PENERAPAN METODE WINTER S EXPONENTIAL SMOOTHING DAN SINGLE MOVING AVERAGE DALAM SISTEM INFORMASI PENGADAAN OBAT RUMAH SAKIT

Prosiding Seminar Nasional Manajemen Teknologi XI Program Studi MMT-ITS, Surabaya 6 Pebruari 2010

PENERAPAN METODE WINTER’S EXPONENTIAL SMOOTHING DAN SINGLE MOVING AVERAGE DALAM SISTEM INFORMASI PENGADAAN OBAT RUMAH SAKIT Haryanto Tanuwijaya STIKOM Surabaya Email: [email protected]

ABSTRACT The right drugs acquisition planning, is the important role for determining the success of patient services on a hospital. A randomly fluctuative drugs used which made the acquisition departement difficult to plan the hospital drugs needed for the next period. A less effective planning methods on hospital results in both overstocks or less stocks amount of drugs. The excessive amount of drugs in stocks pail will consequetly cause higher hospital’s cost for the storage and maintenance the quality of the drugs. Besides, it increases the waste as the effect of expired drugs. The less stock will reduces both the profit of drugs selling and the services to the patients. The implementation of the Drugs Acquisition Information System through the Winter’s Exponential Smoothing method and Single Moving Average method can solved the drugs supply problems. Winter’s Exponential Smoothing method is used to predict the needs of drugs which is seasonal, while Single Moving Average method is used to predict the drugs supply which is stationer. By comparing the smallest error value of both methods, the information system of drug supply can generate the quantities information of next period drugs supply. Based on the testing result, the method which often depicts the best result is Single Moving Average with periods length is 3 (three) months and the rest is Winter’s Exponential Smoothing which it parameter is then used to smoothened the data patern that shows random fluctuation. The drugs supply prediction can support the head of acquisiton department’s decision making in purchasing drugs of hospital. Keywords: Drug, Hospital, Information System, Winter’s Exponential Smoothing, Single Moving Average

PENDAHULUAN Banyaknya Rumah Sakit (RS) telah menimbulkan persaingan yang kompetitif. Apalagi dengan dimulainya perdagangan bebas ASEAN Free Trade Area (AFTA) maupun ASEAN China FTA pada 1 Januari 2010, RS daerah harus bersiap menghadapi persaingan dengan RS Internasional. Salah satu cara untuk meningkatkan daya saing RS adalah dengan meningkatkan kualitas pelayanan khususnya ketersediaan obat berkualitas dengan harga terjangkut bagi para pasien yang berobat. Tingginya harga obat disebabkan beberapa faktor antara lain tingginya biaya pemeliharaan obat yang belum terjual, obat-obat kadaluwarsa yang harus dibuang, kehabisan persediaan. Untuk itu penting bagi RS membuat perencanaan persediaan obat untuk mengatasi permasalahan tersebut. Fluktuasi pemakaian obat yang tidak beraturan menjadi kendala dalam perencanaan pengadaan obat rumah sakit. Departemen pengadaan obat mengalami kesulitan memprediksi kebutuhan pemakaian obat untuk satu bulan berikutnya.


