PERANCANGAN APLIKASI PREDIKSI JUMLAH PERSEDIAAN ALAT KESEHATAN DENGAN METODE ANFIS (STUDI KASUS : RSUD DELI SERDANG)

96

PERANCANGAN APLIKASI PREDIKSI JUMLAH PERSEDIAAN

ALAT KESEHATAN DENGAN METODE ANFIS

(STUDI KASUS : RSUD DELI SERDANG)

Pandi Ahmad

Mahasiswa Program Studi Teknik Informatika STMIK Budi Darma Medan JL.Sisingamangaraja No.338 Simpang Limun Medan

ABSTRAK

Perancangan adalah merancang atau mendesain suatu sistem yang baik,yang isinya adalah langkah-langkah operasi dalam proses pengolahan data dan prosedur untuk mendukung operasi sistem. Prediksi adalah suatu proses memperkirakan secara sistematis tentang sesuatu yang paling mungkin terjadi di masa depan, berdasarkan informasi masa lalu dan sekarang yang dimiliki, agar kesalahan selisih antara sesuatu yang terjadi dengan hasil perkiraan dapat diperkecil. Prediksi tidak harus memberikan jawaban secara pasti kejadian yang akan terjadi, melainkan berusaha untuk mencari jawaban sedekat mungkin yang akan terjadi. Perancangan sistem prediksi dapat menggunakan metode ANFIS (Adaptive Neuro Fuzzy Inference System) adalah arsitektur yang secara fungsional sama dengan fuzzy rule base model Sugeno, dan juga sama dengan jaringan syaraf dengan fungsi radial dengan sedikit batasan tertentu yang dapat digunakan utuk memprediksi data tertentu.Dengan metode ini diharapkan dapat memprediksi jumlah ALKES yang tepat guna sehingga dapat memperoleh hasil yang maksimal.

Kata Kunci: Perancangan, Prediksi, Anfis (Adaptive Neuro Fuzzy Inference System) 1. Pendahuluan

Rumah Sakit Umum Daerah Deli

Serdang Lubuk Pakam adalah badan

pemerintah yang bergerak dibidang pelayanan kesehatan masyarakat, selain obat – obatan, Untuk menunjang kinerja setiap pelayanan pada pasien, dibutuhkan peralatan medis yang mendukung, guna dalam proses pemeriksaan dan juga mendiagnosa keadaan pasien. Alat medis sendiri terbagi dua golongan, yakni alat medis yang dapat dipakai berulang – ulang dan

juga alat medis habis pakai (disposable).

Untuk Alat medis yang bersifat disposable,

alat – alat medis tersebut harus dijaga kesterilanya, yang mana alat ini harus tersedia dalam pemeriksaan setiap pasien yang datang. Dan setelah pemakaian, alat tersebut tidak boleh dipakai kembali dan harus dibuang. Namun, terkadang terjadi kendala dalam melayani pasien, hal ini disebabkan karena keterbatasan alat medis. Terkadang pihak pasien harus menunggu karena rumah sakit sedang menyediakan alat medis dan tidak jarang pasien dirujukan ke rumah sakit yang lain, karena tidak ada ketersediaan alat medis yang menunjang. Sedangkan pada kasus lain, terdapat beberapa alat medis yang harus dibuang percuma karena sudah tidak terjaga kesterilannya, hal ini disebabkan terlalu banyak stok dan tersimpan terlalu lama. Dan

juga pada saat melakukan perekapan data alat kesehatan dibagian kantor farmasi, terdapat

beberapa data yang berulang atau double.

Pengadaan alat kesehatan di Rumah Sakit Umum Daerah Deli Serdang Lubuk Pakam tergantung dari besarnya dana anggaran

Pemerintah Kabupaten Deli Serdang.

Banyaknya data alat kesehatan hanya bisa diperkirakan dari banyak atau sedikitnya alat kesehatan yang ada (stok), dikarenakan kebutuhan setiap tahun berbeda-beda. Hal ini mengakibatkan tidak semua kebutuhan alat kesehatan terpenuhi dan sering terjadi stok tambahan sedangkan jumlah APBD telah terbagi untuk setiap instasi. Untuk mengatasi permasalahan mengenai pengolahan data stok alat kesehatan, maka dibutuhkan bantuan dengan membangun suatu aplikasi berbasis komputerisasi dengan menggunakan metode ANFIS.

