LAPORAN KERJA MANDIRI PRAKTIKUM SISTEM INFORMASI MANAJEMEN

APLIKASI POM FOR WINDOWS PADA MANAJEMEN OPERASIONAL FARMASI

MENGGUNAKAN MODULE FORECASTING
NAMA
NIM
KELAS
TANGGAL PRAKTIKUM
GOLONGAN

: ESTI WULANDARI
: 11023251
: FSBA
: SABTU, 18 OKTOBER 2014
: 02

A. TUJUAN PRAKTIKUM
1. Mahasiswa farmasi UAD dapat menjelaskan konsep forecasting dan produksi
aplikasinya pada manajemen operasional unit usaha farmasis.
2. Mahasiswa farmasi UAD dapat menjelaskan prosedur operasionalisasi modul
forecasting POM for Windows.
3. Mahasiswa farmasi UAD dapat mengaplikasikan modul forecasting POM for
Windows pada kasus manajemen operasional bidang farmasi.

B. KASUS
Rumah Sakit Umum Daerah Wirosaban mencatat hasil kebutuhan antibiotika dari
tahun 2009 sampai dengan 2014. Jumlah kebutuhan antibiotika dapat dilihat pada
tabel di bawah ini:
Tahun
2009
2010
2011
2012
2013
2014

Semester 1
150
200
170
200
225
205

Semester 2
120
100
210
250
300
240

Jumlah
270
300
380
450
525
445

Pertanyaan:
a. Buat ramalan produksi untuk tahun 2015 dengan POM for Windows
b. Metode yang dipilih dan alasannya
c. Tulis hasilnya dan jelaskan yang dimaksud error, MAD, dan MSE
d. Olah kembali data dengan metode lain dan bandingkan

B. PENYELESAIAN
WINDOWS

DENGAN

MODULE

FORECASTING

POM

FOR

Number of Past periods : 6

Masukka data

 Jawaban:
a. Ramalan produksi tahun 2015

b. Metode yang digunakan adalah Additive Decomposition (Seasonal), dipilih metode

ini karena nilai bias eror yang paling minimal diantara metode yang lain. Dengan nilai
eror yang kecil sehingga meminimalkan terjadinya kesalahan dalam meramalkan
kebutuhan antibiotik di RSUD Wirosaban pada tahun 2015.

c. Analisis Hasil

Pada metode ini, nilai eror yang diperoleh yaitu 0. Sedangkan nilai MAD
(Mean Absolute Deviation) sebesar 29,24 yang menunjukkan rata-rata
kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil
peramalan lebih besar atau lebih kecil dibanding kenyataan. Nilai MSE yang
didapat yaitu 1262,86. Metode MSE merupakan metode yang dilakukan untuk
mencari trend yang paling tepat dan memiliki kesalahan terkecil untuk
dijadikan acuan peramalan.
d. Forecasting dengan menggunakan beberapa metode lainnya

C. HASIL PEMBAHASAN DAN KESIMPULAN

Tabel Perbandingan hasil peramalan kebutuhan Antibiotik di RSUD Wirosaban
Keterangan
(Metode)

Naive
Moving Average
Weighted Moving
Average
Exponential
Smoothing
Exponential
Smoothing with
Trend
User defined (error
analysis)
Additive
Decomposition
(seasonal)
Trend Analysis
(regress over time)
Multiplicative
Decomposition
(seasonal)
Linier regression/
least squares

Bias

MAD

MSE

Ramalan
tahun 2015

35
35
68,13

67
67
89,38

4845
4845
8757,81

72,63

77,88

8358,52

118,03

30,96

76,48

6614,95

540,6

395

395

163908,3

29,24

1262,86

947,52

33,52

1634,76

927,29

- 0,19

35,12

1805,81

921,97

33,52

1634,76

927,29

445
445
485

Analisis hasil dengan menggunakan beberapa metode ini dapat dibedakan

berdasarkan nilai eror (Bias) dimana nilai eror yang paling kecil merupakan metode
yang dipilih untuk menentukan peramalan. Nilai eror yang paling kecil, menunjukkan
kesalahan yang paling minimal diantara metode metode lainnya. Selain nilai bias,
nilai yang berpengaruh lainnya adalah nilai MAD dan nilai MSE. Berdasarkan
peramalan menggunakan pom for windows, maka nilai eror, MAD dan MSE yang
didapatkan dari beberapa metode tersebut dapat diurutkan berdasarkan yang paling
minimal, yaitu :
1. Additive Decomposition ( Seasonal)
2. Multiplicative Decomposition (Seasonal)
3. Trend Analysis (Regress over time)
4. Linear Regression / least square
5. Exponential Smoothing With Trend
6. Naive Methode
7. Moving Average
8. Weighted Moving Average
9. Exponential Smoothing
10. User Defined (Error Analysis)
7