Text

Implementasi Jaringan Syaraf Tiruan Backpropagation untuk Memprediksi Kebutuhan Obat di Kota Semarang

---

ABSTRAK

Instalasi Farmasi (IF) adalah Unit Pengelola Obat atau Unit Pengelola Teknis yang mengelola
Obat dan Perbekalan Kesehatan di Provinsi atau Kabupaten/Kota. IF kota Semarang melayani
37 puskesmas dan sejumlah rumah sakit di kota Semarang. Data pengeluaran obat IF kota
Semarang dapat dimanfaatkan melalui suatu mekanisme estimasi untuk dapat dipergunakan
membantu proses perencanaan obat esensial dan alkes dasar yang dilakukan dengan
menggunakan berbagai macam metode prediksi. Jaringan syaraf tiruan backpropagation
merupakan salah satu metode yang sering digunakan untuk aplikasi prediksi. Data pengeluaran
obat pada tahun 2010 sampai dengan tahun 2016 digunakan sebagai data masukan untuk
dilakukan prediksi menggunakan metode backpropagation. Seluruh data penelitian diambil
berdasarkan laporan distribusi obat yang dilakukan IF kota Semarang setiap tahunnya. Jaringan
syaraf tiruan backpropagation diimplementasikan dan dikembangkan ke dalam Aplikasi
Prediksi Instalasi Farmasi (APIF) dengan menggunakan framework CodeIgniter. Hasil
penelitian menunjukkan bahwa arsitektur backpropagation terbaik untuk prediksi didapat saat
menggunakan 8 unit neuron pada hidden neuron. Kombinasi parameter terbaik dalam penelitian
ini yaitu nilai laju pembelajaran sebesar 0,7, nilai momentum constant sebesar 0,2, maksimal
epoch sebanyak 1000 epoch, dan error target sebesar 0,01 yang menghasilkan nilai akurasi ratarata sebesar 62,02%. Nilai akurasi terbesar yang dihasilkan yaitu sebesar 94,24% yang
dihasilkan oleh kode obat 21011.
Kata Kunci: Instalasi Farmasi, Pengeluaran, Backpropagation, Prediksi

ABSTRACT

Pharmacy Installation (IF) is a Drugs Management Unit or Technical Management Unit that
manages Medicine and Health Supplies in the province or regency/city. Semarang Pharmacy
Installation serve 37 health centers and hospitals in the city of Semarang. IF expenditure data
could be utilized through an estimation mechanism to be used to assist the essential medication
planning process and basic equipments performed using a variety of prediction methods.
Artificial neural network backpropagation was one of the most commonly used methods for
prediction applications. Drug expenditure data from 2010 to 2016 were used as input data for
prediction using backpropagation method. All the research data was taken based on the report
of drug distribution conducted IF Semarang city every year. Artificial neural network
backpropagation was implemented and developed into Pharmacy Installation Prediction
Application (APIF) by using CodeIgniter framework. The results showed that the best
backpropagation architecture for prediction was obtained when using 8 units of neurons in
hidden neurons. The best parameter combinations in this study were the learning rate of 0,7, the
constant momentum value of 0,2, the epoch maximum of 1000 epoch, and the target error of
0,01 which resulted in an average accuracy of 62,02%. The largest accuracy value generated
was 94,24% produced by drug code 21011.
Keywords: Pharmacy Installation, Expenditure, Backpropagation, Prediction

---

Ketersediaan

632F18III

632 F 18

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

632 F 18

Penerbit

: ., 2018

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

2291

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Cahya Aji Permana

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar