Sidang Final Tugas Akhir

(1)

allphotosites.com

Sidang Final Tugas Akhir

(2)

Klasifikasi Obat dengan Menggunakan

Metode Klasifikasi ABC-Fuzzy Sebagai

Pendukung Strategi Pengelolaan Persediaan

Obat di Apotek XYZ Surabaya

Dosen pembimbing :

1. Prof. Ir. Arif Djunaidy, M.Sc, Ph.D

(3)

Latar Belakang

a)

Semakin menjamurnya penyedia jasa

layanan apotek sehingga dibutuhkan

suatu pembeda dan inovasi dari apotek

untuk memenangkan persaingan pasar.

theurbn.com

b) Permasalahan persediaan terutama

dalam industri farmasi harus

direncanakan sedemikian rupa

karena berpengaruh terhadap

keefisienan dan kinerja

perusahaan.

(4)

Perumusan Masalah

a) Bagaimana menerapkan metode klasifikasi ABC-Fuzzy

untuk menghasilkan klasifikasi obat dan produk

kesehatan di Apotek XYZ Surabaya ?

b) Bagaimana merumuskan membership function untuk

metode klasifikasi ABC-Fuzzy yang sesuai dengan

karakteristik inventori obat dan produk kesehatan di

Apotek XYZ Surabaya ?

c) Bagaimana mendesain dan mengimplementasikan

aplikasi untuk menyelesaikan masalah klasifikasi obat

dan produk kesehatan di Apotek XYZ Surabaya dengan

menggunakan metode klasifikasi ABC-Fuzzy ?

(5)

Batasan Tugas Akhir

a) Data yang digunakan berasal dari data penjualan obat

dalam kurun waktu 2009 – 2012 di Apotek XYZ Surabaya.

b) Data yang digunakan adalah data rata-rata bulanan.

c)

Klasifikasi dilakukan hanya pada obat-obatan Ethical yang

ada pada Apotek XYZ Surabaya.

d) Klasifikasi ABC-Fuzzy yang dilakukan terhadap data

dibatasi pada tiga kelas, yaitu Prioritas 1, Prioritas 2, dan

Prioritas 3.

e) Strategi yang dapat diambil dari hasil pengerjaan tugas

akhir ini merupakan strategi yang terkait dengan upaya

pengelolaan persediaan Apotek XYZ Surabaya dan

(6)

toolkit.smallbiz.nsw.gov.au

Tujuan Tugas Akhir

Tujuan dari pengerjaan tugas akhir ini adalah membuat aplikasi yang

dapat membantu pihak apotek dalam mengklasifikasikan obat-obatan

dan produk kesehatan dengan menggunakan metode ABC yang

dikombinasikan dengan klasifikasi Fuzzy sebagai pendukung strategi

(7)

(8)

Pengumpulan Data

• Data yang digunakan sebagai masukan adalah

data hasil penjualan obat Ethical (obat yang

memerlukan resep dokter). Jumlah data obat

Ethical yang digunakan sebanyak 1955 item.

• Data diambil dari data hasil penjualan selama

tahun 2009 – 2012

• Data diambil dari pengambilan data sekunder

dan data primer (wawancara dengan pihak

(9)

Praproses Data

• Tahapan ini dilakukan untuk menyesuaikan data masukan

ke dalam format data yang lebih mudah untuk diolah

• Dalam tahapan ini dilakukan pemilihan atribut dan

penambahan atribut baru dari data mentah

• Untuk klasifikasi Fuzzy, sesuai dengan literatur yang

dijadikan acuan dalam pengerjaan tugas akhir ini, maka

dibutuhkan atribut nominal dependen dan atribut lain yang

bersifat independen. Atribut nominal dependen yang

digunakan berasal dari penilaian intuitif dari pihak yang

kompeten untuk kemudian dibandingkan keakuratannya

dengan perhitungan atribut nominal dependen akhir pada

klasifikasi Fuzzy.

(10)

Atribut yang digunakan

• 1. Atribut nominal dependen :

– Tingkat Kepentingan Obat, dinilai dari penilaian intuitif pihak

manajerial apotek terhadap nilai kepentingan masing-masing

obat secara umum seperti service level, lead time,

substitutability level, dan demand level, dibagi menjadi 3 kelas,

yaitu 2 (obat sangat penting), 1 (obat penting), dan 0 (obat

kurang penting).

