ANALISIS PERBANDINGAN PREDISKSI OBAT DENGAN MENGGUNAKAN METODE ABC ANALISYS DAN SVR PADA APLIKASI “MORBIS”

Tutik Maryana; Kusrini Kusrini; Hanif Al Fatta

doi:10.36294/jurti.v3i2.1016

ANALISIS PERBANDINGAN PREDISKSI OBAT DENGAN MENGGUNAKAN METODE ABC ANALISYS DAN SVR PADA APLIKASI “MORBIS”

Tutik Maryana, Kusrini Kusrini, Hanif Al Fatta

Abstract

Permasalahan rumah sakit mengenai pengolahan persediaan obat adalah kondisi obat yang habis, dikarenakan rumah sakit dalam satu tahun mengeluarkan 33% dari biaya investasi untuk investasi obat. Untuk mengtasi permasalahan diatas rumah sakit harus memiliki pengeloaan logistic dengan baik, cara pengelolaan adalah dengan melakukan perencanaan yang baik. Penulis akan memakai algoritma ABC Analysis dan SVR. ABC Analysis akan digunakan untuk proses klasifikasi obat yaitu dengan cara membagi obat manjadi tiga kelompok utama berdasarkan kepentingan yaitu kelompok A, B dan C. Penulis akan menggunakan metodo SVR untuk menghitung prediksi obat. Hasil penelitian ini adalah ABC analisys dapat membagi obat. Menjadi tiga bagian yaitu kelompo A 276 item dengan presentase 22,96% dari jumlah item keseluruhan, kelompok B sejumlah 396 item dengan presentase 33,11% dan C sejumlah 528 dengan presenrase 43,94% dengan kesluruhan obat adlah 1202 item obat. Pengujian prediksi dilakukan dengan cara mengambil sample lima obat dari hasil klasifikasi. Proses perhitungan SVR adalah membandingkan metode preprocessing linier scaling dan z normalization. Hasil dari penelitian tersebut adalah MAPE menunjukan bahwa dengan menambahkan preprocessing dengan linier scaling dapat membuat proses SVR lebih optimal dari pada menggunakan z nomrlization dan perhitungan dengan klasifikasi ABC analisys.

Keywords

SVR, Klasifikasi, Prediksi , ABC Analisys.

Full Text:

PDF

References

Santoso, B. 2007. Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu.

Kelle, P., Woosley, J., & Schneider, H. (2012). Pharmaceutical supply chain specifics and inventory solutions for a hospital case. Operations Research for Health Care, 1(2-3), 54–63. doi:10.1016/j.orhc.2012.07.001

Santoso, B. 2007. Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu.

Smola, A.J. dan Scholkopf, B. 2003. A Tutorial on Support Vector Regression. Technical Report, Neurocolt.

Uthayakumar, R., & Priyan, S. (2013). Pharmaceutical supply chain and inventory management strategies for optimization: A study on pharmaceutical company and hospital. Operations Research for Health Care. doi:10.1016/j.orhc.2013.08.001

Kumar, S., & Chakravarty, A. (2015). ABC–VED analysis of expendable medical stores at a tertiary care hospital. Medical Journal Armed Forces India, 71(1), 24–27. doi:10.1016/j.mjafi.2014.07.002Lamport, L., 1994, LaTeX: A Document Preparation System, Second Edition, Addison Wiley, Canada

Er, M., Laili, E. N., & Renny, P. K. (2011). Classification of Hospital Pharmaceutical Drug Inventory Items by Combining ABC Analysis and Fuzzy Classification. International Conference on Advanced Computer Science and Information System (ICACSIS 2011), 978–979.

Shiau, J.-Y., Li, X., & Zheng, M.-J. (2012). Drug Inventory Control For Outpatien Services. Logistics Management, (July), 16–18.

Fruggiero, F., Iannone, R., Martino, G., Miranda, S., & Riemma, S. (2012). A forecast model for pharmaceutical requirements based on an artificial neural network. Service Operations and Logistics, and Informatics (SOLI), 2012 IEEE International Conference on, 263–268.

Makridakis, S. (1986). The art and science of forecasting An assessment and future directions. International Journal of Forecasting, 2(1), 15–39. doi:10.1016/0169-2070(86)90028-2

Scholz‐Reiter, B., Heger, J., Meinecke, C., & Bergmann, J. (2012). Integration of demand forecasts in ABC‐XYZ analysis: practical investigation at an industrial company.

Vapnik, V. N. (1999). An overview of statistical learning theory. IEEE Transactions on Neural Networks / a Publication of the IEEE Neural Networks Council, 10(5), 988–999. doi:10.1109/72.78864

DOI: https://doi.org/10.36294/jurti.v3i2.1016