Sistem Prediksi Kebutuhan Obat di Puskesmas Berbasis Website Menggunakan Metode Regresi Linear
Abstract
Community Health Centers (Puskesmas) are one of the most important public health service facilities in Indonesia. Subi sub-district health center is a health facility that prioritizes quality of service to the people of Subi sub-district. Medicines are a major factor for health agencies. With the availability of sufficient medicines, we can provide maximum service, thereby avoiding negative risks for patient safety. The data analysis process can be carried out using the Linear Regression method by determining the independent variables. Predictions made using the Linear Regression method can be measured using the Mean Absolute Percentage Error (MAPE) calculation. Predictions that have been stiffened and measured so that they can be used with future data can quickly develop a Prediction System. Prediction system design using Unifield Modeling Language (UML) and Balsamic Mockup as user interface design. This research produces a prediction system that can predict the number of drugs dispensed and predict drug orders. With a MAPE value of 12.4% and testing for acceptance of this prediction system of 89.5%. This means that the prediction system is very good and meets your needs.
Keywords: Prediction; Drug Stock Availability; Linear Regression
Abstrak
Pusat Kesehatan Masyarakat (Puskesmas) adalah salah satu sarana pelayanan Kesehatan masyarakat yang amat penting di Indonesia. Puskesmas kecamatan subi merupakan fasilitas Kesehatan yang mengutamakan kualitas pelayanan terhadap masyarakat kecamatan subi. 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. 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 Unifield Modelling Language (UML) dan Balsamic Mockup sebagai perancangan user interface. Penelitian ini menghasilkan sebuah sistem prediksi yang dapat memprediksi jumlah obat keluar dan memprediksi pemesan obat. Dengan nilai MAPE sebesar 12.4% dan pengujian terhadap penerimaan sistem prediksi ini sebesar 89,5%. artinya sistem prediksi sudah sangat baik dan sesuai dengan kebutuhan.
Keywords
References
M. Sari, “Aplikasi Data Pasien Dan Penentuan Gizi Ibu Hamil Pada Puskesmas Sungai Tabuk,” Technol. J. Ilm., vol. 10, no. 3, pp. 172–178, 2019, doi: 10.31602/tji.v10i3.2232.
S. Anggraeni, “Program Pendidikan Diploma Iii Program Studi Farmasi,” 2020.
S. Syofian and A. Nugraha, “Prediksi Sistem Stok Barang Elektronik ABC Dengan Algoritma Apriori dan Metode Moving Average,” J. SAINS DAN Teknol., vol. 11, no. 1, pp. 27–32, 2021.
A. Navian, Daryanto, and H. Oktavianto, “Prediksi Persediaan Obat Dengan Metode Regresi Linier,” J. Inform., vol. 10, no. 1, pp. 2–3, 2018.
J. Audrey, A. Fadlil, and Sunardi, “Prediksi Jumlah Mahasiswa Baru Menggunakan Logika Fuzzy Metode Sugeno Januari,” J. Inform. Manaj. Dan Komput., vol. 14, no. 1, pp. 56–66, 2022.
E. P. Wiyata Mandala and D. E. Putri, “Prediksi Jumlah Pemberian Kredit kepada Nasabah di Bank Perkreditan Rakyat dengan Algoritma C 4.5,” J. KomtekInfo, vol. 5, no. 1, pp. 70–80, 2018, doi: 10.35134/komtekinfo.v5i1.7.
N. Kusumawati, F. Marisa, and I. D. Wijaya, “Prediksi Kurs Rupiah Terhadap Dollar Amerika Dengan Menggunakan Metode Regresi Linear,” J I M P - J. Inform. Merdeka Pasuruan, vol. 2, no. 3, pp. 45–56, 2017, doi: 10.37438/jimp.v2i3.79.
D. Abdianto, Elisawati, F. Tawakal, and Masrisal, “Prediksi Stok Obat Menggunakan Metode Learning Vector Quantization Studi Kasus Puskesmas Dumai Barat,” Pros. SNST, vol. Volume 1, pp. 68–74, 2021, [Online]. Available: https://publikasiilmiah.unwahas.ac.id/index.php/PROSIDING_SNST_FT/issue/view/306
P. N. Lhokseumawe, K. Pengantar, rahayu deny danar dan alvi furwanti Alwie, A. B. Prasetio, and R. Andespa, Tugas Akhir Tugas Akhir, vol. 2, no. 1. 2020.
A. Datumaya, W. Sumari, A. K. Febrianto, and Y. Pramitarini, “Sistem Prediksi Permintaan Darah Menggunakan Metode Regresi Linier ( Studi Kasus Pada UTD PMI Kabupaten Bojonegoro ),” J. Inform. Polinema, vol. 7, no. 1, pp. 85–90, 2021.
M Teguh Prihandoyo, “Unified Modeling Language (UML) Model Untuk Pengembangan Sistem Informasi Akademik Berbasis Web,” J. Inform. J. Pengemb. IT, vol. 3, no. 1, pp. 126–129, 2018.
T. T. Loveri, “Sistem Informasi Aplikasi Pengelolaan Transaksi Keuangan Dan Pendataan Konsumen Pada Cv. Puplas,” J. Sains dan Inform., vol. 4, no. 2, p. 139, 2018, doi: 10.22216/jsi.v4i2.3584.
M. Susilo, “Rancang Bangun Website Toko Online Menggunakan Metode Waterfall,” InfoTekJar (Jurnal Nas. Inform. dan Teknol. Jaringan), vol. 2, no. 2, pp. 98–105, 2018, doi: 10.30743/infotekjar.v2i2.171.
A. Hikmaturokhman, S. A. Wiguna, and E. Usada, “Implementasi Mobile Augmented Reality 3 Dimensi Pada Petunjuk Praktikum Drive Test,” J. Ecotipe (Electronic, Control. Telecommun. Information, Power Eng., vol. 2, no. 2, pp. 1–9, 2015, doi: 10.33019/ecotipe.v2i2.34.
C. S. , Rahmi Hidayati, Maissy Della Danianty, “Prediksi Jumlah Kebutuhan Obat Menggunakan Metode Least Square Berbasis Website (Studi Kasus: Uptd Puskesmas Pontianak Selatan),” Coding J. Komput. dan Apl., vol. 8, no. 2, pp. 33–42, 2020, doi: 10.26418/coding.v8i2.41495.
How To Cite This :
Refbacks
- There are currently no refbacks.