Kesalahan perencanaan pengadaan obat dapat mengakibatkan terjadinya kelebihan atau kekurangan persediaan obat. Kelebihan persediaan obat menyebabkan rumah sakit harus menyediakan ruangan penyimpanan yang lebih luas serta mengeluarkan biaya tambahan untuk penyimpanan dan pemeliharaan obat guna menjaga kualitas obat. Selain itu meningkatkan waste akibat terbuangnya obat yang kadaluwarsa yang tidak dapat dikembalikan lagi karena melebihi tenggang waktu yang telah disepakati dengan para supplier. Sedangkan kekurangan obat-obat yang dibutuhkan pasien mengakibatkan pelayanan kepada pasien kurang optimal dan mempengaruhi profit yang dapat diperoleh dari hasil penjualan obat. Penyebab lain perencanaan pengadaan obat yang tidak optimal adalah perencanaan masih dilakukan secara manual sehingga tidak ada histori dan integrasi data serta belum diterapkannya metode peramalan untuk memprediksi kebutuhan yang akan datang. Mengingat pentingnya obat guna pelayanan kesehatan pasien yang berobat, maka RS membutuhkan sistem informasi (SI) dengan metode peramalan pemakaian obat pada periode berikutnya agar dapat memprediksi kebutuhan pemakaian obat dan merencanakan pengadaan obat dengan lebih tepat. Pada penelitian ini, peramalan kebutuhan pemakaian obat pada bulan berikutnya menggunakan teknik peramalan metode kuantitatif deret berkala sebagai data histori. Tujuan peramalan deret berkala adalah untuk menemukan pola dalam deret data historis dan mengekstrapolasikan pola tersebut ke masa depan (Makridakis et al., 1991:9). Penelitian ini akan menemukan pola data hasil peramalan dalam deret data pemakaian obat yang akan diekstrapolasi ke pemakaian pada bulan yang akan datang. Pemakaian obat di RS memiliki pola musiman dan stasioner. Beberapa literatur menunjukkan metode kuantitatif yang dapat digunakan untuk pola data musiman adalah metode winter’s exponential smoothing (Hariono dan Tanuwijaya, 2008; Tanuwijaya, 2008; Arsyad, 2001:53), sedangkan untuk pola data stationer dapat menggunakan metode single moving average (Makridakis et al., 1991:96). Kedua metode ini memiliki keunggulan dalam hal kesederhanaan dan kemudahan pemakaiannya dengan hasil yang tidak kalah bila dibandingkan dengan model peramalan yang lebih kompleks (Gelper et al., 2007). Tujuan penelitian ini adalah membandingkan kedua metode dengan mengambil hasil peramalan tingkat kesalahan terkecil untuk menghasilkan informasi jumlah kebutuhan pemakaian obat bulan berikutnya yang tepat pada RS. Motivasi dilakukannya penelitian ini adalah meningkatkan kualitas pelayanan pasien RS sekaligus meringankan pasien yang berobat memperoleh obat dengan harga terjangkau melalui penerapan metode dalam sistem informasi yang dibangun. Penelitian ini dapat memberi kontribusi teori melalui penyediaan literatur tentang penerapan dan perbandingan metode winter’s exponential smoothing (WES) dan single moving average (SMA). Penelitian ini juga memberi kontribusi bagi kepala departemen pengadaan obat agar dapat mengambil keputusan pembelian obat dari supplier dengan tepat. TINJAUAN PUSTAKA Konsep Dasar Peramalan Menurut Martiningtyas (2004:100), peramalan (forecasting) adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Pengumpulan data yang relevan berupa informasi dapat menghasilkan peramalan yang akurat disertai pemilihan teknik peramalan yang tepat maka pemanfaatan informasi data akan diperoleh secara optimal.

ISBN : 978-979-99735-9-7 C-12-2


Teknik Peramalan Kuantitatif Menurut Makridakis et al. (1991:8) peramalan kuantitatif dapat dilakukan apabila terdapat 3 (tiga) kondisi, yaitu: 1.tersedia informasi masa lalu, 2. informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik, dan 3. dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang. Data Berpola Musiman Data berpola musiman adalah deret data yang dipengaruhi oleh faktor musiman seperti kuartal tahun tertentu, bulan tertentu, atau hari tertentu. Pengaruh dari pola data ini dapat berupa iklim cuaca ataupun pengaruh masa-masa yang berulang tiap tahunnya seperti masa liburan dan hari raya. Salah satu metode peramalan yang dapat digunakan untuk data berpola musiman adalah penghalusan eksponensial (exponential smoothing) dari Winter’s (Arsyad, 2001:53), metode ini adalah metode yang tepat dalam persamalahan dengan pola trend (Andriyanto dan Basith, 1993). Data Berpola Stasioner Data berpola stasioner adalah deret data yang berfluktuasi di sekitar nilai ratarata yang konstan yaitu tidak berubah sepanjang waktu. Keadaan seperti ini dapat terjadi jika pola permintaan yang mempengaruhi data tersebut relatif stabil. Menurut Makridakis et al. (1991:96) metode peramalan yang dianggap tepat untuk data berpola stasioner seperti metode rata-rata bergerak (moving average) dan penghalusan eksponensial tunggal (single exponential smoothing). Metode Exponential Smoothing dari Winter Menurut Arsyad (2001:87), metode exponential smoothing adalah suatu prosedur yang mengulang perhitungan secara terus menerus dengan menggunakan data terbaru dengan didasarkan pada perhitungan rata-rata penghalusan data masa lalu secara eksponensial. Pada metode yang dikemukakan oleh winter ini, didasarkan atas 3 (tiga) parameter penghalusan, yaitu satu untuk unsur stasioner, satu untuk trend, dan satu untuk musiman. Menurut Arsyad (1993:118), keunggulan metode penghalusan adalah dapat memberikan ketepatan dalam ramalan jangka pendek dan penyesuaian dapat dilakukan dengan cepat dan pada biaya yang rendah. Ord et al. (1997:1621) menyatakaan bahwa permasalahan yang muncul pada metode WES adalah setiap parameter dapat bernilai antara 0 (nol) sampai dengan 1 (satu) sehingga perlu menggunakan nilai acak untuk mengisi parameter tersebut atau dengan cara melakukan trial and error yang jumlahnya dapat sangat banyak. Makridakis et al. (1991:110) menyatakan bahwa untuk mengurangi keraguan tentang nilai parameter optimal maka ditetapkan nilai kecil untuk masing-masing parameter. Nilai parameter yang digunakan dalam penelitian ini adalah 0,1 dan 0,2. Persamaan metode WES menurut Arsyad (2001:87) adalah sebagai berikut: a. Penghalusan Eksponensial ................. (1) b. Estimasi Trend

