1
Klasifikasi Obat dengan Menggunakan Metode Klasifikasi ABC-Fuzzy sebagai Pendukung Strategi Pengelolaan Persediaan Obat di Apotek XYZ Surabaya Mohamad Diaz Permana, Arif Djunaidy, Retno Aulia Vinarti Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111 E-mail:
[email protected]
Abstrak— Klasifikasi persediaan obat di sebuah apotek ditujukan agar apotek dapat mengetahui tingkat prioritas dari setiap kelompok obat sesuai dengan karakteristik masing-masing kelompok obat. Metode yang umum digunakan untuk mengklasifikasi persediaan obat adalah klasifikasi ABC. Walaupun metode ini cukup populer, klasifikasi ABC mempunyai kelemahan karena dalam prosesnya hanya melibatkan satu parameter saja. Dalam tugas akhir ini dibuat sebuah aplikasi pengklasifikasi obat untuk digunakan di sebuah apotek dengan menggunakan metode klasifikasi ABC-Fuzzy yang mengombinasikan metode klasifikas ABC dan metode klasifikasi Fuzzy. Kesembilan kelompok persedian obat hasil proses klasifikasi yang mengombinasikan tiga kelompok dari hasil klassifikasi ABC (kelompok A, B, dan C) dan tiga kelompok dari hasil klassifikasi Fuzzy (kelompok Sangat Penting, Penting, dan Kurang Penting) disederhanakan menjadi tiga kelompok prioritas penyediaan obat (kelompok Prioritas 1, Prioritas 2, dan Prioritas3). Aplikasi klasifikasi ABC-Fuzzy telah berhasil diujicobakan pada Apotek XYZ Surabaya menggunakan data penjualan obat sebanyak 1955 item obat dalam periode Januari 2012 sampai dengan April 2012. Hasil uji coba klasifikasi data pelatihan yang diambilkan dari data uji coba untuk kurun waktu empat tahun pertama memberikan hasil klasifikasi yang terdiri dari 440, 448, dan 1067 item obat berturut-turut untuk kelompok dengan Prioritas 1, Prioritas 2, dan Prioritas 3. Sedang hasil uji coba validasi menggunakan data untuk empat bulan terakhir, memberikan hasil klasifikasi yang terdiri dari 373, 353, dan 1229 item obat berturut-turut untuk kelompok Prioritas 1, Prioritas 2, dan Prioritas 3. Kata Kunci— klasifikasi obat, klasifikasi ABC, klasifikasi Fuzzy, klasifikasi ABC-Fuzzy
I. PENDAHULUAN
I
ndustri farmasi di Indonesia telah tumbuh menjadi bagian tidak terpisahkan dari kehidupan masyarakat. Meningkatnya pertumbuhan ekonomi masyarakat berbanding lurus pada kesadaran akan kesehatan dan bahaya penyakit. Semakin diminatinya bisnis jasa layanan apotek di Indonesia tentunya menimbulkan efek ekonomi pasar dimana semakin banyak apotek baru yang bermunculan. Oleh karena itu
apotek memerlukan sesuatu yang membedakan dengan kebanyakan apotek di masyarakat untuk memenangkan persaingan pasar. Banyak faktor kunci yang dapat menjadi penentu kesuksesan sebuah perusahaan. Salah satu bentuk pelayanan yang sering ditemui namun memiliki porsi penting di apotek adalah ketersediaan persediaan, khususnya obat dan produkproduk kesehatan. Apotek yang memiliki pelayanan yang prima tentunya akan memperhitungkan persediaan obat dan produk kesehatan sesuai dengan tingkat kebutuhan pelanggan. Persediaan obat dan produk kesehatan seharusnya direncanakan sedemikian rupa sehingga apotek tidak perlu menyimpan persediaan dalam jumlah yang terlalu banyak yang akan berakibat pada bertambahnya biaya pemeliharaan dan penyimpanan atau terlalu sedikit yang mengakibatkan persediaan habis ketika pelanggan membutuhkan. Pengelolaan persediaan obat dan produk kesehatan dalam apotek dapat dilakukan dengan melakukan klasifikasi. Selain klasifikasi pada persediaan, penerapan teknik klasifikasi dapat ditemukan antara lain dalam prediksi perilaku pasar tentang persediaan, penilaian kredit, dan pemakaian kartu kredit [5]. Metode klasifikasi item persediaan yang telah umum dilakukan adalah dengan menggunakan metode klasifikasi ABC. Metode ini akan membagi persediaan menjadi tiga kategori (persediaan