<![CDATA[Penyakit tidak menular (PTM) seperti hipertensi dan diabetes melitus terus mengalami peningkatan secara global dan menjadi tantangan besar dalam sistem pelayanan kesehatan. Ketidakpastian terhadap tren perkembangan PTM di masa depan menuntut adanya pendekatan prediktif yang akurat dan berbasis data. Penelitian ini bertujuan untuk mengkaji efektivitas penerapan model time series dalam memprediksi tren PTM guna mendukung perencanaan kebijakan kesehatan. Metode yang digunakan adalah literature review dengan pendekatan protokol PRISMA untuk menyeleksi dan menganalisis penelitian terdahulu terkait penggunaan model time series pada prediksi PTM. Hasil kajian menunjukkan bahwa model seperti ARIMA dan Holt’s Linear Smoothing banyak digunakan dalam meramalkan tren penyakit tidak menular. ARIMA terbukti efektif dalam menangkap pola linier tanpa musiman, namun kurang optimal ketika menghadapi pola musiman. Holt’s Linear Smoothing menawarkan alternatif yang fleksibel, meskipun hasilnya dapat bervariasi. Dibandingkan dengan model berbasis kecerdasan buatan seperti GPT-4, model klasik ini memiliki keterbatasan dalam adaptasi terhadap data kompleks. Simpulan dari studi ini menunjukkan bahwa model time series masih relevan dan bermanfaat dalam perencanaan kesehatan berbasis data, namun integrasi dengan teknologi kecerdasan buatan sangat disarankan untuk meningkatkan akurasi dan ketepatan proyeksi tren PTM di masa depan.]]>
Copyrights © 2025
