I. PENDAHULUAN. Keywords Klasifikasi, Analisis ABC, Klasifikasi Fuzzy, ABC-fuzzy Classifictaion, Persediaan

IMPLEMENTASI KLASIFIKASI ITEM PERSEDIAAN PADA RUMAH SAKIT

MENGGUNAKAN METODE ABC-FUZZY CLASSIFICATION

Eliza Nurul L

1

, Mahendrawathi ER

2

, Renny P Kusumawardani

3

Jurusan Sistem Informasi

Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember

Kampus ITS, Jl. Raya ITS, Sukolilo – Surabaya 60111

Telp. +62 31 5939214, Fax. +62 31 591380

  1

_{eliza.laili@gmail.com}

 _, 

2

_{mahendrawathi_er@yahoo.com}

 _, 

3

_{renny_pradina@yahoo.com}

 

Abstract

—

Rumah sakit rata-rata telah menghabiskan biaya jutaan tiap tahunnya untuk investasi obat-obatan. Namun sebagian besar pihak rumah sakit belum dapat menentukan strategi pengelolaan terhadap item persediaan dengan tepat. Padahal persediaan pada sebuah rumah sakit sangat penting sekali peran dan keberadaannya dikarenakan persediaan mempunyai sifat kekritisan yang tinggi. Sehingga pemenuhan akan persediaan harus dapat berjalan dengan baik agar tidak membahayakan keselamatan pasien. Salah satu aspek penting dalam manajemen persediaan yang dapat dilakukan oleh pihak rumah sakit adalah mengklasifikasikan item-item persediaan mereka. Pengklasifikasian ini bertujuan untuk mengetahui prioritas tiap kelompok item persediaan agar dapat menerapkan strategi pengelolaan persediaan yang sesuai dengan karakteristik persediaan. Metode yang umum digunakan untuk pengklasifikasian inventori ialah analisis ABC. Tetapi metode ini hanya menggunakan satu kriteria saja yang kurang sesuai untuk karakterisitk persediaan pada rumah sakit. Dalam tugas akhir ini dilakukan klasifikasi item persediaan pada rumah sakit dengan metode ABC-Fuzzy Classification yang menghasilkan tiga kelompok. Metode ini menggabungkan analisis ABC tradisional dengan fuzzy classification. Metode ini dapat menangani beberapa kombinasi informasi atribut item yang penting untuk kepentingan manajerial rumah sakit. Dari tugas akhir ini dihasilkan aplikasi yang dapat membantu untuk pengklasifikasian item persediaan menggunakan metode ABC-Fuzzy classification. Selain itu, dijelaskan juga perbandingan metode ini dengan metode pengklasifikasian item persediaan lainnya.

Keywords

—

 

Klasifikasi, Analisis ABC, Klasifikasi Fuzzy, ABC-fuzzy Classifictaion, Persediaan

I.

PENDAHULUAN

Menurut McKone-Sweet (2005), selama

dekade terakhir, kebanyakan rumah sakit

menghadapi tantangan dalam hal naiknya biaya

yang dikeluarkan. Lebih dari tujuh tahun, biaya

dari perawatan kesehatan telah mengalami

kenaikan sangat cepat dibanding dengan inflasi.

Selain itu, menurut Alverson (2003), rumah sakit

rata-rata telah menghabiskan biaya jutaan tiap

tahun untuk investasi obat-obatan. Sementara itu

pihak rumah sakit belum memberikan perhatian

yang cukup untuk mengelola persediaan mereka.

Rata-rata, pihak rumah sakit belum menentukan

strategi pengelolaan yang tepat terhadap item

persediaan mereka dan proses pengelolaan banyak

dilakukan berdasarkan intuisi dan pengalaman staf.

Hal ini dapat berakibat pada rendahnya tingkat

pelayanan dan tingginya biaya pengelolaan

persediaan.

Persediaan pada rumah sakit melibatkan

banyak item yang memiliki karakteristik yang

berbeda-beda. Ada beberapa inventori pada rumah

sakit yang sangat berhubungan dengan nyawa

pasien, contohnya saja item-item inventori pada

ruang gawat darurat dan operasi. Jika item-item

tersebut tidak ada disaat pasien membutuhkan

maka membahayakan keamanan jiwa dari pasien.

Sedangkan sumber daya pada rumah sakit memiliki

keterbatasan sehingga tidak dapat menerapkan

strategi pengelolaan yang sama untuk setiap jenis

persediaan. Oleh karena itu rumah sakit perlu

mengetahui kelompok-kelompok item yang

termasuk penting, agak penting, dan kurang

penting, sehingga dapat menerapkan strategi

pengelolaan persediaan yang tepat untuk tiap

kelompok.

Kebanyakan rumah sakit masih

menggunakan cara manual untuk membuat catatan

tentang inventori mereka, sehingga menghasilkan

proses dokumentasi yang buruk. Dengan

dokumentasi mengenai inventori yang buruk,

nantinya dapat mengakibatkan informasi yang

kurang akurat dan tidak dapat diandalkan. Padahal,

informasi mengenai inventori yang benar sangat

dibutuhkan untuk menyusun strategi perlakuan

terhadap item-item inventori tersebut.

Dengan adanya teknologi yang telah

berkembang pesat dan cepat, maka dapat

membantu pihak rumah sakit dalam melakukan

pengelompokan item-item persediaan secara

terkomputerisasi dengan cepat dan mudah

dibanding dengan dilakukan secara manual yang

dapat memakan waktu lama dan sulit untuk

dilakukan. Selain itu dapat memperkecil kesalahan

dalam melakukan pengelompokan item-item

persediaan.

Metode pengelompokan persediaan yang

telah umum diterapkan adalah klasifikasi ABC

seperti yang telah dilakukan Guvenir dan Erel

(1998), Huiskonen (2001), dan Partovi dan

Anandarajan (2002). Pengelompokan pada

klasifikasi ABC hanya berdasarkan satu kriteria.

Untuk item inventori, kriteria yang digunakan

biasanya penggunaan per tahun. Sedangkan bisa

saja terdapat kriteria lain yang merepresentasikan

pertimbangan yang penting untuk manajemen.

Oleh karena itu, analisis ABC tradisional tidak

dapat menyediakan klasifikasi item invetori yang

baik pada praktiknya.

Teknik yang digunakan untuk

mengelompokkan item persediaan pada rumah

sakit adalah ABC-Fuzzy Classification (ABC-FC),

yaitu teknik klasifikasi yang menggabungkan

analisis ABC tradisional dengan fuzzy

classification. Teknik ini dapat menangani

beberapa kombinasi informasi atribut item yang

penting untuk kepentingan manajerial.

Pertama-tama item persediaan akan diklasifikasikan dengan

menggunakan analisis ABC tradisional sehingga

didapatkan tiga kelompok. Kemudian dilakukan

fuzzy classification pada tiga kelompok tersebut

dan didapatkan tiga subkelompok pada tiap

kelompok.

