Drugs Consumption Clustering Model using K-Means Technique

Haviluddin Haviluddin; Yudi Sukmono; Didit Suprihanto; Arif Harjanto; Olivia Angelica Murtioso

doi:10.24114/cess.v7i2.36104

Authors

Haviluddin Haviluddin Universitas Mulawarman http://orcid.org/0000-0003-0016-1413
Yudi Sukmono Universitas Mulawarman
Didit Suprihanto Universitas Mulawarman
Arif Harjanto Universitas Mulawarman
Olivia Angelica Murtioso Universitas Mulawarman

DOI:

https://doi.org/10.24114/cess.v7i2.36104

Keywords:

Puskesmas, K-Means, SSE, Persediaan Obat

Abstract

Persediaan obat pada suatu Puskesmas seringkali habis sebelum jadwal penerimaan obat dilakukan hal ini dikarenakan Kejadian Luar Biasa (KLB). Sehingga, perencanaan persediaan obat yang efektif dan efisien dengan menerapkan metode kecerdasan buatan dalam rangka membantu pihak manajemen sangat diperlukan. Penelitian ini bertujuan untuk memonitoring persediaan obat sebagai salah satu dasar dalam permintaan obat. Data pemakaian obat yang digunakan berasal dari Laporan Pemakaian dan Lembar Permintaan Obat (LPLPO) UPTD Puskesmas Lempake tahun 2016-2018 dan telah dinormalisasi dengan metode Z-Score. Metode K-Means telah diterapkan sebanyak 3 cluster terdiri tinggi (C1), sedang (C2) dan kurang (C3) dimana penentuan titik centroid berdasarkan nilai max, average, dan min. Sedangkan, metode jarak Euclidean distance telah ditetapkan untuk menganalisis jarak data tiap cluster. Hasil temuan mengindikasikan bahwa pengujian cluster menggunakan Sum of Squared Error (SSE) telah mendapatkan nilai sebesar 77,34814. Dimana, hasil pengelompokkan yaitu C1 sebanyak 5 data, C2 sebanyak 14 data, dan C3 sebanyak 206 data. Hal ini berarti bahwa 3 cluster merupakan hasil terbaik pengelompokkan. Metode K-Means dapat menjadi alternatif dalam membuat model analisis monitoring persediaan obat di Puskemas.

Author Biographies

Haviluddin Haviluddin, Universitas Mulawarman

Program Studi Informatika

Yudi Sukmono, Universitas Mulawarman

Program Studi Teknik Industri

Didit Suprihanto, Universitas Mulawarman

Program Studi Teknik Elektro

Arif Harjanto, Universitas Mulawarman

Program Studi Teknik Elektro

Olivia Angelica Murtioso, Universitas Mulawarman

Program Studi Informatika

References

Y. Y. Nabuasa, œAnalisis Dan Perancangan Sistem Informasi Rekam Medis Sebagai Sarana Pelayanan Kesehatan Pada Puskesmas Oesapa Kota Kupang, J. Sist. Inf., vol. 2, no. 1, pp. 150“160, 2021.

Y. Amerta and M. Ziveria, œSistem Informasi Persediaan Obat di Puskesmas Sepatan Tangerang, KALBISCIENTIA J. Sains dan Teknol., vol. 7, no. 1, pp. 74“92, 2020, doi: 10.53008/kalbiscientia.v7i1.34.

D. Agnihotri, K. Verma, and P. Tripathi, œPattern and cluster mining on text data, 2014, doi: 10.1109/CSNT.2014.92.

R. Alfred, J. H. Obit, C. C. P. Yee, H. Haviluddin, and Y. Lim, œTowards Paddy Rice Smart Farming: A Review on Big Data, Machine Learning and Rice Production Tasks, IEEE Access, vol. 9, no. 3, pp. 50358“50380, 2021, doi: 10.1109/ACCESS.2021.3069449.

Haviluddin and I. Tahyudin, œTime series prediction using radial basis function neural network, Int. J. Electr. Comput. Eng., vol. 5, no. 4, pp. 765“771, 2015, doi: 10.11591/ijece.v5i4.pp765-771.

Y. R. Sari, A. Sudewa, D. A. Lestari, and T. I. Jaya, œPenerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer, CESS (Journal Comput. Eng. Syst. Sci., vol. 5, no. 2, 2020, doi: 10.24114/cess.v5i2.18519.

R. Muliono and Z. Sembiring, œData Mining Clustering Menggunakan Algoritma K-Means Untuk Klasterisasi Tingkat Tridarma Pengajaran Dosen, CESS (Journal Comput. Eng. Syst. Sci., vol. 4, no. 2, pp. 272“279, 2019.

R. Adrianto and A. Fahmi, œPenerapan Metode Clustering Dengan Algoritma K-Means Untuk Rekomendasi Pemilihan Jalur Peminatan Sesuai Kemampuan Pada Progam Studi Teknik Informatika-S1 Universitas Dian Nuswantoro, JOINS (Journal Inf. Syst., vol. 1, no. 2, pp. 101“116, 2016, doi: 10.33633/joins.v1i2.1302.

