SYAFIRA AGNESTI, - (2023) PERBANDINGAN ALGORITMA TRIPLE EXPONENTIAL SMOOTHING DAN SUPPORT VECTOR REGRESSION DALAM PREDIKSI PEMAKAIAN OBAT DI PUSKESMAS. SISTEMASI: Jurnal Sistem Informasi, 12 (3). pp. 996-1006. ISSN ISSN:2302-8149, e-ISSN:2540-9719

Preview

Text JURNAL SYARFIRA REPOSIOTRY.pdf Download (2MB) | Preview

Abstract

Manajemen obat memiliki peran penting dalam pengelolaan persedian stok obat di Puskesmas, untuk menghindari kesalahan dalam mengendalikan persediaan stok obat yang ada perlu dilakukan prediksi jumlah pemakaian obat dengan membandingkan metode Data Mining dan metode Machine Learning menggunakan algoritma Triple Exponential Smoothing (TES) dan Support Vector Regression (SVR). Implementasi dilakukan dengan menggunakan bahasa pemograman Python. Data yang digunakan dalam rentang waktu 42 bulan, mulai dari Januari 2020 – Juni 2023 dengan data obat Amlodipin 10 mg dan Amoxicillin 500 mg. Penelitian ini bertujuan untuk mengetahui algoritma terbaik dari membandingkan besar kesalahan prediksi menggunakan metode Mean Absolute Percentage Error (MAPE). Berdasarkan penelitian yang telah dilakukan pada obat Amlodipin 10 mg dan obat Amoxicillin 500 mg dengan data latih 80% dan data uji 20% sebagai pembaginya, penerapan menggunakan algoritma Triple Exponential Smoothing dengan model additive, menghasilkan nilai MAPE berturut-turut sebesar 10.36% dan 17.50% dengan kategori “Baik”. Pada algoritma Support Vector Regression, dengan penggunaan kernel RBF, complexity 1.0, dan epsilon 0.1, menghasilkan nilai MAPE berturut-turut sebesar 10.31% dan 9.38% dengan kategori “Baik” dan “Sangat Baik”. Dapat disimpulkan bahwa algoritma Support Vector Regression lebih baik dalam melakukan prediksi dibandingkan dengan algoritma Triple Exponential Smoothing. Kata kunci: Mean Absolute Percentage Error, Prediksi, Support Vector Regression, Triple Exponential Smoothing

Actions (login required)

View Item