Dengan analisis ABC-FC, terdapat tiga

kelompok klasifikasi yang masing-masing dapat

membutuhkan manajemen persediaan yang

berbeda-beda. Untuk mengurangi kombinasi

menjadi jumlah yang mudah diatur, yang serupa

dengan analisis ABC tradisional, kemudian

dikombinasikan sembilan kelompok klasifikasi ke

dalam tiga kelompok kombinasi (sangat penting,

penting, dan tidak penting)

.

Seiring dengan

perkembangan teknologi, ABC-Fuzzy

Classification ini dapat dilakukan secara otomatis

dengan bantuan komputer untuk memudahkan

proses pengelompokan.

Pada tugas akhir ini dilakukan pembuatan

aplikasi yang memudahkan pengklasifikasian item

persediaan pada rumah sakit dengan metode

ABC-Fuzzy Classification. Pada aplikasi tersebut dapat

dilakukan pengklasifikasian dari database dan

dapat langsung mengklasifikasikan item persediaan

yang baru dimasukkan. Aplikasi ini akan

menghasilkan keluaran berupa hasil klasifikasi item

persediaan baik dalam rincian daftar maupun

visualisasi, serta mampu menghasilkan laporan

dalam file excel.

II.

TINJAUAN PUSTAKA

2.1.

Inventori Secara Umum

Inventori ialah persediaan atau stock.

Inventori dapat berupa bahan baku, barang

setengah jadi, bahan pembantu, suku cadang,

maupun produk jadi. Persediaan dapat muncul

di mana-mana, mulai dari lantai produksi,

gudang bahan baku, gudang barang jadi, hingga

konsumen.

Inventori atau persediaan dapat

diklasifikasikan dengan berbagai cara. Menurut

Pujawan dan ER (2010), klasifikasi persediaan

dapat dilihat dari berbagai cara berikut:

1.

Berdasarkan bentuknya, yaitu bahan baku

(raw material), barang setengah jadi

(WIP), dan produk jadi (finished product).

Klasifikasi ini biasanya hanya berlaku

pada perusahaan manufaktur.

2.

Berdasarakan fungsinya, persediaan

dibedakan menjadi:

a.

Pipeline/transit inventory

Persediaan yang muncul karena lead

time pengiriman dari satu tempat ke

tempat lain. Persediaan ini akan

menjadi banyak jika jarak

pengiriman panjang. Untuk

menguranginya yaitu dengan

mempercepat pengiriman.

b.

Cycle Stock

Merupakan persediaan karena akibat

motif untuk memenuhi skala

ekonomi. Persediaan ini mempunyai

siklus tertentu.

c.

Persediaan Pengaman (Safety Stock)

Fungsi dari persediaan ini ialah

sebagai perlindungan terhadap

ketidakpastian permintaan maupun

pasokan. Biasanya perusahaan

menyimpan lebih banyak dari yang

diperkirakan dibutuhkan.

Menentukan berapa besarnya

persediaan pengaman merupakan

suatu pekerjaan yang sulit. Besar

kecilnya persediaan pengaman terkait

dengan biaya persediaan dan tingkat

layanan.

d.

Anticipation Stock

Persediaan yang dibutuhkan untuk

mengantisipasi kenaikan permintaan

akibat sifat musiman dari permintaan

terhadap suatu produk. Walaupun

pada hakekatnya mengantisipasi

permintaan yang tidak pasti, namun

perusahaan dapat memprediksi

adanya kenaikan dalam jumlah yang

signifikan (bukan sekadar pola acak).

Berdasarkan

sifat

ketergantungan

kebutuhan antara satu item dengan

item lainnya. Item-item yang

kebutuhannya tergantung pada

kebutuhan item lain dinamakan

dependent demand item. Sebaliknya,

kebutuhan independent demand item

tidak tergantung pada kebutuhan

item lain. Klasifikasi ini dilakukan

karena pengelolaan kedua jenis item

ini biasanya berbeda.

Ketergantungan permintaan ini

biasanya diwujudkan dalam bentuk

struktur/komposisi produk (bill of

material).

2.2.

Inventori Rumah Sakit

Rumah sakit memiliki karakteristik rantai

pasok yang unik dibanding dengan industri lainnya.

Menurut Hsiang, dkk (2008), pada umumnya di

rumah sakit, kritikalitas merupakan pertimbangan

yang penting dalam rantai pasok baik dari sisi

pasien maupun sisi barang atau item. Kemudian

biaya stock-out pada rumah sakit bisa menjadi

sangat besar karena terkadang stock-out yang

terjadi dapat mengancam nyawa pasien yang ada.

Selain itu permintaan yang sedikit menjadi

salah satu masalah dalam inventori pada rumah

sakit. Terkadang pada rumah sakit terdapat

beberapa item yang mempunyai permintaan kurang

dari satu unit tiap harinya bahkan ada yang tidak

memiliki permintaan sampai beberapa periode

bulan, tetapi rumah sakit harus tetap menyimpan

inventori ini untuk keadaan darurat.

Item seperti narkotika dan bahan-bahan

berbahaya lainnya membutuhkan perlakuan yang

spesifik dan khusus sepanjang proses distribusi.

Kemudian inventori pada rumah sakit sangat

bervariasi biayanya, mulai dari yang mempunyai

biaya rendah hingga yang sangat mahal. Dari sini

mengimplikasikan bahwa terdapat kompleksitas

yang harus dipahami supaya dapat mengelola

persediaan secara efisien.

Lovell dkk. (2005) telah merangkum

sejumlah variabel untuk segmentasi dan

memisahkan variabel ini ke dalam empat kategori,

yaitu: produk, pasar, sumber daya, geografis dan

lingkungan komersial. Lovell dkk. (2005)

menujukan variabel tersebut lebih pada perspektif

dari supplier daripada perspektif dari konsumen.

Danas dkk . (2006) mengadopsi variabel untuk

dilakukan segmentasi terhadap obat-obatan dan

mengatur kriteria klasifikasi untuk farmasi rumah

sakit dari perspektif konsumen. Semua variabel

segmentasi yang penting terangkum pada tabel 2.1.

Pada tabel rangkuman variabel segmentasi

juga dicantumkan keterangan kemampuan suatu

variabel untuk dapat diterapkan ke dalam rumah

sakit menurut penilaian dari Hsiang, dkk (2008).

Pada kategori produk, biaya unit termasuk variabel

yang fundamental ketika mempertimbangkan

holding cost untuk inventori yang merupakan

beban finansial yang besar bagi rumah sakit.

Ukuran, berat fisik, serta karakteristik penanganan

relevan terhadap biaya distribusi dan ruang

penyimpanan pada rumah sakit. Variabel ini juga

berpengaruh pada waktu penanganan material dan

biaya untuk seluruh staf medis. Waktu kadaluarsa

merupakan pertimbangan yang penting untuk

semua obat dan beberapa item medis atau operasi.

