Obat merupakan salah satu bagian penting untuk seseorang yang sakit dan yang membutuhkan perawatan. Peningkatan jumlah pasien yang tidak terduga di Rumah Sakit menyebabkan kebutuhan obat yang tidak teratur. Oleh karena itu diperlukan sistem monitoring dan peramalan yang mampu memonitor dan meramalkan pembelian obat pada periode berikutnya. Sistem monitoring dan peramalan ini menggunakan metode Jaringan Syaraf Tiruan dengan algoritma Backpropagation untuk meramalkan jumlah pemesanan periode berikutnya. Data obat dihitung menggunakan ROP atau Re-order Point untuk ditentukan tingkat levelnya, apakah aman atau tidak aman dengan berdasarkan variabel yang mendukung seperti, stok terkini, safety stok dan lead time beserta data transaksi yang ada. Untuk proses perhitungan ROP nya yang mempengaruhi lebih besar atau lebih kecil dari stok obat terkini yaitu safety stok dan lead time. Jika obat tersebut ada pada lebel tidak aman, maka akan dilanjutkan ke proses peramalan. Data yang digunakan adalah data penjualan yang terdiri dari 12 bulan dan masing-masing bulan ada 4 minggu. Yang dijadikan data training adalah data penjualan selama 30 minggu dan data testing adalah data penjualan selama 18 minggu pada tahun 2011. Untuk mendapatkan MSE sebesar 0,1 dibutuhkan waktu sekitar 64 detik dengan momentum 0,1 learning rate 0,1 dan epoch 5000 dari skenario ujicoba sistem.


Deskripsi Lain

The medicine is one of the important part for someone who is ill and in need of care . An increasing number of unexpected patients in the hospital cause irregular medication needs . Therefore we need a monitoring and forecasting system that could monitor and predict medicine purchases in the next period . The monitoring and forecasting system using Artificial Neural Network with Backpropagation algorithm to predict the number of reservations the next period . Data calculated using ROP medicines or Re -order Point to determine the level of the level, whether it is safe or not safe with based variables such support , current stock , safety stock and lead times along with the existing transaction data . For the calculation of its ROP affects larger or smaller than the current medicine stocks ie safety stock and lead time . If the medicine is not safe there on the label , then it will proceed to the forecasting process . The data used is the sales data consisting of 12 months and each month there are 4 weeks . Were used as training data is sales data for 30 weeks and testing data is sales data for 18 weeks in 2011 . To get the MSE of 0.1 it takes about 64 seconds with a momentum of 0.1 learning rate of 0.1 and the epoch 5000 system test scenarios.

• SISTEM PERAMALAN STOK KEBUTUHAN DARAH MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN ALGORITMA BACKPROPAGATION MOMENTUM (Studi Kasus Unit Donor Darah PMI Cabang Sampang)
• PERENCANAAN PENJADWALAN DAN RUTE TERPENDEK DISTRIBUSI PREMIUM PT. PERTAMINA TERMINAL BBM CAMPLONG MENGGUNAKAN METODE DISTRIBUTION REQUIREMENT PLANNING (DRP) DAN ALGORITMA DIJKSTRA
• SISTEM PERAMALAN KEBUTUHAN OBAT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN ALGORITMA BACKPROPAGATION DENGAN FUNGSI LYAPUNOV
• ANALISA DATA ANTARAN POS EXPRESS MENGGUNAKAN METODE RADIAL BASIS FUNCTION NEURAL NETWORK (RBF-NN) (STUDI KASUS PT. POS INDONESIA SURABAYA)
• PERAMALAN PRODUKSI ES (STUDI KASUS DI CV. MULIA UTAMA)