SMATIKA : STIKI Informatika Jurnal Vol.
No.
Desember 2024, pp.
ISSN: 2087-0256, e-ISSN: 2580-6939 Implementasi Data Mining menggunakan Metode Nayve Bayes pada Persediaan Obat-obatan di RSUD Kayuagung Nurul Huda1* Kevin Olivia Indri Putri2 1Teknik Informatika.
Universitas Bina Darma.
Jalan Jendral Ahmad Yani No.
3, 9/10 Ulu.
Seberang, 9 Ulu.
Seberang Ulu I.
Kota Palembang.
Sumatera Selatan 30264.
Indonesia 1 nurul_huda@binadarma.
id , 2 kevinolivia18@gmail.
*Penulis Korespondensi:
Nurul Huda nurul_huda@binadarma.
Abstrak Rumah sakit saat ini sudah banyak sekali menerapkan sebuah sisstem persediaan untuk persediaan obat-obatan dimana hal tersebut adalah sebuah proses analisis data besar untuk menemukan pola, hubungan, dan tren yang relevan dalam data persediaan obat-obatan.
Tujuannya tentu agar teroptimalisasikannya pengelolaan stok obat-obatan, mengurangi pemborosan, dan memastikan ketersediaan obat yang tepat pada waktu yang tepat.
Manajemen persediaan obat yang efektif dan efisien merupakan aspek penting dalam operasional rumah sakit, untuk memastikan ketersediaan obat yang tepat waktu dan meminimalkan risiko kekurangan atau kelebihan stok.
Pada penelitian ini metode Nayve Bayes dipilih karena kemampuannya dalam menangani data yang besar dan kompleks, serta menghasilkan prediksi yang akurat.
Dimana ada beberapa tahapan yaitu meliputi dari pengindentifikasian masalah, perumusan masalah, pengumpulan masalah, pembuatan model klasifikasi, pembuatan aplikasi, pembuatan implementasi model, pelaksanaan pengujian penelitian dan tahan penyusunan laporan.
Hasil penelitian ini menunjukkan potensi besar penggunaan data mining dalam manajemen persediaan di sektor kesehatan.
Kata Kunci: Data Mining.
Manajemen Persediaan.
Nayve Bayes.
Persediaan Obat.
RSUD Kayuagung Abstract Hospitals today have widely adopted inventory systems for managing drug supplies, which involve the process of big data analysis to identify relevant patterns, relationships, and trends in the drug inventory data.
The goal is to optimize stock management, reduce waste, and ensure the availability of the right medications at the right time.
Effective and efficient drug inventory management is a crucial aspect of hospital operations, ensuring timely availability of medications and minimizing the risks of shortages or overstocking.
In this study, the Nayve Bayes method was chosen for its ability to handle large and complex datasets and produce accurate predictions.
The research process involved several stages: problem identification, problem formulation, data collection, model classification creation, application development, model implementation, research testing, and report preparation.
The findings of this study demonstrate the significant potential of data mining in inventory management within the healthcare sector.
Keywords: Data Mining.
Drug Inventory.
Inventory Management.
Nayve Bayes.
RSUD Kayuagung.
Pendahuluan Manajemen persediaan obat-obatan yang efektif dan efisien merupakan aspek kritis dalam operasional rumah sakit, termasuk di RSUD Kayuagung.
Pengelolaan stok obat yang buruk dapat mengakibatkan berbagai masalah, seperti kekurangan atau kelebihan obat, pemborosan sumber daya, dan penurunan kualitas pelayanan kesehatan.
Oleh karena itu, rumah sakit perlu mengimplementasikan sistem persediaan yang canggih dan terintegrasi untuk memastikan ketersediaan obat yang tepat pada waktu yang tepat .
Data mining, sebagai proses analisis data besar untuk menemukan pola, hubungan, dan tren yang relevan, menawarkan solusi potensial untuk mengatasi tantangan ini.
