Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Ilmu Multidisplin

Implementasi Data Mining dalam Prediksi Kebutuhan Obat di Puskesmas Talang Ratu Palembang Menggunakan Regresi Linier Berganda Nugraha, Muhammad Aldo; Dafid
Jurnal Ilmu Multidisiplin Vol. 4 No. 6 (2026): Jurnal Ilmu Multidisplin (Februari - Maret 2026)
Publisher : Green Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38035/jim.v4i6.1701

Abstract

Pusat Kesehatan Masyarakat (Puskesmas) memiliki peran penting dalam pelayanan Kesehatan, salah satunya dalam pengelolaan persediaan obat. Permasalahan yang sering terjadi adalah ketidaktepatan dalam perencanaan kebutuhan obat akibat metode perhitungan manual yang kurang akurat. Penelitian ini bertujuan untuk menerapkan teknik data mining dalam memprediksi kebutuhan obat di Puskesmas Talang Ratu Palembang menggunakan metode Regresi Linier Berganda. Data yang digunakan berasal dari riwayat permintaan dan pemakaian obat selama satu tahun. Metode penelitian mengacu pada tahapan CRISP-DM yang meliputi pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penerapan. Hasil penelitian menunjukkan bahwa model regresi linier berganda mampu memprediksi kebutuhan persediaan obat dengan tingkat akurasi yang baik. Evaluasi model menghasilkan nilai Mean Squared Error sebesar 12,854 dan nilai R-Squared sebesar 0,78, yang menunjukkan bahwa 78% variasi persediaan obat dapat dijelaskan oleh variabel permintaan dan pemakaian. Dengan demikian, model yang dihasilkan dinilai layak digunakan sebagai alat pendukung keputusan dalam perencanaan persediaan obat guna meningkatkan efisiensi dan kualitas pelayanan kesehatan di Puskesmas Talang Ratu Palembang.
Implementasi Data Mining dalam Menganalisa Data Penjualan Produk pada Lokatara Coffee Menggunakan Algoritma Apriori Aldiansyah, Muhammad; Dafid
Jurnal Ilmu Multidisiplin Vol. 4 No. 6 (2026): Jurnal Ilmu Multidisplin (Februari - Maret 2026)
Publisher : Green Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38035/jim.v4i6.1702

Abstract

Data transaksi penjualan dapat diolah menjadi pengetahuan untuk mendukung keputusan bisnis. Penelitian ini menganalisis penjualan Lokatara Coffee, Palembang, menggunakan teknik aturan asosiasi dengan algoritma Apriori untuk menemukan kombinasi menu yang sering dibeli bersamaan sebagai dasar penyusunan paket. Data bersumber dari aplikasi kasir Youtab periode 1 Januari–31 Desember 2024 sebanyak 52.713 transaksi dan 150 produk. Proses analisis mengikuti tahapan Cross-Industry Standard Process for Data Mining meliputi pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penerapan. Setelah seleksi atribut nomor transaksi dan detail produk serta pembersihan data, pemodelan dilakukan dengan minimum support 2% dan minimum confidence 10%. Hasil menunjukkan Es Kopi Susu Lokatara (33,55%) dan Air Mineral (21,74%) sebagai item tersering. Kombinasi dua item yang memenuhi ambang support adalah Air Mineral dan Es Kopi Susu Lokatara (3,74%). Aturan yang terbentuk menunjukkan confidence 17,20% dan 11,14% dengan lift sekitar 0,51 (asosiasi lemah). Temuan ini menjadi masukan awal bagi promosi dan perancangan paket menu.
Penerapan Data Mining untuk Prediksi Jumlah Penduduk Miskin di Provinsi Sumatera Selatan Menggunakan Metode Regresi Linier Berganda Adhen, Muhammad Roihan Jannatun; Dafid
Jurnal Ilmu Multidisiplin Vol. 4 No. 6 (2026): Jurnal Ilmu Multidisplin (Februari - Maret 2026)
Publisher : Green Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38035/jim.v4i6.1710

Abstract

Kemiskinan merupakan masalah multidimensional serius di Indonesia yang memerlukan kebijakan efektif berdasarkan data akurat. Penelitian ini bertujuan untuk memprediksi jumlah penduduk miskin di Provinsi Sumatera Selatan menggunakan metode Regresi Linier Berganda. Metodologi yang digunakan adalah Knowledge Discovery in Databases (KDD) yang mencakup tahapan data cleaning, integration, selection, transformation, data mining, hingga knowledge presentation. Data bersumber dari Badan Pusat Statistik (BPS) Provinsi Sumatera Selatan periode 2014-2024 dengan variabel meliputi garis kemiskinan, pengeluaran perkapita, IPM, rata-rata lama sekolah, akses air minum, pengangguran, dan partisipasi angkatan kerja. Hasil penelitian menunjukkan bahwa model regresi linier berganda memiliki kinerja yang baik dengan nilai evaluasi RMSE sebesar 15,759, MAE sebesar 12,293, dan MAPE sebesar 23,17%. Hasil prediksi ini diintegrasikan ke dalam sistem berbasis website untuk memudahkan visualisasi data bagi pengguna. Dapat disimpulkan bahwa algoritma regresi linier berganda dapat digunakan untuk memprediksi jumlah penduduk miskin dengan akurasi tinggi guna membantu perencanaan program pengentasan kemiskinan.