Metode ANFIS (Adaptive Neuro Fuzzy

Inference System) merupakan suatu metode penentuan urutan atau prioritas. Dengan pertimbangan yang tepat, metode ini bisa menjadi salah satu alat untuk penentuan urutan atau prioritas terhadap produk yang akan dibuat. Penentuan yang diambil sebagai dasar dalam menggunakan kriteria yang dapat terdefinisikan secara jelas dan obyektif. (Ida Bagus, E-Jurnal Matematika Vol. 2, ISSN:

2303-1751). Agar informasi apa saja yang dibutuhkan mengenai pengolahan data dapat dilihat setiap waktu dan tepat waktu. Sehingga diharapkan bisa memprediksi dengan hasil yang tepat dan meminimalkan redudansi data

(perulangan data) dan informasi bisa up to date

(perbaharui).

Berdasarkan latar belakang masalah diatas,Maka penulis tertarik untuk mengakat permasalahan diatas kedalam sebuah skripsi yang berjudul “Perancangan Aplikasi Prediksi Persediaan Alat Kesehatan Dengan Metode

Anfis (Studi Kasus : Rumah Sakit

Umum

Daerah Deli Serdang Lubuk Pakam)”.

1.2 Perumusan Masalah

Berdasarkan latar belakang masalah di atas, maka dapat dirumuskan permasalahan di dalam penelitian ini adalah sebagai berikut:

1. Bagaimana menentukan jumlah

persediaan alat kesehatan pada Rumah Sakit Umum Daerah Deli Serdang Lubuk Pakam?

2. Bagaimana penerapan metode ANFIS

untuk memprediksi jumlah persediaan alat

kesehatan habis pakai (disposable) di

Rumah Sakit Umum Daerah Deli

Serdang?

3.

Bagaimana membangun aplikasi

memprediksi persediaan alat kesehatan

dengan menggunakan Micrososft Visual

Basic 2008 dan MySQL sebagai database

pada Rumah Sakit Umum Daerah Deli

Serdang

?

1.3 Batasan Masalah

Agar dalam pembahasan permasalahan tidak menyimpang dari tujuan penulisan, maka perlu dibuat batasan masalah sebagai berikut:

1. Hanya membahas tentang jumlah

persediaan alat kesehatan habis pakai

( disposable ) pada Rumah Sakit Umum Daerah Deli Serdang.

2. Data diambil dari tahun 2014 - 2015

sebagai acuan dan menggunakan 25 item barang sebagai contoh untuk memprediksi jumlah persediaan alat kesehatan ditahun yang akan datang.

3. Database menggunakan MySQL dan

bahasa pemograman menggunakan

microsoft Visual Basic 2008.

1.4 Tujuan dan Manfaat Penelitian 1.4.1 Tujuan

Tujuan dari penelitian adalah untuk menentukan jumlah persediaan alat kesehatan pada tahun yang akan datang. Adapun tujuan pelaksanaan penelitian ini adalah sebagai berikut:

1. Memprediksi jumlah persediaan alat

kesehatan dengan mengunakan metode ANFIS.

2. Menerapkan metode ANFIS dalam

menentukan jumlah persediaan alat

kesehatan pada Rumah Sakit Umum Daerah Deli Serdang.

3. Membangun aplikasi yang dapat

melakukan pengolahan data persediaan pada Rumah Sakit Umum Daerah Deli Serdang.

1.4.2. Manfaat

Pada umumnya penelitian ini memiliki beberapa manfaat diantaranya adalah sebagai berikut:

1. Mempermudah dalam menentukan

penyediaan jumlah alat kesehatan sehingga tidak terjadi kelebihan ataupun kekurangan dalam penyediaannya.

2. Mempermudah dalam mengambil

keputusan khususnya dalam hal penentuan

jumlah alat kesehatan dengan

menyusuaikan APBD dengan melihat data-data dari tahun sebelumnya.

3. Mempermudah dalam pencarian data alat

kesehatan serta persediaan alat kesehatan dengan menggunakan metode ANFIS pada Rumah Sakit Umum Daerah Deli Serdang.