Metode Nayve Bayes, yang dikenal karena kemampuannya dalam menangani data besar dan kompleks serta menghasilkan prediksi yang akurat, dipilih sebagai pendekatan yang cocok untuk manajemen persediaan obat di RSUD Kayuagung.
Cite: Huda.
dkk, .
Implementasi Data Mining menggunakan Metode Nayve Bayes pada Persediaan Obatobatan di RSUD Kayuagung.
SMATIKA : STIKI Informatika Jurnal, 14.
doi: https://doi.
org/10.
32664/smatika.
Implementasi Data Mining menggunakan Metode Nayve Bayes pada Persediaan Obatobatan di RSUD Kayuagung Penelitian ini bertujuan untuk mengoptimalkan pengelolaan stok obat di RSUD Kayuagung dengan menggunakan metode Nayve Bayes, yang dapat memprediksi kebutuhan obat di masa depan secara akurat.
Tujuannya adalah meningkatkan efisiensi operasional, mengurangi pemborosan, dan memastikan ketersediaan obat yang tepat waktu, sehingga kualitas pelayanan kesehatan dapat ditingkatkan.
Implementasi metode Nayve Bayes dalam manajemen persediaan obat dapat memberikan berbagai keuntungan, seperti optimalisasi pengelolaan stok, peningkatan efisiensi operasional, reduksi pemborosan, peningkatan kualitas pelayanan pasien, penghematan biaya, dan perbaikan proses pengambilan keputusan.
Dengan menggunakan metode ini, rumah sakit dapat memprediksi kebutuhan obat di masa depan dengan lebih akurat, sehingga dapat memastikan ketersediaan obat yang sesuai dengan kebutuhan pelayanan kesehatan .
Algoritma Nayve Bayes cocok untuk data berskala ordinal, yang memiliki variabel dengan nilai berupa simbol tetapi bisa diurutkan.
Algoritma ini memiliki kemampuan baik dalam mengestimasi data dengan pola tren dan prediksi untuk bulan berikutnya, sehingga cocok untuk mengestimasi banyaknya penggunaan obat atau alat kesehatan di Instalasi Farmasi .
Dengan menerapkan algoritma Nayve Bayes, diharapkan penelitian ini dapat membantu RSUD Kayuagung dalam mengelola persediaan obat dengan lebih efisien, memastikan ketersediaan obat yang cukup dan mengurangi risiko kekurangan atau kelebihan stok, serta meningkatkan pelayanan kepada pasien .
Selain itu, penggunaan Nayve Bayes dalam prediksi persediaan obat di Instalasi Farmasi dapat meningkatkan efisiensi manajemen stok dengan tingkat akurasi mencapai 85%.
Penelitian ini menyoroti pentingnya penggunaan data mining untuk mengoptimalkan persediaan obat dan mengurangi kekurangan atau kelebihan stok .
Berdasarkan permasalahan yang dihadapi, peneliti tertarik untuk melakukan klasifikasi data farmasi dengan metode Nayve Bayes.
Penelitian ini akan membantu dalam mengidentifikasi obatobatan yang sering digunakan, sehingga prediksi persediaan obat dapat dilakukan dengan lebih akurat .
RSUD Kayuagung dapat dengan lebih mudah menentukan apakah persediaan obat CUKUP atau TIDAK CUKUP berdasarkan prediksi kebutuhan obat di masa mendatang.
Hal ini akan membantu dalam manajemen persediaan obat yang lebih efektif, mengurangi risiko kekurangan atau kelebihan stok obat, serta meningkatkan pelayanan kepada pasien .
Metode Penelitian Penelitian ini dilakukan pada Rumah Sakit Umum Daerah Kayuagung Kabupaten Ogan Komering Ilir.
Sumatera Selatan.
Penelitian dilakukan menggunakan metode Nayve Bayes merupakan Metode ini sering digunakan dalam data mining dan machine learning karena kemampuannya untuk menangani masalah klasifikasi yang kompleks dengan efisien dan cepat .