sangat bernilai, bernilai, dan kurang bernilai). Namun metode klasifikasi ABC tidak dapat menyediakan klasifikasi item persediaan yang tepat karena metode ini hanya menggunakan satu atribut saja sebagai acuan [7]; [8]; [13]. Parameter yang biasa digunakan dalam metode klasifikasi ABC adalah penggunaan tahunan per item. Sedangkan tidak menutup kemungkinan ada parameter-parameter lain yang dapat dijadikan pertimbangan. Oleh karena itu dibutuhkan metode lain yang dapat mengakomodasi beberapa atribut untuk mendapatkan hasil klasifikasi yang lebih akurat. Untuk mendapatkan hasil klasifikasi yang lebih akurat dirumuskan kombinasi metode baru dalam melakukan
2 perencanaan pengelolaan persediaan dengan menggabungkan metode klasifikasi ABC dan metode klasifikasi Fuzzy [2]. Metode ini didasarkan pada fakta bahwa metode klasifikasi ABC hanya dapat menggunakan satu parameter saja sebagai acuan klasifikasinya sehingga diperlukan metode pendukung untuk meningkatkan tingkat keakuratan dari hasil klasifikasi persediaan. Dalam penelitian tersebut digunakan klasifikasi Fuzzy sebagai metode pembanding dengan cara melakukan klasifikasi kembali dari hasil klasifikasi ABC yang telah dilakukan pada data persediaan di sebuah pelabuhan. Penerapan kombinasi metode klasifikasi ABC-Fuzzy pernah dilakukan terhadap objek studi kasus pada persediaan barang di rumah sakit [11]. Pada pelaksanaan kedua penerapan kombinasi metode klasifikasi ABC-Fuzzy tersebut terdapat perbedaan yang cukup signifikan dari parameter yang digunakan sebagai acuan klasifikasi dan hasil klasifikasi yang dihasilkan. Dalam tugas akhir ini akan dilakukan penerapan klasifikasi obat dengan menggunakan metode klasifikasi ABC yang dikombinasikan dengan metode klasifikasi Fuzzy sebagai pendukung strategi pengelolaan persediaan di Apotek XYZ Surabaya. Klasifikasi Fuzzy adalah teknik yang menggunakan informasi yang tersedia dalam satu set atribut independen untuk memprediksi nilai dari atribut diskrit atau atribut kategori dependen [2]. Fuzzy banyak digunakan karena kemampuannya dalam mengolah data dengan tingkat akurasi yang lebih tepat. Teknik ini dipilih karena dapat mengombinasikan beberapa atribut dalam item persediaan sebuah perusahaan untuk digunakan sebagai pendukung strategi pengelolaan persediaan. Hasil dari tugas akhir ini diharapkan dapat membantu pihak Apotek XYZ Surabaya dalam mengelola strategi persediaan, sehingga pihak manajemen dapat menentukan sistem manajemen persediaan sesuai dengan kategori obat yang tersedia. Diharapkan tugas akhir ini dapat memberikan kontribusi terhadap peningkatan profit dan perkembangan bisnis Apotek XYZ Surabaya Batasan pemasalahan dalam pengerjaan tugas akhir ini adalah data yang digunakan berasal dari data penjualan obat dalam kurun waktu 2009-2012, data yang digunakan adalah rata-rata bulanan, klasifikasi yang dilakukan terhadap data dibatasi pada tiga kelas, yaitu Prioritas 1, Prioritas 2, dan Prioritas 3, dan strategi yang dapat diambil dari hasil pengerjaan tugas akhir ini merupakan strategi yang terkait dengan upaya pengelolaan persediaan Apotek XYZ Surabaya dan merupakan hak tersendiri dari pihak manajerial. Tugas akhir ini bertujuan untuk membuat membuat aplikasi yang dapat membantu pihak Apotek XYZ Surabaya dalam mengklasifikasikan persediaan obat-obatan dengan menggunakan metode ABC yang dikombinasikan dengan klasifikasi Fuzzy sebagai pendukung strategi pengelolaan persediaan obat Apotek XYZ Surabaya.. Manfaat yang bisa didapatkan dari adanya pengerjaan tugas akhir ini adalah membantu Apotek XYZ Surabaya
