Prediksi pemakaian obat menggunakan Long Short-Term Memory (LSTM) Multivariat di RSIA Fatimah Probolinggo

ABSTRAK

Pengelolaan persediaan obat merupakan aspek penting dalam meningkatkan mutu pelayanan kesehatan di RSIA Fatimah Probolinggo. Proses perencanaan kebutuhan obat masih dilakukan secara manual sehingga berpotensi menimbulkan ketidaktepatan jumlah pemesanan baik kekurangan maupun kelebihan stok. Penelitian ini bertujuan untuk melakukan prediksi pemakaian obat menggunakan model Long Short-Term Memory (LSTM) multivariat yang mampu mengolah pola ketergantungan nonlinier pada data deret waktu. Data yang digunakan merupakan data historis pemakaian obat bulan Januari 2023 yang terdiri dari variabel tanggal, nama poliklinik, nama obat, dan jumlah pemakaian obat. Tahapan penelitian meliputi data preparation, standarisasi data, pengembangan model, pelatihan model, serta evaluasi menggunakan metrik Mean Absolute Error (MAE) dan Mean Absolute Percentage Error (MAPE) serta R2 Score. Hasil penelitian menunjukkan bahwa konfigurasi Model B1 menjadi model terbaik dengan MAE 10,239, MAPE 1,976%, dan R² 0,199, yang mengindikasikan kemampuan model dalam memberikan prediksi yang efektif. Selain itu, hasil analisis pola waktu menunjukkan bahwa pemakaian obat mulai meningkat sejak pukul 08.00 dan mencapai puncaknya pada rentang pukul 10.00-12.00, kemudian menurun setelah pukul 14.00 dan cenderung stabil pada sore hari. Pola ini sejalan dengan tren kunjungan pasien rawat jalan RSIA yang dominan pada jam operasional pagi hingga menjelang siang. Informasi ini dapat dimanfaatkan untuk mendukung strategi manajemen farmasi dalam mengoptimalkan penataan stok obat, waktu yang tepat untuk proses pengadaan obat, serta ketersediaan tenaga sehingga dapat meningkatkan efisiensi dan mutu pelayanan instalasi farmasi di RSIA Fatimah Probolinggo.

مستخلص البحث

إدارة مخزون الأدوية تُعد جانبًا مهمًا في تحسين جودة خدمات الرعاية الصحية في مستشفى فاطمة للنساء والأطفال فروبولينغو. عملية تخطيط احتياجات الأدوية لا تزال تُجرى يدويًا، مما قد يؤدي إلى عدم دقة كمية الطلب سواء بالنقص أو الزيادة في المخزون. هدفت هذه الرسالة إلى التنبؤ على استخدام الأدوية باستخدام نموذج الذاكرة طويلة وقصيرة المدى (LSTM) متعدد المتغيرات القادر على معالجة أنماط الاعتماد غير الخطي في بيانات السلاسل الزمنية. البيانات المستخدمة هي بيانات تاريخية لاستهلاك الأدوية لشهر يناير 2023 والتي تتكون من متغيرات مثل التاريخ، اسم العيادة، اسم الدواء، وعدد مرات استخدام الدواء. تشمل مراحل البحث إعداد البيانات، توحيد البيانات، تطوير النموذج، تدريب النموذج، وكذلك التقييم باستخدام مقاييس متوسط الخطأ المطلق (MAE) ومتوسط الخطأ المطلق النسبي (MAPE) بالإضافة إلى معامل التحديد R². أظهرت النتائج أن تكوين النموذج B1 أصبح أفضل نموذج حيث سجل MAE بقيمة 10.239، و MAPE بنسبة 1.976٪، و R² بقيمة 0.199، مما يشير إلى قدرة النموذج على تقديم تنبؤات فعّالة. بالإضافة إلى ذلك، أظهرت نتائج تحليل نمط الزمن أن استخدام الأدوية يبدأ بالزيادة منذ الساعة 08:00 ويصل إلى ذروته في الفترة من الساعة 10:00 إلى 12:00، ثم ينخفض بعد الساعة 14:00 ويستقر تدريجيًا في فترة بعد الظهر. يتماشى هذا النمط مع اتجاه زيارات المرضى الخارجيين في المستشفى للنساء والأطفال (RSIA) التي تكون غالبًا خلال ساعات العمل الصباحية وحتى قبل الظهر. يمكن الاستفادة من هذه المعلومات لدعم استراتيجيات إدارة الصيدلة من خلال تحسين تنظيم مخزون الأدوية، وتحديد الأوقات المناسبة لعمليات التوريد، وضمان توافر الكوادر، مما يساهم في رفع كفاءة وجودة خدمات قسم الصيدلة في مستشفى فاطمة للنساء والأطفال فروبولينغو.

ABSTRACT

Managing drug supplies is an important aspect in improving the quality of health services at RSIA Fatimah Probolinggo. The process of planning for drug needs is still carried out manually, so it has the potential to cause inaccuracy in the number of orders, both shortages and excess stock. This study aims to predict drug use using a multivariate Long Short-Term Memory (LSTM) model that is able to process nonlinear dependence patterns on time series data. The data used is historical data on drug use in January 2023 which consists of date variables, polyclinic names, drug names, and the number of drug use. The research stages include data preparation, data standardization, model development, model training, and evaluation using Mean Absolute Error (MAE) and Mean Absolute Percentage Error (MAPE) and R2 Score metrics. The results showed that the configuration of Model B1 became the best model with an MAE of 10.239, MAPE of 1.976%, and R² of 0.199, which indicates the model's ability to provide effective predictions. In addition, the results of time pattern analysis showed that drug use began to increase from 08.00 and reached its peak in the range of 10.00-12.00, then decreased after 14.00 and tended to be stable in the afternoon. This pattern is in line with the trend of RSIA outpatient visits which are dominant during morning to afternoon operating hours. This information can be used to support pharmaceutical management strategies in optimizing drug stock arrangements, the right time for the drug procurement process, as well as the availability of manpower so that it can improve the efficiency and quality of pharmaceutical installation services at RSIA Fatimah Probolinggo.