Segmen pasar atau kategori konsumen

sangat penting untuk industri rumah sakit.

Kritikalitas dan tingkat pelayanan yang dinginkan

merupakan dua variabel yang paling vital.

Persebaran atau lokasi permintaan menampilkan

bagaimana poin penggunaan untuk item tertentu

diletakkan pada bangsal rumah sakit. Tingkat

permintaan, frekuensi permintaan, dan variasi

permintaan ialah variabel penting untuk

mendeskripsikan pola permintaan untuk beberapa

item.

Untuk mengklasifikasikan item persediaan

pada rumah sakit maka perlu untuk menentukan

variabel-variabel mana saja yang dianggap penting

bagi rantai pasok rumah sakit tersebut. Untuk

menentukan variabel-variabel tersebut maka perlu

melihat kondisi rumah sakit yang dijadikan objek

penelitian dan melakukan wawancara terhdapa

pihak rumah sakit untuk mengetahui keadaan

persediaan di sana.

2.3.

Teknik-teknik Klasifikasi Inventori

Telah banyak dilakukan penelitian untuk

mengklasifikasikan item logistik. Klasifikasi ABC

banyak digunakan pada penelitian sebelumnya

untuk mengklasifikasikan item-item logistik ke

dalam tiga kelompok. Klasifikasi ABC hanya

berdasarkan satu kriteria. Untuk item inventori,

kriteria yang digunakan biasanya penggunaan per

tahun. Bagaimanapun bisa saja terdapat kriteria lain

yang merepresentasikan pertimbangan yang

penting untuk manajemen. Oleh karena itu, analisis

ABC tradisional tidak dapat menyediakan

klasifikasi item invetori yang baik pada praktiknya

(Guvenir dan Erel, 1998; Huiskonen, 2001; Partovi

dan Anandarajan, 2002; Min-Chun Yu, 2011).

Selain itu Flores dan Whybark (1986),

mengusulkan metodologi matrix-based yang

menggunakan dua kriteria. Kelemahan dari metode

ini ialah ketika kita membutuhkan lebih dari dua

kriteria yang harus dipertimbangkan. Ernst dan

Cohen (1990), mengusulkan metodologi

berdasarkan statistical clustering. Kelemahannya

ialah pendekatan ini memerlukan data substansial,

penggunaan analisis faktor, prosedur analisis, yang

menjadikannya tidak praktikal pada lingkungan

ruang inventori umumnya.

Analytic Hierarchy Process (AHP)

diperkenalkan oleh Saaty (1980) dan diadaptasi

oleh beberapa penulis untuk klasifikasi ABC

(Gajpal, Ganesh, dan Rajendran, 1994). Kelemahan

dari metode ini ialah jumlah subjektifitas yang

signifikan diikutkan dalam kriteria pairwise

comparison. Begitu juga dengan metode Fuzzy

AHP yang telah dilakukan Lasmaria (2010), yang

masih melibatkan subjektifitas yang signifikan

dalam memberikan penilaian perbandingan untuk

tiap kriteria yang digunakan.

Artificial Intelligence (AI) juga merupakan

salah satu cara untuk mengklasifikasikan inventori

dengan multi kriteria. Partovi dan Anandarajan

(2002), mengusulkan Artificial Neural Network

(ANN) untuk mengklasifikasikan stock keeping

unit pada industri farmasi. Pendekatan ini

merupakan pendekatan heuristik dan dapat tidak

menyediakan hasil yang baik untuk semua

lingkungan.

Kemudian terdapat metode discriminant

analysis yang masih berdasarkan asumsi, sehingga

jika situasi yang sebenarnya menyimpang dari

asumsi ini, maka hasil dari discriminant analysis

tidak akan akurat dan tidak dapat dihandalkan

(Johnson dan Wichern, 1998).

ABC-Fuzzy classification yang akan

digunakan dalam penelitian ini memiliki beberapa

kelebihan, antara lain: pendekatan ini dapat

menangani beberapa kombinasi informasi atribut

item yang penting untuk kepentingan manajerial,

pilihan manajer untuk mengelompokkan

berdasarkan kinerja operasional dapat diikutkan,

fuzzy statistical discrimination criteria juga

dipertimbangkan, dapat diimplementasikan dengan

mudah untuk para praktisi. Selain itu menurut

Nachtmann dan Needy (2001), teknik ini memiliki

beberapa keuntungan, yaitu: menyediakan

pengguna sistem dengan informasi tambahan

untuk membuat keputusan yang melibatkan biaya

produk, memberdayakan pengguna sistem dengan

informasi tentang kesalahan dan ketidakpastian

sistem inheren, menampilkan analisis sensitivitas

ABC seketika dengan menyediakan hasil best case

dan worst case.

Menurut Nachtmann dan Needy (2001),

fuzzy set theory pada ABC-FC dikembangkan

untuk menangani ketidaktepatan estimasi dan

ketidakpastian dalam sistem ABC. Karena data

ABC berdasarkan historis dan sering diestimasi,

nilai sebenarnya dari data tidak pasti, dan estimasi

yang dilakukan tidak tepat. Kontribusi utama dari

fuzzy ialah kemampuannya menampilkan

pengetahuan yang samar dengan

mengkuantifikasikan informasi yang tepat.

Untuk studi kasus kali ini, penulis hanya

melakukan pengklasifikasian item logistik yang

berupa barang medis ke dalam beberapa kelompok

untuk mengetahui prioritas tiap kelompok.

2.3.1 Analisis ABC

Pengklasifikasian item logistik ini

bertujuan untuk membedakan item logistik yang

sangat penting, penting, dan tidak terlalu penting.

Menurut Partovi dan Anandarajan (2002) item

logistik yang diklasifikasikan menjadi kelompok A

adalah item yang berjumlah sedikit yang berada di

urutan teratas pada daftar yang mengontrol

mayoritas total pengeluaran tahunan. Item yang

diklasifikasikan menjadi kelompok B adalah item

dengan penilaian yang cukup tinggi, dan item yang

diklasifikasikan sebagai kelompok C ialah item

yang berada di uratan bawah pada daftar yang

mengontrol porsi pengeluaran tahunan yang relatif

kecil.

Klasifikasi dilakukan berdasarkan nilai

penggunaan per tahun tiap item logistik. Kelompok

A mempunyai item sebanyak 10% dari total

banyaknya item dengan total penggunaan tiap

tahunnya sebanyak 70% dari total penggunaan per

tahun untuk seluruh item. Kelompok B mempunyai

item sebanyak 20% dari total banyaknya item

dengan total penggunaan tiap tahunnya sebanyak

20% dari total penggunaan per tahun untuk seluruh

item. Kelompok C mempunyai item sebanyak 70%

dari total banyaknya item dengan total penggunaan

tiap tahunnya sebanyak 10% dari total penggunaan

per tahun untuk seluruh item. Nilai prosentase ini

dapat diubah sesuai dengan kebijakan perusahaan.