2. Landasan Teori

2.1 Pengertian Metode ANFIS

Menurut Kusumadewi (2006:359),

Adaptive Neuro Fuzzy Inference System (ANFIS) adalah arsitektur yang secara

fungsional sama dengan fuzzy rule base

model Sugeno, dan juga sama dengan jaringan syaraf dengan fungsi radial dengan sedikit batasan tertentu.

Bisa dikatakan bahwa ANFIS adalah suatu metode yang mana dalam melakukan

penyetelan aturan digunakan algoritma

pembelajaran data. Agar jaringan dengan

fungsi basis radial ekuivalen dengan fuzzy

berbasis aturan model sugeno orde 1 ini, diperlukan batasan :

a. Aturan-aturan harus memeiliki metode agregasi yang sama (rata-rata terbobot atau penjumlahan ) untuk menghasilkan semua outputnya.

b. Jumlah fungsi aktivasi harus sama

dengan jumlah aturan fuzzy (IF-THEN)

c. Jika ada beberapa input pada basis

aturanya maka tiap-tiap fungsi harus sama dengan fungsi keanggotaan tiap-tiap inputnya

d. Fungsi aktivasi dan aturan-aturan fuzzy

harus memiliki fungsi yang sama untuk neuron-neuron dan aturan-aturan yang ada disisi outputnya.

3. Analisa Dan Perancangan 3.1 Analisa Masalah

Dalam laporan jumlah persediaan alat kesehatan pada Rumah Sakit Umum Daerah Deli Serdang Lubuk pakam, tercatat bahwa

jumlah persedian dan penggunaan alat

kesehatan yang bersifat disposable tidak

signifikan, artinya terjadi penurunan dan

peningkatan tingkat kebutuhan setiap

tahunnya. Mengingat pentingnya mengetahui tingkat jumlah persedian alat kesehatan untuk dapat menentukan persediaan alat kesehatan selama setahun pada Rumah Sakit Umum Daerah Deli Serdang Lubuk pakam, maka diperlukan pembangunan sistem yang mampu memprediksi tingkat kebutuhan alat kesehatan yang akan terjadi ditahun yang akan datang berdasarkan data tahun sebelumnya. Misalnya untuk menentukan jumlah persediaan alat kesehatan ditahun 2016, maka data alat kesehatan yang terpakai pada tahun 2014 dan tahun 2015 dijadikan sebagai bahan masukan dan hasilnya sebagai keluaran untuk tahun 2016 .

Pada metode ANFIS (Adaptive neuro

fuzzy Inference System) dalam memprediksi adalah dengan penggunaan data-data ditahun sebelumnya. Data masukan dan data keluaran tersebut di hubungkan dengan satu fungsi yang diolah dengan lapisan-lapisan pada

metode ANFIS. Dari penyesuaian antara

masukan dan keluaran akan menghasilkan suatu fungsi yang dapat memetakan masukan dan keluaran. Kemudian data masukan diubah berupa masukan data tahun 2014 dan 2015, dan hasil output pada lapisan terakhir merupakan keluaran berupa data untuk tahun 2016

.

DATA JUMLAH ALKES TERPAKAI TAHUN 2014-2015

NO NAMA ALAT KESEHATAN

DATA ALKES TERPAKAI

2014 2015

1 ABBOCAT 20 140 360

2 ABBOCAT 24 340 650

3 BLOOD TRANSFUSI SET 650 450

4 FILM X- RAY 240 540 5 FOLEY CHATETER NO 16 540 440 6 FOLEY CHATETER NO 18 430 230 7 HANDSCONE 6,5 STERIL 550 430 8 HANDSCONE 7 STERIL 430 230 9 HANDSCONE 7,5 NON STERIL 150 340

10 INFUS SET MACRO 310 440 11 INFUS SET MICRO 390 880 12 INFUS SET PUMP 430 230

13 NASAL OKSIGEN 580 960 14 NGT NO 12 650 340 15 NGT NO 18 150 330 16 SPINOCAIN 170 560 17 NEBULIZER ADULT 430 450 18 SPUIT 5CC 450 320 19 SPUIT 50CC 430 870 20 SPUIT 100CC 440 230 21 ELASTIS VERBAN 230 130 22 TREEWAY STOP COCK 340 770

23 HD CHATETER 240 360

24 NEBULIZER PEDIATRIC 430 230

25 SPUIT 3CC 650 780

Sumber : RSUD Deli Serdang

Sistem analisa yang digunakan untuk memprediksi persediaan alat kesehatan pada RSUD Deli Serdang dengan menggunakan metode ANFIS komponen yang dipakai dalam sistem ini adalah data jumlah alat yang terpakai dari tahun 2014 sampai 2015. Dimana data tahun 2014 dan 2015 sebagai masukan dan hasilnya merupakan data keluaran hasil

prediksi untuk tahun 2016

.