dalam memberikan rekomendasi strategi pengelolaan persediaan obat, membantu Apotek XYZ Surabaya dalam meningkatkan citra positif terhadap pelanggan melalui pelayanan yang tepat sesuai dengan klasifikasi yang telah dibuat, dan meningkatkan profit dan mengembangkan bisnis Apotek XYZ Surabaya. II. KAJIAN PUSTAKA A. Klasifikasi ABC Klasifikasi ABC membagi sistem inventori menjadi tiga kelompok berdasarkan nilai penggunaan per tahun untuk masing-masing item inventori. Persentase pembagian kelompok item inventori tidak mutlak karena bergantung dari kebijakan masing-masing perusahaan. Tiga kelompok yang lazim digunakan dalam klasifikasi ABC adalah : a. Item A (item bernilai tinggi) : 15-20% dari item yang menyumbang dalam 75-80% total nilai tahunan persediaan b. Item B (item bernilai menengah) : 30-40% dari item yang menyumbang kira-kira 15% total nilai tahunan persediaan c. Item C (item bernilai rendah) : 40-50% dari item yang menyumbang dalam 10-15% total nilai tahunan persediaan. B. Klasifikasi Fuzzy Klasifikasi Fuzzy adalah klasifikasi yang digunakan untuk mengklasifikasikan training data set (data set yang digunakan untuk menghasilkan membership function) dan untuk memprediksikan data testing [20]. Untuk menggunakan klasifikasi Fuzzy, terlebih dahulu harus dibuat membership function dari data set training masukan. Membership function adalah kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (derajat keanggotaannya) dengan interval 0 sampai 1. Secara sistematis, tahapan untuk melakukan klasifikasi Fuzzy adalah sebagai berikut : 1. Tentukan atribut dependen Y dan atribut independen X0 (0=1,2,..,k) dimana atribut Y adalah nominal dan atribut independen X0 (0=1,2,...,k) dapat berupa nominal atau non-nominal 2. Temukan nilai atribut dependen Y dan atribut independen X0, dan gunakan C1, C2, ...,Cn untuk melambangkan nilai atribut dependen Y dan V1, V2,...,Vm untuk melambangkan nilai atribut independen X0 3. Temukan membership function dari atribut independen nominal 4. Temukan membership function dari atribut independen non-nominal 5. Lambangkan item inventori yang spesifik dengan It. Lalu, berdasarkan langkah c dan d, substitusikan nilai dari Vi ke dalam membership function, kita dapat memperoleh (Vi),...,n (Vi) nilai n
3
6. Definisikan (It) = , yang merepresentasikan derajat keanggotaan dari It pada kelas Y=Cj. Aturan klasifikasi Fuzzy dapat didefinisikan seperti berikut : Jika µY=Ct(It)=max { µY=C1\(It), µY=C2(It), ..., µY=Ct(It)} maka item inventori It diletakkan pada kelas Ct C. Aturan Klasifikasi ABC-Fuzzy a. Rancang fungsi tingkat kritikalitas dari item inventori, yaitu Y=f(X1,X2), dimana Y adalah tingkat kritikalitas per item yang merupakan atribut nominal dependen. Atribut ini dibagi menjadi tiga kelas, yaitu sangat kritis, kritis, dan tidak kritis. X1 adalah atribut nominal independen yaitu tingkat kefatalan dari dampak kehabisan inventori dibagi menjadi tiga kelas klasifikasi yaitu sangat fatal, fatal, dan tidak fatal. X2 adalah atribut non-nominal independen yaitu frekuensi penggunaan item inventori dalam periode perencanaan. b. Klasifikasikan item inventori berdasarkan klasifikasi ABC yang kemudian akan menghasilkan tiga kelas klasifikasi (A,B, dan C) dan kemudian dinotasikan dengan A1, A2, dan A3 c. Klasifikasikan hasil klasifikasi ABC (A1, A2, dan A3) dengan memakai klasifikasi Fuzzy. Semua item inventori dibagi menjadi sub kelompok sesuai dengan tingkat kekritisannya sehingga didapatkan tiga kelompok pada masing-masing kelompok ABC yaitu 2, 1, dan 0 yang kemudian dinotasikan dengan B1, B2, dan B3 . d. Setelah klasifikasi Fuzzy selesai maka didapat sembilan kelompok klasifikasi persediaan. Untuk memudahkan hasil klasifikasi untuk diterapkan dalam kondisi perusahaan maka dilakukan kombinasi sembilan kelompok tadi menjadi kelompok kombinasi sebagai berikut : • Kelompok sangat penting = {A1B1, A2B1, A1B2} • Kelompok penting = {A3B1, A2B2, A1B3} • Kelompok tidak penting = {A3B2, A2B3, A3B3} III.