Untuk melakukan analisis ABC dengan

satu kriteria maka dapat dilakukan langkah-langkah

sebagai berikut:

1. Daftar semua item yang akan diklasifikasi,

beserta dengan data rata-rata pemakaian item

logistik per tahun dan data rata-rata harga

untuk setiap itemnya.

2. Kalikan rata-rata pemakaian per tahun dengan

rata-rata harga untuk setiap item untuk

mendapatkan nilai penggunaan per tahun tiap

item.

3. Urutkan nilai penggunaan per tahunnya mulai

dari yang terbesar hingga yang terkecil.

Jumlahkan secara kumulatif nilai penggunaan

per tahunnya.

4. Konversikan jumlah kumulatif tiap item

menjadi prosentase kumulatif. Prosentase

inilah yang menjadi ukuran item dalam

menentukan kelompok item tersebut.

Analisis klasifikasi ABC memiliki

beberapa manfaat, diantaranya sebagai berikut:

1. Membantu manajemen dalam menentukan

tingkat persediaan yang efisien

2. Memberikan perhatian pada jenis persediaan

utama yang dapat memberikan cost benefit

yang besar bagi perusahaan

3. Dapat memanfaatkan modal kerja (working

capital) sebaik-baiknya sehingga dapat

memacu pertumbuhan perusahaan

4. Sumber-sumber daya produksi dapat

dimanfaatkan secara efisien yang pada

akhirnya dapat meningkatkan produktifitas

dan efisiensi fungsi-fungsi produksi

2.3.2 Fuzzy Classification

Fuzzy classification analysis biasanya

digunakan untuk mengklasifikasikan training data

set (data set yang digunakan untuk menghasilkan

membership function) dan untuk memprediksi

testing data (Zhou dan Khotanzad, 2007). Training

data set berisi sejumlah contoh. Contoh berisi

atribut dependen dan beberapa nilai atribut dapat

berbetuk nominal atau non-nominal.

Karena sifat dari data nominal dan data

non-nominal berbeda, kita harus memperlakukan

dua tipe data tersebut secara. Berikut cara untuk

menghitung membership function pada tiap tipe

data (Chu, dkk, 2008):

2.3.2.1 Atribut Nominal Independen

Misalkan Y dan ,

, ... , menjadi

atribut nominal dependen dan atribut nominal

independen. Membership functiondari atribut

nominal independen dapat dihasilkan dengan cara

berikut:

1.

Untuk setiap Y dan (0 = 1, ... , k),

klasifikasikan semua contoh pada input

training data set dengan nilai atribut

dependen (j = 1,2,...,n) dan nilai atribut

independen (i = 1,2,...,m). Kita dapat

memperoleh tabel occurency frequency

seperti pada gambar 2.1 dengan menghitung

occurency frequency (

) sesuai pada

kombinasi dari dan .

2.

Untuk setiap baris pada gambar 1 , bagi setiap

masukan pada baris i (i = 1,2,...,m) dari

gambar 1 dengan jumlah dari keseluruhan

masukan pada baris i. Kemudian akan

dihasilkan gambar 2.2 yang mana jumlah

keseluruhan masukan pada tiap baris sama

dengan 1. Definisi untuk rumusan di atas

dijelaskan pada persamaan 2-1 :

∑

(2-1)

3.

Untuk setiap j, 1 ≤ j ≤ n, membership function

( ) didefiniskan pada persamaan 2-2:

, jika =

, jika =

( ) =

.

(2-2)

.

, jika =

Dengan diketahui:

= membership function untuk atribut

nominal independen

= nilai atribut dependen ke j

= atribut nominal independen

= nilai atribut nominal independen

= nilai dari occurency frequency Y dan

2.3.2.2 Atribut Non-nominal Independen

Untuk atribut non-nominal independen,

rata-rata sampel dan varian menyediakan informasi

yang berharga tentang populasi dan karena itu

digunakan untuk memformulasikan membership

function. Membership function dari atribut nominal

independen dapat dihasilkan dengan cara berikut:

1.

Hitunglah nilai potong

,

, dan nilai

batasan

,

,

, dan

yang

didefinisikan pada persamaan 2-3 sampai 2-8

Dengan diketahui:

S = nilai variance dari atribut Y dan X

2

X = nilai rata-rata dari atribut Y dan X

2

2.

Temukan membership function

( )

untuk Y = ,

( ) untuk Y = , dan

( ) untuk Y = . Jika

>

, maka

membership functiondapat didefinisikan

Dengan diketahui:

= membership function untuk atribut

non-nominal independen

= nilai atribut dependen ke j

= atribut non-nominal independen

Jadi untuk aturan fuzzy classification dapat

diuraikan dengan langkah-langkah berikut:

1. Tentukan atribut dependet Y dan atribut

independen (0 = 1,2,...,k) dimana atribut Y

ialah nominal dan atribut independen (0 =

1,2,...,k) dapat berupa nominal atau

non-nominal

2. Temukan nilai atribut dependen Y dan atribut

independen

, dan gunakan ,

, … ,

untuk melambangkan nilai atribut dependen Y

dan ,

, … ,

untuk melambangkan nilai

atribut independen

3. Hasilkan membership function dari atribut

independen nominal berdasarkan langkah

yang telah dijelaskan pada 2.3.2.1

4. Hasilkan membership function dari atribut

independen non-nominal berdasarkan langkah

yang telah dijelaskan pada 2.3.2.2

5. Lambangkan item inventori yang spesifik

dengan

. Berdasarkan langkah tiga dan

empat,substitusikan nilai dari ke dalam

membership function, kita dapat memperoleh

nilai n

(

, ... , n

(

6. Definisikan

( )=

∑

, yang

merepresentasikan grade of membership dari

pada kelas Y= . Aturan fuzzy classification

dapat didefinisikan seperti berikut:

Jika

( )=max {

( ),

( ), ...,

( )} maka item inventori diletakkan

pada kelas

2.3.3 Aturan ABC-Fuzzy Classification

Berdasarkan Ching-Wu Chu (2008), berikut

merupakan langkah-langkah untuk ABC-Fuzzy

classification (ABC-FC):

1. Rancang fungsi kritikalitas dari item inventori,

Y= f(

, ), dimana Y ialah kritikalitas item

inventori (yang merupakan atribut dependent)

termasuk tiga level dalam klasifikasi: sangat

kritis, kritis, dan tidak kritis. ialah kefatalan

dari dampak kehabisan inventori termasuk tiga

level dalam klasifikasi: sangat fatal, fatal, dan

tidak fatal. ialah frekuensi penggunaan item

inventori dalam periode perencanaan.

