Sistem Prediksi untuk Penentuan Jumlah Pemesanan Obat Menggunakan Regresi Linier
Prediction System for Determine The Number of Drug Orders using Linear Regression
DOI:
https://doi.org/10.57152/malcom.v2i1.198Keywords:
MAPE, Obat, Prediksi, Regresi Linier, UATAbstract
Obat merupakan faktor utama bagi instansi kesehatan. Dengan ketersediaan obat yang cukup dapat memberikan pelayanan yang maksimal, sehingga terhindar dari resiko buruk bagi keselamatan pasien. Ketersediaan obat yang berlebihan akan menyebabkan penumpukan dan kerugian obat terkait dengan kadaluwarsa obat. Dan kekurangan obat akan mengakibatkan efek yang tidak baik bagi Rumah sakit dan khususnya keselamatan pasien. Dengan data obat keluar, pihak rumah sakit bisa mengetahui berapa banyak ketersediaan obat perbulannya. Proses Analisis data yang bisa dilakukan dengan menggunakan metode Regresi Linear dengan menentukan variable bebas. Prediksi yang dilakukan dengan metode Regresi Linear dapat diukur menggunakan perhitungan Mean Absolute Percentage Error (MAPE). Prediksi yang telah dikakukan dan diukur agar dapat digunakan dengan data kedepannya secara cepat dibangunkan sebuah Sistem Prediksi. Perancangan Sistem prediksi menggunakan metede perancangan Object Oriented Analysis Design (OOAD). Penelitian ini menghasilkan sebuah sistem prediksi yang dapat memprediksi jumlah obat keluar dan memprediksi pemesan obat. Dengan nilai MAPE sebesar 12.42% dan pengujian terhadap penerimaan sistem prediksi ini sebesar 74.64. artinya sistem prediksi sudah baik dan sesuai dengan kebutuhan.
References
P. Sulardi, T. Hendro, and F. R. Umbara, “Prediksi Kebutuhan Obat Menggunakan Regresi Linier,” Pros. SNATIF, vol. 0, no. 0, pp. 57–62, 2017, [Online]. Available: https://jurnal.umk.ac.id/index.php/SNA/article/view/1422.
C. C. va. t. Klooster et al., “Predicting 10-year risk of recurrent cardiovascular events andcardiovascular interventions in patients with established cardiovascular disease: results from UCC-SMART and REACH,” Int. J. Cardiol., vol. 325, pp. 140–148, 2021, doi: 10.1016/j.ijcard.2020.09.053.
A. links open overlay panelMiguelMateus-P. M.P.Rodrigues, “Systems Medicine Applied to Metabolic and Cardiovascular Disease,” Syst. Med., vol. 2, pp. 402–403, 2021.
M. Haghighatlari, J. Li, F. Heidar-Zadeh, Y. Liu, X. Guan, and T. Head-Gordon, “Learning to Make Chemical Predictions: The Interplay of Feature Representation, Data, and Machine Learning Methods,” Chem, vol. 6, no. 7, pp. 1527–1542, 2020, doi: 10.1016/j.chempr.2020.05.014.
V. J. Ribas, A. Vellido, J. C. Ruiz-Rodríguez, and J. Rello, “Severe sepsis mortality prediction with logistic regression over latent factors,” Expert Syst. Appl., vol. 39, no. 2, pp. 1937–1943, 2012, doi: 10.1016/j.eswa.2011.08.054.
S. Rath, A. Tripathy, and A. R. Tripathy, “Prediction of new active cases of coronavirus disease (COVID-19) pandemic using multiple linear regression model,” Diabetes Metab. Syndr. Clin. Res. Rev., vol. 14, no. 5, pp. 1467–1474, 2020, doi: 10.1016/j.dsx.2020.07.045.
M. Marbun, H. T. Sihotang, and M. A. Nababan, “Perancangan Sistem Peramalan Jumlah Wisatawan Asing,” J. Mantik Penusa, vol. 2, no. 1, pp. 41–49, 2018, [Online]. Available: http://e-jurnal.pelitanusantara.ac.id/index.php/mantik/search/search?simpleQuery=MURNI+MARBUN&searchField=query.
