KLASIFIKASI PRODUK OBAT TERLARIS DI APOTEK RSUD dr. SOBIRIN MENGGUNAKAN METODE SUPPORT VECTOR MACHINES (SVM)

ANDINI SYAHARA (2025) KLASIFIKASI PRODUK OBAT TERLARIS DI APOTEK RSUD dr. SOBIRIN MENGGUNAKAN METODE SUPPORT VECTOR MACHINES (SVM). Skripsi thesis, Universitas Bina Insan Lubuklinggau.

Text RAMA_55201_2102020071.pdf Download (22MB)

Abstract

Abstrak Kemajuan teknologi informasi yang berkembang dengan cepat membuat pengelolaan data menjadi aspek penting dalam berbagai bidang, termasuk inddustri farmasi. Apotek RSUD dr. Sobirin sebagai salah satu fasilitas Kesehatan yang melayani masyarakat luas menghasilkan data transaksi obat dalam jumlah besar setiap harinya. Data tersebut sebenarnya menyimpan banyak informasi yang dapat di manfaatkan untuk memahami pola penjualanan, terutama dalam mengidentifikasi produk obat yang apling diminati. Selama ini, pengelolaan stok obat di apotek masih dilakukan secara manual dengan hanya memantau jumlah persediaan tanpa adanya pengelompokkan produk ataupun perhitungan yang lebih terarah, sehingga keputusan pemesanan obat sering kali didasarkan perkiraan. Penelitian ini dilakukan untuk membantu mengatasi permasalahan tersebut dengan membangun model klasifikasi produk obat terlaris menggunakan pendekatan machine learning. Sebanyak 2010 data obat digunakan dan melewati tahapan preprocessing berupa pembersihan dan normalisasi data. Pelabelan awal dilakukan menggunakan metode K-Means Clustering yang membagi produk obat ke dalam dua kategori yaitu, terlaris dan tidak laris. Hasil pelabelan tersebut kemudian menjadi dasar pelatihan model Support Vectore Machine (SVM) yang digunakan sebagai algoritma utama dalam klasifikasi. Model SVM yang dibangun mampu mencapai akurasi 88%, menunjukkan performa yang cukup baik dalam memprediksi kategori penjualanan obat. Secara keseluruhan, penelitian ini memberikan manfaat bagi apotek dalam mengoptimalkan pengelolaan stok obat, memprioritaskan obat yang memiliki permintaan tinggi serta mengurangi resiko penumpukan obat yang kurang terjual. Kata Kunci : Support Vector Machine (SVM) , Klasifikasi, Apotek RSUD dr. Sobirin

Item Type:	Thesis (Skripsi)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Komputer > Program Studi Informatika
Depositing User:	Admin Perpus UnivBI
Date Deposited:	30 Mar 2026 09:19
Last Modified:	30 Mar 2026 09:19
URI:	https://eprints.univbinainsan.ac.id/id/eprint/642

Actions (login required)

View Item