allphotosites.com Sidang Final Tugas Akhir Mohamad Diaz Permana | 5208 100 109
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
allphotosites.com
Sidang Final Tugas AkhirMohamad Diaz Permana | 5208 100 109
Klasifikasi Obat dengan Menggunakan
Metode Klasifikasi ABC-Fuzzy Sebagai
Pendukung Strategi Pengelolaan Persediaan
Obat di Apotek XYZ SurabayaObat di Apotek XYZ Surabaya
Dosen pembimbing :
1. Prof. Ir. Arif Djunaidy, M.Sc, Ph.D
2. Retno Aulia Vinarti, S.Kom, M.Kom
Latar Belakang
a) Semakin menjamurnya penyedia jasa
layanan apotek sehingga dibutuhkan
suatu pembeda dan inovasi dari apotek
untuk memenangkan persaingan pasar.
theurbn.comtheurbn.com
b) Permasalahan persediaan terutama
dalam industri farmasi harus
direncanakan sedemikian rupa
karena berpengaruh terhadap
keefisienan dan kinerja
perusahaan.blog.eventish.com
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 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 ?
Batasan Tugas Akhir
a) Data yang digunakan berasal dari data penjualan obatdalam 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 d) Klasifikasi ABC-Fuzzy yang dilakukan terhadap data dibatasi pada tiga kelas, yaitu Prioritas 1, Prioritas 2, danPrioritas 3.
e) Strategi yang dapat diambil dari hasil pengerjaan tugasakhir ini merupakan strategi yang terkait dengan upayapengelolaan persediaan Apotek XYZ Surabaya danmerupakan hak tersendiri dari pihak manajerial.
toolkit.smallbiz.nsw.gov.au
Tujuan Tugas AkhirTujuan 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
pengelolaan persediaan Apotek XYZ Surabaya.
Metode Pengerjaan Tugas Akhir
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 manajerial apotek)
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 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.
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).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
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)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
Flowchart Sistem Aplikasi
Contoh Data MasukanKode Nama Value TK PP Frek
13TC HBV 100MG TAB@28 202557
22 12
2A-B VASK 5MG TAB@30 47783
12 16
3A-B VASK 10MG TAB@30 12049
12 9
4ABBOTIC 125MG/5ML SYR 30ML 115137
11 16
5ABBOTIC FORTE SYR 50ML 119908
21 15
6ABBOTIC XL 500MG TAB@10 43855
11 9
7ABILIFY 5MG TAB@10 16428
02 10
8ABILIFY 10MG TAB@10 51279
12 8
8 1
9ACCOLATE 20MG TAB@28 261812
22 15
10ACETENSA 50MG TAB@30 169623
21 15
11ACETRAM TAB@10 18107
02 9
12ACIDUM BORICUM 1KG CRIST 167
00 12
13ACIDUM SALYCYLIC PULV 633
00 17
14ACLAM 500MG KPL@15 295483
11 18
15ACLAM 500MG KPL@30 1626
11 14
16ACRAN 150MG TAB@30 99043
11 18
17ACRAN 300MG TAB@30 13363
01 11
18ACTAPIN 5MG TAB@30 57562
01 15
19ACTAPIN 10MG TAB@30 87870
01 15
20ACTONEL 35MG TAB@4 235444
22 16
Flowchart Perancangan Sistem Aplikasi – Klasifikasi ABC
Perhitungan Klasifikasi ABCKode Nama Value TK PP Frek Value (%) Value (%) Kumulatif ABC
13TC HBV 100MG TAB@28 202557 2 2 12 0,1315243 47,820735 A
2A-B VASK 5MG TAB@30 47783 1 2 16 0,0310265 87,618068 B
3A-B VASK 10MG TAB@30 12049 1 2 9 0,0078237 98,154487 C
4ABBOTIC 125MG/5ML SYR 30ML 115137 1 1 16 0,0747607 66,567579 A
5ABBOTIC FORTE SYR 50ML 119908 2 1 15 0,0778587 65,427457 A
6ABBOTIC XL 500MG TAB@10 43855 1 1 9 0,0284759 88,951568 B
7ABILIFY 5MG TAB@10 16428 0 2 10 0,0106670 97,111594 C
8ABILIFY 10MG TAB@10 51279 1 2 8 0,0332965 86,559309 B
9ACCOLATE 20MG TAB@28 261812 2 2 15 0,1699997 37,960560 A
10ACETENSA 50MG TAB@30 169623 2 1 15 0,1101396 54,371439 A
11ACETRAM TAB@10 18107 0 2 9 0,0117572 96,641386 C
12ACIDUM BORICUM 1KG CRIST 167 0 0 12 0,0001084 99,999171 C
13ACIDUM SALYCYLIC PULV 633 0 0 17 0,0004110 99,991325 C
14ACLAM 500MG KPL@15 295483 1 1 18 0,1918630 34,716107 A
15ACLAM 500MG KPL@30 1626 1 1 14 0,0010558 99,952903 C
16ACRAN 150MG TAB@30 99043 1 1 18 0,0643106 71,789118 B
17ACRAN 300MG TAB@30 13363 0 1 11 0,0086769 97,923306 C
18ACTAPIN 5MG TAB@30 57562 0 1 15 0,0373762 84,033613 B
19ACTAPIN 10MG TAB@30 87870 0 1 15 0,0570557 74,542770 B
20ACTONEL 35MG TAB@4 235444 2 2 16 0,1528785 42,315026 A
Flowchart Perancangan Sistem
Aplikasi – Klasifikasi Fuzzy
Perhitungan Klasifikasi Fuzzy (atribut
nominal independen)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
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) =
Perhitungan Klasifikasi Fuzzy (atribut
non-nominal independen)
Kode Nama Value TK PP Frek
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 2184AMITRIPTYLINE 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) =
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 10,161 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
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 1
1 1
1 1
1 2
1 1
1 0
1 1
%
1527benar 78,11
428salah 21,89
ABILIFY 10MG TAB@10
ACCOLATE 20MG TAB@28
ACETENSA 50MG TAB@30
1 1
1 2
1 2
kelas
akhir
2 155
1 1658
0 142
kelas
awal
2 336
1 1421
0 198
Flowchart Perancangan Sistem Aplikasi – Klasifikasi ABC-Fuzzy
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 19 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
ABC-Fuzzy 440 448 1067
Screenshot Aplikasi
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-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
Uji Coba Validasi
• Bertujuan untuk menguji kebenaran dari hasil
perhitungan aplikasi
• Data yang digunakan :
– Data Pareto penjualan bulan Jan-April 2012– Data Pareto penjualan bulan Jan-April 2012
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
7Perbandingan hasil klasifikasi ABC-Fuzzy antara data pelatihan dan data
validasiData Validasi
8Perbandingan hasil klasifikasi ABC dan klasifikasi ABC-Fuzzy pada data
pelatihanData Pelatihan
9Perbandingan akurasi ketepatan kelompok klasifikasi ABC-Fuzzy pada data
pelatihan dan data validasiData Validasi
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 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 78,11% dan 77,80%.
Kesimpulan dan Saran
• Saran• Dalam tugas akhir ini, klasifikasi ABC-Fuzzy hanya diaplikasikan pada
klasifikasi untuk strategi penyediaan obat. Cakupan obyek yang digunakan
dapat diperluas untuk keperluan strategi penyedian produk-produk
kesehatan. Selain itu, kriteria yang digunakan juga dapat diperluas untuk
meningkatkan keakuratan hasil klasifikasi.meningkatkan keakuratan hasil klasifikasi.
Sekian dan Terimakasih..semoga bermanfaat..
Related Documents
