Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Explore IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika
Saiful Arif Saiful
Teknik Informatika, Universitas Yudharta
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PREDIKSI STOK OBAT MENGGUNAKAN METODE RADIAL BASIS FUNCTION NETWORK STUDI KASUS GUDANG FARMASI KESEHATAN PUSKESMAS RACI Saiful Arif Saiful

Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Yudharta Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35891/explorit.v10i1.1751

Abstract

Kesehatan merupakan hal yang penting dari setiap manusia untuk menjalankan aktifitas tanpa ada kendala suatu penyakit. Penykit merupakan suatu kondisi fisik dalam tubuh manusia yang tidak normal yang sangat menggangu pada penderita. Jenis penyakit yang sering ditakuti oleh setiap manusia yaitu penyakit kronis butuh adanya penanganan yang perlu di perhatikan. Obat merupakan suatu zat kimia yang penting untuk media perawatan. Pada bagian farmasi puskesmas raci sering terjadinya kekosongan stok obat dan membutukan waktu lama karena sistem yang digunakan masih menggunakan manual. Oleh karena itu, pada penelitian ini bertujuan untuk mengetahui hasil prediksi dari persedian stok obat dengan menggunakan metode Radial Basis Function Network. Radial Basis Function Network yaitu sebuah arsitektur dari jaringan syaraf tiruan yang terdiri dari input, hidden, dan output layer. Akan tetapi proses input ke hidden perlu digunakan algoritma K-Means. Penelitian ini untuk mengetahui nilai error RMSE dari presiksi stok obat metode Radial Basis Function Network. Hasil prediksi tingkat error yang didapat untuk obat ambroxol berjumlah 0,246, obat amoksisillin berjumlah 0,297, obat anti influenza berjumlah 0,319, obat asam mefenamat berjumlah 0,313, dan obat deksametason berjumlah 0,373. Kata Kunci : prediksi, stok obat, radial basis function network, rmse
Co-Authors