Analisis Permintaan Barang Habis Pakai Menggunakan Algoritma Apriori dan Artificial Neural Network (Studi Kasus: Instalasi Bedah Rumah Sakit X)

Abstract

Setiap unit maupun instalasi pada rumah sakit memiliki kebutuhan barang habis pakai yang berbeda-beda. Sehingga untuk memenuhi kebutuhan barang habis pakai tersebut, setiap unit maupun instalasi mengajukan permintaan barang kepada logistik rumah sakit. Seperti yang dilakukan oleh instalasi bedah pada rumah sakit x yang kesulitan untuk mengetahui barang habis pakai apa saja yang saling berkaitan dan yang paling sering dibutuhkan. Selain itu, pihak instalasi bedah rumah sakit x juga kesulitan dalam memprediksi jumlah permintaan barang habis pakai. Teknik dan metode yang digunakan untuk menangani permasalahan pada sulitnya mengetahui keterkaitan antar barang habis pakai yang sering dibutuhkan adalah association rule dengan menggunakan algoritma apriori, sedangkan teknik dan metode untuk menangani permasalahan pada sulitnya memprediksi jumlah permintaan barang habis pakai adalah Artificial Neural Network (ANN) menggunakan algoritma backpropagation. Proses association rule dengan algoritma apriori menggunakan parameter minimal support sebesar 8% atau 0,08 dan minimal confidence 60% atau 0,6 yang didapatkan melalui proses trial and error, menghasilkan 9  rule. Selanjutnya dari 9 rule tersebut diambil 5 rule dengan nilai confidence tertinggi untuk dilakukan prediksi menggunakan ANN dengan algoritma backpropagation. Variabel yang diperlukaan pada proses ANN adalah jumlah barang habis pakai tiap bulannya. Pembentukan model arsitektur ANN dilakukan dengan melakukan trial and error menggunakan perubahan hidden layer mulai dari 1-10 dan 6 jenis learning rate yaitu 0,001-0,003 dan 0,1-0,3. Hasil uji coba ANN mendapatkan nilai akurasi tertinggi sebesar 95,625% pada rule keempat dengan model 1-1-1 learning rate 0,01. Dan nilai akurasi terkecil sebesar 81,367% pada rule kedua dengan model 2-9-1 learning rate 0,03.

Kata Kunci—Data Mining, Association Rule, Apriori, ANN, Backpropagation.