PERAMALAN PERMINTAAN DARAH MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION (Studi Kasus: Unit Transfusi Darah - PMI Lombok Tengah)

Darah merupakan komponen penting yang diproduksi oleh tubuh manusia. Saat
kadar darah dalam tubuh manusia kurang dari yang seharusnya, maka cara
mengatasinya ialah dengan melakukan donor darah. Unit transfusi darah (UTD)
Lombok Tengah merupakan instansi yang menyelenggarakan kegiatan donor darah,
penyediaan darah dan pendistribusian darah.
UTD melaksanakan tugasnya terdapat kendala seperti darah memiliki masa
kadaluarsa 35 hari sejak didonorkan. Jika sudah melewati masa kadaluarsa maka
tidak bisa digunakan lagi untuk transfusi darah. Sedangkan kebutuhan darah lebih
banyak dari yang mendonorkan, sehingga membuat UTD kesulitan ketika
permintaan stok darah yang ada tidak mencukupi kebutuhan darah. Jika stok yang
ada di UTD mengalami kelebihan. Maka darah tersebut terbuang sia-sia karena
masa kadaluarsa. Selain itu, permasalahan yang muncul adalah masyarakat belum
terpenuhi akan permintaan darah. Sehingga banyak masyarakat membutuhkan
pendonor sukarela. Sebagian besar masyarakat mencari informasi ketersediaan
darah melalui sosial media, broadcast dan platform-platform seperti WhatsApp,
Facebook, Instagram Hal ini berarti bahwa banyak pasien yang belum terpenuhi
permintaan darahnya.
Dengan permasalahan ketersediaan darah dan masa kadaluarsa darah tersebut.
Maka dilakukan analisa dan pembuatan model Support Vector Regression untuk
meramalkan permintaan darah yang ada di UTD PMI Lombok Tengah pada periode
selanjutnya. Hasil penelitian ini menunjukkan bahwa model terbaik adalah SVR
dengan kernel polynomial dan parameter yang digunakan adalah C=10, degree=1,
epsilon=1. Nilai MAPE sebesar 38,73% dan nilai RMSE sebesar 1,4579 yang berarti
model tersebut mempunyai kemampuan prediksi yang sangat baik. Keakuratan
prediksi dicapai dengan nilai R2 sebesar 0,9718 atau 97,18% dan nilai MSE sebesar
2,1257 yang berarti prediksi data permintaan darah di UTD PMI Lombok Tengah
menggunakan SVR dengan fungsi kernel polynomial memiliki hasil akurasi atau
ketepatan prediksi yang sangat baik.
Kata Kunci: Peramalan, Permintaan Darah, Support Vector Regression, SVR