DESAIN DAN IMPLEMENTASI ALGORITMA
A. Proses Klasifikasi ABC Pada tahapan ini data diolah menggunakan klasifikasi ABC. Klasifikasi ABC adalah klasifikasi yang membagi item menjadi 3 kelompok (A, B, dan C) berdasarkan besar nilai uang tiap item. Kelompok A adalah kelompok item dengan nilai uang yang tinggi, kelompok B adalah kelompok item dengan nilai uang sedang, sedangkan kelompok C adalah kelompok item dengan nilai uang rendah. Langkah pertama, data akan diurut berdasarkan tingkat nilai uang dari yang terbesar. Kemudian setelah didapatkan urutan nilai uang obat dari besar ke kecil secara keseluruhan maka kemudian dicari persentase nilai uang obat dengan cara membagi nilai uang tiap obat dengan jumlah nilai uang keseluruhan dikali 100%. Setelah itu persentase nilai uang akan dijumlahkan secara kumulatif hingga seluruh obat. Setelah didapatkan jumlah kumulatif persentase nilai uang
maka langkah berikutnya adalah mengubah kumulatif nilai uang ke dalam kategori ABC. Batasan klasifikasi ABC ditentukan dari pihak manajerial apotek yaitu kategori A untuk obat dengan nilai uang < 70%, kategori B 70% sampai di bawah 90%, sedangkan kategi C 90%-100%. Hasil dari proses ini akan digunakan untuk proses lanjutan dalam klasifikasi ABC-Fuzzy. Pada tahapan ini didapatkan hasil obat kelompok A sebanyak 422 buah, kelompok B sebanyak 466 buah, dan kelompok C sebanyak 1067 buah. B. Proses Klasifikasi Fuzzy Secara sistematis tahapan untuk melakukan klasifikasi Fuzzy adalah sebagai berikut : a. Tentukan atribut dependen Y dan atribut independen X0 (0=1,2,..,k) dimana atribut Y adalah nominal dan atribut independen X0 (0=1,2,...,k) dapat berupa nominal atau non-nominal. Dalam hal ini Y adalah atribut Tingkat Kepentingan obat (TK), sedangkan atribut nominal independen X1 adalah atribut Prioritas Penyakit (PP) dan atribut non-nominal independen X2 adalah Frekuensi pemakaian obat (Frek). b. Tentukan nilai atribut dependen Y dan atribut independen X0, dan gunakan C1, C2, ...,Cn untuk melambangkan nilai atribut dependen Y dan V1, V2,...,Vm untuk melambangkan nilai atribut independen X0. Dalam hal ini nilai atribut dependen Tingkat Kepentingan dibagi menjadi 3 yaitu; 2 (Sangat Penting); 1 (Penting); dan 0 (Kurang Penting). Nilai dari atribut nominal independen Prioritas Penyakit dibagi menjadi 3 yaitu; 2 (penyakit yang ditangani termasuk kategori serius); 1 (penyakit yang ditangani termasuk kategori sedang); dan 0 (penyakit yang ditangani termasuk kategori rendah). c. Temukan membership function dari atribut independen nominal. Tahapan perhitungan membership function pada atribut nominal independen dilakukan dengan menghitung occurency frequency yaitu kemunculan tiap obat pada masing-masing kombinasi atribut independen dan dependen seperti tertera pada Tabel 1. Kemudian bagi tiap masukan pada baris i dengan jumlah keseluruhan masukan pada baris i untuk mendapatkan nilai relative frequency seperti tertera pada Tabel 2. Hasil dari perhitungan membership function untuk atribut nominal independen adalah sebagai berikut : Tabel 1 - Hasil Perhitungan Occurency Frequency PP 2 1 0
2 80 252 4
TK 1 134 1246 41
0 25 65 108
Tabel 2 - Hasil Perhitungan Relative Frequency TK PP 2 1 0 0,335 0,561 0,105 2 0,161 0,797 0,042 1 0,026 0,268 0,706 0
4 e. Lambangkan item inventori yang spesifik dengan It. Lalu, berdasarkan perhitungan membership function untuk atribut nominal indepeden dan non-nominal independen seperti pada langkah c dan d, substitusikan nilai dari Vi ke dalam membership function, kita dapat memperoleh nilai n (Vi),...,n (Vi).