2. Klasifikasikan semua item inventori

berdasarkan analisis ABC tradisional. Kita

dapat menghasilkan tiga kelompok item

inventori (kelompok A, kelompok B, kelompok

C) dan notasikan tiap kelompok dengan ,

,

3. Gunakan

fuzzy classification untuk

mengklasifikasikan kelompok ,

,

.

Semua item inventori pada tiap kelompok ,

,

dapat dibagi ke dalam sub kelompok

berdasarkan kekritisannya.

Dengan analisis ABC-FC, terdapat sembilan

kelompok klasifikasi yang masing-masing dapat

membutuhkan manajemen persediaan yang

berbeda-beda. Untuk mengurangi kombinasi

menjadi jumlah yang mudah diatur, yang serupa

dengan analisis ABC tradisional, kemudian

dikombinasikan sembilan kelompok klasifikasi ke

dalam tiga kelompok kombinasi sebagai berikut:

- Kelompok sangat penting = {

,

,

- Kelompok penting = {

,

,

- Kelompok tidak penting = {

,

,

III.

PERANCANGAN DAN IMPLEMENTASI

PERANGKAT LUNAK

 

3.1. Perancangan dan Implementasi Data Masukan

Data yang digunakan sebagai data masukan

ialah data yang berasal dari Rumah Sakit XYZ

yang merupakan rumah sakit spesialis. Barang

farmasi pada rumah sakit ini diatur dan dikelola

oleh bagian instalasi farmasi. Barang farmasi yang

digunakan ialah barang obat-obatan medis saja.

Data yang digunakan berjumlah 341 buah item

obat-obatan.

Dalam hal klasifikasi item inventori, pihak

rumah sakit mempertimbangkan beberapa kriteria

sebagai pertimbangan untuk melakukan klasifikasi

tersebut.

Data masukan yang digunakan dalam

aplikasi ini ialah data yang dibutuhkan dalam

proses analisis ABC dan klasifikasi fuzzy nantinya.

Data diambil dari database yang telah disediakan,

namun ada beberapa data yang diambil dari hasil

proses yang dilakukan. Data masukan yang

diambil dari database berisi data setiap item

persediaan, data variabel, dan data nilai variabel

setiap item persediaan. Data item persediaan berisi

informasi dasar tiap obat-obatan pada rumah sakit,

seperti kode obat dan nama obat. Data variabel

berisi daftar variabel yang digunakan untuk proses

analisis ABC dan klasifikasi fuzzy. Data nilai

variabel berisi nilai dari setiap variabel, yaitu data

nilai tingkat kepentingan obat, nilai kritikalitas

obat, lead time, pemakaian obat, dan harga obat.

Data masukan yang diambil dari proses yang

dilakukan terdiri dari: Data hasil analisis ABC,

occurency frequency,

relative frequency,

membership function, cut values, thresholds values,

grade of membership, dan hasil klasifikasi fuzzy.

Untuk menghubungkan aplikasi dengan

database maka pengguna nantinya harus

memasukkan nama database, host, username, dan

password pada aplikasi.

3.2. Perancangan dan Implementasi Sistem

Sistem ini dibangun dengan menggunakan

bahasa pemrograman Java dan database SQL.

Implementasi sistem ini terdiri dari empat proses,

yaitu: pemrosesan data, proses analisis ABC,

proses fuzzy classification, dan aturan ABC-fuzzy

classification.

3.2. 1. Pemrosesan Data

Proses ini dimulai jika pengguna telah

menghubungkan aplikasi dengan database yang

akan digunakan. Pengguna harus mengisi semua

field yang dibutuhkan untuk melakukan koneksi

terhadap database. Detail field apa saja yang harus

isi dapat dilihat pada gambar 3.1.

Setelah pengguna berhasil

menghubungkan aplikasi dengan database, maka

pengguna dapat memproses data dengan

melakukan klasifikasi yang ada pada aplikasi.

 

Gambar 3.1 Antarmuka koneksi database

3.2. 2. Proses Analisis ABC

Data yang digunakan dalam proses ini

ialah data item obat-obatan, data harga obat, dan

data jumlah pemakaian obat.

Untuk setiap item obat-obatan akan dicari

nilai penggunaan per tahunnya. Nilai penggunaan

didapat dengan mengkalikan harga rata-rata item

obat dalam satu tahun dengan jumlah pemakaian

rata-rata item obat dalam satu tahun. Kemudian

nilai penggunaan per item dibagi dengan nilai

penggunaan terbesar. Setelah itu nilai penggunaan

akan diurutkan mulai dari yang terbesar hingga

yang terkecil. Nilai penggunaan yang telah

diurutkan tadi dijumlahkan secara kumulatif dan

diubah menjadi bentuk prosentase. Nilai prosentase

kumulatif yang telah didapatkan nantinya akan

menjadi ukuran item dalam menentukan termasuk

kelompok yang mana. Tiap item obat-obatan

dikelompokkan dalam beberapa kelompok sesuai

dengan aturan pada tinjauan pustaka.

3.2. 3. Proses Fuzzy Classification

Pada permasalahan sekarang terdapat satu

atribut dependen yaitu tingkat kepentingan (y), satu

atribut nominal independen yaitu tingkat

kritikalitas (x

1

) dan satu atribut non-nominal

independen yaitu lead time (x

2

).

Untuk pemrosesan atribut nominal

independen, yang pertama dilakukan ialah

menghitung frekuensi kejadian (occurrence

frequency) dari kombinasi atribut dependen (y)

dan atribut independen (x

1

). Kemudian dari nilai

frekuensi kejadian tersebut dapat diperoleh

frekuensi relatif (relative frequency) dengan

membagi tiap nilai frekuensi dengan jumlah tiap

baris seperti yang dijelaskan pada tinjauan pustaka.

Setelah mendapatkan frekuensi relatif maka

membership function dari atribut nominal

independen dapat dihitung.

Untuk memproses atribut non-nominal

independen yang dilakukan ialah mendapatkan

nilai rata-rata (µ

i

) dari kombinasi atribut dependen

(tingkat kepentingan) dan atribut independen (lead

time). Kemudian mendapatkan nilai variance (

ܵ

௜ଶ

ሻ

nya. Setelah mendapatkan nilai rata-rata dan

variance, maka kita dapat memperoleh nilai potong

(cut values) dan nilai batasan (thresholds values).

 

Gambar 3.2 Alur proses fuzzy classification 

Penghitungan yang dilakukan ialah untuk

memperoleh

ܺ

஼_భమ

,

ܺ

஼_మయ

,

ܺ

ଶ௅

,

ܺ

ଷ௅

,

ܺ

ଵோ

,

ܺ

ଶோ

.

Kemudian akan dilakukan penghitungan

membership function

ߤ

௬ୀ஼_భ

untuk ܻ ൌ ܥ

ଵ

,

ߤ

௬ୀ஼_మ

untuk

ܻ ൌ ܥ

ଶ

, dan ߤ

௬ୀ஼య

untuk ܻ ൌ ܥ

ଷ

sesuai

dengan persamaan 2-9 sampai 2-11.