Berikut tahapan yang akan dilakukan pada penelitian ini dijelaskan sebagai berikut :
A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Implementasi Data Mining menggunakan Metode Nayve Bayes pada Persediaan Obatobatan di RSUD Kayuagung Gambar 1.
Tahapan Metode Nayve Bayes(Fauzan, 2.
Masalah prediksi inventory obat di RSUD Kayuagung diidentifikasi untuk memahami persoalan yang terjadi.
Peneliti ini melakukan studi literatur untuk menemukan metode penyelesaian yang relevan dan mengusulkan bahwa penggunaan data mining dapat mengoptimalkan pengelolaan stok, efisiensi operasional, mengurangi pemborosan, meningkatkan pelayanan pasien, menghemat biaya, memperbaiki proses keputusan, dan meningkatkan keberlanjutan .
Selanjutnya, perumusan masalah dilakukan untuk menetapkan tujuan prediksi inventory obat yang sesuai dengan kebutuhan pelayanan kesehatan.
Pengumpulan data dilakukan melalui rekapitulasi penerimaan barang persediaan dengan menggunakan diagram FEFO (First Expired.
First Ou.
dan FIFO (First In.
First Ou.
Diskusi dengan instalasi farmasi RSUD Kayuagung menghasilkan data obat-obatan, alat kesehatan, dan alat kesehatan APBD yang kemudian dikumpulkan dan dikelola.
Pembuatan aplikasi prediksi inventory obat berbasis web dengan PHP dilakukan setelah model klasifikasi dibuat.
Implementasi model klasifikasi dilakukan dengan menerapkan model ke dalam aplikasi yang dikembangkan Pada pengumpulan data juga menggunakan 2 diagram alur yaitu : diagram FEFO (First Expired.
First Ou.
dan diagram FIFO (First In.
First Ou.
Tahap pengujian model klasifikasi memastikan hasil yang memuaskan dan andal melalui beberapa langkah penting, termasuk pemilihan data testing, analisis hasil, dan Pada tahap akhir, pelaporan menjadi dasar evaluasi dan panduan bagi tim instalasi farmasi RSUD Kayuagung untuk klasifikasi kembali jika terjadi kesalahan atau ketidakpuasan dengan sistem yang telah dibangun.
Hasil Pada tahapan awal akan diidentifikasikan seluruh masalah untuk memahami persoalan yang terjadi dalam prediksi inventory obat yang sesuai dengan kebutuhan pelayanan kesehatan di RSUD Kayuagung, peneliti melakukan studi literatur sebagai langkah awal untuk menemukan metode penyelesaian yang relevan dengan permasalahan klasifikasi yang dihadapi.
Ditemukan bahwa peneliti mengusulkan dampak pengadaan stok menggunakan data mining yang dapat membawa sejumlah keuntungan dan perubahan positif dalam pengelolaan stok obat di RSUD kayuagung meliputi optimalisasi pengelolaan stok, efesiensi operasional, reduksi pemborosan, peningkatan pelayanan pasien, penghematan biaya, perbaikan proses Keputusan dan peningkatan keberlanjutan.
Selanjutnya dilakukan perumusan masalah untuk menetapkan tujuan dari prediksi inventory Selanjutnya, perumusan masalah dilakukan untuk menetapkan tujuan dari prediksi inventory A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Implementasi Data Mining menggunakan Metode Nayve Bayes pada Persediaan Obatobatan di RSUD Kayuagung obat yang sesuai dengan kebutuhan pelayanan kesehatan.
Langkah-langkah yang digunakan antara lain penetapan tujuan, batasan masalah, hasil yang diinginkan, dan ketetapan hasil.
Pengumpulan data juga dilakukan untuk data rekapitulasi penerimaan barang persediaan, yang merupakan proses penting dalam manajemen persediaan dan logistik rumah sakit.