......................... (2)

ISBN : 978-979-99735-9-7 C-12-3


c. Estimasi Musiman

......................... (3) d. Ramalan untuk Periode p di Masa Datang ....................... (4) Keterangan: At = nilai penghalusan yang baru α = konstanta penghalusan untuk data (0 ≤ α ≤1) Yt = data baru atau nilai aktual pada periode t Tt = estimasi trend β = konstanta penghalusan untuk estimasi trend (0 ≤ β ≤1) St = estimasi musiman µ = konstanta penghalusan untuk estimasi musiman (0 ≤ µ ≤1) p = periode yang diramalkan L = panjang musim = peramalan pada periode p Metode Single Moving Average Metode SMA adalah suatu metode peramalan yang dilakukan dengan mengambil sekelompok nilai pengamatan, mencari nilai rata-rata tersebut sebagai ramalan untuk periode yang akan datang. Metode ini disebut rata-rata tersebut bergerak karena setiap kali data observasi baru tersedia, maka angka-angka rata-rata baru dihitung dan digunakan sebagai ramalan. Persamaan SMA menurut Arsyad (2001:87) adalah sebagai berikut: ......... (5) Keterangan: Mt = moving average pada periode t Yt+1 = nilai ramalan untuk periode berikutnya Yt = nilai sebenarnya pada periode t n = jumlah batas dalam moving average Means Square Error Arsyad (2001:58) menyimpulkan bahwa means square error (MSE) merupakan metode alternatif dalam mengevaluasi suatu teknik peramalan. Semakin kecil nilai MSE maka semakin kecil pula nilai kesalahan peramalan yang dihasilkan. MSE dapat ditulis dengan rumus sebagai berikut: MSE =

^

n



t 1

(Y

t

- Y t )2 n

................(6)

Keterangan: Yt = nilai sebenarnya pada periode t n = jumlah batas dalam moving average Ŷ t = nilai pada periode sebelumnya

ISBN : 978-979-99735-9-7 C-12-4


METODA PENELITIAN Data penelitian diperoleh melalui dokumentasi data pembelian obat baik yang hardcopy maupun dalam bentuk spreadsheet selama 4 (empat) tahun terakhir. Data-data tersebut kemudian dikumpulkan ke dalam tabel-tabel basis data. Informasi sistem pengadaan obat yang selama ini berjalan diperoleh dari hasil pengamatan lapangan proses bisnis pengadaan persediaan obat di RS. Dokumen dikumpulkan dari masing-masing aktivitas dalam proses bisnis. Selain itu juga dilakukan wawancara dengan kepada bagian pengadaan obat dan staf yang terkait dalam beberapa proses disertai penjelasan dan dokumen yang tersedia. Langkah selanjutnya adalah mendisain sistem, kemudian melakukan coding, uji coba sistem dan mengimplementasikan aplikasi yang telah dibangun. HASIL DAN PEMBAHASAN Desain Sistem Blok diagram SI pengadaan obat pada RS menjelaskan tentang data masukan aplikasi berupa data wilayah, supplier, obat dan golongan, kamar obat, penerimaan dan pemakain obat(Yunarto, dkk. 2003:14).Gambar 1 menunjukkan blok diagram dari SI pengadaan obat RS.

Gambar 1 Blok Diagram Sistem Informasi Pengadaan Obat.