Untuk meghitung derajat keanggotaan

(grade of memebership) diperlukan nilai dari fungsi

keanggotaan (membership function) yang telah

didapat sebelumnya. Derajat keanggotaan

didapatkan dengan menggunakan perhitungan

seperti yang telah dijelaskan. Setelah mendapatkan

nilai derajat keanggotaan, maka dapat diperoleh

hasil dari fuzzy classification. Untuk alur yang

lebih jelas dapat dilihat pada gambar 3.2.

3.2. 4. Proses Aturan ABC-Fuzzy Classification

Setelah mendapatkan hasil dari analisis ABC dan

fuzzy classification, maka dapat diterapkan aturan

ABC-fuzzy classification. Aturan ini merupakan

kombinasi dari hasil analisis ABC dan fuzzy

classification yang dipadatkan menjadi tiga

kelompok seperti yang telah dijelaskan pada

tinjauan pustaka.

3.3. Perancangan dan Implementasi Data Keluaran

Aplikasi klasifikasi item persediaan ini

menghasilkan keluaran berupa daftar item yang

sudah dikelompokkan pada tabel di aplikasi.

Kemudian juga ditampilkan visualisasi berupa

grafik tabular rangkuman hasil klasifikasi pada

aplikasi. Selain itu, aplikasi ini menyediakan fitur

eksport hasil klasifikasi menjadi file excel.

Pada tabel daftar hasil klasifikasi berisi

kode item, nama item, hasil analisis ABC, hasil

klasifikasi fuzzy, hasil ABC-fuzzy classification,

dan jumlah total item tiap kelompok klasifikasi.

Tabel daftar hasil klasifikasi dapat dilihat pada

gambar 3.3.

 

Gambar 3.3 Daftar hasil klasifikasi

Visualisasi grafik tabular berisi

rangkuman jumlah item tiap kelompok pada

ABC-fuzzy classification. Grafik tabular dapat dilihat

pada gambar 3.4.

 

Gambar 3.4 Grafik hasil klasifikasi

File excel hasil ekspor berisi sesuai

dengan yang ditampilkan pada tabel daftar hasil

klasifikasi, yaitu kode item, nama item, hasil

analisis ABC, hasil klasifikasi fuzzy, dan hasil

ABC-fuzzy classification. Ekspor file dapat dilihat

pada gambar 3.5.

 

Gambar 3.5 Fitur ekspor file

3.4.

Implementasi Pengisian Data Baru

Pada aplikasi klasifikasi item persediaan

ini juga terdapat fitur untuk memasukkan data baru

ke dalam database. Setelah mengisi semua field

yang telah disediakan pada aplikasi maka dapat

ditekan tombol masukkan untuk memasukkan ke

database. Untuk mendapatkan nilai Y maka

pengguna dapat menekan tombol proses nilai Y.

Implementasi untuk pengisian data baru dapat

dilihat pada gambar 3.6.

 

Gambar 3.6 Form pengisian data baru

IV.

UJI COBA DAN ANALISIS

4.1. Uji Coba Verifikasi

Verifikasi dari model bertujuan untuk

menjamin kebenaran suatu model secara matematis

dan konsisten secara logika. Dalam uji coba ini

akan dilihat apakah hasil dari aplikasi telah sesuai

dengan hasil yang didapatkan dari paper acuan agar

dapat meyakinkan bahwa ekspresi-ekspresi

matematis merepresentasikan hubungan yang ada

dengan benar.

Pada paper acuan atribut-atribut yang

digunakan untuk ABC-fuzzy classification terdiri

dari nilai penggunaan, tingkat kritikalitas, tingkat

keakutan, dan frekuensi pemakaian. Terjadi

beberapa perbedaan dalam hasil penghitungan pada

program dengan yang ada pada aplikasi. Hal ini

terletak pada hal pembulatan angka di belakang

koma saja. Pada bahasa pemrograman java tidak

dapat mmenentukan berapa besar pembulatannya,

java hanya dapat melakukan pembulatan ke atas

atau ke bawah saja. Dapat dilihat pada tabel 4.1

terjadi perbedaan pembulatan pada nilai ߤ

௬ୀଵ

ܺ

ଵ

,

pada paper bernilai 0.359 sedangkan pada program

bernilai 0.359375, program cenderung tidak

melakukan pembulatan menjadi tiga angka

dibelakang koma seperti pada paper.

Tabel 4

4.2. A

yang tel

aplikasi

classifica

ialah 56

A, 63 te

38 terkel

menunjuk

4.3. Uj

classifica

hasil da

Perbandi

perbedaa

Salah s

klasifikas

digunaka

pemakaia

dapat dili

obat-obat

pengguna

nilai pen

B dan k

pada kel

paling ke

pada kelo

dokumen

Kriteria

tingkat kr

Uy 1 4 11 Item No 4.1 Perbedaan in

Analisis Uji Co

Berdasarkan

lah dilakukan

yang meng

ation telah be

item terkelom

erkelompokkan

ompokkan me

kkan potongan

Tabel 4.2 Has

Uji Coba Valid

Pada uji cob

ation nantinya

ari analisis

ngan ini di

an hasil yang

satunya adala

si.

Untuk uji c

an atribut harg

an tiap obat

ihat pada gam

Gambar 4.1

Dari tabel 4.

tan pada kel

aan yang leb

nggunaan item

kelompok C.

las C memil

ecil dibanding

ompok A dan

Untuk hasil

n tugas akh

yang diguna

ritis, pemakai

=o(X1) Uy=1(X1) 0.5 0.359 0.5 0.359 0.5 0.359 Pada Pape pembulatan a dependen

oba Verifikasi

pada hasil uji

n, telah dib

implementasi

enar. Hasil d

mpokkan me

n menjadi ke

enjadi kelomp

n hasil uji cob

sil uji coba ver

dasi

ba ini, hasil

a akan diband

ABC dan

ilakukan unt

didapat dalam

ah menemuk

coba metode

ga rata-rata tia

. Grafik dar

mbar 4.1.

Hasil analisis

.3 dapat dilih

lompok A m

bih besar dib

m obat-obatan

Sedangkan it

liki nilai pen

gkan dengan n

kelompok B.

fuzzy AHP

hir milik La

akan pada m

ian, harga, dan

Uy=2(X1) Uy=o(X 9 0.141 9 0.141 9 0.141 r tribut nomina

i coba verifik

buktikan bahw

kan ABC-fuz

ari uji coba

njadi kelomp

elompok B, d

pok C. Tabel 4

ba verifikasi.

rifikasi

dari ABC-fuz

dingkan deng

fuzzy AH

tuk memaha

m klasifikasiny

kan perbeda

analisis AB

ap item obat d

ri hasil anali

 

ABC

hat bahwa ite

mempunyai ni

banding deng

pada kelomp

tem obat-obat

nggunaan ya

nilai pengguna

didapatkan d

asmaria (201

metode ini ial

n lead time.