Pengumpulan data dilakukan menggunakan dua diagram alur, yaitu diagram FEFO (First Expired.
First Ou.
dan diagram FIFO (First In.
First Ou.
Diagram FEFO digunakan untuk mengelola stok obat berdasarkan prinsip bahwa obat-obat yang memiliki tanggal kedaluwarsa paling awal akan dikeluarkan atau digunakan terlebih dahulu, sedangkan diagram FIFO digunakan untuk mengelola stok obat berdasarkan prinsip bahwa obat-obat yang pertama kali diterima atau masuk ke persediaan juga yang pertama kali digunakan atau keluar.
Diskusi dengan instalasi farmasi RSUD Kayuagung menghasilkan data yang diperlukan, termasuk 555 data obat-obatan, 200 data alat kesehatan, dan 20 data alat kesehatan APBD.
Data-data ini dikumpulkan dan dikelola menjadi sebuah draft untuk kemudian digunakan dalam pembuatan model klasifikasi dan aplikasi prediksi inventory obat.
Tahap berikutnya adalah pembuatan aplikasi prediksi inventory obat setelah model klasifikasi dibuat dengan benar.
Aplikasi ini dikembangkan berbasis web menggunakan bahasa pemrograman PHP, sehingga dapat digunakan pada Instalasi Farmasi RSUD Kayuagung.
Implementasi model klasifikasi dilakukan dengan menerapkan model yang telah dibuat pada aplikasi yang dikembangkan.
Proses ini melibatkan beberapa langkah penting untuk memastikan bahwa model dapat berfungsi secara efektif dalam situasi praktis.
Pada tahap implementasi model klasifikasi, penulis fokus pada menerapkan model yang telah dibuat pada tahap sebelumnya ke dalam aplikasi Prediksi Inventory Obat yang telah selesai Proses ini melibatkan beberapa langkah penting untuk memastikan bahwa model dapat berfungsi secara efektif dalam situasi praktis.
Sistem persediaan stok obat di RSUD kayuagung Ogan Komering Ilir dimplementasikan melalui hasil dari penelitian yang telah dilakukan dengan melakukan identifikasi hingga pengujian sesuai dengan yang telah disusun.
Tahapan ini menemukan hasil yaitu halaman login dan TPO.
Home admin.
Home TPO, halaman pengguna, halaman TPO, halaman obat, halaman alkes, halaman barang masuk obat, barang masuk alkes dan APBD, barang keluar obat, barang keluar alkes dan APBD.
Halaman rekap obat, halaman rekap alkes dan APBD, import data, laporan data/export data dan halaman nayve bayes.
Hal ini membuat integrasi yang menciptakan sebuah system yang terstruktur dan user-friendly serta memastikan aksesibilitas yang interaktif dan efektif didalam system persediaan stok obat di RSUD kayuagung.
Gambar 2.
Halaman Login Admin dan TPO Gambar 3.
Halaman Home Admin Pada Gambar 2 di atas merupakan hasil implementasi dari halaman login, dimana pada halaman ini admin dan TPO diminta untuk dapat masuk ke dalam system dengan memasukan username dan password yang benar.
Hal ini sengaja dirancang untuk keamanan sebuah sistem dengan pelindungan yang baik terhadap data data yang ada didalamnya.
A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Implementasi Data Mining menggunakan Metode Nayve Bayes pada Persediaan Obatobatan di RSUD Kayuagung Pada Gambar 3 di atas merupakan hasil implementasi dari halaman home admin .
, dimana halaman ini khusus untuk admin, halaman ini akan tampil jika admin berhasil memasukan username dan password yang benar dan berhasil melakukan login untuk melihat datta data yang telah terinput pada bagian backend sebuah sistem.
Gambar 4.
Halaman Home TPO Pada Gambar 4 di atas merupakan hasil implementasi dari halaman home TPO, dimana halaman ini khusus untuk TPO, halaman ini akan tampil jika TPO berhasil melakukan login.