Proses penerimaan obat yang dilakukan bagian pengadaan obat digambarkan pada 0 dan proses pemakaian obat yang diinputkan bagian pengadaan obat pada setiap akhir periode dapat dilihat pada Gambar 3. Data obat yang dipakai didasarkan atas data obat yang telah diinputkan dalam penerimaan obat. Data pemakaian obat ini akan digunakan sebagai data histori untuk perhitungan peramalan kebutuhan obat bulan berikutnya.

ISBN : 978-979-99735-9-7 C-12-5


Gambar 2 Diagram Alir Penerimaan Obat

Gambar 3 Diagram Alir Pemakaian Obat

Proses pengadaan obat seperti tampak pada 0, mulai dengan melakukan proses peramalan kebutuhan obat bulan berikutnya berdasarkan data histori pemakaian dengan menggunakan rumus metode WES dan SMA. Perbandingan hasil peramalan dengan MSE antara kedua metode yang akan diambil sebagai informasi prediksi kebutuhan pemakaian obat untuk periode selanjutnya dalam proses pengadaan obat.

ISBN : 978-979-99735-9-7 C-12-6


Gambar 4 Diagram Alir Pengadaan Obat

Perancangan SI pengadaan obat digambarkan dalam Context Diagram sebagaimana terlihat pada 0. External entity yang berhubungan dengan sistem ini antara lain Supplier, Kepala Kamar Obat dan Manajemen RS. Tanda panah menuju sistem menunjukkan aliran data yang diberikan oleh external entity kepada sistem, sedangkan tanda panah dari sistem menuju external entity menunjukkan data yang diterima oleh external entity dari sistem. Data Pembelian Obat Data Wilayah Data Supplier

Supplier

0

Data Obat

Laporan Pemakaian Obat Grafik Peramalan Pengadaan

Data Golongan Obat

Sistem Informasi Pengendalian Pengadaan Obat dengan Metode Winter dan SMA

Data Kamar Obat Data Pemakaian Obat

Laporan Penerimaan Obat

+

Laporan Pengadaan Obat

Data Pengadaan Obat (ACC)

Manajer Kamar Obat

Info Pemakaian Obat

Status Kadaluarsa Obat Status Persediaan Obat

Manajemen RSSK Sepanjang

Hasil_Peramalan_Pengadaan_Obat

Gambar 5 Context Diagram

ANALISIS HASIL UJI COBA Perhitungan Sistem Uji coba proses peramalan kebutuhan obat dilakukan terhadap 21 (dua puluh satu) obat RS menggunakan metode WES dan SMA. Kedua metode menghasilkan MSE terkecil untuk menentukan metode yang digunakan untuk peramalan pada masingmasing obat. Hasil akhir uji coba selengkapnya dapat dilihat Tabel 1. Hasil peramalan

ISBN : 978-979-99735-9-7 C-12-7


ini kemudian dibandingkan dengan pemakaian obat aktual untuk memperoleh selisih hasil peramalan dengan aktual. Tabel 1 Hasil Peramalan Kebutuhan Obat dengan Metode WES dan SMA Nama Obat Spuit 5 Cc Bd Lactacyd Liq 60ml/Btl(Biru) Zelavel Infus Phisohex 60 Ml Crestor 10mg Dettol Liq 50 Ml Cefotaxim 1gr Inj Acran Inj Ventolin Nebules Flagyl Supp 1 Gr Borraginol N Supp Vagistin Ovula Adelysin Drop Pedialyte Clavamox Syrup 60 Ml Quinobiotic 500 Tab Glibenclamid Tabl Kaltrofen 200mg Tabl Bioplacenton Jelly Otopain Ear Drop Fusycom Cream 5gr

Aktual 16 8 21 5 23 8 23 17 107 8 51 193 38 34 40 146 345 36 5 7 8

Hasil Ramal -1 9 35 4 34 6 23 24 36 7 22 84 21 28 8 488 160 26 4 2 3

Selisih 17 -1 -14 1 -11 2 0 -7 71 1 29 109 17 6 32 -342 185 10 1 5 5

Metode Terbaik WES SMA WES SMA SMA WES WES SMA SMA SMA WES SMA WES SMA SMA WES SMA WES SMA SMA SMA

MSE Terkecil 305,05 24,45 219,09 2,50 1782,30 12,91 2189,59 428,15 1588,55 135,50 395,50 3110,32 104,14 162,91 805,86 52302,86 47653,48 2901,36 28,2 10,85 17,95