X1) Uy=1(X1) U 0.5 0.359375 0.5 0.359375 0.5 0.359375 Pada Program l

asi

wa

zzy

ini

pok

dan

4.2

zzy

gan

HP.

ami

ya.

aan

BC

dan

isis

em

ilai

gan

pok

tan

ang

aan

dari

0).

lah

M

di

pe

m

ak

kl

ya

da

ob

ya

in

ni

Te

ut

kr

ni

pa

cl

ite

ke

G

4.

Uy=2(X1) 0.140625 0.140625 0.140625 Tabel 4

Masing-masing

iperbandingka

erbandingan te

masing-masing

kan digunak

lasifikasi AB

ang diperoleh

apat dilihat pa

Ta Tabel

Dari t

bat-obatan yan

ang paling tin

ni dikarenakan

ilai bobot pal

etapi nilai bo

tama untuk m

riteria dapat m

ilai bobot kri

ada obat Tamo

Untuk

lassificationdi

em obat,

epentingan, t

Grafik dari has

2.

Gambar 4. 4.3 Rincian has

g kriteria

an dengan per

ersebut akan d

g kriteria. Bob

kan dalam

BC. Rangkum

h dari tugas

ada tabel 4.4.

abel 4.4 Hasil F 4.5 Rincian ha

tabel 4.5 dap

ng memiliki

ggi masuk seb

n tingkat kri

ling tinggi dia

obot tiap ite

mendapatkan

mempengaruhi

terianya lebih

oplex 20 mg d

k uji coba

igunakan atrib

pemakaian

ingkat kritika

sil analisis dap

.2 Hasil ABC-F

sil analisis ABC

yang

d

rbandingan A

didapatkan bo

bot tiap kriteri

melakukan

man hasil fuz

akhir Lasma

Fuzzy AHP

asil Fuzzy AHP

pat dilihat ba

nilai tingkat

bagai kelomp

itikalitas men

antara kriteria

m bukanlah

nilai item. N

i hasil nilai it

h kecil. Hal i

dan Femara.

metode A

but harga rata

tiap obat,

alitas, dan le

pat dilihat pad

Fuzzy classific C

digunakan,

AHP. Dari

obot untuk

ia tersebut

analisis

zzy AHP

aria(2010)

P

hwa item

kekritisan

ok A. Hal

ndapatkan

a lainnya.

pengaruh

Nilai tiap

tem walau

ini terjadi

ABC-fuzzy

a-rata tiap

tingkat

ead time.

da gambar

 

ation

Tabel 4.6 Rincian hasil ABC-Fuzzy classification

Berdasarkan tabel 4.6 dapat dilihat bahwa item

obat-obatan yang masuk kelompok very important

ialah hanya item yang termasuk dalam kelompok A

dan B serta masuk dalam kelompok 2 dan 1. Hasil

dari penglompokan ABC bukan menjadi pengaruh

utama dalam pengklasifikasian ini. Hal ini

dikarenakan terdapatnya variabel lain selain nilai

penggunaan yang juga menjadi pertimbangan yang

diproses melalui fuzzy classification. Jadi belum

tentu jika suatu item termasuk dalam kelompok B

maka item tersebut akan masuk ke kelompok

important.

4.4. Analisis Uji Coba Validasi

Hasil uji coba untuk semua metode

dirangkum dalam tabel 4.7.

Tabel 4.7 Hasil uji coba validasi

Tabel 4.8 Perbedaan hasil Fuzzy AHP dan ABC-Fuzzy classification

Tabel 4.8 menjelaskan perbedaan hasil

yang didapat dari klasifikasi dengan metode Fuzzy

AHP dan metode ABC-fuzzy classification.

Perbedaan yang terjadi pada item Fentanyl dan

Sufenta ialah ketika diklasifikasikan dengan

metode Fuzzy AHP kedua item tersebut termasuk

pada kelompok unimportant, sedangkan jika

dengan metode ABC-fuzzy classification, kedua

item tersebut termasuk ke dalam kelompok

important.

Hal ini karena kedua item tersebut

sebenarnya termasuk item dengan tingkat

kritikalitas yang tinggi dan lead time yang panjang.

Tetapi kedua obat ini jarang dipakai. Pada Fuzzy

AHP, nilai item untuk masing-masing kriteria

kemudian dikalikan dengan bobot masing-masing

kriteria. Perkalian ini menghasilkan bobot item dan

prosentase item terhadap keseluruhan. Dalam kasus

Fentanyl dan Sufenta, bobot item ini menjadi kecil

sehingga ketika diurutkan dengan item lain

menempati ranking terbawah dan dikategorikan

sebagai unimportant item.

Berbeda dengan fuzzy AHP, pada metode

ABC-fuzzy classification, kriteria harga dan

pemakaian digunakan untuk menghasilkan analisis

ABC seperti layaknya metode analisis ABC

tradisional. Sementara itu tingkat kritikalitas dan

lead time digunakan untuk melakukan fuzzy

classification. Hasil dari analisis ABC kemudian

dikombinasikan dengan hasil dari kasifikasi fuzzy

sehingga diperoleh kelas ABC-fuzzy classification.

Jadi, walaupun pada Fuzzy AHP item Fentanyl dan

Sufenta tersebut masuk kelompok unimportant

karena perkalian pemakaian dan harganya relatif

rendah dibandingkan item lain namun keduanya

memiliki nilai tingkat kritikalitas yang tinggi dan

lead time yang cukup lama. Kedua kriteria ini yang

dijadikan pertimbangan ketika dilakukan proses

klasifikasi fuzzy sehingga keduanya dapat masuk

ke dalam kelompok important.

Hal ini bisa menjadi masukan yang sangat

penting bagi pihak manajemen Rumah Sakit. Jika

pihak RS hanya menerapkan klasifikasi ABC

tradisional yang hanya memperhitungkan nilai

ekonomis dari sebuah item obat, maka item yang

sebenarnya memiliki tingkat kritikalitas yang tinggi

ataupun lead time yang panjang bisa salah

diklasifikasikan yang akhirnya berakibat pada

kesalahan pengelolaan bagi item tersebut. Oleh

karena itu, untuk organisasi dimana pengelolaan

item persediaan dipengaruhi oleh banyak atribut

selain harga dan tingkat pemakaian, penggunaan

sistem ABC tradisional sebaiknya diganti dengan

metode Multi-Objective Classification seperti

metode ABC-Fuzzy Classification yang diterapkan

dalam tugas akhir ini. Selain itu, implementasi

metode ABC-Fuzzy Classification lebih sesuai

dengan realita yang ada, karena pada kenyataannya

atribut yang digunakan bisa jadi lebih dari dua.

Dengan metode ABC-Fuzzy Classification juga

dapat mengurangi tingkat subjektifitas dalam

pengimplementasian klasifikasi item persediaan

dibanding dengan metode Fuzzy AHP.

