JURNAL TEKNIK INFORMATIKA

UNIVERSITAS MUHAMADIYAH BENGKULU

2016

SISTEM PERSEDIAAN OBAT PADA berdasarkan data obat yang di

PUSKESMAS MENGGUNAKAN perlukan, ini disebabkan sistem
METODE NAVE BAYES (STUDI pemesanan masih bersifat manual,
KASUS PUSKESMAS TALANG yang mana pengecekan data
TINGGI SELUMA) persediaan obat satu persatu dan
kemudian direkap kedalam buku
SKRIPSI lalu dipindahkan kedalam Laporan
Oleh: Permohonan Obat (LPO) dan
diajukan ke Gudang Farmasi
Muhammad Furqan 1) Kabupaten Seluma.
Sastia H Wibowo, S. Kom, M. Kom 2) Dengan mengecek data
Dedy Abdullah, ST. M, Eng 3) persediaan obat satu persatu, hal
ini dapat menyebabkan kekeliruan,
dikarenakan pada ruang apotik
BAB I PENDAHULUAN puskesmas terdapat 200 jenis
obat, sedangkan pada setiap jenis
1.1. Latar Belakang obat terdapat berbagai macam
Puskesmas adalah sebuah obat. Kekeliruan penghitungan
unit pelayanan kesehatan yang obat akan berdampak pada
bergerak dibidang jasa dalam hal keberlebihan obat, sedangkan obat
pelayanan kesehatan kepada yang berlebih akan menumpuk dan
masyarakat. Sistem pencatatan lama kelamaan akan kadaluarsa
persediaan obat yang digunakan dan tidak dapat lagi digunakan dan
saat ini masih mengunakan cara dibakar.
manual baik dalam penyediaan Berdasarkan uraian diatas
maupun pengeluaran obat maka penulis tertarik untuk
tersebut, tentu saja hal ini kurang mengangkat judul pada skripsi ini
efisien. yang berjudul: Sistem Persediaan
Algoritma Naive Bayes Obat Pada Puskesmas
Classifiers merupakan salah satu Menggunakan Metode Nave
algoritma yang terdapat pada Bayes (Studi Kasus Puskesmas
teknik klasifikasi. Naive Bayes Talang Tinggi Seluma), Sehingga
merupakan pengklasifikasian dengan sistem ini diharapkan
dengan metode probabilitas dan dapat memprediksi persediaan
statistik yang dikemukan oleh obat yang harus dipasok sebelum
ilmuwan Inggris Thomas Bayes, obat itu habis, sistem persediaan
yaitu memprediksi peluang di obat nantinya akan di olah
masa depan berdasarkan menggunakan metode Nave
pengalaman dimasa sebelumnya Bayes.
sehingga dikenal sebagai Teorema
Bayes. Teorema tersebut 1.2. Rumusan Masalah
dikombinasikan dengan Naive Berdasarkan latar belakang
dimana diasumsikan kondisi antar yang telah diuraikan diatas,
atribut saling bebas. (Bustami, Bagaimana membuat aplikasi
2014) sistem persediaan obat yang
Puskesmas Talang Tinggi terorganisir dan mudah
Seluma belum dapat memprediksi digunakan?
kebutuhan persediaan obat

