Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding SENTIMETER : Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer
Muhammad Fadil Amin
Unknown Affiliation
Computer Science & IT Control & Systems Engineering

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

Found 1 Documents
Search

 1 
Prediksi Jumlah Pengunjung Apotek Universitas Nusa Putra Berdasarkan Pembelian Obat Menggunakan Naive Bayes Muhammad Fadil Amin; Gina Purnama Insani
Prosiding Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer Vol 3 (2024): Sentimeter 2024
Publisher : Prosiding Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengelolaan stok obat di apotek sangat penting untuk menyediakan pelayanan kesehatan yang efektif dan efisien. Dalam lingkungan universitas, prediksi jumlah pengunjung apotek membantu perencanaan stok obat yang tepat. Penelitian ini bertujuan mengembangkan model prediksi menggunakan algoritma Naive Bayes berdasarkan pola pembelian obat di Apotek Universitas Nusa Putra. Data penjualan obat dari periode tertentu digunakan untuk melatih dan menguji model. Metode ini memanfaatkan atribut pembelian obat seperti nama obat, jumlah pembelian, dan waktu pembelian sebagai fitur untuk melakukan klasifikasi. Pola pembelian obat setiap orang berbeda tergantung pada obat yang cocok atau penyakit yang diderita. Banyaknya data pada setiap transaksi penjualan obat dapat menimbulkan masalah seperti keterlambatan ketersediaan obat atau stok obat yang berlebihan. Pihak apotek perlu menentukan strategi untuk menangani masalah tersebut. Penelitian ini memberikan solusi dengan melakukan prediksi pengunjung apotek menggunakan Naive Bayes. Penggunaan algoritma Naive Bayes diharapkan dapat memberikan prediksi yang akurat terhadap jumlah pengunjung di masa depan, sehingga mempersiapkan pelayanan apotek dan ketersediaan obat dengan baik. Evaluasi dilakukan dengan membandingkan hasil prediksi dengan data aktual. Hasil eksperimen menunjukkan bahwa model Naive Bayes mampu memberikan prediksi yang cukup akurat, dengan tingkat akurasi yang bervariasi. Implikasi dari penelitian ini adalah membantu pengelola apotek dalam mengoptimalkan stok obat berdasarkan prediksi pengunjung yang lebih akurat, sehingga meningkatkan efisiensi dan kualitas pelayanan kesehatan di lingkungan universitas dan apotek tersebut.
Co-Authors Gina Purnama Insani