IMPLEMENTASI ALGORITMA LSTM PADA PERAMALAN STOK OBAT

STUDI KASUS: PUSKESMAS BEBER

Abstract

Pengelolaan obat merupakan bagian penting dari operasional Pusat Kesehatan Masyarakat (Puskesmas). Kesalahan dalam perencanaan stok dapat menyebabkan kekurangan atau kelebihan stok, yang mengganggu layanan farmasi di Puskesmas. Puskesmas Beber menyimpan stok obat untuk satu bulan dan merencanakan permintaan obat untuk bulan berikutnya. Saat ini, perencanaan dilakukan secara manual oleh puskesmas, yang seringkali tidak akurat, menyebabkan kelebihan atau kekurangan stok obat. Penelitian ini bertujuan untuk memprediksi lima jenis obat di Puskesmas Beber. Penelitian ini menggunakan metodologi CRISP-DM (Cross Industry Standard Process for Data Mining) LSTM(Long Short Term Memory). Pada tahap business understanding difokuskan pada pemahaman masalah penelitian, terutama dalam hal lima obat yang diminta oleh puskesmas. Tahap data understanding melibatkan pemeriksaan dataset dari Puskesmas Beber serta pemilihan dataset. Tahap data preparation melibatkan langkah-langkah pra-pemrosesan data. Tahap modeling LSTM diterapkan dengan tuning hyperparameter menggunakan GridSearchCV. Setelah dilakukan fitting model pada 80% data training, dilakukan prediksi pada 20% data testing untuk masing-masing obat. Evaluasi dilakukan menggunakan MAPE. Hasil evaluasi menunjukkan bahwa nilai terendah MAPE adalah obat Vitamin B Komplek Tablet dengan nilai MAPE sebesar 4.82% . Pada tahap deployment, dilakukan penyusunan laporan hasil prediksi yang dapat digunakan sebagai pertimbanagan dalam perencanaan persediaan obat di Puskesmas Beber.