Safonna, Mauliza (2025) PREDIKSI KETERSEDIAAN STOK OBAT TUBERKULOSIS PADA DINAS KESEHATAN KABUPATEN BIREUEN BERDASARKAN DATA PERMINTAAN DARI PUSKESMAS MENGGUNAKAN METODE LONG SHORT TERM MEMORY. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (14kB)
	Text Abstrak.pdf Download (135kB)
	Text Bab 1.pdf Download (84kB)
	Text Daftar Pustaka.pdf Download (19kB)
	Text Full-text.pdf Restricted to Registered users only Download (3MB)

Abstract

Tuberkulosis (TB) tetap menjadi masalah kesehatan yang serius di Indonesia, termasuk di Kabupaten Bireuen, di mana jumlah kasus terus meningkat. Salah satu faktor penyebabnya adalah manajemen distribusi obat yang tidak efektif, yang berpotensi menyebabkan kekurangan atau kelebihan stok obat. Penelitian ini bertujuan untuk mengembangkan model prediksi persediaan obat TB di Kantor Kesehatan Kabupaten Bireuen menggunakan Long Short Term Memory (LSTM), berdasarkan data permintaan tahun 2021–2024 dari puskesmas. Pendekatan kuantitatif diterapkan menggunakan 960 catatan historis dari 20 puskesmas, dengan variabel termasuk nomor item, satuan obat, tanggal distribusi, tanggal kadaluwarsa, dan permintaan. Model prediksi diintegrasikan ke dalam sistem berbasis website untuk mendukung distribusi obat yang lebih efisien. Prosesnya meliputi pra-pemrosesan data, normalisasi, pelatihan model LSTM, dan evaluasi menggunakan Root Mean Square Error (RMSE). Model mencapai rata-rata RMSE 1,9395 di seluruh kecamatan, menunjukkan kinerja prediksi yang baik. Puskesmas dengan tingkat akurasi terendah mencakup 15% dari total permintaan yaitu Juli 2, Juli, dan Cot Iju. Tingkat akurasi sedang yang mencakup 35% dari permintaan yaitu Mon Keulayu, Peusangan Siblah Krung, Kuala, Jeunib, Peusangan Selatan, Makmur, dan Kota Juang. Akurasi tertinggi yang mencakup 50% dari permintaan yaitu Samalanga, Gandapura, Jeumpa, Peusangan, Peudada, Simpang Mamplam, Kuta Blang, Plimbang, Jangka, dan Pandrah. Hasil ini menunjukkan bahwa LSTM dapat secara efektif mendukung prediksi stok obat TB dan memfasilitasi perencanaan yang lebih baik. Kata Kunci : LSTM, Prediksi Obat, RMSE, Tuberkulosis

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Mauliza Safonna
Date Deposited:	01 Sep 2025 08:01
Last Modified:	01 Sep 2025 08:01
URI:	https://rama.unimal.ac.id/id/eprint/14692

Actions (login required)

View Item