Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Informatics and Vocational Education
Abi Mahan Zaky
SMA Negeri 1 Mojotengah
Computer Science & IT Education Other

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

Found 1 Documents
Search

 1 
Forecasting Jumlah Penggunaan Obat Digestive Enzymes dengan Algoritma GRU Abi Mahan Zaky
Journal of Informatics and Vocational Education Vol 5, No 2 (2022): Journal of Informatics and Vocational Education - July
Publisher : Pendidikan Teknik Informatika dan Komputer, Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/joive.v5i2.65887

Abstract

Obat-obatan banyak digunakan untuk mencegah atau menyembuhkan penyakit. Salah satu obat yang sering digunakan untuk meredakan sakit perut adalahobat yang mengandung Digestive Enzymes. Rumah sakit dan institusikesehatan lainnya sangat membutuhkan obat jenis ini. Rumah Sakit daninstitusi kesehatan lain harus memastikan ketersediaan obat untuk pasien. Situasi ini memaksa institusi kesehatan untuk menghadapiketidakpastian penggunaan obat. Rumah sakit sebagai salah satu institusi kesehatan memiliki beberapa tantangan. Salah satu tantangan yang harusdihadapi adalah untuk menjamin ketersediaan obat bagi pasien. Kemampuan forecasting dapat membantu memastikan ketersediaan obat di rumah sakit. Dipenelitian ini akan menyajikan model forecasting dengan menggunakan metode Gated Recurrent Unit (GRU) untuk memprediksi kebutuhan obat-obatan yangmengandung Digestive Enzymes di rumah sakit. Metode ini dipilih karena diketahui memiliki akurasi yang tinggi untuk memprediksi data stasioner.Salah satu metode yang digunakan dalam identifikasi input untuk metode GRU adalah dengan menggunakan Autocorrelation Function (ACF) dan PartialFungsi Autokorelasi (PACF). Hasil penelitian ini menunjukkan bahwa penggunaan metode GRU cocok untuk forecasting data timeseries dalam kumpulan data historis, dengan nilai Root Mean Square Error (RMSE) 13,020446
Co-Authors