2. Atribut nominal independen

Tingkat penyakit yang ditangani pada masing-masing obat

(Prioritas Penyakit) yang terbagi menjadi 3 kelas, 2 (penyakit

yang ditangani termasuk kategori serius), 1 (penyakit yang

ditangani termasuk kategori sedang), 0 (penyakit yang ditangani

termasuk kategori rendah)

3. Atribut non-nominal independen

frekuensi pemakaian obat

(11)

Data yang Digunakan

• Data yang digunakan terdiri dari 2 :

– Data masukan dari database (kode obat, nama

obat, data value obat, tingkat kepentingan obat,

prioritas penyakit, frekuensi)

– Data masukan dari proses yang dilakukan (hasil

klasifikasi ABC, occurency frequency, relative

frequency, membership function, nilai potong dan

nilai batasan, derajat keanggotaan, hasil klasifikasi

Fuzzy, hasil klasifikasi ABC-Fuzzy

(12)

(13)

Contoh Data Masukan

Kode Nama Value TK PP Frek

13TC HBV 100MG TAB@28 202557 2 2 12 2A-B VASK 5MG TAB@30 47783 1 2 16 3A-B VASK 10MG TAB@30 12049 1 2 9 4ABBOTIC 125MG/5ML SYR 30ML 115137 1 1 16 5ABBOTIC FORTE SYR 50ML 119908 2 1 15 6ABBOTIC XL 500MG TAB@10 43855 1 1 9 7ABILIFY 5MG TAB@10 16428 0 2 10 8ABILIFY 10MG TAB@10 51279 1 2 8 8 1 9ACCOLATE 20MG TAB@28 261812 2 2 15 10ACETENSA 50MG TAB@30 169623 2 1 15 11ACETRAM TAB@10 18107 0 2 9 12ACIDUM BORICUM 1KG CRIST 167 0 0 12 13ACIDUM SALYCYLIC PULV 633 0 0 17 14ACLAM 500MG KPL@15 295483 1 1 18 15ACLAM 500MG KPL@30 1626 1 1 14 16ACRAN 150MG TAB@30 99043 1 1 18 17ACRAN 300MG TAB@30 13363 0 1 11 18ACTAPIN 5MG TAB@30 57562 0 1 15 19ACTAPIN 10MG TAB@30 87870 0 1 15 20ACTONEL 35MG TAB@4 235444 2 2 16

(14)

(15)

Perhitungan Klasifikasi ABC

Kode Nama Value TK PP Frek Value (%) Value (%) Kumulatif ABC 1 3TC HBV 100MG TAB@28 202557 2 2 12 0,1315243 47,820735 A 2 A-B VASK 5MG TAB@30 47783 1 2 16 0,0310265 87,618068 B 3 A-B VASK 10MG TAB@30 12049 1 2 9 0,0078237 98,154487 C 4 ABBOTIC 125MG/5ML SYR 30ML 115137 1 1 16 0,0747607 66,567579 A 5 ABBOTIC FORTE SYR 50ML 119908 2 1 15 0,0778587 65,427457 A 6 ABBOTIC XL 500MG TAB@10 43855 1 1 9 0,0284759 88,951568 B 7 ABILIFY 5MG TAB@10 16428 0 2 10 0,0106670 97,111594 C 8 ABILIFY 10MG TAB@10 51279 1 2 8 0,0332965 86,559309 B 9 ACCOLATE 20MG TAB@28 261812 2 2 15 0,1699997 37,960560 A 10 ACETENSA 50MG TAB@30 169623 2 1 15 0,1101396 54,371439 A 11 ACETRAM TAB@10 18107 0 2 9 0,0117572 96,641386 C 12 ACIDUM BORICUM 1KG CRIST 167 0 0 12 0,0001084 99,999171 C 13 ACIDUM SALYCYLIC PULV 633 0 0 17 0,0004110 99,991325 C 14 ACLAM 500MG KPL@15 295483 1 1 18 0,1918630 34,716107 A 15 ACLAM 500MG KPL@30 1626 1 1 14 0,0010558 99,952903 C 16 ACRAN 150MG TAB@30 99043 1 1 18 0,0643106 71,789118 B 17 ACRAN 300MG TAB@30 13363 0 1 11 0,0086769 97,923306 C 18 ACTAPIN 5MG TAB@30 57562 0 1 15 0,0373762 84,033613 B 19 ACTAPIN 10MG TAB@30 87870 0 1 15 0,0570557 74,542770 B 20 ACTONEL 35MG TAB@4 235444 2 2 16 0,1528785 42,315026 A

