Prediksi Stok Obat Menggunakan Algoritma Linear Regresi Berganda di Rumah Sakit Ibu dan Anak Citra Insani

Ririn Florenta Tumanggor, . (2025) Prediksi Stok Obat Menggunakan Algoritma Linear Regresi Berganda di Rumah Sakit Ibu dan Anak Citra Insani. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text Cover.pdf Download (4MB)
	Text Pendahuluan.pdf Download (614kB)
	Text Kajian Pustaka.pdf Restricted to Registered users only Download (901kB) | Request a copy
	Text Metodologi.pdf Restricted to Registered users only Download (912kB) | Request a copy
	Text Hasil Penelitian.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text Kesimpulan.pdf Restricted to Registered users only Download (535kB) | Request a copy
	Text Daftar Pustaka.pdf Download (505kB)
	Text Lampiran.pdf Restricted to Registered users only Download (517kB) | Request a copy

Abstract

Stok obat yang efektif sangat penting bagi rumah sakit untuk menjamin ketersediaan obat Stok obat yang tidak tepat dapat menyebabkan kekurangan yang pada akhirnya berdampak pada kualitas pelayanan medis. Dalam memastikan ketersediaan stok obat, khususnya obat hipertensi, yang sering digunakan oleh pasien, di Rumah Sakit Ibu dan Anak Citra Insani sebagai institusi pelayanan kesehatan perlu pengelolaan yang baik agar tidak terjadi kekurangan stok obat. Penelitian ini bertujuan untuk memprediksi jumlah stok obat hipertensi dengan menggunakan algoritma Linear Regresi Berganda, berdasarkan variabel yang digunakan yaitu jumlah obat awal, jumlah obat masuk, jumlah obat keluar, dan jumlah sisa stok obat Metode yang digunakan dalam penelitian ini mengikuti tahapan Knowledge Discovery in Database (KDD), meliputi data selection, data preprocessing, transformation, data mining, dan evaluation. Dataset yang digunakan adalah data historis stok obat hipertensi dari Januari 2023 hingga Desember 2024. Model prediksi dibangun menggunakan Google Colaboratory dengan bahasa pemrograman Python. Evaluasi model dilakukan menggunakan dua metrik utama, yaitu Mean Squared Error (MSE) dan R-Squared (R² Score), yang menunjukkan tingkat akurasi prediksi. Hasil penelitian menunjukkan bahwa model Linear Regresi Berganda mampu memprediksi stok obat hipertensi dengan tingkat akurasi yang baik, ditunjukkan oleh nilai MSE yaitu 9.374 dan R² Score sebesar 0.9889. Dengan adanya model prediksi ini, Rumah Sakit Ibu dan Anak Citra Insani dapat mengoptimalkan pengelolaan stok obat, mencegah kekurangan stok obat. ***** Effective drug inventory management is very important for hospitals to ensure the availability of medicines. Inaccurate drug stock management can lead to shortages, which ultimately affect the quality of medical services. In ensuring the availability of drug stocks, particularly antihypertensive medications that are frequently used by patients, Rumah Sakit Ibu dan Anak Citra Insani as a healthcare service institution requires proper management to prevent stock shortages. This study aims to predict the quantity of antihypertensive drug stock using the Multiple Linear Regression algorithm, based on the variables used, namely initial drug quantity, incoming drug quantity, outgoing drug quantity, and remaining drug stock. The method used in this study follows the stages of Knowledge Discovery in Database (KDD), which include data selection, data preprocessing, transformation, data mining, and evaluation. The dataset used consists of historical data on antihypertensive drug stocks from January 2023 to December 2024. The prediction model was developed using Google Colaboratory with the Python programming language. Model evaluation was conducted using two main metrics, namely Mean Squared Error (MSE) and R-Squared (R² Score), which indicate the level of prediction accuracy. The results of the study show that the Multiple Linear Regression model is able to predict antihypertensive drug stock with a high level of accuracy, as indicated by an MSE value of 9.374 and an R² Score of 0.9889. With this prediction model, Rumah Sakit Ibu dan Anak Citra Insani can optimize drug inventory management and prevent drug stock shortages.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Fuad Mumtas, M.T.I.; 2). Lipur Sugiyanta, Ph.D.
Subjects:	Teknologi dan Ilmu Terapan > Teknologi (umum)
Divisions:	FT > S1 Sistem dan Teknologi Informasi
Depositing User:	Ririn Florenta Tumanggor .
Date Deposited:	21 Jan 2026 07:47
Last Modified:	21 Jan 2026 07:47
URI:	http://repository.unj.ac.id/id/eprint/63175

Actions (login required)

View Item