Tabel 10 menunjukkan bahwa masing-masing obat memiliki metode terbaik yang berbeda-beda disebabkan pola time series yang berbeda-beda pada tiap jenis obat. Metode SMA dengan panjang periode terbaik 3 (tiga) bulanan muncul pada 13 (tiga belas) jenis obat atau 61,9%, sedangkan metode WES muncul pada 8 (delapan) jenis obat atau sebanyak 38,1% dengan nilai 3 (tiga) parameter terbaik adalah α= 0,1; β= 0,1; dan ¥= 0,2. α untuk memuluskan data agar pengaruh random hilang, β memuluskan trend dalam data, dan ¥ untuk memuluskan pengaruh musiman pada data (Arsyad, 2001:113). Hal ini membuktikan bahwa setiap jenis obat memiliki pola time series yang berbeda-beda. Hasil peramalan digambarkan dalam bentuk grafik yaitu 0Gambar 6 untuk hasil peramalan dengan metode WES dan Gambar 7 untuk peramalan dengan metode SMA. Pada metode SMA menunjukkan semakin panjang periode peramalan yang digunakan maka semakin kecil MSE yang berarti semakin akurat data yang dihasilkan. Peramalan metode SMA periode 3 bulanan membutuhkan data histori minimal 3 bulan.

Gambar 6 Grafik Peramalan Kebutuhan Obat dengan WES

ISBN : 978-979-99735-9-7 C-12-8


Gambar 7 Grafik Peramalan Kebutuhan Obat dengan SMA

KESIMPULAN Kesimpulan yang dapat diambil dari pembuatan SI Pengadaan Obat dengan Metode Winter’s Exponential Smoothing dan Single Moving Average adalah sebagai berikut: 1. Sistem Informasi Pengadaan Obat dapat menghasilkan prediksi kebutuhan pemakaian obat periode bulan mendatang untuk mendukung pengambilan keputusan pembelian obat yang tepat oleh Kepala kamar obat RS. 2. Dari hasil menunjukkan bahwa 61,9% obat RS memiliki pola data bersifat stationer sehingga lebih tepat menggunakan metode SMA. Sedangkan 38,1% obat sisanya memiliki pola data bersifat musiman sehingga lebih tepat menggunakan metode WES. 3. Setiap jenis obat memiliki karakteristik data time series yang berbeda. 4. Panjang periode pada metode SMA menentukan keakurasian hasil peramalan. DAFTAR PUSTAKA Andriyanto, U.S. dan A. Basith. 1993. Metode dan Aplikasi Peramalan, Edisi Kedua. Jakarta; Erlangga. Arsyad, Lincolin. 2001. Peramalan Bisnis, Edisi Pertama. Yogyakarta: Universitas Gajah Mada. Gelper, S., Fried R., and Croux C. 2007. Robust Forcesting Exponential and HoltWinter Smoothing. Belgium: Departement of Decision Sciences and Information Management. Hariono, Slamet dan Haryanto Tanuwijaya. 2008. Sistem Informasi Pengendalian Inventori Menggunakan Metode Peramalan Exponential Smoothing pada UD. Jaya Mulia. Prosiding Seminar Nasional Sistem & Teknologi Informasi 2008. STIKOM Surabaya. Makridakis, Wheelwright and Mcgee. 1991. Metode dan Aplikasi Peramalan, Edisi Kedua. Jakarta: Erlangga. Martiningtyas, N. 2004. Diktat Statistika. Surabaya : STIKOM Surabaya. Ord, J. K., Koehler, A. B., and Snyder, R. D. 1997. Estimation and Prediction for a Class of Dynamic Nonlinear Statistical Models. Journal of the American Statistical Association.

ISBN : 978-979-99735-9-7 C-12-9


Tanuwijaya, Haryanto. 2008. Sistem Informasi Pengendalian Persediaan Menggunakan Metode Exponential Smoothing pada PT. Bear House. Jurnal STIKOM, Vol. 12, No. 5, pp. 97-104. Yunarto, Icun Holy dan Martinus Getty Santika. 2003. Business Concepts Implementations Series in Inventory Management. Jakarta: Elex Media Komputindo.

ISBN : 978-979-99735-9-7 C-12-10

PENERAPAN METODE WINTER S EXPONENTIAL SMOOTHING DAN SINGLE MOVING AVERAGE DALAM SISTEM INFORMASI PENGADAAN OBAT RUMAH SAKIT

Recommend Documents