Dari hasil perhitungan occurency frequency dan relative frequency maka didapatkan membership function seperti berikut : (PP)
=
(PP)
=
(PP)
=
d. Temukan membership function dari atribut independen non-nominal. Pada tahapan ini data dibagi menjadi 3 kelompok berdasarkan nilai dari atribut Tingkat Kepentingan yang kemudian dihitung nilai rata-rata dan standar deviasi dari masing-masing kelompok. Setelah dilakukan pembagian kelompok maka dapat dilakukan perhitungan nilai rata-rata dan nilai standar deviasi tiap kelompok, lalu dilakukan perhitungan nilai potong dan nilai batasan tiap kelompok sesuai langkah a sebagai berikut : = 18,22916667 = 3,696450159 = 14,17171006 = 3,566679004 = 15,30808081 = 4,536488876 Setelah nilai rata-rata dan standar deviasi didapatkan maka dapat diketahui bahwa < < maka sesuai dengan paper acuan dapat disimbolkan , , menjadi , , dan dapat dihasilkan nilai potong dan nilai batasan, untuk ketiga kelas pada kombinasi atribut nominal dependen dan non-nominal independen sesuai dengan membership function seperti tertera pada Gambar 4.2. = 14,672 = 16,918 = 1,699 = 7,140 = 24,872 = 28,918 Setelah didapatkan nilai potong dan nilai batasan, sesuai Gambar 1 maka didapatkan nilai membership function untuk atribut non-nominal independen sebagai berikut : (frek)
=
(frek)
=
µTK=1(frek)
=
f. Definisikan (It) = , yang merepresentasikan derajat keanggotaan dari It pada kelas Y=Cj. Aturan klasifikasi Fuzzy dapat didefinisikan seperti berikut : Jika µY=Ct(It)=max { µY=C1\(It), µY=C2(It), ..., µY=Ct(It)} maka item inventori It diletakkan pada kelas Ct. Potongan perhitungan derajat keanggotaan dan klasifikasi Fuzzy tertera pada Tabel 3. Tabel 3 - Potongan Perhitungan Derajat Keanggotaan dan Klasifikasi Fuzzy Kode
PP
Frek
µTK=2(It)
µTK=1(It)
µTK=0(It)
TK
TK'
1
2
12
0,416017
2
2
16
0,620558
0,7805
0,449517
1
0.5
0,715402
0,5525
0.5
0.5
3
2
9
0,262611
0,7805
0,333892
0.5
0.5
4
1
16
0,533558
0,833402
0,521
0.5
0.5
5
1
15
0,482423
0,882422
0,521
1
0.5
6
1
9
0,175611
0,8985
0,302392
0.5
0.5
7
2
10
0,313747
0,7805
0,372434
0.1
0.5
8
2
8
0,211476
0,7805
0,295351
0.5
0.5
Pada Tabel 4.5 terdapat perbandingan nilai atribut dependen awal (TK) dan nilai atribut dependen akhir (TK’). Dari perhitungan derajat keanggotaan dan klasifikasi Fuzzy pada seluruh item obat didapatkan akurasi kebenaran sebesar 78,11% dengan tingkat ketepatan nilai atribut dependen yang benar sebesar 1527 item obat dan nilai atribut dependen salah sebesar 428 item obat.