(16)

Flowchart Perancangan Sistem

Aplikasi – Klasifikasi Fuzzy

(17)

Perhitungan Klasifikasi Fuzzy (atribut

nominal independen)

13TC HBV 100MG TAB@28 202557 2 2 12 2A-B VASK 5MG TAB@30 47783 1 2 16 3A-B VASK 10MG TAB@30 12049 1 2 9 4ABBOTIC 125MG/5ML SYR 30ML 115137 1 1 16 5ABBOTIC FORTE SYR 50ML 119908 2 1 15 6ABBOTIC XL 500MG TAB@10 43855 1 1 9 7ABILIFY 5MG TAB@10 16428 0 2 10 8ABILIFY 10MG TAB@10 51279 1 2 8 9ACCOLATE 20MG TAB@28 261812 2 2 15 10ACETENSA 50MG TAB@30 169623 2 1 15 11ACETRAM TAB@10 18107 0 2 9 μTK=2(PP) = μTK=1(PP) = 11ACETRAM TAB@10 18107 0 2 9

12ACIDUM BORICUM 1KG CRIST 167 0 0 12 13ACIDUM SALYCYLIC PULV 633 0 0 17 14ACLAM 500MG KPL@15 295483 1 1 18 15ACLAM 500MG KPL@30 1626 1 1 14 occurency frequency PP TK 2 1 0 2 80 134 25 239 1 252 1246 65 1563 0 4 41 108 153 relative frequency PP TK 2 1 0 2 0,335 0,561 0,105 1 0,161 0,797 0,042 0 0,026 0,268 0,706 μTK=0(PP) =

(18)

Perhitungan Klasifikasi Fuzzy (atribut

non-nominal independen)

13TC HBV 100MG TAB@28 202557 2 2 12 5ABBOTIC FORTE SYR 50ML 119908 2 1 15 9ACCOLATE 20MG TAB@28 261812 2 2 15 10ACETENSA 50MG TAB@30 169623 2 1 15 23ACUATIM CR 10GR 52542 1 1 8 29ADALAT OROS 20MG TAB@30 67275 1 2 15 32ADONA FORTE 30MG TAB@100 76668 1 2 18 34ADVANTAN 0.1% CR 10GR 57967 1 2 14 82AMINOPHYLLINE 200MG@1000 GCO 7224 0 1 22 84AMITRIPTYLINE 25MG TAB@100 GIF 4446 0 1 21 84AMITRIPTYLINE 25MG TAB@100 GIF 4446 0 1 21 97ANADIUM KPL@30 51931 0 2 16 98ANAFRANIL 25MG TAB@50 2892 0 2 10 99ANALTRAM CPL@30 9240 0 2 13 X3 X1 18,22917 2 XC12 14,672 S3 S1 3,69645 2 XC23 16,918 X1 X2 14,17171 1 X2L 1,699 S1 S2 3,566679 1 X3L 7,140 X2 X3 15,30808 0 X1R 24,872 S2 S3 4,536489 0 X2R 28,918 μTK=1(frek) = μTK=0(frek) = μTK=2(frek) =

(19)

Perhitungan Derajat Keanggotaan

Nama PP Frek μTK=2(PP ) μTK=1(PP) μTK=0(PP) μTK=2(fre k) μTK=1(frek) μTK=0(frek) μTK=2(It ) μTK=1(It) μTK=0(It) TK' 3TC HBV 100MG TAB@28 2 12 0,335 0,561 0,105 0,497 1,000 0,794 0,41601 7 0,7805 0,449516 9 1 A-B VASK 5MG TAB@30 2 16

0,335 0,561 0,105 0,906 0,870 1,000

0,62055

8 0,715402 0,5525 1 A-B VASK 10MG TAB@30 2 9

0,335 0,561 0,105 0,190 1,000 0,563 0,26261 1 0,7805 0,333892 1 1 ABBOTIC 125MG/5ML SYR 30ML 1 16 0,161 0,797 0,042 0,906 0,870 1,000 0,53355 8 0,833402 0,521 1 ABBOTIC FORTE SYR 50ML 1 15