Berikut adalah sampel data alat

kesehatan pada RSUD Deli Serdang yang

akan dikaji.

Tabel 1 Data Kajian NO

Nama Alat Kesehatan INPUT 2014(X1) 2015 (X2) 1 ABBOCAT 20 140 360 2 ABBOCAT 24 340 650 3 BLOOD TRANSFUSI SET 650 450 4 FILM X- RAY 240 540 5 FOLEY CHATETER NO 16 540 440 6 FOLEY CHATETER NO 18 430 230 7 HANDSCONE 6,5 STERIL 550 430

8 HANDSCONE 7 STERIL 430 230

9

HANDSCONE 7,5 NON

STERIL 150 340

10 INFUS SET MACRO 310 440 11 INFUS SET MICRO 390 880 12 INFUS SET PUMP 430 230 13 NASAL OKSIGEN 580 960 14 NGT NO 12 650 340 15 NGT NO 18 150 330 16 SPINOCAIN 170 560 17 NEBULIZER ADULT 430 450 18 SPUIT 5CC 450 320 19 SPUIT 50CC 430 870 20 SPUIT 100CC 440 230 21 ELASTIS VERBAN 230 130 22 TREEWAY STOP COCK 340 770

23 HD CHATETER 240 360

24

NEBULIZER

PEDIATRIC 430 230

25 SPUIT 3CC 650 780

Dalam rangka mencari nilai awal untuk

parameter a dan c dengan menggunakan

persamaan 3.2. Kita akan menggunakan

algortima FCM untuk melakukan clustering.

Kemudian dilakukan perhitungan untuk mendapatkan nilai setiap cluster, dan berikut adalah tabel hasil clustering data yang

gunakan. Tabel 2 Clustering Data alkes

NO. DERAJAT KEANGGOTAAN

X1 X2 1. 0,822 0,178 2. 0,169 0,831 3. 0,598 0,0402 4. 0,567 0,433 5. 0,720 0,280 6. 0,967 0,033 7. 0,730 0,270 8. 0,967 0,33 9. 0,844 0,156 10. 0,969 0,031 11. 0,044 0,957 12. 0,967 0,033 13 0,108 0,892 14 0,742 0,258 15 0,849 0,151 16 0,529 0,471 17 0,813 0,187 18 0.969 0,031 19 0,032 0,968 20 0,963 0,037 21 0,897 0,103 22 0,044 0,956 23 0,914 0,087 24 0,967 0,033 25 0,130 0,870

Selanjutnya akan menemukan nilai c ( deviasi standar) dan a (mean) awal. Untuk menentukan nilai c dan a adalah sebagai berikut :

Nilai n = 25 dan total cluster X1 = 15,754

dan total cluster X2 = 8,6162

Dari data tersebut dapat diperoleh data c dan a sebagai berikut :

𝑐 = 0,3716_0,4550 0,3384_0,8183 dan 𝑎 = 0,1657 0,1175

0,1303 0,1083

Dengan demikian persamaan 3.2, yaitu dengan fungsi keanggotaan Generalized Bell ( Gbell ) yang dinyatakan dengan

untuk setiap neuron pada lapisan pertama akan menjadi: 𝐴1 = 𝜇 𝑋1 = 1 𝑋1− 0,3716 0,1657 2 𝐴2 = 𝜇 𝑋1 1 1 + 𝑋_0,11751−0,3384 2

𝐵

1

= 𝜇(𝑋

2)= 1 1+ 𝑋2−0,455_0,1303 2

𝐵

2

= 𝜇

𝑋

2

=

1 1+ 𝑋2−0,3384_0,1083 2

Selanjutnya, output lapisan pertama

berupa derajat keanggotaan setiap data dapat kita hitung dan hasil dapat dilihat pada tabel 3

