Malnutrisi adalah penyakit yang menghancurkan dan menjadi permasalahan di lingkungan rumah sakit. Di Indonesia sendiri terdapat sekitar 76% pasien rawat inap berisiko mengalami malnutrisi sedang hingga berat. Hal ini menimbulkan pertanyaan apakah pelayanan kesehatan pada rumah sakit di Indonesia sudah memenuhi standard patient safety dalam pelayanan gizi pasien.
Peramalan kejadian malnutrisi memungkinkan petugas kesehatan untuk mengambil tindakan yang tepat dalam kualifikasi standart pelayanan gizi dan SDM tenaga ahli. Tujuan dari penelitian ini adalah untuk memodelkan peramalan menggunakan data pasien berisiko malnutrisi dari tahun 2013 hingga 2020 menggunakan metode Holt-Winters Exponential Smoothing.
Model Pemulusan Eksponensial Holt-Winters merupakan metode peramalan yang menitik beratkan data peramalan kedalam pemulusan komponen level, tren, dan musiman (Seasonality). Hasil penelitian menunjukkan bahwa akan ada penururunan kecil pada jumlah kasus pada tahun berikutnya.
Penelitian ini dilakukan dengan membandingkan 3 model Exponential Smoothing yaitu Simple Exponential Smoothing, Double Exponential Smoothing (Holt’s Linear Model), dan Triple Exponential Smoothing ( Holt-Winters Exponential Smoothing). Dari 3 model tersebut, didapatkan bahwa model Holt-Winters Exponential Smoothing merupakan model dengan kinerja paling baik karena memiliki hasil evaluasi model dengan error terkecil dibandingkan model lain. Yaitu, hasil evaluasi Root Mean Square Error (RMSE) sebesar 38.54, Mean Absolute Error (MAE) sebesar 26.94, dan Mean Absolute Percentage Error (MAPE) sebesar 31%.
Penelitian ini diproses menggunakan bahasa pemrograman python pada code editor Visual Studio Code.