PENGEMBANGAN ARSITEKTUR PEMODELAN ARTIFICIAL NEURAL NETWORK (ANN) UNTUK PREDIKSI KEBUTUHAN OBAT (STUDI KASUS DI PUSKESMAS ANDALAS)

Khairati, Fajrul (2022) PENGEMBANGAN ARSITEKTUR PEMODELAN ARTIFICIAL NEURAL NETWORK (ANN) UNTUK PREDIKSI KEBUTUHAN OBAT (STUDI KASUS DI PUSKESMAS ANDALAS). Masters thesis, Universitas Putra Indonesia "YPTK".

Preview	Text (ABSTRAK) TESIS_Fajrul Khairati_202321006_ABSTRAK.pdf Download (12kB) | Preview
Preview	Text (BAB 1) TESIS_Fajrul Khairati_202321006_BAB 1.pdf Download (81kB) | Preview
Preview	Text (DAFTAR PUSTAKA) TESIS_Fajrul Khairati_202321006_DAFTAR PUSTAKA.pdf Download (173kB) | Preview
	Text (FULL TEXT) TESIS_Fajrul Khairati_202321006_FULL TESIS.pdf Restricted to Repository staff only Download (4MB)

Abstract

Prediksi jumlah kebutuhan obat sangat diperlukan untuk menjamin ketersediaan obat bagi pasien dalam manajemen kualitas pelayanan kesehatan. Prediksi yang baik terhadap jumlah obat yang dibutuhkan turut membantu kualitas perencanaan pembangunan di sektor kesehatan. Perkembangan keilmuan bidang Artificial Intelligence (AI) mengantarkan variasi teknik terbaik untuk melakukan prediksi. Dengan mengadopsi cara kerja jaringan syaraf (neuron) pada otak manusia atau Artificial Neural Network (ANN), maka Algoritma Backpropagation Neural Network (BPNN) menjadi salah satu algoritma terbaik dalam melakukan prediksi, termasuk dalam prediksi penggunaan obat dalam pelayanan kesehatan. Masalah penelitian ini adalah bagaimana merancang model arsitektur terbaik seperti jumlah neuron pada input layer, hidden layer dan parameter lainnya sehingga menghasilkan prediksi dengan akurasi yang optimal. Penelitian ini bertujuan untuk mengembangkan rancangan arsitektur ANN dengan algoritma Backpropagation untuk memprediksi kebutuhan penggunaan obat. Data yang digunakan adalah data laporan pemakaian obat tahun 2015 sampai dengan 2021 pada Pusat Kesehatan Masyarakat (Puskesmas) Andalas Kota Padang. Tahapan yang dilakukan untuk memprediksi adalah; mengumpulkan data, pre-processing data dan melakukan analisis, merancang arsitektur ANN, melakukan prediksi. Pembelajaran menggunakan algoritma backpropagation melalui proses insialisasi bobot awal, tahap aktivasi, weight training (perubahan bobot) dan tahap iterasi. Proporsi jumlah data yang digunakan untuk training adalah 70% data dan 30% untuk data testing. Hasil penelitian ini menunjukkan bahwa arsitektur ANN terbaik adalah 12-12-1 dengan akurasi prediksi kuantitas penggunaan obat mencapai 97.75% untuk parasetamol dengan Mean Absolute Percentage Error (MAPE) sebesar 2.25%. Hasil prediksi menjadi rujukan bagi Puskesmas dan Dinas Kesehatan untuk perencanaan dan pengembangan layanan. Kata Kunci: Artificial Neural Network, Backpropagation, Prediksi, Kebutuhan Obat, MAPE.

Actions (login required)

View Item