Drugs Consumption Clustering Model using K-Means Technique

Haviluddin Haviluddin, Yudi Sukmono, Didit Suprihanto, Arif Harjanto, Olivia Angelica Murtioso

Abstract


Persediaan obat pada suatu Puskesmas seringkali habis sebelum jadwal penerimaan obat dilakukan hal ini dikarenakan Kejadian Luar Biasa (KLB). Sehingga, perencanaan persediaan obat yang efektif dan efisien dengan menerapkan metode kecerdasan buatan dalam rangka membantu pihak manajemen sangat diperlukan. Penelitian ini bertujuan untuk memonitoring persediaan obat sebagai salah satu dasar dalam permintaan obat. Data pemakaian obat yang digunakan berasal dari Laporan Pemakaian dan Lembar Permintaan Obat (LPLPO) UPTD Puskesmas Lempake tahun 2016-2018 dan telah dinormalisasi dengan metode Z-Score. Metode K-Means telah diterapkan sebanyak 3 cluster terdiri tinggi (C1), sedang (C2) dan kurang (C3) dimana penentuan titik centroid berdasarkan nilai max, average, dan min. Sedangkan, metode jarak Euclidean distance telah ditetapkan untuk menganalisis jarak data tiap cluster. Hasil temuan mengindikasikan bahwa pengujian cluster menggunakan Sum of Squared Error (SSE) telah mendapatkan nilai sebesar 77,34814. Dimana, hasil pengelompokkan yaitu C1 sebanyak 5 data, C2 sebanyak 14 data, dan C3 sebanyak 206 data. Hal ini berarti bahwa 3 cluster merupakan hasil terbaik pengelompokkan. Metode K-Means dapat menjadi alternatif dalam membuat model analisis monitoring persediaan obat di Puskemas.


Keywords


Puskesmas; K-Means; SSE; Persediaan Obat

Full Text:

PDF

References


Y. Y. Nabuasa, “Analisis Dan Perancangan Sistem Informasi Rekam Medis Sebagai Sarana Pelayanan Kesehatan Pada Puskesmas Oesapa Kota Kupang,” J. Sist. Inf., vol. 2, no. 1, pp. 150–160, 2021.

Y. Amerta and M. Ziveria, “Sistem Informasi Persediaan Obat di Puskesmas Sepatan Tangerang,” KALBISCIENTIA J. Sains dan Teknol., vol. 7, no. 1, pp. 74–92, 2020, doi: 10.53008/kalbiscientia.v7i1.34.

D. Agnihotri, K. Verma, and P. Tripathi, “Pattern and cluster mining on text data,” 2014, doi: 10.1109/CSNT.2014.92.

R. Alfred, J. H. Obit, C. C. P. Yee, H. Haviluddin, and Y. Lim, “Towards Paddy Rice Smart Farming: A Review on Big Data, Machine Learning and Rice Production Tasks,” IEEE Access, vol. 9, no. 3, pp. 50358–50380, 2021, doi: 10.1109/ACCESS.2021.3069449.

Haviluddin and I. Tahyudin, “Time series prediction using radial basis function neural network,” Int. J. Electr. Comput. Eng., vol. 5, no. 4, pp. 765–771, 2015, doi: 10.11591/ijece.v5i4.pp765-771.

Y. R. Sari, A. Sudewa, D. A. Lestari, and T. I. Jaya, “Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer,” CESS (Journal Comput. Eng. Syst. Sci., vol. 5, no. 2, 2020, doi: 10.24114/cess.v5i2.18519.

R. Muliono and Z. Sembiring, “Data Mining Clustering Menggunakan Algoritma K-Means Untuk Klasterisasi Tingkat Tridarma Pengajaran Dosen,” CESS (Journal Comput. Eng. Syst. Sci., vol. 4, no. 2, pp. 272–279, 2019.

R. Adrianto and A. Fahmi, “Penerapan Metode Clustering Dengan Algoritma K-Means Untuk Rekomendasi Pemilihan Jalur Peminatan Sesuai Kemampuan Pada Progam Studi Teknik Informatika-S1 Universitas Dian Nuswantoro,” JOINS (Journal Inf. Syst., vol. 1, no. 2, pp. 101–116, 2016, doi: 10.33633/joins.v1i2.1302.

A. Chusyairi and P. Ramadar Noor Saputra, “Pengelompokan Data Puskesmas Banyuwangi Dalam Pemberian Imunisasi Menggunakan Metode K-Means Clustering,” Telematika, vol. 12, no. 2, p. 141, 2019, doi: 10.35671/telematika.v12i2.848.

