SEPHIA PRATISTA, - (2023) PERBANDINGAN TEKNIK PREDIKSI PEMAKAIAN OBAT MENGGUNAKAN ALGORITMA SIMPLE LINEAR REGRESSION DAN SUPPORT VECTOR REGRESSION. Journal Building of Informatics, Technology and Science (BITS), 5 (2). pp. 456-465. ISSN ISSN 2684-8910 (Print) and 2685-3310 (Online).

Preview

Text SEPHIA JURNAL SAINS TEK.pdf Download (2MB) | Preview

Abstract

Puskesmas memiliki manajemen penting dalam memberikan pelayanan dan pengobatan kepada masyarakat, yakni manajemen obat. Untuk menghindari kesalahan pengelolaan ketersediaan stok obat, maka dilakukan prediksi. Prediksi dilakukan dengan membandingkan metode Data Mining menggunakan algoritma Simple Linear Regression dan metode Machine Learning menggunakan algoritma Support Vector Regression. Penelitian ini menggunakan data obat Paracetamol 500 mg dan Cetirizine dari bulan Januari 2020-Juni 2023. Dipilihnya algoritma ini karena variabel data bersifat kontiniu dan memiliki rentang waktu, yakni 42 bulan (periode). Peneitian ini bertujuan untuk melihat seberapa besar kesalahan prediksi, dengan dengan metode Mean Absolute Percentage Error (MAPE). Implementasi dilakukan menggunakan Bahasa pemrograman Python dengan pembagian data latih dan uji sebesar 80%:20%. Berdasarkan percobaan yang telah dilakukan pada obat Paracetamol 500 mg menggunakan algoritma Simple Linear Regression, menghasilkan hasil MAPE sebesar 20.85% dengan kategori “Cukup” dan menggunakan algoritma Support Vector Regression menghasilkan MAPE sebesar 18.39% dengan kategori “Baik”. Percobaan pada obat Cetirizine menggunakan algoritma Simple Linear Regression menghasilkan hasil MAPE sebesar 18.39% dengan kategori “Baik” dan menggunakan algoritma Support Vector Regression menghasilkan MAPE sebesar 17.14%dengan kategori “Baik”. Bedasarkan hasil MAPE yang diperoleh, algoritma Support Vector Regression memiliki hasil prediksi yang lebih baik dibandingkan algoritma Simple Linear Regression. Kata Kunci: Data Mining; Machine Learning; MAPE; Simple Linear Regression; Support Vector Regression

Actions (login required)

View Item