0,161 0,797 0,042 0,804 0,968 1,000 0,48242 3 0,882421 6 0,521 1 ABBOTIC XL 500MG TAB@10 1 9 0,161 0,797 0,042 0,190 1,000 0,563 0,17561 1 0,8985 0,302392 1 1 0,161 0,797 0,042 0,190 1,000 0,563 1 0,8985 1 1 ABILIFY 5MG TAB@10 2 10 0,335 0,561 0,105 0,292 1,000 0,640 0,31374 7 0,7805 0,372433 7 1 ABILIFY 10MG TAB@10 2 8 0,335 0,561 0,105 0,088 1,000 0,486 0,21147 6 0,7805 0,295350 5 1 ACCOLATE 20MG TAB@28 2 15 0,335 0,561 0,105 0,804 0,968 1,000 0,56942 3 0,764421 6 0,5525 1 ACETENSA 50MG TAB@30 1 15 0,161 0,797 0,042 0,804 0,968 1,000 0,48242 3 0,882421 6 0,521 1

(20)

Perhitungan Akurasi

Nama

3TC HBV 100MG TAB@28

A-B VASK 5MG TAB@30

A-B VASK 10MG TAB@30

ABBOTIC 125MG/5ML SYR 30ML

ABBOTIC FORTE SYR 50ML

ABBOTIC XL 500MG TAB@10

ABILIFY 5MG TAB@10

ABILIFY 10MG TAB@10

TK'

TK

1

2

1

2

1

0

1

1 %

1527benar

78,11

428salah

21,89

ABILIFY 10MG TAB@10

ACCOLATE 20MG TAB@28

ACETENSA 50MG TAB@30

1

2

1

2 kelas

akhir

2

155

1 1658

0

142 kelas

awal

2

336

1 1421

0

198

(21)

(22)

Perhitungan Klasifikasi ABC-Fuzzy

Kode

Nama

ABC

TK'

ABC-Fuzzy

1 3TC HBV 100MG TAB@28

A

1 Prioritas 1

2 A-B VASK 5MG TAB@30

B

1 Prioritas 2

3 A-B VASK 10MG TAB@30

C

1 Prioritas 3

4 ABBOTIC 125MG/5ML SYR 30ML

A

1 Prioritas 1

5 ABBOTIC FORTE SYR 50ML

A

1 Prioritas 1

6 ABBOTIC XL 500MG TAB@10

B

1 Prioritas 2

7 ABILIFY 5MG TAB@10

C

1 Prioritas 3

8 ABILIFY 10MG TAB@10

B

1 Prioritas 2

9 ACCOLATE 20MG TAB@28

A

1 Prioritas 1

9 ACCOLATE 20MG TAB@28

A

1 Prioritas 1

10 ACETENSA 50MG TAB@30

A

1 Prioritas 1

11 ACETRAM TAB@10

C

1 Prioritas 3

TK'

2 (B1)

1 (B2)

0 (B3)

ABC

A (A1)

118

299

5 B (A2)

23

429

14 C (A3)

14

930

123 kelompok prioritas 1

440 kelompok prioritas 2

448 kelompok prioritas 3

1067

1955

ABC A 422 B 466 C 1067 1955

Metode Prioritas 1 Prioritas 2 Prioritas 3

ABC 422 466 1067

(23)

(24)

Uji Coba

• A. Verifikasi

Tahapan ini dilakukan untuk melihat apakah hasil

keluaran dari sistem aplikasi telah sesuai dengan hasil

perhitungan manual dengan menggunakan Microsoft

Excel berdasarkan logika diagram alur klasifikasi

ABC-Fuzzy yang telah dijelaskan pada desain sistem.

Tahapan ini juga bertujuan untuk melihat apakah

sistem telah menjalankan proses matematis dengan

benar.