Berdasarkan rangkuman hasil klasifikasi

dari beberapa metode yang dilakukan dapat

disimpulkan bahwa terdapat beberapa perbedaan

antara klasifikasi yang dilakukan dengan metode

analisis ABC, Fuzzy AHP, ABC-fuzzy

classification, dan fuzzy classification. Berikut

perbedaan-perbedaan tersebut:

1. Hasil dari metode ABC-fuzzy classification

lebih baik dibandingkan dengan hasil metode

analisis ABC tradisional. Hal ini dikarenakan

pada metode ABC-fuzzy classification

memperhitungkan lebih banyak kriteria

termasuk kriteria yang dipertimbangkan

manajerial dalam mengelola persediaan. Item

yang termasuk kelompok B pada analisis ABC

tradisional belum tentu nantinya juga akan

masuk kelompok important pada metode

ABC-fuzzy classification, karena kriteria lain selain

nilai penggunaan juga diperhitungkan.

2. Dengan ABC-fuzzy classification maka

ketidaktepatan estimasi dan ketidakpastian

dalam sistem ABC dapat ditangani. Karena data

analisis ABC berdasarkan historis dan sering

diestimasi. Kontribusi fuzzy di sini ialah

menampilkan pengetahuan yang samar dengan

mengkuantifikasikan informasi yang tepat.

3. ABC-fuzzy classification diperlukan dalam

pengklasifikasian ini karena dapat menyediakan

pengklasifikasian yang tidak hanya melibatkan

biaya produk. Fuzzy diperlukan untuk

mengkuantifikasikan atribut seperti tingkat

kritikalitas nya.

4. Pada metode Fuzzy AHP, terjadi subjektifitas

yang tinggi dibandingkan dengan metode

ABC-fuzzy classification. Pada metode Fuzzy AHP

subjektifitas terjadi saat menentukan prioritas di

antara kriteria-kriteria yang digunakan.

Sedangkan pada metode ABC-fuzzy

classification, subjektifitas muncul saat

menentukan nilai dari faktor penentu (tingkat

kepentingan). Selain itu, pada fuzzy AHP jika

terdapat data baru maka harus dilakukan

penghitungan kelas ulang.

5. Dengan metode ABC-fuzzy classification ketika

sudah terbentuk membership function, jika

terdapat data baru, maka dapat langsung

dilakukan perhitungan untuk menentukan

kelompok dari data yang baru dimasukkan

tersebut.

V.

KESIMPULAN DAN SARAN

5.1 Kesimpulan

1.

Hasil ABC-fuzzy classification yang

dihasilkan oleh aplikasi sudah sesuai dengan

hasil yang diperoleh dari paper acuan.

2.

Hasil klasifikasi dengan menggunakan

metode ABC-fuzzy classification lebih baik

daripada dengan metode analisis ABC

tradisional. Karena dengan metode ABC-fuzzy

classification dapat dimasukkan beberapa

kriteria yang menjadi pertimbangan dalam

mengelola persediaan.

3.

Uji coba dengan memperhitungkan tingkat

kritikalitas dan lead time dari obat sebagai

atribut fuzzy classification dan tingkat

penggunaan untuk ABC bisa memberikan

hasil yang lebih baik dibandingkan dengan

teknik klasifikasi ABC tradisional. Item yang

dalam klasifikasi tradisional tergolong tidak

penting (kelas B) tetapi dengan

memperhitungkan tingkat kritikalitas dan lead

time bisa menjadi item yang penting untuk

diperhatikan.

5.2 Saran

Berikut ini adalah beberapa saran yang diajukan

untuk perbaikan dan pengembangan lebih lanjut:

1.

Untuk mendapatkan gambaran yang lebih

komprehensif tentang pentingnya sebuah item

maka dapat dipertimbangkan kriteria-kriteria

lain untuk melakukan fuzzy-classification.

2.

Untuk mengurangi subjektifitas dalam

menentukan kelas untuk fuzzy classification

dapat dilakukan analisa clustering yang

mempertimbangkan beberapa kriteria yang

akan digunakan pada fuzzy classification.

VI.

DAFTAR PUSTAKA

Alverson, C. (2003, November 1). Beyond

purchasing--Managing hospital inventory. Retrieved Februari 25, 2010,

http://managedhealthcareexecutive.modernmedicine.com/mhe/ Web+Exclusives/Beyond-purchasing--Managing-hospital-inventory

Broyles, J. R., Cochran, J. K., & Montgomery, D. C. (2010). A statistical Markov chain approximation of transient hospital inpatient inventory. European Journal of Operation Research , 1645-1657.

Chu, C.-W., Liang, G.-S., & Liao, C.-T. (2008). Controlling Inventory by Combining ABC Analysis and fuzzy Classification. Computer & Industrial Engineering , 841-851. Ernst, R., & Cohen, M. A. (1990). Operations Related Groups (ORGs): A Clustering Procedure for Production/Inventory Systems. Journal of Operations Management , 574-598. Flores, B. E., Olson, D. L., & Dorai, V. (1992). Management of Multicriteria Inventory Classification. Mathematical Computing

Modelling vol 16 , 71-82.

Gajpal, P. P., Ganesh, L. S., & Rajendran, S. (1994). Criticality Analysis of Spare Parts Using the Analytic Hierarchy Process.

International Journal of Production Economics , 293-297.

Ghazanfari, M., & Nojavan, M. (2004). Reducing Inconsistency In Fuzzy AHP By Mathematical Programming Models.

Asia-Pacific Journal of Operational Research , 379-391.

Hsiang, S., Cheng, J., & Whittemore, G. J. (2008). An

Engineering Approach to Improving Hospital Supply Chains.

Massachusets: Massachusets Institute of Technology.

Lasmaria, B. (2010). Sistem Pendukung Keputusan untuk

Klasifikasi Inventori dengan Multi-kriteria Menggunakan Metodologi Fuzzy-AHP. Surabaya.

Partovi, F. Y., & Anandarajan, M. (2002). Classifying Inventory Using an Artificial Neural Network Approach. Computers &

Industrial Engineering 41 , 389-404.

Pujawan, I. N., & ER, M. (2010). Supply Chain Management. Surabaya: Guna Widya.

Rezaei, J., & Dowlatshahi, S. (2009). A Rule-Based Multi-Criteria Approach To Inventory Classification. International

Roztocki, N., & Weinstroffer, H. (2005). Evaluating Information Technology Investments: A Fuzzy Activity-Based Costing Approach. Journal of Infromation Science and

Technology , 30-43.

Yu, M.-C. (2010). Multi_Criteria ABC analysis using artificial-intelligence-base classification techniques. Expert Systems with

Applications , 3416-3421.

Zhou, E., & Khotanzad, A. (2007). Fuzzy Classifier Design Using Genetic Algorithm. Pattern Recognition , 3401-3414