Estimasi Kebutuhan Bahan Medis Habis Pakai pada Rumah Sakit Menggunakan Recurrent Neural Network

Abstract

Kurang akuratnya pemesanan Bahan Medis Habis Pakai (BMHP) sering terjadi yang berdampak pada tidak tersedianya barang yang diperlukan saat tindakan medis dilakukan, untuk itu di perlukan estimasi kebutuhan persediaan BMHP pada instalasi farmasi sebuah rumah sakit. Neural network merupakan salah satu cara yang dapat digunakan untuk mendapatkan estimasi kebutuhan BMHP dengan cara memprediksi stok berdasarkan riwayat data sebelumnya. Penulis mengajukan Recurrent Neural Network (RNN) dengan menggunakan layer Long Short Term Memory (LSTM) sebagai metode untuk menyelesaikan masalah dalam penelitian ini. Dataset yang digunakan adalah data penggunaan BMHP dan obat pada instalasi farmasi di sebuah rumah sakit di kota Medan. Dari empat percobaan yang dilakukan dengan jenis optimizer yang berbeda-beda didapatkan akurasi terbaik 97,8891%.

Inaccurate ordering of Medical Materials After Use (BMHP) often occurs which has an impact on the unavailability of goods needed when medical action is taken, for that it is necessary to estimate BMHP inventory requirements at a hospital pharmacy installation. Neural network is one method that can be used to obtain estimates of BMHP needs by predicting stock based on previous data history. The author proposes Recurrent Neural Network (RNN) by using the Long Short Term Memory (LSTM) layer as a method to solve problems in this study. The dataset used is BMHP and drugs sales data in pharmaceutical installations in a hospitalin Medan. From the four experiments carried out with different optimizervalues, with best accuracy was 97,8891%.