N. Dwitri, J. A. Tampubolon, S. Prayoga, F. I. R. Zer, and D. Hartama, “Penerapan Algoritma K-Means Dalam Menentukan Tingkat Penyebaran Covid-19 Di Indonesia,” JurTI (Jurnal Teknol. Informasi), vol. 4, no. 1, pp. 128–132, 2020, doi: 10.36294/jurti.v4i1.1266.

K. Fatmawati and A. P. Windarto, “Data Mining: Penerapan Rapidminer Dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah Dengue (DBD) Berdasarkan Provinsi,” Comput. Eng. Sci. Syst. J., vol. 3, no. 2, p. 173, 2018, doi: 10.24114/cess.v3i2.9661.

M. Nuranti, M. N. Aini, and U. Enri, “Komparasi Distance Measure Pada K-Medoids Clustering untuk Pengelompokkan Penyakit ISPA,” Edumatic J. Pendidik. Inform., vol. 5, no. 1, pp. 99–107, 2021, doi: 10.29408/edumatic.v5i1.3359.

S. I. Maharani, F. Fauziah, and A. Iskandar, “Aplikasi Food Sharing Menggunakan Metode Haversine dan Algoritma K-Means,” JUSTIN (Jurnal Sist. dan Teknol. Informasi), vol. 10, no. 1, pp. 56–62, 2022, doi: 10.26418/justin.v10i1.51429.

Suprihatin, I. T. R. Yanto, N. Irsalinda, T. Purwaningsih, Haviluddin, and A. P. Wibawa, “A performance of modified fuzzy C-means (FCM) and chicken swarm optimization (CSO),” 2018, doi: 10.1109/ICSITech.2017.8257105.

L. Fimawahib and E. Rouza, “Penerapan K-Means Clustering pada Penentuan Jenis Pembelajaran di Universitas Pasir Pengaraian,” INOVTEK Polbeng - Seri Inform., vol. 6, no. 2, 2021, doi: 10.35314/isi.v6i2.2096.

D. S. Maylawati, T. Priatna, H. Sugilar, and M. A. Ramdhani, “Data science for digital culture improvement in higher education using K-means clustering and text analytics,” International Journal of Electrical and Computer Engineering, vol. 10, no. 5. pp. 4569–4580, 2020, doi: 10.11591/IJECE.V10I5.PP4569-4580.

H. Haviluddin, E. Budiman, and R. Ramadhan, “Implementation of the Analytical Hierarchy Process Method and Multi Objective Optimization on the Basis of Ratio Analysis in the Selection of Insurance Products,” Int. J. Adv. Sci. Comput. Appl., vol. 1, no. 1, pp. 45–50, 2022, doi: 10.47679/ijasca.v1i1.8.

H.-H. Bock, “Clustering Methods: A History of k-Means Algorithms BT - Selected Contributions in Data Analysis and Classification,” in Selected Contributions in Data Analysis and Classification, P. Brito, G. Cucumel, P. Bertrand, and F. de Carvalho, Eds. Berlin, Heidelberg: Springer Berlin Heidelberg, 2007, pp. 161–172.

A. Janßen and P. Wan, “k-means clustering of extremes,” Electron. J. Stat., vol. 14, no. 1, 2020, doi: 10.1214/20-ejs1689.

R. L. Rohmah, D. C. Rini, and W. D. Utami, “Zonasi Daerah Terdampak Bencana Angin Puting Beliung Menggunakan K-Means Clustering Dengan Analisis Silhouette Coefficient, Davies Index dan Purity,” in Prosiding Seminar Pendidikan Matematika dan Matematika, 2020, vol. 2, no. 5, pp. 1–7, doi: 10.21831/pspmm.v2i0.78.

K. P. Sinaga and M. S. Yang, “Unsupervised K-means clustering algorithm,” IEEE Access, vol. 8, 2020, doi: 10.1109/ACCESS.2020.2988796.

J. Yadav and M. Sharma, “A Review of K-mean Algorithm,” Int. J. Eng. Trends Technol., vol. 4, no. 7, pp. 2972–2976, 2013.

Mohamad, “SSE - Sum Square Error,” NUMXL Support, 2016.

E. M. Ni Putu, E. Ernawati, and J. S. Alb, “Analisa Penentuan Jumlah Cluster Terbaik pada Metode K-Means,” in Prosiding Seminar Nasional Multi Disiplin Ilmu, 2015, pp. 978–979.

N. Puspitasari and Haviluddin, “Penerapan metode k-means dalam pengelompokkan curah hujan di kalimantan timur,” Proc. SNRIK 2016, 2016.




DOI: https://doi.org/10.24114/cess.v7i2.36104

Article Metrics

Abstract view : 262 times
PDF - 233 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

CESS (Journal of Computer Engineering, System and Science)

Creative Commons License
CESS (Journal of Computer Engineering, System and Science) is licensed under a Creative Commons Attribution 4.0 International License