Implementasi Algoritma FP-MAX untuk Menganalisa Pola Pembelian Obat di Apotek

Abstract

Abstrak— Rumah sakit adalah institusi perawatan kesehatan profesional yang pelayanannya dilakukan oleh dokter, perawat, dan tenaga ahli kesehatan lainnya. Apotek merupakan salah satu bidang pelayanan di Rumah Sakit yang menyediakan pelayanan dalam bentuk farmasi berupa ketersediaan obat yang harus direncanakan secara rasional sehingga jenis dan jumlahnya sesuai. Proses perencanaan salah satunya adalah perkiraan kebutuhan dengan tujuan  pengadaan sesuai dengan kebutuhan untuk mencegah terjadinya kekurangan atau kelebihan persediaan farmasi. Dalam penelitian ini penulis menggunakan data transaksi pembelian obat yang ada di Apotek Rumah Sakit Umum Daerah Liun Kendage Tahuna yang kemudian dianalisa menggunakan algoritma FP-MAX dan menghasilkan association rules untuk mengetahui jenis obat yang sering dibeli secara bersamaan. Hasil analisa yaitu Pengujian data transaksi obat yang memenuhi minimum support 3%, 2%, 1% dan minimum confidence 70% dengan menggunakan data transaksi bulan mei, juni dan juli menghasilkan 6 rules yang memiliki nilai lift ratio 1 dan kurang dari 1.

Kata kunci - Association Rules; Data Mining; FP-MAX; visualisasi

 

Abstract— Hospitals are professional health care institutions whose services are carried out by doctors, nurses, and other health professionals. The pharmacy is one of the services in the hospital that provides services in the form of pharmaceuticals in the form of the availability of drugs that must be planned rationally so that the types and amounts are appropriate. One of the planning processes is the estimation of needs with the purpose of procurement in accordance with the need to prevent the occurrence of shortages or excess pharmaceutical inventories. In this study the author uses data on drug purchase transactions at the Liun Kendage Tahuna General Hospital Pharmacy which are then analyzed using FP-MAX algorithm and produce association rules to find out the types of drugs that are often purchased simultaneously. The results of the analysis are Testing drug transaction data that meets the minimum support of 3%, 2%, 1% and 70% minimum confidence by using transaction data in May, June and July resulting in 6 rules that have lift ratio 1 and less than 1.

Keywords - Association Rules; Data Mining; FP-MAX; visualitation