p,d,q)
yang mengandung pengertian bahwa model tersebut menggunakan
p nilai lag dependen, d tingkat proses pembedaan (differencing)
dan q lag residual.
Notasi yang sangat bermanfaat pada stasioneritas adalah operator
shift mundur (backward shift), B yang penggunaannya adalah sebagai
berikut :
1 tt XBX (Makridakis. S, Mc Gee. V.E, &
Wheelwright. S.C, 1995).
Notasi B yang dipasang pada tX , mempunyai pengaruh menggeser data 1
periode ke belakang. Untuk menggeser data 2 periode ke belakang adalah
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
31
22
ttt XXBBXB (Makridakis. S, Mc Gee. V.E,
& Wheelwright. S.C, 1995).
Untuk data bulanan, apabila kita ingin mengalihkan perhatian ke
keadaan pada “bulan yang sma pada tahun sebelumnya “, maka digunakan
12B dan notasinya adalah 1212
tt XXB .
2.1.3.4. Kelebihan dan Kekurangan Metode ARIMA
Metode ini memiliki beberapa kelebihan dari metode lainnya yaitu:
1. Metode disusun dengan logis dan secara statistik akurat
2. Metode ini memasukan banyak informasi dari data historis
3. Metode ini menghasilkan kenaikan akurasi peramalandan pada
waktu yang sama menjaga jumlahparameter seminimal mungkin
4. Metode mengidentifikasi pola deret waktu
5. Metode ini dapat membuat ramalan dimasa mendatang baik
peramalan jangka pendek (harian) maupun peramalan jangka
panjang.
Kelemahan metode ini antara lain :
1. Metode ini mengunakan pendekatan iteratif yang mengidentifikasi
kemungkinan model yang bermanfaat. Model terpilih kemudian,
dicek kembali dengan data historis apakah telah mendeskripsikan
data tersebut secara tepat
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
32
2. Model “terbaik” akan diperoleh apa bila residua; antara model
peramalan dan data historis memiliki nilai yang kecil, distribusinya
random dan independen.
Dari analisis data yang telah dilakukan pada data yang belum
memenuhi stasioneritas dilakukan uji pembedaan (differencing) dan
transformasi. Setelah menaksir harga parameter dan uji kecocokan model,
diperoleh data residual yang sudah berdistribusi normal. Model yang
didapat dari metode ARIMA dapat digunakan untuk peramalan beberapa
periode kedepan dalam bentuk persamaan matematis. (Aries, 2007).
2.1.4. Uji Ketepatan Metode Peramalan
Dalam melakukan peramalan, hasil peramalan yang kita peroleh
tidak mungkin benar-benar tepat. Selisih yang terjadi antara nilai
peramalan dengan nilai yang sesungguhnya dapat kita sebut sebagai error
(kesalahan). Melalui nilai kesahan ini dapat kita lakukan beberapa analisis
sehingga kita dapat membandingkan metode peramalan mana yang paling
sesuai dengan data yang kita miliki serta seberapa baik metode yang
digunakan tersebut. Hal ini dapat diketahui dari perbandingan antara nila-
nilai kesalahan yang dihasilkan oleh masing-masing metode.
Tujuan dilakukannya perbandingan kedua metode peramalan ini
adalah karena setiap metode peramalan memiliki keunggulan dan
kelemahan masing-masing dalam menganalisis data, sehingga dapat
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
33
dipilih metode yang memiliki kesalahan paling kecil. Secara umum
perhitungan kesalahan peramalan dapat dijabarkan sebagai berikut :
ttt yye '
Dimana :
te residual (error) pada periode ke- i
ty nilai sesungguhnya pada periode ke- i
ty ' nilai hasil peramalan pada periode ke- i
Atas dasar nilai residual (error) di atas ada beberapa ukuran yang
dapat digunakan untuk mengukur ketepatan suatu metode peramalan yaitu:
1. MAPE (Mean Absolute Percentage Error)
MAPE (Mean Absolute Percentage Error) merupakan cara untuk
mengukur efektifitas ketepatan peramalan (nilai dugaan model)
dengan menghitung persentase rata-rata absolute kesalahan yang
terjadi. MAPE (Mean Absolute Percentage Error) secara umum
dirumuskan sebagai berikut :
100/
xn
yyyMAPE
ttt
Dimana :
y t nilai data sesungguhnya pada periode ke- t
ty nilai ramalan pada periode t
n = banyaknya data
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
34
2. MAD (Mean Absolute Deviation)
MAD (Mean Absolute Deviation), berguna untuk mengukur
ketepatan nilai dugaan model, yang dinyatakan dalam bentuk rata-
rata absolute kesalahan.
