1. Home
  2. Vol 18, No 1
  3. Izzah

Penerapan Algoritma K-Means Clustering Untuk Perencanaan Kebutuhan Obat Di Klinik Citra Medika

Lailil ‘ Izzah(1*),Arief Jananto(2)
(1) Universitas Stikubank Semarang
(2) Universitas Stikubank Semarang
(*) Corresponding Author
DOI : 10.35889/progresif.v18i1.769

Abstract

Abstrak. Perencanaan persediaan obat-obatan yang hanya dilakukan secara manual tanpa memperhitungkan pola kebiasaan komsumsi dalam periode waktu tertentu menyebabkan ketidakakuratan perencanaan persediaan, sehingga berdampak pada tidak terpenuhinya permintaan atau terjadinya kelebihan persediaan yang berpotensi menyebabkan kadaluarsa.  Artikel ini menguji penggunaan algoritma K-Means Clustering untuk mengelompokkan jenis obat berdasarkan parameter Harga, Kategori, Stok Awal, dan Total Pemakaian. 484 data sampel jenis obat pada Klinik Citra Medika diuji untuk menentukan 5 kelompok pemakaian obat (pemakaian Sangat Rendah, Rendah, Sedang, Tinggi, Sangat Tinggi). Masing-masing kelompok obat akan merepresentasikan prediksi jumlah order persediaan di masa mendatang berdasarkan parameter Total Pemakaian. Hasil uji faktual menunjukkan prediksi persediaan obat menggunakan algoritma K-Means Custering lebih mendekati relitas penggunaan dibandingkan dengan perencanaan yang dilakukan secara manual.

Kata Kunci: Obat-obatan; Perencanaan Persediaan; Pemakaian; Algoritma K-Means Clustering


Abstract. Medicine inventory planning which is only done manually without taking into account the pattern of consumption habits in a certain period of time causes inaccuracies in inventory planning, so that it has an impact on non-fulfillment of demand or the occurrence of excess inventory which has the potential to cause expiration. This article examines the use of the K-Means Clustering algorithm to classify types of medicine based on the parameters of Price, Category, Initial Stock, and Total Usage. 484 sample data on types of medicine at the Citra Medika Clinic were tested to determine 5 groups of medicine use (very low, low, medium, high, very high use). Each medicine group will represent the predicted number of future supply orders based on the Total Usage parameter. The factual test results show that the prediction of drug supply using the K-Means Custering algorithm is closer to the reality of use compared to manual planning.

Keywords: Medicines; Inventory Planning; Usage; K-Means Clustering Algorithm

References


H. Susanto, S. Sudiyatno, “Data mining untuk memprediksi prestasi siswa berdasarkan sosial ekonomi, motivasi, kedisiplinan dan prestasi masa lalu”. Jurnal pendidikan vokasi, vol. 4, no. 2, pp. 222-231, 2014.

Andita, Reza, N. Paramidital, et al. “Analisis Dan Perancangan Sistem Informasi Pelayanan Obat Di Apotek Generik.” Jurnal Edukasi Dan Penelitian Informatika (JEPIN), vol. 2, no. 1, pp. 21–26, 2016. doi: 10.26418/jp.v2i1.15463.

Julianto, M. Fahmi, S.W. Hadi, S. Setiaji, W. Gata, & R. Pebrianto, “Clustering Pencapaian Target Penjualan Rumah Para Karyawan Marketing Menggunakan Rapid Miner Dan Algoritma K-Means.” Bianglala Informatika, vol. 8, no. 2, pp. 79–85, 2020. doi: 10.31294/bi.v8i2.8189.

R.R. Putra, C. Wadisman, “Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K Means”. INTECOMS: Journal of Information Technology and Computer Science, vol. 1, no. 1, pp. 72-77, 2018

D. Triyansyah, D. Fitrianah, “Analisis Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Marketing”. InComTech: Jurnal Telekomunikasi dan Komputer, vol. 8, no. 3, pp. 163-182, 2018.

B. Mustika, E. Sabna, Y. Irawan, “Implementasi Text Mining Pada Twitter Dengan Algoritma K-Means Clustering Sebagai Dasar Kebijakan Marketing Biro Perjalanan Wisata”. Jurnal Ilmu Komputer, vol. 9, no. 2, pp. 134-147, 2020.

F. Nasari, C.J.M. Sianturi, “Penerapan Algoritma K-Means Clustering Untuk Pengelompokkan Penyebaran Diare Di Kabupaten Langkat”. Cogito Smart Journal, vol. 2, no. 2, pp. 108-119, 2016.

E. Irfiani, S.S. Rani, “Algoritma K-Means Clustering untuk Menentukan Nilai Gizi Balita”. JUSTIN (Jurnal Sistem dan Teknologi Informasi), vol. 6, no. 4, pp. 165-172, 2018.

M.W. Goni, D. Gustian, & F. Sembiring, “Implementasi K-Means Dalam Pengelompokan Penyebaran COVID-19 di Jawa Barat”. Progresif: Jurnal Ilmiah Komputer, vol. 17, no. 2, pp. 107-118, 2021.

R. Setiawan, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru (Studi Kasus: Politeknik Lp3i Jakarta)”. Jurnal Lentera Ict, vol. 3, no. 1, pp. 76-92, 2017.

F. Yunita, “Penerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru”. Sistemasi: Jurnal Sistem Informasi, vol. 7, no. 3, pp. 238-249, 2018.

I. Parlina, A.P. Windarto, A. Wanto, M.R. Lubis, “Memanfaatkan Algoritma K-Means dalam Menentukan Pegawai yang Layak Mengikuti Asessment Center untuk Clustering Program SDP”. CESS (Journal of Computer Engineering, System and Science), vol. 3, no. 1, pp. 87-93, 2018

Y. Prayoga, H.S. Tambunan, I. Parlina, “Penerapan Clustering Pada Laju Inflasi Kota di Indonesia Dengan Algoritma K-Means”. Brahmana: Jurnal Penerapan Kecerdasan Buatan, vol. 1, no. 1, pp. 24-30, 2019.

M. Octaviany, “Analisis Pengendalian Persediaan Obat Antibiotik di RS Meilia pada Tahun 2014 dengan Menggunakan Metode Analisis ABC Indeks Kritis”. Jurnal Administrasi Rumah Sakit Indonesia, vol. 4, no. 2, pp. 13-21, 2018.

H. Rusnedy, G.W. Nurcahyo, S. Sumijan, “Identifikasi Tingkat Pemakaian Obat Menggunakan Metode Fuzzy C-Means”. Jurnal Informasi dan Teknologi, vol. 3, no. 4, pp. 196-201, 2021

H. Bara, Efraim, Y.A. Pranoto, & F. Ariwibisono. “Pengelompokan Data Obat Menggunakan Metode K-Means Clustering Pada Upt Puskesmas Kondoran Kec. Sangalla’.” JATI (Jurnal Mahasiswa Teknik Informatika, vol. 4, no. 2, pp. 92–97, 2020. doi: 10.36040/jati.v4i2.2720.

M.A.W. Krisna, “Penerapan Metode K-Means Clustering Untuk Mengelompokan Potensi Produksi Buah – Buahan Di Provinsi Daerah Istimewa Yogyakarta.” Skripsi, Universitas Sanata Dharma, Yogyakarta, 2017.


How To Cite This :

Refbacks

  • There are currently no refbacks.