Tabel 3 Output Lapisan Pertama alkes Data ke- Derajat keanggotaan 𝜇𝑎1 𝜇𝑎2 𝜇𝑏1 𝜇𝑏2 1. 5,4363 0,7322 5,6331 8,9807 2. 0,9645 0,5621 0,1245 0,2928 3. 0,2616 0,3087 0,5257 0,0796 4. 0,6132 0,2686 0,2536 0,1315 5. 0,4919 0,7015 0,5722 0,0757 6. 0,8895 0,9645 0,5402 0,0328 7. 0,4631 0,6529 0,6220 0,0722 8. 0,8895 0,9645 0,5402 0,0328 9. 0,3586 0,1543 0,9998 0,0488 10. 0,8786 0,4468 0,5402 0,0328 11. 0,9878 0,8007 0,0450 0,7550 12. 0,8895 0,9645 0,5402 0,0328 13. 0,3873 0,5208 0,0345 0,3687 14. 0,2616 0,3087 0,9998 0,0488 15. 0,3586 0,1543 0,9949 0,0469 16. 0,4032 0,1729 0,2195 0,1495 17. 0,8895 0,9645 0,5257 0,0796 18. 0,8171 0,9985 0,9761 0,0451 19. 0,8895 0,9645 0,0466 0,8144 20. 0,8544 0,9869 0,5402 0,0328

21. 0,5779 0,2511 0,2412 0,0242 22. 0,9649 0,5621 0,0690 0,8341 23. 0,6132 0,2686 9673 0,0529 24. 0,8895 0,9645 0,5402 0,0328 25. 0,2616 0,3087 0,0661 0,8888

Pada lapisan ke dua kita kalikan derajat

keanggotaan ,

𝑤

₁

=

𝜇𝐴

₁

(𝜇𝐵

₁

)

. dan,

𝑤

2

=

𝜇𝐴

2

(𝜇𝐵

2

)

. Selanjutnya pada lapisan

ke tiga akan dilakukan normalisasi untuk

mendapatkan 1 dan Ŵ2 berdasarkan

persamaan 3.4. hasilnya dapat dilihat pada tabel 4

Tabel 4 Output Lapisan Kedua dan Ketiga Data ke - Output lapisan ke dua Output lapisan ke tiga W1 W2 Ŵ1 Ŵ2 1. 30,6232 6,5390 0,8240 0,1759 2. 0,1201 0,1646 0,4219 0,5781 3. 0,1375 0,0246 0,8484 0,1516 4. 0,1555 0,0353 0,8149 0,1851 5. 0,2815 0,0531 0,8413 0,1587 6. 0,4805 0,0316 0,9382 0,0618 7. 0,2880 0,0471 0,8594 0,1406 8. 0,4805 0,0316 0,9382 0,0618 9. 0,3585 0,0075 0,9794 0,0206 10. 0,4746 0,0147 0,9700 0,0300 11. 0,0445 0,6045 0,0685 0,9315 12. 0,4805 0,0316 0,9382 0,0618 13. 0,0134 0,1920 0,0651 0,9349 14. 0,2615 0,0151 0,9455 0,0545 15. 0,3568 0,0072 0,9801 0,0199 16. 0,0885 0,0258 0,7740 0,2260 17. 0,4676 0,0768 0,8590 0,1410 18. 0,7976 0,0450 0,9466 0,0534 19. 0,0415 0,7855 0,0501 0,9499 20. 0,4615 0,0324 0,9345 0,0655 21. 0,1394 0,0061 0,9582 0,0418 22. 0,0666 0,4688 0,1243 0,8757 23. 0,5931 0,7855 0,9766 0,0234 24. 0,4805 0,0316 0,9382 0,0618 25. 0,0173 0,0142 0,0593 0,9407

