<![CDATA[Seiring berjalannya waktu, digitalisasi di sektor kesehatan telah menghasilkan jumlah besar Electronic Medical Records (EMR) yang berpotensi dimanfaatkan untuk analisis tren penyakit. Penelitian ini berfokus pada penerapan metode moving average untuk menganalisis dan memvisualisasikan pola diagnosis harian, dengan menekankan perbandingan antara Simple Moving Average (SMA) dan Exponential Moving Average (EMA). Kedua metode ini penting karena mampu menghaluskan fluktuasi data harian, menonjolkan pola utama, serta membantu mendeteksi perubahan tren yang relevan bagi pemantauan penyakit secara real-time. Dataset yang digunakan terdiri atas 995 catatan transaksi diagnosis pasien dari periode observasi tertentu dari rumah sakit TMC Tasikmalaya. Tahapan penelitian mencakup pembersihan data, agregasi frekuensi diagnosis harian, transformasi ke bentuk deret waktu, penyaringan penyakit dengan jumlah kasus memadai, serta penerapan model SMA dan EMA untuk proses perataan data. Hasil analisis menunjukkan bahwa diagnosis “demam tidak spesifik” menempati peringkat tertinggi secara konsisten di semua metode, dengan nilai rata-rata berkisar antara 0,2041–0,2050. Secara kuantitatif, EMA dengan rentang 7 hari terbukti paling optimal karena mampu menyeimbangkan tingkat kesalahan prediksi dan kestabilan tren, dengan nilai Root Mean Square Error (RMSE) sebesar 0,1645 dan Mean Absolute Error (MAE) sebesar 0,0714, menunjukkan adaptivitas yang lebih tinggi dibanding SMA dalam menangkap perubahan harian. Temuan ini menegaskan potensi integrasi EMA-7 ke dalam sistem pemantauan penyakit real-time di rumah sakit, guna mendukung identifikasi dini peningkatan kasus dan pengambilan keputusan berbasis data. Dengan demikian, penelitian ini memperlihatkan peran penting metode moving average dalam analisis tren diagnosis medis serta membuka peluang pengembangan lebih lanjut dalam sistem pendukung keputusan di sektor kesehatan.]]>