Dengan berhasilnya TPO melakukan login.
TPO dapat melihat data yang telah tersedia dihalaman seperti stok obat, alkes dan alkes APBD.
Gambar 5.
Halaman Pengguna (Use.
Gambar 6.
Halaman TPO Dapat dilihat pada Gambar 5 dan Gambar 6 adalah halaman pengguna .
yang menambahkan pengguna atau yang akan menggunakan dengan berbagai kategori yaitu username, tipe pengguna dan aksi yang akan dilakukan dari sebuah sistem persediaan stok obat dan halaman TPO yang akan mengelolah sistem dikarenakan telah disesuaikan oleh pihak admin.
Gambar 7.
Halaman Obat Gambar 8.
Halaman Alkes A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Implementasi Data Mining menggunakan Metode Nayve Bayes pada Persediaan Obatobatan di RSUD Kayuagung Pada Gambar 7 adalah hasil implementasi dari halaman obat, dimana halaman ini khusus untuk admin saja, halaman ini akan tampil jika admin memilih menu obat dan admin dapat menambah, merubah dan menghapus data obat.
Sedangkan.
Pada Gambar 8 hasil implementasi dari halaman alkes, dimana halaman ini juga hanya khusus untuk admin saja, pada halaman ini akan tampil jika admin memilih menu alkes serta dapat menambah, merubah dan menghapus data alkes.
Gambar 9.
Halaman Barang Masuk Obat Gambar 10.
Halaman Barang Masuk Alkes Gambar 11.
Halaman Barang Masuk Alkes APBD Pada Gambar 9.
Gambar 10 dan Gambar 11 adalah sebuah tampilan hasil implementasi dari halaman barang masuk obat, alkes dan alkes APBD, dimana pada halaman ini dapat di akses oleh admin dan TPO.
Admin dan TPO dapat memasukan barang masuk dengan memilih obat, alkes dan alkes APBDnya terlebih dahulu serta dapat menginput barang yang masuk sesuai bulan dan periode yang diinginkan.
Gambar 12.
Halaman Barang Keluar Obat Gambar 13.
Halaman Barang Keluar Alkes A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Implementasi Data Mining menggunakan Metode Nayve Bayes pada Persediaan Obatobatan di RSUD Kayuagung Gambar 14.
Halaman Barang Keluar Alkes APBD Pada Gambar 12 - 14 adalah sebuah tampilan hasil implementasi dari halaman barang keluar obat, alkes dan alkes APBD, dimana pada halaman ini dapat di akses oleh admin dan TPO.
Admin dan TPO dapat meneluarkan barang .
utput baran.
keluar dengan memilih obat, alkes dan alkes APBD nya terlebih dahulu serta dapat menginput barang yang keluar sesuai bulan dan periode yang diinginkan.
Gambar 15.
Halaman Rekap Obat Gambar 16.
Halaman Rekap Alkes Gambar 17.
Halaman Rekap Alkes APBD Pada Gambar 15 - 17 berikut merupakan hasil implementasi dari halaman rekap obat, alkes dan alkes apbd, dimana halaman ini dapat di akses oleh admin dan TPO, halaman ini akan tampil jika admin dan TPO memilih menu rekap, pada halaman ini admin dan TPO dapat melakukan rekap dengan memilih obat, alkes dan alkes apbdnya terlebih dahulu serta dapat melihat rekap obat, alkes dan alkes apbd dengan memilih periode yang diinginkan maka akan menampilkan rekapan dari setiap bulannya.
A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Implementasi Data Mining menggunakan Metode Nayve Bayes pada Persediaan Obatobatan di RSUD Kayuagung Gambar 18.
Halaman Import Data Gambar 19.
Halaman Export Data (Lapora.
