Prediksi Kebutuhan Obat Antiobiotik Amoxicillin 500 Mg Tab di Rumah Sakit Dengan Menggunakan Metode Recurrent Neural Networks (RNN) Studi Kasus: Rumah Sakit UII

Abstract

Ketersediaan obat yang tepat waktu dan sesuai dengan kebutuhan merupakan aspek penting dalam menjaga kualitas pelayanan rumah sakit. Ketidaktepatan dalam pengaturan persediaan dapat menimbulkan risiko overstock yang menyebabkan pemborosan, atau stockout yang menghambat pelayanan medis. Sama halnya dengan rumah sakit, keterlambatan distribusi antibiotik Amoxicillin 500 mg dapat berdampak pada keterlambatan terapi pasien. Penelitian ini bertujuan mengembangkan sistem prediksi kebutuhan Amoxicillin 500 mg dengan menerapkan metode Recurrent Neural Networks (RNN). Data yang digunakan mencakup catatan historis penggunaan obat, jumlah kunjungan pasien, stok obat, serta tren musiman. Tahapan penelitian meliputi pengumpulan data primer dan sekunder, pra-pemrosesan data, pengembangan arsitektur model, pelatihan, serta evaluasi menggunakan RMSE berdasarkan hasil prediksi model RNN diperoleh dengan hasil sebesar 74,67, dan MAPE sebesar 11,78%. Metode Linear Regresi digunakan sebagai pembanding metode konvensional yang menghasilkan hasil MAPE sebesar 51,00% dan MAPE sebesar 172,79. Hasil penelitian menunjukkan bahwa model RNN mampu mengenali pola permintaan antibiotik secara lebih akurat dibandingkan metode Regresi Linear. Penerapan model ini dapat membantu rumah sakit mengurangi risiko overstock serta stockout manajemen logistik di gudang farmasi. Dengan demikian, penelitian ini berkontribusi terhadap penerapan deep learning dalam mendukung pengambilan keputusan pada manajemen persediaan obat.