Prediksi Pemakaian Obat di Instalasi Farmasi Rumah Sakit Pendidikan dengan Menggunakan Metode Jaringan Syaraf Tiruan

Prediksi Pemakaian Obat di Instalasi Farmasi Rumah Sakit Pendidikan dengan Menggunakan Metode Jaringan Syaraf Tiruan

Drugs Use Prediction in Pharmaceutical at Teaching Hospital Using Neural Network Method

Dielektrika, SSN 2086-9487 Vol. 2 , No. 1 :77 – 80, Pebruari 2015

Mirna Andriani, Indrabayu, Intan Sari Areni

Abstrak

Stockout dan overstock obat di rumah sakit terjadi akibat jumlah pemesanan yang tidak sesuai dengan tren permintaan. Masalah baru kemudian timbul karena prosedur pemesanan di rumah sakit pendidikan harus melalui sistem tender dan dilakukan pertahun sesuai dengan Keputusan Presiden No. 80 Tahun 2003 tentang pengadaan barang. Karena itu dibutuhkan sebuah sistem yang dapat menentukan jumlah pemesanan obat pertahunnya dengan konsekuensi stockout dan overstock dengan tepat. Jaringan Syaraf Tiruan dalam peneliatian ini digunakan untuk memprediksi pemakaian obat. Data yang digunakan adalah jumlah pemakaian obat harian pada tahun 2013 hingga tahun 2014 sebagai data latih.Sementarauntuk data uji digunakan data pemakaian obat bulan Januari 2015 hinggaMaret 2015.Selanjutnya Jaringan Syaraf Tiruan menampilkan informasi prediksi pemakaian obat harian. Hasil prediksi kemudian dibandingkan dengan data pemakaian obat riil dan data prediksi manual yang dibuat oleh rumah sakit.

Kata Kunci:prediksi, jaringan syaraf tiruan, pemakaian obat, instalasi farmasi, rumah sakit

 

Abstract

Stockout and overstock occur due to the amount of drug ordering which is inconsistent with trends in demand and trends of disease. The problem exist because the procurement process at XYZ Teaching Hospital based on the tender system according to Presidential Decree Number 80 in 2003 on the procurement of goods. Therefore the XYZ Teaching Hospital need a system to determine the amount of drugs ordering accurately. This research use Neural Network algorithms to analyze and predict the use of drugs. The daily drug usage data in 2013- 2014 are used as training data while 2015 data are implemented in validation process. Furthermore, Neural Network show future drug daily use prediction. The prediction values compared by real drugs use and manually prediction by the hospital.

Keywords: prediction, neural network, teaching hospital, pharmaceutical