Rumus MAD adalah sebagai berikut :
nyy
MAD tt
Dimana :
yt = nilai data sesungguhnya pada periode ke- t
ty = nilai ramalan pada periode ke- t
n = banyaknya data
3. MSD (Mean Squared Deviation)
MSD(Mean Squared Deviation), berguna untuk mengukur
ketepatan nilai dugaan model, yang dinyatakan dalam rata-rata
kuadrat dari kesalahan.
Rumus MSD adalah sebagai berikut :
nyy
MSD tt
2
Dimana :
yt = nilai data sesungguhnya pada periode ke- t
ty nilai ramalan pada periode ke- t
n= banyaknya data (Makridakis. S, Mc Gee. V.E, & Wheelwright.
S.C, 1999).
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
35
Metode peramalan yang terbaik diperoleh dengan
caramembandingkan nilai MAPE (Mean Absolute Percentage Error) dan
MSD (Mean Squared Deviation) yang diperoleh dari masing-masing
metode. Semakin kecil nilai-nilai MAPE, MAD atau MSD, semakin kecil
nilai kesalahannya. Oleh karenanya, dalam menetapkan model terbaik
yang akan digunakan dalam peramalan, pilihlah model dengan nilai
MAPE, MAD atau MSD yang paling kecil. Nilai MAPE, MAD dan MSD
masing-masing dinyatakan dalam output grafik.
2.2. Penyakit Gagal Ginjal Kronis
2.2.1. Pengertian
Penyakit Gagal Ginjal adalah suatu penyakit dimana fungsi organ
ginjal mengalami penurunan hingga akhirnya tidak lagi mampu bekerja
sama sekali dalam hal penyaringan pembuangan elektrolit tubuh, menjaga
keseimbangan cairan dan zat kimia tubuh seperti sodium dan kalium
didalam darah atau produksi urin. Penyakit gagal ginjal berkembang
secara perlahan kearah yang semakin buruk dimana ginjal sama sekali
tidak lagi mampu bekerja sebagaimana fungsinya. Dalam dunia
kedokteran dikenal 2 macam jenis gagal ginjal yaitu gagal ginjal akut dan
gagal ginjal kronis.
Gagal ginjal kronis atau penyakit renal tahap akhir merupakan
gangguan fungsi renal yang progresif dan irreversibel. Dimana
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
36
kemampuan tubuh gagal untuk mempertahankan metabolisme dan
keseimbangan cairan dan elektrolit, menyebabkan uremia (retensi urea dan
sampah nitrogen lain dalam darah).
Tahapan penyakit gagal ginjal kronis berlangsung secara terus-
menerus dari waktu ke waktu. Klasifikasikan gagal ginjal kronis sebagai
berikut:
1. Stadium 1: kerusakan masih normal
2. Stadium 2: ringan
3. Stadium 3: sedang
4. Stadium 4: gagal berat
5. Stadium 5: gagal ginjal terminal
Pada gagal ginjal kronis tahap 1 dan 2 tidak menunjukkan tanda-
tanda kerusakan ginjal termasuk komposisi darah yang abnormal atau urin
yang abnormal.
