PENERAPAN METODE BACKPROPAGATION NEURAL NETWORK UNTUK MEMPREDIKSI KEBUTUHAN PEMAKAIAN OBAT (STUDI KASUS DI RSUD DR. ADNAAN WD PAYAKUMBUH)

Hazlita, Hazlita (2024) PENERAPAN METODE BACKPROPAGATION NEURAL NETWORK UNTUK MEMPREDIKSI KEBUTUHAN PEMAKAIAN OBAT (STUDI KASUS DI RSUD DR. ADNAAN WD PAYAKUMBUH). Masters thesis, Universitas Putra Indonesia YPTK Padang.

	Text Tesis_221321023_HAZLITA_ABstrak.pdf Download (10kB)
	Text Tesis_221321023_HAZLITA_BAB I.pdf Download (139kB)
	Text Tesis_221321023_HAZLITA_Daftar Pustaka.pdf Download (113kB)
	Text Tesis_221321023_HAZLITA_Full Text.pdf Restricted to Repository staff only Download (2MB)

Abstract

Kecerdasan Buatan yang berkembang semakin pesat memungkinkan untuk melakukan prediksi. Prediksi terhadap pemakaian obat sangat dibutuhkan untuk mengoptimalkan layanan kesehatan dengan manajemen obat yang baik. Prediksi dilakukan menggunakan salah satu sistem Kecerdasan Buatan yaitu Jaringan Syaraf Tiruan. Jaringan Syaraf Tiruan mengolah data dengan cara meniru jalan kerja otak manusia, aliran yang saling berhubungan dan memberikan neuron atau informasi. Jaringan Syaraf Tiruan yang banyak digunakan untuk prediksi adalah metode Backpropagation. Prediksi kebutuhan pemakaian obat menjadi permasalahan yang saat ini sedang dihadapi oleh RSUD dr. Adnaan WD Payakumbuh sehingga layanan menjadi tidak optimal. Penelitian ini bertujuan untuk merancang arsitektur Jaringan Syaraf Tiruan dan mengetahui tingkat akurasi yang dihasilkan dalam memprediksi kebutuhan pemakaian obat. Metode yang digunakan dalam penelitian ini adalah metode Backpropagation. Tahapan pada algoritma Backpropagation meliputi proses inisialisasi bobot awal, tahap aktivasi, perubahan bobot dan tahap iterasi. Data yang diolah dalam penelitian ini adalah data penggunaan obat-obatan yang diperoleh dari Instalasi Farmasi RSUD Adnaan WD Payakumbuh. Hasil penelitian ini menunjukkan bahwa arsitektur jaringan terbaik adalah 12-12-1 dengan nilai Mean Squared Error (MSE) yang relatif kecil yaitu 0,00685, nilai Mean Absolute Percentage Error (MAPE) sebesar 0,1696% dan tingkat akurasi yang tinggi mencapai 99,83% untuk prediksi obat Paracetamol 150 mg. Hasil penelitian ini dapat membantu pusat layanan kesehatan dalam mengoptimalkan layanannya. . Kata kunci: Kecerdasan Buatan, Jaringan Syaraf Tiruan, Backpropagation, Prediksi, Mean Absolute Percentage Error (MAPE)

Actions (login required)

View Item