Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Sistem Komputer dan Informatika (JSON) JR : Jurnal Responsive Teknik Informatika Jurnal Responsive Teknik Informatika
Khairul Abdi
Universitas Sumatera Utara
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Pengembangan Otomasi Inventaris Farmasi Rumah Sakit Gigi dan Mulut Berbasis YOLO Siti Salmiah; Khairul Abdi
Jurnal Responsive Teknik Informatika Vol 9 No 02 (2025): JR : Jurnal Responsive Teknik Informatika
Publisher : LPPM Universitas Ibnu Sina Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36352/jr.v9i02.1481

Abstract

Abstrak Pengelolaan inventaris farmasi pada Rumah Sakit Gigi dan Mulut (RSGM) masih banyak dilakukan secara manual melalui pencatatan dan penghitungan stok satu per satu. Proses tersebut rentan terhadap kesalahan manusia, memerlukan waktu yang lama, serta menyulitkan deteksi dini terhadap kekurangan dan kelebihan stok obat maupun alat kesehatan. Penelitian ini bertujuan mengembangkan sistem otomasi inventaris farmasi berbasis algoritma You Only Look Once (YOLO) yang mampu mendeteksi, mengklasifikasikan, dan menghitung item farmasi secara otomatis dari citra rak penyimpanan. Dataset dibentuk dari 2.400 citra enam kelas item (tablet, sirup, ampul, kapsul, salep, dan alat kesehatan) yang telah dianotasi dan diaugmentasi, kemudian dibagi ke dalam data latih, validasi, dan uji dengan rasio 70:15:15. Model dilatih menggunakan pendekatan transfer learning dengan arsitektur YOLOv8 dan diintegrasikan ke dalam aplikasi web berbasis PHP dan MySQL. Hasil pengujian menunjukkan model mencapai mean Average Precision (mAP@0.5) sebesar 0,943, presisi 0,921, recall 0,914, dan skor F1 0,917, dengan kecepatan inferensi rata-rata 38 frame per detik. Penerapan sistem mampu menekan waktu penghitungan stok hingga 82% dibandingkan metode manual. Hasil ini membuktikan bahwa pendekatan berbasis YOLO layak diterapkan sebagai solusi otomasi inventaris farmasi yang akurat dan efisien di lingkungan RSGM.
Pengembangan Otomasi Inventaris Farmasi Rumah Sakit Gigi dan Mulut Berbasis YOLO Siti Salmiah; Khairul Abdi
Jurnal Responsive Teknik Informatika Vol 9 No 02 (2025): JR : Jurnal Responsive Teknik Informatika
Publisher : LPPM Universitas Ibnu Sina Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36352/jr.v9i02.1481

Abstract

Abstrak Pengelolaan inventaris farmasi pada Rumah Sakit Gigi dan Mulut (RSGM) masih banyak dilakukan secara manual melalui pencatatan dan penghitungan stok satu per satu. Proses tersebut rentan terhadap kesalahan manusia, memerlukan waktu yang lama, serta menyulitkan deteksi dini terhadap kekurangan dan kelebihan stok obat maupun alat kesehatan. Penelitian ini bertujuan mengembangkan sistem otomasi inventaris farmasi berbasis algoritma You Only Look Once (YOLO) yang mampu mendeteksi, mengklasifikasikan, dan menghitung item farmasi secara otomatis dari citra rak penyimpanan. Dataset dibentuk dari 2.400 citra enam kelas item (tablet, sirup, ampul, kapsul, salep, dan alat kesehatan) yang telah dianotasi dan diaugmentasi, kemudian dibagi ke dalam data latih, validasi, dan uji dengan rasio 70:15:15. Model dilatih menggunakan pendekatan transfer learning dengan arsitektur YOLOv8 dan diintegrasikan ke dalam aplikasi web berbasis PHP dan MySQL. Hasil pengujian menunjukkan model mencapai mean Average Precision (mAP@0.5) sebesar 0,943, presisi 0,921, recall 0,914, dan skor F1 0,917, dengan kecepatan inferensi rata-rata 38 frame per detik. Penerapan sistem mampu menekan waktu penghitungan stok hingga 82% dibandingkan metode manual. Hasil ini membuktikan bahwa pendekatan berbasis YOLO layak diterapkan sebagai solusi otomasi inventaris farmasi yang akurat dan efisien di lingkungan RSGM.
Pengembangan Otomasi Inventaris Farmasi Rumah Sakit Gigi dan Mulut dengan Metode Convolutional Neural Network Khairul Abdi; Amalia; Mohammad Andri Budiman
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 4 (2026): Juni 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i4.9832

Abstract

Pengelolaan inventaris farmasi di Rumah Sakit Gigi dan Mulut memerlukan proses yang cepat, teliti, dan terdokumentasi karena ketersediaan obat serta bahan kedokteran gigi berpengaruh langsung terhadap kelancaran pelayanan klinis. Penelitian ini mengembangkan prototipe otomasi inventaris berbasis citra menggunakan model deteksi objek YOLO11s yang dibangun di atas prinsip Convolutional Neural Network. Dataset terdiri atas 2.562 citra, 11 kelas produk, dan 5.486 anotasi bounding box yang dibagi menjadi data latih, validasi, dan uji dengan rasio 70:15:15. Tahapan penelitian meliputi akuisisi citra, anotasi, quality control dataset, praproses, augmentasi, pelatihan, evaluasi, serta perancangan integrasi hasil deteksi ke rekap inventaris. Pada data uji terbatas, model menghasilkan precision 99,37%, recall 98,86%, mAP@0.5 99,41%, dan mAP@0.5:0.95 90,03%. Hasil ini menunjukkan bahwa YOLO11s berpotensi membantu pengenalan jenis produk, lokalisasi objek, dan perhitungan jumlah item pada skenario inventaris farmasi yang tercakup dalam dataset. Namun, klaim kinerja masih perlu divalidasi lebih lanjut pada jumlah kelas yang lebih besar dan kondisi rak farmasi nyata yang lebih beragam.
Co-Authors Amalia Mohammad Andri Budiman Siti Salmiah