2.2.2. Patofisiologis
Patofisiologi penyakit ginjal kronik pada awalnya tergantung pada
penyakit yang mendasarinya, tapi dalam perkembangan selanjutnya proses
yang terjadi kurang lebih sama. Pengurangan massa ginjal menyebabkan
hipertrofi sisa nefron secara struktural dan fungsional sebagai upaya
kompensasi. Hipertrofi “kompensatori” ini akibat hiperfiltrasi adaptif yang
diperantarai oleh penambahan tekanan kapiler dan aliran glomerulus.
Proses adaptasi ini berlangsung singkat akhirnya diikuti oleh proses
maladaptasi berupa sklerosis nefron yang masih tersisa.
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
37
Proses ini akhirnyadiikuti dengan penurunan fungsi nefron yang
progresif walaupun penyakit dasarnya sudah tidak aktif lagi. Adanya
peningkatan aktivitas aksis renin-angiotensin-aldosteron intrarenal ikut
memberikan konstribusi terhadap terjadinya hiperfiltrasi, sklerosis dan
progesifitas tersebut. Aktivitas jangka panjang aksis renin-angiotensin-
aldosteron, sebagian diperantarai oleh growth factor seperti transforming
growth factor ß.
Beberapa hal yang juga dianggap berperan terhadap
terjadinyaprogresifitas penyakit ginjal kronik adalah albuminuria,
hipertensi, hiperglikemia, dislipidemia.Terdapat variabilitas interindividual
untuk terjadinya sklerosis dan fibrosis glomerulus maupun
tubulointerstitial. Pada stadium yang paling dini penyakit ginjal kronik
terjadi kehilangan daya cadang ginjal (renal reserve),pada keadaan mana
basal LFG masih normal atau malah meningkat.
Kemudian secara perlahan tapi pasti akan terjadi penurunan fungsi
nefron yang progresif, yang ditandai dengan peningkatan kadar urea dan
kreatinin serum. Sampai pada LFG sebesar 60%, pasien masih belum
merasakan keluhan (asimtomatik), tapi sudah terjadi peningkatan kadar
urea dan kreatinin serum. Sampai pada LFG sebesar 30%, mulai terjadi
keluhan pada pasien seperti nokturia, badan lemah, mual, nafsu makan
kurang dan penurunan berat badan. Sampai pada LFG di bawah 30%,
pasien memperlihatkan gejala dan tanda uremia yang nyata seperti anemia,
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
38
peningkatan tekanan darah, gangguan metabolisme fosfor dan kalsium,
pruritus, mual, muntah dan lain sebagainya.
Pasien juga mudah terkena infeksi seperti infeksi saluran kemih,
infeksi saluran napas, maupun infeksi saluran cerna. Juga akan terjadi
gangguan keseimbangan air seperti hipo atau hipervolemia, gangguan
keseimbangan elektrolit antara lain natrium dan kalium. Pada LFG
dibawah 15% akan terjadi gejala dan komplikasi yang lebih serius, dan
pasien sudah memerlukan terapi pengganti ginjal antara lain dialisis atau
transplantasi ginjal. Pada keadaan ini pasien dikatakan sampai pada
stadium gagal ginjal.
2.2.3. Manisfestasi Klinis dan Diagnosis
Pada gagal ginjal kronis setiap sistem tubuh dipengaruhi oleh
kondisi uremia, oleh karena itu pasien akan memperlihatkan sejumlah
tanda dan gejala. Keparahan tanda dan gejala tergantung pada bagian dan
tingkat kerusakan ginjal, kondisi lain yang mendasari adalah usia pasien.
Berikut merupakan tanda dan gejala gagal ginjal kronis.