Gambar 1 - Visualisasi membership function pada atribut nonnominal (Chu, Liang, & Liao, 2008)
5 C. Proses Klasifikasi ABC-Fuzzy Setelah didapatkan hasil klasifikasi ABC dan klasifkasi Fuzzy, maka tahapan berikutnya adalah melakukan klasifikasi ABC-Fuzzy. Hasil klasifikasi ABC adalah A, B, dan C dinotasikan dengan A1, A2, dan A3, sedangkan hasil klasifikasi Fuzzy adalah 2, 1, dan 0 dinotasikan dengan B1, B2, dan B3. Maka untuk menyederhanakan kelompok klasifikasi kombinasi ABC-Fuzzy, kelompok selanjutnya dibagi menjadi sebagai berikut : • Kelompok Prioritas 1 = {A1B1, A2B1, A1B2} • Kelompok Prioritas 2 = {A3B1, A2B2, A1B3} • Kelompok Prioritas 3 = {A3B2, A2B3, A3B3} Dari hasil perpotongan klasifikasi ABC dan klasifikasi Fuzzy maka didapatkan hasil klasifikasi item obat seperti tertera pada Tabel 4.
B. Implementasi Tampilan Data Keluaran Setelah proses implementasi klasifikasi ABC-Fuzzy berhasil dilakukan maka dihasilkan data keluaran dari sistem aplikasi. Hasil keluaran aplikasi berupa data hasil klasifikasi obat dalam bentuk tabel dengan kolom tabel yaitu Kode Obat, Nama Obat, Klasifikasi ABC, Klasifikasi Fuzzy, dan Klasifikasi ABC-Fuzzy. Hasil keluaran sistem aplikasi juga menampilkan jumlah item obat yang terklasifikasikan pada masing-masing kelompok klasifikasi ABC, Fuzzy, dan ABC-Fuzzy sehingga dapat diketahui perbedaan jumlah klasifikasi antara masing-masing metode. Selain itu juga ditampilkan akurasi kebenaran dalam bentuk persentase dari dari perhitungan klasifikasi Fuzzy. Hasil dari keluaran sistem aplikasi dapat dilihat pada Gambar 2
Tabel 4 - Hasil Perpotongan Klasifikasi ABC dan Fuzzy Metode A1 A2 A3
B1 118 23 14
Fuzzy B2 299 429 930
B3 5 14 123
Selanjutnya menurut pengelompokan dari klasifikasi ABC-Fuzzy dan perbandingan dengan hasil klasifikasi ABC kemudian didapatkan perbandingan hasil klasifikasi seperti tertera pada Tabel 5 Tabel 5 - Perbandingan hasil klasifikasi ABC dan ABC-Fuzzy Metode ABC ABC-Fuzzy
Prioritas 1 422 440
Prioritas 2 466 448
Prioritas 3 1067 1067
Gambar 2 - Hasil keluaran klasifikasi ABC-Fuzzy pada aplikasi
Hal ini menunjukkan jika suatu item obat termasuk kelompok nilai uang tinggi pada klasifikasi ABC maka tidak secara otomatis juga termasuk kelompok prioritas tinggi pada klasifikasi ABC-Fuzzy namun harus dilihat terlebih dahulu nilai klasifikasi Fuzzy nya. Suatu item yang terdapat pada kelompok A pada klasifikasi ABC belum tentu tetap menjadi item dengan kelompok Prioritas 1 pada klasifikasi ABCFuzzy, hal ini dikarenakan pada klasifikasi ABC-Fuzzy digunakan multi-parameter sebagai acuan klasifikasinya, sehingga ketika sudah diketahui nilai klasifikasi ABC harus diketahui nilai klasifikasi Fuzzy nya untuk mendapatkan nilai akhir klasifikasi ABC-Fuzzy. IV. IMPLEMENTASI PERANGKAT LUNAK A. Implementasi Persiapan Data Masukan Pada sistem aplikasi, User harus terlebih dahulu melakukan koneksi pada basis data dengan memasukkan nama database, nama host, username, dan password pada basis data untuk melakukan proses klasifikasi ABC-Fuzzy. Setelah koneksi berhasil dilakukan maka User menekan tombol Klasifikasikan! untuk melakukan proses klasifikasi ABC-Fuzzy dan sistem aplikasi akan melakukan proses perhitungan untuk mengeluarkan hasil proses klasifikasi.