1

1.3. Batasan Masalah
Karena keterbatasan waktu,
maka ruang lingkup permasalahan
dalam merancang perangkat lunak
ini antara lain:
1. Implementasikan metode
Nave Bayes Classifiers
Untuk Sistem Persediaan
Obat,
2. Penelitian dilakukan
Puskesmas Talang Tinggi
Seluma, jalan Mayjen Sutoyo
Km. 49 Desa Talang Tinggi
Kecamatan Seluma Barat
38883.
3. Adapun jenis data yang akan
diolah adalah data
persediaan obat.
1.4. Tujuan Penelitian
1. Untuk membuat sebuah
aplikasi yang membantu
dalam Sistem prediksi
persediaan obat,
2. Untuk Mengontrol setiap
laporan data persediaan obat
agar tidak terjadi kekeliruan
dalam pendataan laporan,
3. Untuk Mempermudah dalam
membuat rekap data data
persediaan obat.
1.5. Manfaat Penelitian
1. Dengan adanya sistem
persediaan obatini, dapat
membantu dalam kinerja
dalam melakukan pelaporan,
pengecekan dan
penyimpanan data,
2. Dapat menghemat waktu
dalam pengerjaan data-data
yang berhubungan dengan
persediaan obat,
Dapat membantu dalam keakuratan
data yang disampaikan, data yang
penting tidak tercecer sebagaimana
sebelumnya
JURNAL TEKNIK INFORMATIKA
UNIVERSITAS MUHAMADIYAH BENGKULU
2016
BAB III METODOLOGI PENELITIAN
3.1. Subjek Penelitian
Puskesmas Talang Tinggi
dibangun pada tahun 1992 dan
terletak di kecamatan Seluma
Barat Kabupaten Seluma tepatnya
di Jalan Raya Bengkulu Tais KM
49. Batas-batas wilayah
Puskesmas Talang Tinggi:
di 1. Sebelah Timur berbatasan
dengan PT Agri Andalas
2. Sebelah Selatan berbatasan
dengan Wilayah Kerja
Puskesmas Tais
3. Sebelah Barat berbatasan
dengan perbukitan Bukit
Barisan
4. Sebelah Utara berbatasan
dengan Wilayah Kerja
Puskesmas Tumbuan
Luas wilayah Puskesmas Talang
Tinggi adalah 10.245 KM2 meliputi
9 (sembilan) desa dan terdiri 9
(sembilan) posyandu, dan 9
(sembilan) desa terdapat 4 (empat)
desa terletak di daerah terpencil,
yaitu Purbosari, Talang Perapat,
Tanjung Agung dan Lubuk Lagan,
sedangkan 5 (lima) desa lagi
terletak di desa biasa, yaitu:
Talang Tinggi, Pagar Agung,
Lunjuk dan Air Latak, dan
tambahan satu desa pemekaran
yaitu Desa Sengkuang Jaya, rata-
rata tempuh menuju ke
Puskesmas dengan jarak terdekat
yaitu 15 menit sedangkan jarak
terjauh yaitu (setengah) jam.
Jumlah penduduk wilayah kerja
Puskesmas Talang Tinggi yaitu
9.388 jiwa dengan penduduk
miskin yaitu 4.489 jiwa.
Mata pencaharian penduduk di
wilayah kerja Puskesmas Talang
Tinggi yaitu sebagian besar petani,
terutama petani karet, sawit dan
petani padi, sedangkan sebagian
2
 JURNAL TEKNIK INFORMATIKA
UNIVERSITAS MUHAMADIYAH BENGKULU
2016

kecil adalah di sector buruh, jasa

GIZI. Rita Hayati, A.Md. Keb

KZ. Desi Melyati, A.Md. Keb

KB. Erlina Mariani Harahap

KIA. Leni Astuti, SST
dan Pegawai Negeri Sipil.

UNIT I
3.1.1. Tempat dan Waktu

Lunjuk. Ledya
Permatasari,
A.Md.Keb

BIDES
Penelitian

IMUNISASI. Purwati, A.Md. Keb

Penelitian ini di laksanakan di

KESLING. Efniwardi. MJ, SKM

P2I. Suparwoto, S.Kep. Ners
TB PARU. Yesmini, S. Kep

LABOR. Maslan Samosir

Puskesmas Talang Tinggi, Jalan

Lusia Sinaga, SST &

LB Lagan. Shanta
POSKESDES

UNIT II
Cica Apriani,
A.Md.Keb

STRUKTUR ORGANISASI PUSKESMAS TALANG TINGGI

Mayjen Sutoyo KM. 49 38883
Desa Talang Tinggi Kecamatan

Gambar 3.1. Struktur Organisasi Puskesmas Talang Tinggi

Seluma Barat Kabupaten Seluma

Dianata, A. Md, Keb

GiGI & MULUT. Deka Winarti, SST

Tl Tinggi. Tris

MANULA. Deka Winarti, SST

BIDES
Provinsi Bengkulu, Penelitian ini

UNIT III
berlangsung selama 3 bulan
dimulai dari Juni sampai dengan

KEPALA PUSKESMAS
Sitorus, A. Md. Keb
Tj Agung. Ida Roito

NURON FITRI, SKM

BIDES
September 2016.

KES JIWA. Netti Harlinda, A.Md,Keb

KES MATA. Dr. Setia Chandra Witari
3.1.2. Struktur Organisasi

PARKESMAS. Sri Utami, S. Kep

UKS. Netti Harlinda, A.Md,Keb
Air Latak. Purwati,
Struktur organisasi

A.Md. Keb
Chrysti Nopita Sari,

Pg Agung. Patriani,

PUSTU
A.Md.keb & Dessy

UNIT IV
A.Md,Keb

BIDES

NOVI MARSONI, SKM

perusahaan dapat diartikan

TATA USAH
sebagai mekanisme-

Murniningtiyas, S.
LT Perapat. Dinar
mekanisme formal dengan

Oktasari, A. Md, Keb

PUSTU
Air Latak. Dwi

Kep
BIDES

Agustina Yulianti, SKM

organisasi dikelola. Struktur

PROMO KES.
UNIT V
organisasi menunjukkan

Purbosari. Endang
kerangka dan susunan pola Fitriani, A.Md, Keb &
Suslastri, A.Md Keb