Terakhir pada lapisan keempat kita dapat

menghitung nilai Ŵ1Xij, dengan i=1,2 dan

j=1,2 sebagai koefisien dari Cij, i=1,2 dan

j=0,1,2 pada persamaan 3.4 hasilnya dapat dilihat pada tabel 5

Tabel 5 Koofisien Parameter

Da ta ke Koofisiensi Parameter C11 C12 C10 C21 C22 C20 1.0,67 0,03 0,82 0,14 0,03 0,35 75 09 40 46 09 14 2.0,14 34 0,27 42 0,42 19 0,19 66 0,37 58 0,57 81 3.0,55 15 0,38 18 0,84 84 0,09 85 0,06 82 0,15 16 4.0,19 56 0,44 00 0,81 49 0,04 44 0,10 00 0,18 51 5.0,45 42 0,37 01 0,84 12 0,08 58 0,06 99 0,05 88 6.0,40 35 0,21 58 0,93 83 0,02 65 0,01 42 0,06 17 7.0,47 27 0,36 95 0,85 94 0,07 73 0,06 05 0,14 06 8.0,40 35 0,21 58 0,93 83 0,02 65 0,01 42 0,06 17 9.0,14 69 0,33 30 0,97 94 0,00 31 0,00 70 0,02 06 10.0,30 07 0,22 31 0,97 01 0,00 93 0,00 69 0299 11.0,02 67 0,06 02 0,06 84 0,36 33 0,81 98 0,93 16 12.0,40 35 0,21 58 0,93 83 0,02 65 0,01 42 0,06 17 13.0,03 77 0,06 25 0,06 51 0,54 23 0,89 75 0,93 49 14.0,61 46 0,32 15 0,94 56 0,03 54 0,01 85 0,05 44 15.0,14 70 0,32 34 0,98 01 0.00 30 0,00 66 0,01 99 16.0,13 16 0,43 34 0,77 39 0,03 84 0,12 66 0,0,2 61 17.0,36 94 0,38 66 0,86 90 0,06 06 0,06 34 0,14 10 18.0,42 59 0,30 29 0,94 65 0,02 41 0,01 71 0,05 35 19.0,02 15 0,04 36 0,05 01 0,40 85 0,82 64 0,94 99 20.0,41 12 0,21 49 0,93 45 0.02 88 0,01 51 0,06 55 21.0,22 04 0,12 46 0,95 83 0,00 96 0,00 54 0.04 17 22.0,04 23 0,09 57 0,12 43 0,29 77 0,67 43 0,87 57 23.0,23 44 0,35 16 0,97 660 0,00 56 0,00 84 0,02 34 24.0,40 35 0,21 58 0,93 83 0,02 65 0,01 422 0,06 17 25.0,03 85 0,04 63 0,05 93 0,61 15 0,73 37 0,94 07 Setelah kita mendapatkan hasil lapisan I,II,III dan lapisan IV, selanjutnya kita menghitung seluruh output lapisan, untuk mendapatkan lapisan ke V

Berikut ini adalah tabel yang memetapakan data masukan ( data tahun 2014 + data tahun 2015 ) dengan hasil prediksi

Tabel 6 Hasil Output lapisan 5

No Data Masukan Hasil Prediksi

1 500 338 2 990 534 3 1100 791 4 780 405 5 980 675 6 660 499 7 980 679 8 660 499 9 490 253 10 750 379 11 1270 657 12 660 360 13 1540 869 14 990 752 15 480 350 16 730 412 17 880 566 18 770 549 19 1300 691 20 670 512 21 360 301 22 1110 574 23 600 349 24 660 499 25 1430 887

Setelah kita mendapatkan hasil

keseluruhan lapisan V, maka dilakukan

perhitungan untuk melihat jumlah

perbandingan hasil prediksi dengan data input

dengan mean absolute percentage error

(MAPE), dengan menggunakan persamaan yang telah ditentukan sebagai berikut:

Tabel 7 Hasil Output Akhir No. Perbandingan Layer (%) Hasil Prediksi Total Data Masukan 1 1,29% 338 500 2 11,5 % 534 990 3 12,8% 791 1100 4 7,8% 405 780 5 2,8 % 675 980 6 3,7 % 499 660 7 9,2% 679 980 8 4,6 % 499 660 9 10,3 % 253 490 10 13,5 % 379 750 11 7,9 % 657 1270 12 9,8 % 360 660 13 13,7 % 869 1540 14 6,8 % 752 990 15 11 % 350 480 16 14 % 412 730 17 7,5 % 566 880 18 7 % 549 770 19 9,5 % 691 1300 20 5,4 % 512 670 21 8,2 % 301 360 22 6,3 % 574 1110 23 7,8 % 349 600 24 4,4 % 499 660 25 8,5 % 887 1430

Berikut ini adalah hasil akhir dari

perhitungan data-data yang telah ada

dengan menggunakan persamaan yang

telah ditentukan dalam metode ANFIS.

