RAMADHANI, NABILA NISHFI (2025) PREDIKSI PEMAKAIAN OBAT DI RSUD KALIDERES DENGAN PERBANDINGAN ALGORITMA ARIMA DAN LSTM BERDASARKAN DATA HISTORIS PEMBERIAN OBAT. S1 thesis, Universitas Mercu Buana Jakarta.
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (HAL COVER)
01 COVER.pdf Download (292kB) |
|
Text (BAB I)
02 BAB 1.pdf Restricted to Registered users only Download (40kB) |
|
Text (BAB II)
03 BAB 2.pdf Restricted to Registered users only Download (200kB) |
|
Text (BAB III)
04 BAB 3.pdf Restricted to Registered users only Download (119kB) |
|
Text (BAB IV)
05 BAB 4.pdf Restricted to Registered users only Download (398kB) |
|
Text (BAB V)
06 BAB 5.pdf Restricted to Registered users only Download (90kB) |
|
Text (DAFTAR PUSTAKA)
07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (154kB) |
|
Text (LAMPIRAN)
08 LAMPIRAN.pdf Restricted to Registered users only Download (1MB) |
Abstract
Hospitals are one of the most important public facilities. In the treatment process, the doctor will prescribe drugs that are appropriate to the disease suffered by the patient. Through the prescription, the patient will go to the hospital pharmacy to take the medication that has been prescribed by the doctor beforehand. Drug storage management in hospitals is something that must be considered by a hospital's pharmacy. Therefore, it is necessary to predict the number of drugs needed to avoid problems such as shortage and excess stock. This study aims to accurately predict drug use by utilizing historical data on drug administration in hospitals. This method will compare two time series algorithms, namely AutoRegressive Integrated Moving Average (ARIMA) and Long Short-Term Memory (LSTM) in predicting the amount of drug use. In this study, the data used is data on drug administration from January 2023 - December 2024. The parameters used include date, drug name, and number of drugs. At an 80:20 ratio, ARIMA performed better than LSTMs with significantly lower MAPE, such as Metformin (64.52% vs 1385.27%), Simvastatin (45.63% vs 4193.12%), Candesartan (56.31% vs 1355.37%), and Amlodipine (66.91% vs 458.47%). Only Paracetamol was slightly better predicted by LSTM (83.96% vs 85.97%). At a ratio of 85:15, ARIMA again excelled in all drugs, e.g. Metformin (55.77% vs 918.19%), Simvastatin (51.22% vs 4082.30%), Candesartan (37.47% vs 1702.31%), and Amlodipine (57.43% vs 468.75%), with Paracetamol remaining better by LSTM (86.93% vs 85.90%). In general, ARIMA is more stable and suitable for predicting drugs with regular consumption patterns in hospital stock planning. Keywords: Prediction, Historical Data, LSTM, ARIMA. Rumah sakit merupakan salah satu dari fasilitas publik yang sangat penting keberadaannya. Dalam proses pengobatan, dokter akan memberikan resep obat yang sesuai dengan penyakit yang diidap oleh pasien. Melalui resep tersebut, pasien akan menuju farmasi rumah sakit untuk mengambil obat yang sudah diresepkan dokter sebelumnya. Manajemen penyimpanan obat di rumah sakit merupakan hal yang harus diperhatikan oleh pihak farmasi sebuah rumah sakit. Maka dari itu, perlu adanya prediksi dari jumlah obat yang dibutuhkan demi terhindarnya masalahmasalah seperti kekurangan dan kelebihan stok. Penelitian ini bertujuan untuk memprediksi pemakaian obat secara akurat dengan memanfaatkan data historis pemberian obat di rumah sakit. Metode ini akan membandingkan dua algoritma time series yaitu AutoRegressive Integrated Moving Average (ARIMA) dan Long Short-Term Memory (LSTM) dalam memprediksi jumlah pemakaian obat. Di dalam penelitian ini, data yang digunakan merupakan data pemberian obat sejak bulan Januari 2023 - Desember 2024. Adapun parameter yang digunakan diantaranya tanggal, nama obat, dan jumlah obat. Pada rasio 80:20, ARIMA tampil lebih baik dari LSTM dengan MAPE jauh lebih rendah, seperti Metformin (64,52% vs 1385,27%), Simvastatin (45,63% vs 4193,12%), Candesartan (56,31% vs 1355,37%), dan Amlodipine (66,91% vs 458,47%). Hanya Paracetamol yang sedikit lebih baik diprediksi oleh LSTM (83,96% vs 85,97%). Pada rasio 85:15, ARIMA kembali unggul di semua obat, misalnya Metformin (55,77% vs 918,19%), Simvastatin (51,22% vs 4082,30%), Candesartan (37,47% vs 1702,31%), dan Amlodipine (57,43% vs 468,75%), dengan Paracetamol tetap lebih baik oleh LSTM (86,93% vs 85,90%). Secara umum, ARIMA lebih stabil dan cocok untuk memprediksi obat dengan pola konsumsi teratur dalam perencanaan stok rumah sakit. Kata kunci: Prediksi, Data Historis, LSTM, ARIMA
| Item Type: | Thesis (S1) |
|---|---|
| Call Number CD: | FIK/INFO. 25 153 |
| NIM/NIDN Creators: | 41521010140 |
| Uncontrolled Keywords: | Prediksi, Data Historis, LSTM, ARIMA |
| Subjects: | 300 Social Science/Ilmu-ilmu Sosial > 390 Customs of People/Adat Istiadat dan Kebiasaan Masyarakat Berdasarkan Status Ekonomi dan Kelas Sosial > 394 General Customs/Adat Istiadat Umum > 394.1 Eating, Drinking; Using Drugs/Makan, minum; Menggunakan Obat-obatan 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 550 Earth Sciences/Ilmu tentang Bumi > 551 Geology/Geologi > 551.6 Climatology and Weather/Klimatologi, Iklim dan Cuaca |
| Divisions: | Fakultas Ilmu Komputer > Informatika |
| Depositing User: | khalimah |
| Date Deposited: | 16 Aug 2025 03:59 |
| Last Modified: | 16 Aug 2025 03:59 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/96852 |
Actions (login required)
 |
View Item |