Tl Perapat. Iis Ria

Purwanti

PUSTU
tetap yang saling berhubung BIDES

Setia Chandra Witari

PENGOBATAN. Dr.
UNIT VI
diantara fungsi-fungsi,
bagian-bagian, posisi-posisi
Lestari, A. Md, Keb &
Rini Aprita Nengsih

POSKESDES
Purbosari. Ani
A.Md Keb

maupun orang-orang yang

PARMASI. Yesi
UNIT VII
Marlenti
menunjukkan kedudukan,
tugas serta tanggung jawab
yang berbeda dalam
organisasi. 3.2. Metode Penelitian
Berdasarkan Dalam melakukan
organisasi secara peranelitian ini, mengunakan
keseluruhan dan satuan metode pengembangan sistem
kerjanya akan yang mana tahapan dalam
mempengaruhi struktur pengembangan sistem terdiri dari
sosial. Struktur organisasi enam tahapan yaitu;
Puskesmas Talang Tinggi a. Survey, bertujuan
dapat dilihat pada gambar mengetahui ruang lingkup
dibawah ini: pekerjaan
b. Analisis data, bertujuan untuk
memahami sistem yang ada
mengidentifikasi masalah dan
cara solusinya.
c. Desain, bertujuan untuk
mendesain sestem baru yang
dapat menyelesaikan
masalah yang dihadapi.
d. Pembuatan, membuat sistem
yang sudah didesain atau

3
 JURNAL TEKNIK INFORMATIKA
UNIVERSITAS MUHAMADIYAH BENGKULU
2016

menyiapkan semua yang apoteker Puskesmas

dibutuhkan sparti perangkat Talang Tinggi Seluma.
keras dan perangkat 2. Observasi, yaitu
lunaknya. mengadakan
e. Implementasi, bertujuan pengamatan langsung
untuk mengimplementasikan pada kegiatan yang
sistem yang baru. dilakukan Puskesmas
f. Pemeliharaan, bertujuan agar Talang Tinggi Seluma.
sistem dapat berjalan secara 3. Dokumentasi, yaitu
optimal. mengumpulkan data
dari dokumentasi, atau
3.3. Metode Pengumpulan Data catatan-catatan yang
Adapun metode ada pada Puskesmas
pengumpulan data yang digunakan Talang Tinggi Seluma.
dalam penelitian ini adalah sebagai
berikut: 3.4. Software Dan Hardware
a. Studi Pustaka (Library Adapun Software dan Hardware
Research) yang digunakan dalam penelitian ini
Metode ini dilakukan adalah:
dengan cara mengadakan a. Software
peninjauan terhadap buku- Adapun Software yang
buku, referensi, dan sumber digunakan dalam penelitian ini
data yang lainnya yang adalah:
berhubungan dengan 1. Sisitem operasi Windows XP
masalah yang diteliti, yaitu Service Pack II
masalah penerapan 2. Aplikasi Microsoft Visual Basic 6.0
Algoritma Naive Bayes b. Hardware
Classifiers dalam Adapun hardware yang
memprediksi persediaan obat dibutukan pada penelitian ini adalah:
pada Puskesmas Talang 1. Satu Unit Laptop Asus
Tinggi Seluma dan a. Prosessor Intel Pentium Core i7
mendapatkan landasan teori b. Memori 4 GB
dalam penelitian yang c. Hardisk 512 GB
kemudian dijadikan sebagai 2. Optical Mouse
patokan dalam menarik suatu 3. Printer Canon IP2700
kesimpulan.
b. Study Lapangan (Field 3.5. Metode Perancangan Sistem
Research) 3.5.1. Analisa Sistem Aktual
Metode ini dilakukan Sebelum melakukan
dengan cara mangadakan pengembangan terhadap
hubungan langsung terhadap suatu sistem, telebih dahulu
objek yang diteliti, ditempu penulis menganalisa sistem
dalam penelitian ini adalah: yang dipakai pada
1. Wawancara, yaitu puskesmas Talang Tinggi
mengumpulkan data Seluma, dalam proses
dengan cara tanya prediksi persediaan obat, hal
jawab kepada pihak ini belum dilakukan.
3.5.2. Analisa Sistem Baru

4
 JURNAL TEKNIK INFORMATIKA
UNIVERSITAS MUHAMADIYAH BENGKULU
2016

Dalam penelitian ini D. Rancangan Basis Data

penulis akan membuat suatu 1. Tabel Data Obat
aplikasi sebagai media untuk Nama Tabel : Data Obat
memprediksi perdeiaan obat. Primary Key : KodeObat
3.6. DFD (Data Flow Diagram) Tabel 3.1. Rancangan Tabel Data Obat
A. Diagram Konteks
Input Data Obat Nama Field Tipe Lebar Keterangan
Admin
KodeObat* Text 5 Kode Obat