1. Kardiovaskuler yaitu yang ditandai dengan adanya hipertensi,
pitting edema (kaki, tangan, sacrum), edema periorbital, friction
rub pericardial, serta pembesaran vena leher
2. Integumen yaitu yang ditandai dengan warna kulit abu-abu
mengkilat, kulit kering dan bersisik, pruritus, ekimosis, kuku tipis
dan rapuh serta rambut tipis dan kasar
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
39
3. Pulmoner yaitu yang ditandai dengan krekeis, sputum kental dan
liat, napas dangkal seta pernapasan kussmaul
4. Gastrointestinal yaitu yang ditandai dengan napas berbau
ammonia, ulserasi dan perdarahan pada mulut, anoreksia, mual dan
muntah, konstipasi dan diare, serta perdarahan dari saluran GI
5. Neurologi yaitu yang ditandai dengan kelemahan dan keletihan,
konfusi, disorientasi, kejang, kelemahan pada tungkai, rasa panas
pada telapak kaki, serta perubahan perilaku.
6. Muskuloskletal yaitu yang ditandai dengan kram otot, kekuatan
otot hilang, fraktur tulang serta foot drop.
7. Reproduktif yaitu yang ditandai dengan amenore dan atrofi
testikuler.
2.2.4. Pengelolaan dan Pencegahan
Pengkajian klinik menentukan jenis penyakit ginjal, adanya
penyakit penyerta, derajat penurunan fungsi ginjal, komplikasi akibat
penurunan fungsi ginjal, faktor risiko untuk penurunan fungsi ginjal, dan
faktor risiko untuk penyakit kardiovaskular. Pengelolaan meliputi:
1. Terapi penyakit ginjal
2. Pengobatan penyakit penyerta
3. Penghambatan penurunan fungsi ginjal
4. pencegahan dan pengobatan penyakit kardiovaskular
5. pencegahan dan pengobatan komplikasi akibat penurunan fungsi
ginjal
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
40
6. Terapi pengganti ginjal dengan dialisis atau transplantasi jika
timbul gejala dan tanda uremia
Stadium dini penyakit ginjal kronik dapat dideteksi dengan
pemeriksaan laboratorium. Pengukuran kadar kreatinin serum dilanjutkan
dengan penghitungan laju filtrasi glomerulus dapat mengidentifikasi
pasien yang mengalami penurunan fungsi ginjal. Pemeriksaan ekskresi
albumin dalam urindapat mengidentifikasi pada sebagian pasien adanya
kerusakan ginjal. Sebagian besar individu dengan stadium dini penyakit
ginjal kronik terutama di negara berkembang tidak terdiagnosis. Deteksi
dini kerusakan ginjal sangat penting untuk dapat memberikan pengobatan
segera, sebelum terjadi kerusakan dan komplikasi lebih lanjut.
Pemeriksaan skrinning pada individu asimtomatik yang menyandang
faktor risiko dapat membantu deteksi dini penyakit ginjal kronik.
Pemeriksaan skrinning seperti pemeriksaan kadar kreatinin serum
dan ekskresi albumin dalam urin dianjurkan untuk individu yang
menyandang faktor risiko penyakit ginjal kronik, yaitu pada:
1. Pasien dengan diebetes melitus atau hioertensi
2. Individu dengan obesitas atau perokok
3. Individu berumur lebih dari 50 tahun
4. Individu dengan riwayat penyakit diabetes melitus, hipertensi, dan
penyakit ginjal dalam keluarga.
Upaya pencegahan terhadap penyakit ginjal kronik sebaiknya
sudah mulai dilakukan pada stadium dini penyakit ginjal kronik. Berbagai
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
41
upaya pencegahan yang telah terbukti bermanfaat dalam mencegah
penyakit ginjal dan kardiovaskular adalah:
1. Pengobatan hipertensi yaitu makin rendah tekanan darah makin
kecil risiko penurunan fungsi ginjal
2. Pengendalian gula darah, lemak darah, dan anemia
3. Penghentian merokok
4. Peningkatan aktivitas fisik
5. Pengendalian berat badan
6. Obat penghambat sistem renin angiotensin seperti penghambat
ACE (angiotensin converting enzyme) dan penyekat reseptor
angiotensin telah terbukti dapat mencegah dan menghambat
proteinuria dan penurunan fungsi ginjal.