[sudah sesuai] hanya terdapat perbedaan dalam

pembulatan angka

(25)

Uji Coba Validasi

• Bertujuan untuk menguji kebenaran dari hasil

perhitungan aplikasi

• Data yang digunakan :

– Data Pareto penjualan bulan Jan-April 2012

(26)

Uji Coba Validasi (cont’d)

No

Uji Coba Validasi

Data

1 Perbandingan hasil klasifikasi ABC antara data pelatihan dan data validasi

Data Validasi

2 Perbandingan hasil klasifikasi Fuzzy antara data pelatihan dan data validasi

Data Validasi

3 Perbandingan akurasi kebenaran nilai atribut nominal dependen awal (Y) &

nilai atribut nominal dependen akhir (Y’) pada klasifikasi Fuzzy pada data

pelatihan

Data Pelatihan

4 Perbandingan akurasi kebenaran nilai atribut nominal dependen awal (Y) &

nilai atribut nominal dependen akhir (Y’) pada klasifikasi Fuzzy

menggunakan atribut nominal independen 1 Prioritas Penyakit dan atribut

nominal independen 2 Substitutability Level obat

Data Pelatihan

No

Uji Coba Validasi

Data

Perbandingan hasil akurasi kebenaran antara nilai atribut nominal dependen

5

Perbandingan hasil akurasi kebenaran antara nilai atribut nominal dependen

awal (Y) terhadap nilai atribut nominal dependen akhir (Y’) pada klasifikasi

Fuzzy

menggunakan atribut nomindal independen Substitutability Level obat

dan atribut non-nominal independen Frekuensi

Data Pelatihan

6 Perbandingan hasil akurasi kebenaran antara nilai atribut nominal dependen

awal (Y) terhadap nilai atribut nominal dependen akhir (Y’) pada klasifikasi

Fuzzy

menggunakan atribut nominal independen 1 Prioritas Penyakit, atribut

nominal independen 2 Substitutability Level obat, dan atribut non-nominal

independen Frekuensi

Data Pelatihan

7 Perbandingan hasil klasifikasi ABC-Fuzzy antara data pelatihan dan data

validasi

Data Validasi

8 Perbandingan hasil klasifikasi ABC dan klasifikasi ABC-Fuzzy pada data

pelatihan

Data Pelatihan

9 Perbandingan akurasi ketepatan kelompok klasifikasi ABC-Fuzzy pada data

(27)

Kesimpulan dan Saran

• Kesimpulan

–

Klasifikasi ABC-Fuzzy dapat memberikan hasil yang lebih baik dibandingkan dengan hasil

klasifikasi ABC karena metode klasifikasi ABC-Fuzzy melibatkan beberapa kriteria tambahan,

yaitu tingkat kepentingan obat, prioritas penyakit yang terkait dengan obat, dan frekuensi

pemakaian obat dalam penentuan prioritas persediaan item obat.

–

Aplikasi klasifikasi ABC-Fuzzy telah berhasil diujicobakan pada Apotek XYZ Surabaya

menggunakan data penjualan obat sebanyak 1955 item obat dalam periode Januari

2010 sampai dengan April 2012.Hasil uji coba klasifikasi data pelatihan yang diambilkan

dari data uji coba untuk kurun waktu dua tahun pertama memberikan hasil klasifikasi

yang terdiri dari 440, 448, dan 1067 item obat berturut-turut untuk kelompok dengan

Prioritas 1, Prioritas 2, dan Prioritas 3. Sedang hasil uji coba validasi menggunakan data

untuk empat bulan terakhir, memberikan hasil klasifikasi yang terdiri dari 373, 353, dan

1229 item obat berturut-turut untuk kelompok Prioritas 1, Prioritas 2, dan Prioritas 3.

–

Kebenaran hasil klasifikasi ABC-Fuzzy menggunakan data pelatihan telah telah

diverifikasi terhadap perhitungan manual dengan bantuan fasilitas Microsoft Excel.

Untuk ini, hasil perhitungan aplikasi dan manual menunjukkan persentase kebenaran

sebesar 72,23%. Perbedaan hasil klasifikasi ABC-Fuzzy pada data pelatihan dan data

validasi disebabkan oleh perbedaan rentang waktu keduanya yang cukup signifikan yang

berakibat pada perbedaan nilai uang yang diperoleh, perbedaan hasil klasifikasi ABC,

dan hasil perbedaan klasifikasi ABC-Fuzzy.

–

Uji coba proses klasifikasi ABC-Fuzzy menggunakan data pelatihan dan data validasi

berturut-turut menghasilkan kebenaran tingkat prioritas penyediaan item obat sebesar