F. Nurzaman, “Penerapan Algoritma Regresi Linier Untuk Prediksi Jumlah Klaim Pada Asuransi Kesehatan,” Semin. Nas. Teknol. Inf., pp. 105–114, 2017.
C. A. R.-N. G. J. TobiasMoraesaKarolinaSchwarzová-PeckovábElen, “Boron-doped diamond film and multiple linear regression-based calibration applied to the simultaneous electrochemical determination of paracetamol, phenylephrine hydrochloride, and loratadine in fixed-dose combinations,” Microchem. J., vol. Volume 162, no. March 2021, 105831, 2021.
A. de Myttenaere, B. Golden, B. Le Grand, and F. Rossi, “Mean Absolute Percentage Error for regression models,” Neurocomputing, vol. 192, pp. 38–48, 2016, doi: 10.1016/j.neucom.2015.12.114.
S. Kim and H. Kim, “A new metric of absolute percentage error for intermittent demand forecasts,” Int. J. Forecast., vol. 32, no. 3, pp. 669–679, 2016, doi: 10.1016/j.ijforecast.2015.12.003.
I. M. Kamal, T. H. P, and R. Ilyas, “Prediksi Penjualan Buku Menggunakan Data Mining Di Pt. Niaga Swadaya,” Semin. Nas. Teknol. Inf. Multimed., vol. 02, no. February, pp. 49–54, 2017, [Online]. Available: http://ojs.amikom.ac.id/index.php/semnasteknomedia/article/view/1712.
M. Syafruddin, L. Hakim, and D. Despa, “Metode Regresi Linier Untuk Prediksi Kebutuhan Energi Listrik Jangka Panjang (Studi Kasus Provinsi Lampung),” J. Inform., vol. 2, no. 1, pp. 1–9, 2014, [Online]. Available: http://journal.eng.unila.ac.id/index.php/jitet/article/download/237/228.
F. Nurzaman and A. Herwanto, “Sistem Pendukung Keputusan Servis Level Agreement (SLA) Klain Asuransi Kesehatan Dengan Metode Regresi Linear dan Metode K-Means,” Tek. Inform. UPI YAI, pp. 77–84, 2018.
C. K. N. C. K. Mohd and F. Shahbodin, “Personalized Learning Environment: Alpha Testing, Beta Testing & User Acceptance Test,” Procedia - Soc. Behav. Sci., vol. 195, pp. 837–843, 2015, doi: 10.1016/j.sbspro.2015.06.319.
G. D. P. Utama and W. Usino, “E-Crm Dengan Metodologi Fast (Framework for the Application of System Technique) Sebagai Upaya Peningkatan Kepuasan Dan Loyalitas Pelanggan: Studi Kasus Ukm U-Me Online,” Telematika MKOM, vol. 10, no. 1. pp. 34–41, 2018, [Online]. Available: https://journal.budiluhur.ac.id/index.php/telematika/article/view/656/.
P. A. E. Pratama, “UAT Sistem Pendataan Penduduk Pendatang di Kabupaten Gianyar Berbasis Hybrid Cloud,” J. Chem. Inf. Model., vol. 01, no. 01, pp. 1689–1699, 2018.
T. S. Jaya, “Pengujian Aplikasi dengan Metode Blackbox Testing Boundary Value Analysis (Studi Kasus: Kantor Digital Politeknik Negeri Lampung),” J. Inform. Pengemb. IT, vol. 3, no. 2, pp. 45–46, 2018, [Online]. Available: http://www.ejournal.poltektegal.ac.id/index.php/informatika/article/view/647/640.
A. Pujianto, K. Kusrini, and A. Sunyoto, “Perancangan Sistem Pendukung Keputusan Untuk Prediksi Penerima Beasiswa Menggunakan Metode Neural Network Backpropagation,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 2, p. 157, 2018, doi: 10.25126/jtiik.201852631.