2.2.5. Faktor Resiko Penyakit Gagal Ginjal Kronis
Faktor risiko gagal ginjal kronik, yaitu pada pasien dengan diabetes
melitus atau hipertensi, obesitas atau perokok, berumur lebih dari 50
tahun, dan individu dengan riwayat penyakit diabetes melitus, hipertensi,
dan penyakit ginjal dalam keluarga.
2.3. Hemodialisa
2.3.1. Pengertian Hemodialisa
Hemodialisa adalah satu bentuk prosedur cuci darah dimana darah
dibersihkan melalui ginjal buatan dengan bantuan mesin. Pada
hemodialisa, aliran darah yang penuh dengan toksik dan limbah nitrogen
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
42
dialihkan dari tubuh pasien ke dialiser tempat darah tersebut dibersihkan
dan kemudian dikembalikan lagi ke tubuh pasien. Sebagian besar dialiser
merupakan lempengan rata atau ginjal serat artifisial berongga yang berisi
ribuan tubulus selofan yang halus yang bekerja sebagai membran
semipermiabel. Aliran darah akan melewati tubulus tersebut sementara
cairan dialisat bersirkulasi disekelilingnya. Pertukaran limbah dari darah
ke dalam cairan dialisat akan terjadi melalui membran semipermeabel
tubulus (Handayani, 2011).
Dialisis didefinisikan sebagai difusi dari molekul di dalam larutan
yang melalui membran semipermeabel sepanjang gradien konsentrasi
elektrokimia. Tujuan utama dari dialisis adalah mengambalikan jumlah
cairan intraseluler dan ekstraseluler seperti halnya fungsi ginjal secara
normal, sehingga pH dan keseimbangan elektrolit tubuh terjaga dan sisa
metabolisme tubuh terbuang. Proses yang berperan dalam dialisis ini
adalah difusi, solvent drag (konveksi), dan adsorbsi (Harasyid, 2011).
Hemodialisis adalah prosedur tindakan untuk memisahkan darah
dari zat-zat sisa atau racun yang dilaksanakan dengan mengalirkan darah
melalui membran semipermiabel dimana zat sisa atau racun ini dialihkan
dari darah ke cairan dialisat yang kemudian dibuang, sedangkan darah
kembali ke dalam tubuh. Hal ini sesuai dengan arti dari hemo yang berarti
darah dan dialisis yang berarti memindahkan. Hemodialisis merupakan
metode yang paling umum digunakan dalam pengobatan gagal ginjal
stadium akhir dan permanen (Mariamah, 2012)
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
43
2.3.2. Jenis-jenis Hemodialisa
Ada dua macam metode dialisis yaitu peritoneal dialisis dan
hemodialisis. Pada peritoneal dialisis, peritonium berfungsi langsung
sebagai membran semipermeabel dari proses dialisis. Sedangkan pada
hemodialisis, membran semipermeabel berada diluar tubuh sebagai mesin
dialisat (Harasyid, 2011).
2.3.3. Tujuan Hemodialisis
Alat haemodialisis merupakan alat yang berada di luar tubuh yang
dipergunakan sebagai pengganti fungsi ginjal dan pemakaiannya biasanya
dilakukan pada pasien yang menderita gagal ginjal tahap akhir. Karena
hemodialisis merupakan terapi untuk mengganti fungsi ginjal yang rusak,
maka hemodialsis memilki tujuan yang sama dengan fungsi ginjal, seperti
membersihkan produk-produk dalam tubuh yang bersifat racun,
mengeluarkan kelebihan garam, dan mengeluarkan kelebihan air.