A. Chusyairi and P. Ramadar Noor Saputra, œPengelompokan Data Puskesmas Banyuwangi Dalam Pemberian Imunisasi Menggunakan Metode K-Means Clustering, Telematika, vol. 12, no. 2, p. 141, 2019, doi: 10.35671/telematika.v12i2.848.

N. Dwitri, J. A. Tampubolon, S. Prayoga, F. I. R. Zer, and D. Hartama, œPenerapan Algoritma K-Means Dalam Menentukan Tingkat Penyebaran Covid-19 Di Indonesia, JurTI (Jurnal Teknol. Informasi), vol. 4, no. 1, pp. 128“132, 2020, doi: 10.36294/jurti.v4i1.1266.

K. Fatmawati and A. P. Windarto, œData Mining: Penerapan Rapidminer Dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah Dengue (DBD) Berdasarkan Provinsi, Comput. Eng. Sci. Syst. J., vol. 3, no. 2, p. 173, 2018, doi: 10.24114/cess.v3i2.9661.

M. Nuranti, M. N. Aini, and U. Enri, œKomparasi Distance Measure Pada K-Medoids Clustering untuk Pengelompokkan Penyakit ISPA, Edumatic J. Pendidik. Inform., vol. 5, no. 1, pp. 99“107, 2021, doi: 10.29408/edumatic.v5i1.3359.

S. I. Maharani, F. Fauziah, and A. Iskandar, œAplikasi Food Sharing Menggunakan Metode Haversine dan Algoritma K-Means, JUSTIN (Jurnal Sist. dan Teknol. Informasi), vol. 10, no. 1, pp. 56“62, 2022, doi: 10.26418/justin.v10i1.51429.

Suprihatin, I. T. R. Yanto, N. Irsalinda, T. Purwaningsih, Haviluddin, and A. P. Wibawa, œA performance of modified fuzzy C-means (FCM) and chicken swarm optimization (CSO), 2018, doi: 10.1109/ICSITech.2017.8257105.

L. Fimawahib and E. Rouza, œPenerapan K-Means Clustering pada Penentuan Jenis Pembelajaran di Universitas Pasir Pengaraian, INOVTEK Polbeng - Seri Inform., vol. 6, no. 2, 2021, doi: 10.35314/isi.v6i2.2096.

D. S. Maylawati, T. Priatna, H. Sugilar, and M. A. Ramdhani, œData science for digital culture improvement in higher education using K-means clustering and text analytics, International Journal of Electrical and Computer Engineering, vol. 10, no. 5. pp. 4569“4580, 2020, doi: 10.11591/IJECE.V10I5.PP4569-4580.

H. Haviluddin, E. Budiman, and R. Ramadhan, œImplementation of the Analytical Hierarchy Process Method and Multi Objective Optimization on the Basis of Ratio Analysis in the Selection of Insurance Products, Int. J. Adv. Sci. Comput. Appl., vol. 1, no. 1, pp. 45“50, 2022, doi: 10.47679/ijasca.v1i1.8.

H.-H. Bock, œClustering Methods: A History of k-Means Algorithms BT - Selected Contributions in Data Analysis and Classification, in Selected Contributions in Data Analysis and Classification, P. Brito, G. Cucumel, P. Bertrand, and F. de Carvalho, Eds. Berlin, Heidelberg: Springer Berlin Heidelberg, 2007, pp. 161“172.

A. JanÃŸen and P. Wan, œk-means clustering of extremes, Electron. J. Stat., vol. 14, no. 1, 2020, doi: 10.1214/20-ejs1689.

R. L. Rohmah, D. C. Rini, and W. D. Utami, œZonasi Daerah Terdampak Bencana Angin Puting Beliung Menggunakan K-Means Clustering Dengan Analisis Silhouette Coefficient, Davies Index dan Purity, in Prosiding Seminar Pendidikan Matematika dan Matematika, 2020, vol. 2, no. 5, pp. 1“7, doi: 10.21831/pspmm.v2i0.78.

K. P. Sinaga and M. S. Yang, œUnsupervised K-means clustering algorithm, IEEE Access, vol. 8, 2020, doi: 10.1109/ACCESS.2020.2988796.

J. Yadav and M. Sharma, œA Review of K-mean Algorithm, Int. J. Eng. Trends Technol., vol. 4, no. 7, pp. 2972“2976, 2013.

Mohamad, œSSE - Sum Square Error, NUMXL Support, 2016.

E. M. Ni Putu, E. Ernawati, and J. S. Alb, œAnalisa Penentuan Jumlah Cluster Terbaik pada Metode K-Means, in Prosiding Seminar Nasional Multi Disiplin Ilmu, 2015, pp. 978“979.

N. Puspitasari and Haviluddin, œPenerapan metode k-means dalam pengelompokkan curah hujan di kalimantan timur, Proc. SNRIK 2016, 2016.