<![CDATA[Rumah Sakit Mitra Sejati Medan menghadapi tantangan dalam mengelola volume permintaan farmasi yang tinggi, menyebabkan proses verifikasi manual menjadi tidak efisien dan berisiko. Penelitian ini bertujuan merancang dan mengimplementasikan sistem deteksi anomali untuk meningkatkan efektivitas pengelolaan permintaan. Metode yang digunakan adalah algoritma Isolation Forest dengan menerapkan metodologi Cross-Industry Standard Process for Data Mining. Data historis permintaan obat, barang medis habis pakai, dan alat kesehatan diolah menggunakan Python untuk melatih model secara kontekstual. Hasil penelitian menunjukkan dari 2.167.942 transaksi, model berhasil mengidentifikasi 13.503 (0,62%) permintaan sebagai anomali statistik. Sistem yang dikembangkan melalui aplikasi web ini terbukti berhasil menjadi alat bantu keputusan berbasis data untuk meningkatkan efisiensi operasional, akurasi stok, dan memberikan peringatan dini.]]>
Copyrights © 2025
