Claim Missing Document
Check
Articles

Found 2 Documents
Search

PENENTUAN POLA PEMBELIAN OBAT MENGGUNAKAN ALGORITMA APRIORI Syahrir, Moch; Rismayanti, Ria; Wicaksono, Moh Arief
Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Vol 11 No 2 (2021): September 2021
Publisher : STMIK Palangkaraya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (447.96 KB) | DOI: 10.33020/saintekom.v11i2.249

Abstract

Pharmacy is one of the businesses engaged in the health sector, especially product and services in improving public health. This service is carried out by a pharmacy manager in an effort to fulfill the duties and functions of pharmacy. This causes problems that occur in pharmacies, when search for drugs must be done by looking for one by one in transaction, because the pharmacy manager does not know sure the stock of drugs in the pharmacy. In addition, another problem is the arrangement of irregular drug layouts where the drug placement does not have a good standard layout. The method used in building this system is association with a priori on sales transaction data. then processed in a model to explore valuable information, as a policy standard in running a business. Application testing uses 3 minimum support and confidence values ​​so can get the rule and k-Itemset results from 3 different values.
Prediction of Patient Arrivals per Room at NTB Provincial Hospital Using the Auto SARIMA Model Mayasari, Novyta Indah; Sulistianingsih, Neny; Rismayanti, Ria
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5629

Abstract

Rumah Sakit Umum Daerah (RSUD) Provinsi NTB merupakan rumah sakit rujukan utama di Nusa Tenggara Barat yang menghadapi tantangan dalam mengelola fluktuasi jumlah pasien. Lonjakan pasien dapat menyebabkan kekurangan sumber daya medis, sementara penurunan jumlah pasien berisiko menyebabkan pemborosan sumber daya. Oleh karena itu, diperlukan sistem prediksi yang mampu memperkirakan jumlah kedatangan pasien secara akurat guna mendukung manajemen rumah sakit. Penelitian ini bertujuan untuk mengembangkan model prediksi jumlah pasien menggunakan Auto SARIMA (Seasonal AutoRegressive Integrated Moving Average). Data yang digunakan mencakup informasi tanggal masuk, tanggal keluar, asal masuk (IGD atau poli), serta jenis pembayaran pasien (BPJS, PBI, NPBI, dan umum). Selain itu, model ini mempertimbangkan faktor eksternal seperti hari libur, kondisi cuaca, dan kejadian khusus yang berpotensi memengaruhi jumlah pasien.Tahapan penelitian meliputi pengumpulan dan pra-pemrosesan data, pemodelan menggunakan Auto SARIMA, serta evaluasi hasil prediksi dengan Mean Absolute Error (MAE) dan Root Mean Square Error (RMSE). Hasil evaluasi model dengan menggunakan metrik statistik menunjukkan performa yang cukup baik, dengan nilai Mean Absolute Error (MAE) sebesar 3,61 dan Root Mean Square Error (RMSE) sebesar 5,33. Nilai ini mengindikasikan bahwa tingkat kesalahan prediksi relatif kecil, sehingga model Auto SARIMA dapat diandalkan dalam memperkirakan jumlah pasien per kamar. Prediksi Auto SARIMA memberikan manfaat praktis bagi rumah sakit. Pola musiman kedatangan pasien yang teridentifikasi dapat digunakan untuk mengoptimalkan pengelolaan kamar rawat inap, perencanaan sumber daya medis, serta penjadwalan pelayanan kesehatan secara lebih efisien.