V. UJI COBA DAN ANALISIS HASIL A. Uji Coba Verifikasi Tahapan ini dilakukan untuk melihat apakah hasil keluaran dari sistem aplikasi telah sesuai dengan hasil perhitungan manual dengan menggunakan Microsoft Excel berdasarkan logika diagram alur klasifikasi ABC-Fuzzy yang telah dijelaskan pada desain sistem. Berdasarkan hasil uji coba verifikasi yang telah dilakukan maka dapat dibuktikan data keluaran yang dihasilkan dari aplikasi telah sesuai dengan perhitungan manual dan telah menerapkan algoritma klasifikasi ABC-Fuzzy dengan benar. Hasil dari data keluaran sesuai dengan hasil perhitungan manual menggunakan Microsoft Excel dimana pada klasifikasi ABC, 422 item obat masuk dalam kelompok A, 466 item obat masuk dalam kelompok B, dan 1067 item obat masuk ke dalam kelompok C, sedangkan pada klasifikasi ABC-Fuzzy, 440 item obat masuk ke dalam kelompok Prioritas 1, 448 item obat masuk ke dalam kelompok Prioritas 2, dan 1067 item obat masuk ke dalam kelompok Prioritas 3. B. Uji Coba Validasi Tahapan ini menjelaskan tentang proses uji coba validasi terhadap metode klasifikasi ABC-Fuzzy yang telah dilakukan. Uji coba validasi dilakukan dengan melakukan penerapan algoritma klasifikasi ABC-Fuzzy dengan
6 menggunakan data yang berbeda dengan data pelatihan (data validasi). Dari hasil perbandingan hasil klasifikasi ABC dan klasifikasi ABC-Fuzzy dapat diperhatikan bahwa terdapat perbedaan hasil klasifikasi pada kelompok Prioritas 1 dan Prioritas 2. Hal ini dikarenakan bukan hanya nilai uang yang menjadi pertimbangan lain dalam menentukan prioritas perencanaan persediaan namun terdapat atribut lain yang dijadikan parameter sehingga tidak semua item obat yang masuk ke dalam kelompok A pada klasifikasi ABC masuk ke dalam kelompok Prioritas 1 pada klasifikasi ABC-Fuzzy. Berdasarkan hasil uji coba akurasi ketepatan kelompok klasifikasi ABC-Fuzzy pada data pelatihan dan data validasi maka dapat diambil kesimpulan bahwa model klasifikasi ABC-Fuzzy yang dibentuk dengan menggunakan data pelatihan cukup akurat dibuktikan dengan akumulasi akurasi ketepatan bernilai sebesar 72,23 % dari keseluruhan item obat. VI. KESIMPULAN/RINGKASAN Adapun beberapa hal yang dapat disimpulkan terkait dengan pengerjaan penelitian ini : 1. Klasifikasi ABC-Fuzzy dapat memberikan hasil yang lebih baik dibandingkan dengan hasil klasifikasi ABC karena metode klasifikasi ABC-Fuzzy melibatkan beberapa kriteria tambahan, yaitu tingkat kepentingan obat, prioritas penyakit yang terkait dengan obat, dan frekuensi pemakaian obat dalam penentuan prioritas persediaan item obat. 2. Aplikasi klasifikasi ABC-Fuzzy telah berhasil diujicobakan pada Apotek XYZ Surabaya menggunakan data penjualan obat sebanyak 1955 item obat dalam periode Januari 2010 sampai dengan April 2012.Hasil uji coba klasifikasi data pelatihan yang diambilkan dari data uji coba untuk kurun waktu dua tahun pertama memberikan hasil klasifikasi yang terdiri dari 440, 448, dan 1067 item obat berturutturut untuk kelompok dengan Prioritas 1, Prioritas 2, dan Prioritas 3. Sedang hasil uji coba validasi menggunakan data untuk empat bulan terakhir, memberikan hasil klasifikasi yang terdiri dari 373, 353, dan 1229 item obat berturut-turut untuk kelompok Prioritas 1, Prioritas 2, dan Prioritas 3. 3. Kebenaran hasil klasifikasi ABC-Fuzzy menggunakan data pelatihan telah telah diverifikasi terhadap perhitungan manual dengan bantuan fasilitas Microsoft Excel. Untuk ini, hasil perhitungan aplikasi dan manual menunjukkan persentase kebenaran sebesar 72,23%. Uji coba proses klasifikasi ABC-Fuzzy menggunakan data pelatihan dan data validasi berturut-turut menghasilkan kebenaran tingkat prioritas penyediaan item obat sebesar 78,11% dan 77,80%.