Hemodialisis juga dapat membantu dalam mengontrol tekanan darah dan
menjaga keseimbangan ion-ion yang penting dalam tubuh, seperti kalium,
natrium, kalsium, dan bikarbonat. Terapi dengan menggunakan
hemodialisis ini tidak bertujuan untuk mengembalikan fungsi ginjal,
melainkan hanya mengganti sebagian fungsi ginjal agar dapat
meminimalisasi kerusakan organ yang lain (Mariamah, 2012)
2.3.4. Prinsip-prinsip yang Mendasari Hemodialisa
Ada tiga prinsip yang mendasari kerja hemodialisa, yaitu difusi,
osmosis dan ultrafiltrasi. Toksin dan zat limbah di dalam darah
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
44
dikeluarkan melalui proses difusi dengan cara bergerak dari darah, yang
memiliki konsentrasi tinggi, ke cairan dialisat dengan konsentrasi yang
lebih rendah. Cairan dilaisat tersusun dari semua elektrolit yang penting
dengan konsentrasi ekstrasel yang ideal. Kadar elektrolit darah dapat
dikendalikan dengan mengatur rendaman dialisat (dialysate bath) secara
tepat.
Air yang belebihan dikeluarkan dari dalam tubuh melalui proses
osmosis. Pengeluaran air dapat dikendalikan dengan menciptakan gradien
tekanan, dengan kata lain, air bergerak dari daerah dengan tekanan yang
lebih tinggi (tubuh pasien)ke tekanan yang lebih rendah (cairan dialisat).
Gradien ini dapat ditingkatkan melalui penambahan tekanan negatif yang
dikenal dengan ultrafiltrasi pada mesin dialisis. Tekanan negatif diterapkan
pada alat ini sebagai kekuatan pengisap pada membran dan memfasilitasi
pengeluaran air. Karena pasien tidak dapat mengeksresikan air, kekuatan
ini diperlukan untuk mengeluarkan cairan hingga tercapai isovolemia
(keseimbangan cairan). Sistem dapar (buffer system) tubuh dipertahankan
dengan penambahan asetat yang akan berdifusi dari cairan dialisat ke
dalam darah pasien dan mengalami metabolisme untuk membentuk
bikarbonat.
Darah yang sudah dibersihkan kemudian dikembalikan ke dalam
tubuh melalui pembuluh vena pasien. Pada akhir terapi dialisis, banyak zat
limbah dikeluarkan, keseimbangan elektrolit sudah dipulihkan dan sistem
dapat juga telah diperbaharui(Handayani, 2011).
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
45
2.3.5. Komplikasi Hemodialisa
Meskipun hemodialisa dapat memperpanjang usia tanpa batas yang
jelas, tindakan ini tidak akan mengubah perjalanan alami penyakit ginjal
yang mendasari dan juga tidak akan mengembalikan seluruh fungsi ginjal.
Pasien tetap akan mengalami sejumlah permasalahan dan komplikasi.
Salah satu penyebab kematian diantara pasien-pasien yang menjalani
hemodialisa kronis adalah penyakit kardiovaskuler arteriosklerotik.
Gangguan metabolisme lipid (hipertrigliseridemia) tampaknya semakin
diperberat dengan tindakan hemodialisa.
Gagal jantung kongestif, penyakit jantung koroner serta nyeri
angina pektoris, stroke dan insufisiensi vaskuler perifer juga dapat terjadi
serta dapat membuat pasien tidak berdaya. Anemia dan rasa letih dapat
menyebabkan penurunan kesehatan fisik serta mental, berkurangnya
tenaga serta kemauan, dan kehilangan perhatian. Ulkus lambung dan
masalah gastrointestinal lainnya terjadi akibat stress fisiologik yang
disebabkan oleh sakit yang kronis, obat-obatan dan berbagai masalah yang
berhubungan. Gangguan metabolisme kalsium akan menimbulkan
osteodistrofi renal yang menyebabkan nyeri tulang dan fraktur. Masalah
lain mencakup kelebihan muatan cairan yang berhubungan dengan gagal
jantung kongestif, malnutrisi, infeksi, neuropati dan pruritus (Handayani,
2011).
ADLN- PERPUSTAKAAN UNIVERSITAS AIRLANGGA
TESIS Perbandingan metode holt linear .... Karol Octrisdey
Top Related