Pada Gambar 18 dan Gambar 19 menunjukan bahwa halaman import akan dapat memasukan data-data terkait rekapan dari obat, alkes dan alkes APBD serta dapat mendownload format yang telah di sediakan dengan file excel.
Kemudian pada halaman export atau laporan ditemukan bahwa user akan dapat melakukan export data sesuai dengan periode yang telah ditentukan atau ingin di tentukan sesuai setiap bulannya, setiap bulan dari halaman ini dapat di export melalui halaman menu yang telah di sediakan.
Gambar 20.
Halaman Nayve Bayes Pada Gambar 20 merupakan penerapan metode Nayve Bayes agar dapat melakukan prediksi persediaan dengan impelementasi metode Nayve Bayes.
Langkat pertama yang akan dilakukan adalah memilih apa yang ingin dipredisi dari obat, alkes dan alkes apbd.
Selanjutnya yaitu memasukan total stok saat ini yang tersedia kemudian disediakan button proses untuk mengeksekusi agar menampilkan prediksi persediaan sudah cukup atau tidak cukup.
Pada halaman ini juga menampilkan Data training serta menampilkan step by step dari perhitungan dengan menggunakan metode Nayve Bayes.
Pembahasan Tahap pengujian model klasifikasi adalah langkah penting untuk memastikan bahwa model memberikan hasil yang memuaskan dan dapat diandalkan dalam situasi dunia nyata.
Proses pengujian melibatkan penggunaan data uji pada aplikasi prediksi inventory obat yang telah selesai dikembangkan.
Tahapan pengujian dan evaluasi model klasifikasi meliputi pemilihan data testing, pengujian model dengan data testing, analisis hasil pengujian, evaluasi kesesuaian model, pengukuran kinerja, identifikasi kelemahan dan peningkatan, validasi dengan tim pengguna, serta dokumentasi hasil dan kesimpulan.
Berikut ini merupakan implementasi perhitungan metode nayve bayes berdasarkan data yang ada.
Contoh disini menggunakan data obat yaitu alcohol swab dapat diliat seperti table berikut :
A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Implementasi Data Mining menggunakan Metode Nayve Bayes pada Persediaan Obatobatan di RSUD Kayuagung Tabel 1.
Data Training Nama Obat Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Abu (Anti Bisa Ula.
Inj Nama PT PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
PT.
ENSEVAL PUTERA
Satuan Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Vial Total Stok Keterangan Tidak Cukup Tidak Cukup Tidak Cukup Tidak Cukup Tidak Cukup Tidak Cukup Tidak Cukup Tidak Cukup Tidak Cukup Tidak Cukup Tidak Cukup Tidak Cukup Tidak Cukup Tidak Cukup Tidak Cukup Tidak Cukup Tidak Cukup Tidak Cukup Tidak Cukup Tidak Cukup Tidak Cukup Cukup Cukup Cukup Cukup Cukup Cukup Cukup Cukup Cukup Cukup Cukup Cukup Cukup Cukup Cukup Cukup Cukup Cukup Cukup Cukup Pada Tabel 1 merupakan data training yang digunakan untuk mengimplementasikan metode klasifikasi Nayve Bayes.
Data tersebut terdiri dari beberapa kolom yang mencatat informasi terkait obat " Abu (Anti Bisa Ula.
Inj " yang disuplai oleh PT.
ENSEVAL PUTERA, termasuk total stok obat dan keterangan apakah stok tersebut dianggap "Cukup" atau "Tidak Cukup".
Proses penentuan label "Cukup" atau "Tidak Cukup" didasarkan pada total stok obat per bulan.
Jika total stok obat pada suatu bulan lebih besar atau sama dengan rata-rata stok obat selama periode waktu tertentu, maka obat tersebut akan diberi label "Cukup".
Namun, jika total stok obat pada suatu bulan lebih kecil dari rata-rata stok obat selama periode waktu tertentu, maka obat tersebut akan diberi label "Tidak Cukup".