Cakupan obyek yang digunakan dapat diperluas untuk keperluan strategi penyedian produk-produk kesehatan. Selain itu, kriteria yang digunakan juga dapat diperluas untuk meningkatkan keakuratan hasil klasifikasi. UCAPAN TERIMA KASIH Penulis mengucapkan terima kasih kepada dosen Sistem Informasi, teman-teman di Sistem Informasi, serta semua pihak yang telah memberikan dukungan dan masukan dalam pengerjaan tugas akhir ini. DAFTAR PUSTAKA [1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9] [10] [11]
[12]
[13]
[14]
[15]
[16] [17] [18]
[19]
Adapun saran yang dapat digunakan untuk mengembangkan tugas akhir ini adalah klasifikasi ABC-Fuzzy hanya diaplikasikan pada klasifikasi untuk strategi penyediaan obat.
[20]
Cheng, S. H.-J., & Whittemore, G. J. (2008). An Engineering Approach to Improving Hospital Supply Chains. Massachusets: Massachusets Institute of Technology. Chu, C.-W., Liang, G.-S., & Liao, C.-T. (2008). Controlling inventory by combining ABC analysis and fuzzy classification. Computer & Industrial Engineering , 841-851. Ernst, R., & Cohen, M. A. (1990). Operations related groups (ORGs): A clustering procedure for production/inventory systems. Journal of Operations Management , 9(4), 574-598. Flores, B. E., & Whybark, D. C. (1986). Multiple criteria ABC analysis. International Journal of Operations and Production Management , 6(3), 38–46. Flores, B. E., Olson, D. L., & Dorai, V. K. (1992). Management of multicriteria inventory classification. Mathematical and Computer Modeling , 16(12), 71–82. Gajpal, P. P., Ganesh, L. S., & Rajendran, C. (1994). Criticality analysis of spare parts using the analytic hierarchy process. International Journal of Production Economics , 35(1–3), 293–297. Guvenir, H. A., & Erel, E. (1998). Multicriteria inventory classification using a genetic algorithm. European Journal of Operational Research , 105, 29–37. Huiskonen, J. (2001). Maintenance spare parts logistics: Special characteristics and strategic choices. International Journal of Production Economics , 71,125–133. Johnson, R. A., & Wichern, D. W. (1998). Applied multivariate statistical analysis. Englewood Cliffs, New Jersey: Prentice-Hall. Kusumadewi, S., & Purnomo, H. (2004). Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu. Laili, E. N. (2011). Implementasi Klasifikasi Item Persediaan Pada Rumah Sakit Menggunakan Metode ABC-Fuzzy Classification. Surabaya: Institut Teknologi Sepuluh Nopember. Lasmaria, B. (2010). Sistem Pendukung Keputusan untuk Klasifikasi Inventori dengan Multi-kriteria Menggunakan Metodologi Fuzzy-AHP. Surabaya: Institut Teknologi Sepuluh Nopember. Partovi, F. Y., & Anandarajan, M. (2002). Classifying inventory using an artificial neural network approach. Computers and Industrial Engineering , 41, 389–404. Partovi, F. Y., & Burton, J. (1993). Using the analytic hierarchy process for ABC analysis. International Journal of Production and Operations Management , 13(9), 29–44. Partovi, F. Y., & Hopton, W. E. (1994). The analytic hierarchy process as applied to two types of inventory problems. Production and Inventory Management Journal , 35(1), 13–19. Pujawan, I. N., & Erawan, M. (2010). Supply Chain Management. Surabaya: Guna Widya. Saaty, T. L. (1980). The analytic hierarchy process. New York: McGraw-Hill. Swarup, M., Kim, J., & Krishnapuram, R. (1998). An overview of membership function generation techniques for pattern recognition. International Journal of Approxmate Reasoning , 19, 391–417. Torabi, S. A., Hatefi, S. M., & Pay, S. (2012). ABC inventory classification in the presence of both quantitative and qualitative criteria. Computers & Industrial Engineering , 63, 530–537. Zhou, E., & Khotanzad, A. (2007). Fuzzy classifier design using genetic algorithm. Pattern Recognition , 40, 3401–3414.