No Nama ALKES Data

Masukan Hasil Prediksi Perband ingan Layer (%) 1 ABBOCAT 20 500 338 1,29% 2 ABBOCAT 24 990 534 11,5 % 3 BLOOD TRANSFUSI SET 1100 791 12,8% 4 FILM X- RAY 780 405 7,8% 5 FOLEY CHATETER NO 16 980 675 2,8 % 6 FOLEY CHATETER NO 18 660 499 3,7 % 7 HANDSCONE 6,5 STERIL 980 679 9,2% 8 HANDSCONE _{7 STERIL} 660 499 4,6 % 9 HANDSCONE 7,5 NON STERIL 490 253 10,3 % 10 INFUS SET MACRO 750 379 13,5 %

11 INFUS SET _MICRO 1270 657 7,9 %

12 INFUS SET PUMP 660 360 9,8 % 13 NASAL OKSIGEN 1540 869 13,7 % 14 NGT NO 12 990 752 6,8 % 15 NGT NO 18 480 350 11 % 16 SPINOCAIN 730 412 14 % 17 NEBULIZER ADULT 880 566 7,5 % 18 SPUIT 5CC 770 549 7 % 19 SPUIT 50CC 1300 691 9,5 % 20 SPUIT 100CC 670 512 5,4 % 21 ELASTIS VERBAN 360 301 8,2 %

22 TREEWAY _{STOP COCK} 1110 574 6,3 %

23 HD

CHATETER 600 349 7,8 %

24 NEBULIZER

PEDIATRIC 660 499 4,4 %

25 SPUIT 3CC 1430 887 8,5 %

Use case merupakan fungsionalitas dari

suatu sistem, sehingga user atau pengguna

aplikasi dapat mengerti kegunaan aplikasi yang

akan dibangun. Use case diagram adalah

tekhnik merekam persyaratan fungsional

sebuah sistem. Sebuah use case

merepresentasikan sebuah interaksi antara user

dengan sistem. Use case diagram Skenario

setiap bagian pada use case menunjukkan

proses apa yang terjadi pada setiap bagian di

dalam use case tersebut, dimana user

memberikan perintah pada setiap bagian dan respon apa yang diberikan oleh sistem kepada

user setelah user memberikan perintah pada

setiap bagian-bagian use case . Bagaimana

proses yang terjadi pada aplikasi Dinas Kesehatan Kota Medan dapat kita lihat pada gambar 2

Gambar 2 Use Case Diagram

Skenario use case Diagram pada

proses mempersediaan alat kesehatan yaitu

user menampilkan form untuk melakukan

input data sehingga menampilkan pilihan input data alkes, input harga, input kebutuhan alkes, input persediaan alkes. Data kemudian pilih menu proses sehingga diperoleh hasil akhir . Skenario dari use case keluar yaitu user akan keluar dari program, kemudian sistem menutup tampilan program.

4. Algoritma dan Implementasi INPUT :

Data nama Alkes Merupakan

nama alkes yang akan diinput

Data Tahun I (x1) Memasukan

data tahun pertama ( 2014 )

Data Tahun II (x2) Memasukan

data ditahun ke dua ( 2015 )

Nilai FCM Hasil pada

pengclusteran

Nilai lapis I,II,III,IV,V Hasil pada

setiap lapis

Nilai Epoh,toleranasi eror,momentum dan laju

pembelajaran Nilai yang telah

ditentukan ( konstanta )

OUTPUT :

Hasil Data Prediksi Jumlah Persediaan Alat Kesehatan

PROSES :

Menentukan Nilai FCM

Clustering dengan FCM

[X1,X2]= f_fcm (X1,X2, ) Dimana X1

adalah data tahun pertama X2 tahun ke 2

Hitung mean dan deviasi standar

[X1,X2]= max(U) Nilai

maksimun dari hasil mean dan deviasi standar for = X1

ty=[ ]

else if = X2

for = X1 = mean (ty) Hasil

mean data pertama

else if = X2 = mean (ty) Hasl

mean data ke dua end

Menentukan Lapisan I

X =[μa1]; [μa2]; [μb1]; [μb2] nilai

X dibagi menjadi a1 a2, b1 dan b2

μ

fungsi keanggotaan Generalized Bell

for i =1: m i menyatakan untuk X1

atau X2

mu[μa1]; [μb1]=1/(1+(=[μa2]-tc (1+(=[μb2]