A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Implementasi Data Mining menggunakan Metode Nayve Bayes pada Persediaan Obatobatan di RSUD Kayuagung Tabel 2.
Data Uji Nama Obat Abu (Anti Bisa Ula.
Inj Nama PT PT.
ENSEVAL PUTERA
Satuan Vial Total Stok Keterangan Pada Tabel 2 dijelaskan bahwa data uji yang digunakan untuk menguji model atau sistem yang telah dibuat berdasarkan data training sebelumnya.
Data uji memiliki struktur yang serupa dengan data pelatihan, tetapi tidak digunakan dalam proses pelatihan model.
Sebaliknya, data uji digunakan untuk mengukur kinerja model atau sistem yang telah dilatih dengan data training.
Dalam konteks ini, data uji terdiri dari satu entri yang mencatat informasi tentang stok obat " Abu (Anti Bisa Ula.
Inj " yang disuplai oleh PT.
ENSEVAL PUTERA.
Data tersebut mencakup informasi tentang total stok obat pada satu bulan tertentu.
Penentuan label atau keterangan untuk data uji ini dilakukan berdasarkan model atau sistem yang telah dilatih menggunakan data training.
Setelah model dilatih, data uji akan digunakan untuk menguji kinerja model tersebut dengan memprediksi label atau keterangan yang sesuai untuk total stok obat pada bulan yang tercatat dalam data uji.
Tabel 3.
Probabilitas Kelas Kelas P (Cuku.
P (Tidak Cuku.
Probabilitas = 20/41 = 0.
= 21/41
= 0.
Dalam langkah ini, telah diberikan tabel probabilitas kelas yang sudah ditentukan sebelumnya.
Tabel tersebut memberikan probabilitas untuk setiap kelas yang mungkin, yaitu "Cukup" dan "Tidak Cukup".
Langkah berikutnya yaitu Menghitung nilai mean untuk atribut total stok dengan perhitungan sebagai berikut:
Tabel 4.
Nilai Mean Mean AA (Cuku.
AA (Tidak Cuku.
Nilai Mean = .
69 22187 23040 23927 23954 24045 25587 25938 26301
27082 27082 27082 27538 27907 27907 27983 28858 30539
/ 20
= 526029 / 20
= 26301.
= .
1 2297 2362 2627 3322 4080 4923 5588 6145 7334
7513 7736 10136 11586 12043 12187 12951 13085 16636
/ 21
= 178380 / 21
= 8494.
Dalam langkah ini, dihitung nilai mean .
ata-rat.
untuk atribut total stok.
Mean adalah ukuran pusat yang umum digunakan dalam statistika untuk menggambarkan nilai tengah dari kumpulan Nilai-nilai ini dapat digunakan untuk analisis lebih lanjut, seperti pembandingan antara kelas "Cukup" dan "Tidak Cukup" dalam hal persediaan obat-obatan di RSUD Kayuagung.
A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Implementasi Data Mining menggunakan Metode Nayve Bayes pada Persediaan Obatobatan di RSUD Kayuagung Tabel 5.
Nilai Standar Deviasi Standar Deviasi E (Cuku.
E (Tidak Cuku.
Nilai Standar Deviasi = Oo {(.
69 - 26301.
^2 .
87 - 26301.
^2 .
40 - 26301.
27 - 26301.
^2 .
54 - 26301.
^2 .
45 - 26301.
^2 .
- 26301.
^2 .
38 - 26301.
^2 .
01 - 26301.
^2 .
^2 .
82 - 26301.
^2 .
82 - 26301.
^2 .
^2 .
07 - 26301.
^2 .
07 - 26301.
^2 .
^2 .
58 - 26301.
^2 .
39 - 26301.
^2 .
^2 .
64 - 26301.
/ 20 - .
= Oo .
95 / .
= Oo 10188109.
= 3191.
= Oo ((.
1 - 8494.
^2 .
