Pengembangan Sistem Clustering Kebutuhan Obat dengan Menggunakan Metode Fuzzy C-Means (Studi Kasus : Klinik Muhammadiyah Cerme)

Muhammad Naufal Rizqullah (Universitas muhammadiyah gresik)
Putri Aisyiyah Rakhma Devi (Universitas muhammadiyah gresik)

Jurnal Nasional Komputasi dan Teknologi Informasi
Vol 8, No 5 (2025): Oktober 2025

Abstrak – Pengadaan persediaan obat pada Klinik Muhammadiyah Cerme adalah aspek penting dalam proses pengatur efisiensi biaya pengadaan obat. Kekosongan persediaan sudah tentu bakal memberi hambatan proses pelayanan kesehatan serta mengakibatkan kerugian bagi klinik karena hilangnya potensi keuntungan sebaliknya jika pengadaan terlalu banyak juga tidak efisiensi biaya mengingat pasien klinik tidak terlalu banyak. Skripsi ini mengembangkan sistem clustering kebutuhan obat beserta mempergunakan metode fuzzy c-means. Permasalahan diselesaikan dengan mengembangkan sistem clustering kebutuhan obat untuk mengelompokkan jenis obat berdasarkan parameter data penjualan obat tahun 2023, kemudian tidak mengalami kelebihan ataupun kekurangan persediaan obat karena tidak disesuaikan dengan kebutuhan di Klinik Muhammadiyah Cerme. Data tersebut kemudian dengan 3-5 cluster. Evaluasi sistem menggunakan uji validitas cluster mempergunakan Davies Bouldin Index (DBI) dengan hasil nilai DBI paling optimal dalam 5 cluster sebanyak 10,9024. Hasil ini menunjukkan bahwa sistem yang dikembangkan memiliki potensi untuk diterapkan sebagai alat bantu prediksi persediaan obat sehingga menekan biaya pengadaan persediaan obat diklinik.Kata kunci : Clustering kebutuhan obat; Fuzzy C-means; Abstract -. Procurement of drug supplies at the Muhammadiyah Cerme Clinic is an important aspect in the process of managing the efficiency of drug procurement costs. Empty supplies will certainly hamper the health service process and also cause losses for the clinic due to the loss of potential profits, conversely, if procurement is too much, it is also not cost-efficient considering the clinic's limited number of patients. This thesis develops a drug needs clustering system using the fuzzy c-means method. The problem is solved by developing a drug needs clustering system to group types of drugs based on drug sales data parameters in 2023, so that there is no shortage or excess of drug supplies because they are not adjusted to the needs at the Muhammadiyah Cerme Clinic. The data is then divided into 3-5 clusters. System evaluation uses a cluster validity test using the Davies Bouldin Index (DBI) with the most optimal DBI value in 5 clusters of 10.9024. These results indicate that the developed system has the potential to be applied as a drug inventory prediction tool, thereby reducing drug inventory procurement costs in the clinic.Keywords : Drug needs clustering; Fuzzy C-means;