Hasil lapisan pertama end

Menentukan Lapisan II

for W1=[μa1]* [μb1] formula untuk

tahun pertama

W2=[μa2]* [μb2] formula untuk

tahun ke dua end

Menentukan Lapisan III dengan Normalised

firing strength

for Ŵ1= W1 and W2/ W1 Ŵ1 merupakan

hasil lapisan ke 3 di tahun pertama

Ŵ2= W1 and W2/ W2 Ŵ2 merupakan

hasil lapisan ke 3 di tahun ke dua end

Menentukan lapisan IV dan V

R=rekursif_LSE (Ŵ1 and Ŵ2)

Pn (Ŵ1 and Ŵ2) -1

Pn

menyatakan hasil RLE untuk hasil lapisan ke 4

Ŵ1Xi,i=1,2 Xi

end if

C11, C12, C10, C21, C22, C20 Merupakan

consequent parameters hasil dari nilai

koefisien end

Menentukan Hasil Prediksi If epoh = 400

EPS = 106

Lr = 0,4 Mc = 0,9 end

5. Kesimpulan Dan Saran 5.1 Kesimpulan

Setelah menyelesaikan skripsi yang berjudul “Perancangan Aplikasi Prediksi Jumlah Persediaan Alat Kesehatan dengan Metode Anfis”, Penulis menarik beberapa kesimpulan sebagai berikut :

1. Menentukan jumlah alat kesehatan yang

akan dibutuhkan merupakan suatu kerja yang mampu untuk memperhitungkan jumlah stok agar dana dapat dimanfaatkan secara maksimal.

2. Metode Anfis adalah metode yang lebih

efektif dalam penentuan prediksi jumlah

kebutuhan alkes, sehingga dapat

mengurangi terjadinya kelebihan dan kekurangan dalam penyediannya.

3. Dengan memanfaatkan sistem

komputerisasi suatu permasalahan dapat didokumentasikan dalam bentuk program yang dapat digunakan di dalam proses penarikan kesimpulan terhadap suatu permasalahan.

5.2 Saran

Penulis ingin memberikan beberapa saran yang berguna untuk pengembangan skripsi ini yaitu:

1. Program aplikasi ini relatif mudah

dioperasikan akan tetapi program ini

masih membutuhkan panduan

penggunaan program yang lebih terperinci agar sistem ini dapat dijalankan dengan baik, terutama bagi pemula.

2. Sistem yang disarankan dapat

dikembangkan lagi sesuai dengan

kebutuhan sistem seperti dilengkapi dengan fasilitas keamanan data dari jaringan komputer.

3. Aplikasi ini masih jauh dari

kesempurnaan, apabila terdapat kesalahan baik dalam penyajian, penulisan dan penyampaian maka penulis berharap agar

para pembaca berkenan untuk

memberikan saran dalam pengembangan aplikasi ini agar menjadi lebih baik lagi

Daftar Pustaka

1. Jogiyanto, H.M, Analisis dan Desain

Sistem Informasi, Penerbit

Andi,Yogyakarta, 2005.

2. Jogiyanto, H.M, Pengenalan Komputer,

Penerbit Andi, Yogyakarta, 2005.

3. Junindar, Panduan Lengkap Menjadi

Programmer MenggunakanVB.Net,2008.

4. Sutabri, Tata, Analisis Sistem Informasi,

Penerbit Andi, Yogyakarta,2012.

5. Sutabri, Tata, Konsep Sistem Informasi,

Penerbit Andi, Yogyakarta,2012.

6. Kusumadewi, Sri, Neuro Fuzzy&Jaringan

Syaraf, Penerbit Graha

Ilmu,Yoyakarta,2010

7. Kusumadewi, Sri, & Purnomo,Hari

Aplikasi Logika Fuzzy Untuk pendukung

keputusan, Penerbit Graha