7 - 8494.
^2 .
^2 .
7 - 8494.
^2 .
^2 .
0 - 8494.
^2 .
^2 .
8 - 8494.
^2 .
^2 .
4 - 8494.
^2 .
^2 .
6 - 8494.
^2 .
^2 .
86 - 8494.
^2 .
^2 .
87 - 8494.
^2 .
^2 .
85 - 8494.
^2 .
^2 .
36 - 8494.
^2 .
/ 21 - .
= Oo .
28571 / .
= Oo 25713568.
= 5070.
Langkah berikutnya yaitu Menghitung Nilai distribusi normal (Gaussia.
dengan perhitungan sebagai berikut:
Tabel 6.
Nilai Distribusi Normal (Gaussia.
Probabilitas P (Total Stok = 25000 | Cuku.
P (Total Stok = 25000 | Tidak Cuku.
Nilai = 0.
= 0.
Kemudian Menghitung Nilai probabilitas akhir dengan perhitungan sebagai berikut:
Tabel 7.
Nilai Probabilitas Akhir Keterangan Cukup Tidak Cukup Nilai = P (Total Stok = 25000 | Cuku.
x P (Cuku.
= 0.
00011501713934 x 0.
= 0.
= P (Total Stok = 25000 | Tidak Cuku.
x P (Tidak Cuku.
= 0.
000000393663932 x 0.
= 0.
Berdasarkan hasil perhitungan probabilitas, nilai probabilitas untuk kategori "Cukup" adalah 0000561059, sedangkan nilai probabilitas untuk kategori "Tidak Cukup" adalah Nilai probabilitas untuk kategori "Cukup" secara signifikan lebih tinggi daripada untuk kategori "Tidak Cukup".
Oleh karena itu, dapat disimpulkan bahwa persediaan stok barang Abu (Anti Bisa Ula.
Inj lebih mungkin diklasifikasikan sebagai "Cukup" karena A 2024 SMATIKA Jurnal.
Published by LPPM STIKI Malang This is an open access article under the CC BY SA license.
ttps://creativecommons.
org/licenses/by-sa/4.
Implementasi Data Mining menggunakan Metode Nayve Bayes pada Persediaan Obatobatan di RSUD Kayuagung memiliki nilai probabilitas yang lebih tinggi dibandingkan dengan kategori "Tidak Cukup".
Langkah-langkah perhitungan ini dapat diterapkan pada nama obat, alat kesehatan .
, atau alkes APBD lainnya dengan menggunakan perhitungan yang sama seperti yang dijelaskan di atas untuk menentukan status persediaan stoknya.
Penutup Berdasarkan implementasi perhitungan metode Nayve Bayes pada data stok obat Abu (Anti Bisa Ula.
Inj pada Persediaan stock obat-obatan di RSUD Kayu Agung melalui hasil perhitungan probabilitas akhir, di mana probabilitas bahwa persediaan stok Abu (Anti Bisa Ula.
Inj tidak cukup lebih tinggi dibandingkan dengan probabilitas bahwa persediaan stok Abu (Anti Bisa Ula.
Inj cukup.
Untuk obat lainnya, perhitungan kesimpulan otomatis dapat dilakukan dengan langkahlangkah yang sama seperti pada contoh Abu (Anti Bisa Ula.
Inj.
Dengan mengganti data training dan data uji yang sesuai, serta melakukan perhitungan probabilitas kelas, nilai mean, nilai standar deviasi, nilai distribusi normal (Gaussia.
, dan nilai probabilitas akhir untuk obat tersebut, dapat dihasilkan kesimpulan otomatis mengenai ketersediaan stok obat tersebut.
Penelitian di masa depan dengan menggunakan metode dan analisis yang berbeda diharapkan dapat lebih komprehensif dan memberikan kontribusi yang lebih signifikan dalam pengelolaan persediaan obat-obatan di sektor kesehatan.
Referensi