NmObat Text 50 Nama Obat

Sistem Prediksi Produk Text 50 Nama Produk

Persediaan Obat
Klasifikasi Data Satuan Text 50 Satuan Obat
Obbat

Golongan Text 50 Golongan Obat

Pimpinan JmlStok Text 12 Jumlah Stok
Laporan

Gambar 3.2. Diagram Konteks 2. Tabel Data Stok Obat

Nama Tabel : Data
Klasifikasi Obat
B. Data Flow Diagram Level 0 Primary Key : KodeObat
Data Obat
Proses
Data Obat
Data Obat Tabel 3.2. Rancangan Tabel Data
Admin
Variabel Data
Klasifikasi
Variabel Data
Variabel Data
Obat
Klasifikasi Obat
Obat Obat

Nama Field Tipe Lebar Keterangan

KodeObat* Text 5 Kode Obat

NmObat Text 50 Nama Obat

Hasil
Laporan
Produk Text 50 Nama Produk

Satuan Text 50 Satuan Obat

Gambar 3.3. Data Flow Diagram Level Golongan Text 50 Golongan Obat
0 JmlStok Text 12 Jumlah Stok

Klasifikasi Text 12 Klasifikasi

C. ERD (Entity Relationship
Diagram)
KodeObat

NmObat
KodeObat E. Implementasi Dengan
Produk Data Obat Mendata Klasifikasi Obat
NmObat Perhitungan Naive Bayes
Satuan Produk Model statistik merupakan
Golongan
Satuan salah satu model yang efisien
JmlStok JmlStok
Golongan sebagai pendukung pengambilan
JmlStok
keputusan. Konsep probabilistik
merupakan salah satu bentuk
Gambar 3.4. Diagram ERD model statistik. Salah satu metode
yang menggunakan konsep
probabilistik adalah Naive Bayes.
Algoritma Naive Bayes adalah
salah satu algoritma dalam teknik
klasifikasi yang mudah
diimplementasikan dan cepat

5
 JURNAL TEKNIK INFORMATIKA
UNIVERSITAS MUHAMADIYAH BENGKULU
2016

prosesnya. Pada metode ini, utama dapat dilihat pada

semua atribut akan memberikan
kontribusinya dalam pengambilan
keputusan, dengan bobot atibut
yang sama penting dan setiap
atribut saling bebas satu sama
gambar dibawah ini:
SISTEM PERSEDIAAN OBAT PADA PUSKESMAS TALANG TINGGI
SELUMA MENGGUNAKAN NAVE BAYES

lain. Apabila diberikan k atribut

yang saling bebas (independence),
Data Obat
nilai probabilitas dapat diberikan
sebagai berikut:
Prediksi Persediaan Obat

(,,|)=(|)(|
Hasil Prediksi
)
Tahap awal cara kerja dari proses Keluar
perhitungan Naive Bayes adalah
dengan melakukan pengambilan
data training dari data nasabah Gambar 3.5. Rancangan Menu Utama
asuransi. Adapun variabel penentu
yang digunakan dalam 2. Rancangan Menu Input
mengklasifikasikan data nasabah Data Obat
yaitu: Menu ini merupakan
a. Satuan Obat menu yang berfungsi
Merupakan variabel satuan obat menginputkan data obat,
yang di kelompokkan dalam adapun bentuk dari
sembilan kategori yaitu STRIP, rancangan menu utama
PC, BUTIR, BX, BOTTLE, INJ, dapat dilihat pada gambar
SCH, TAB, TUB. dibawah ini:
b. Golongan Obat DATA OBAT

Merupakan variabel golongan

obat yang dikelompokkan dalam Kode Obat Xx6xx

lima kategori yaitu Obat Bebas, Nama Obat Xx30xx

Obat Bebas Terbatas, Obat
Wajib Apotek, Obat Keras, Obat Satuan Obat Xx30xx

Psikotropika dan Narkotika. Golongan Obat Xx30xx

c. Jumlah Stok Xx30xx

Jumlah Stok
Merupakan variabel jumlah stok
yang dikelompokkan dalam dua Tambah Simpan Hapus Keluar

kategori yaitu Banyak, Sedikit. Kode Nama Satuan Golongan Obat Jumlah
Obat Obat Obat Stok
xxx xxxx xxxx xxxx xxx
xxx xxxx xxxx xxxx xxx
F. Rancangan Menu xxx xxxx xxxx xxxx xxx

1. Rancangan Menu Utama

Menu ini merupakan
menu untuk mengontrol dari
input menu, proses Gambar 3.6. Menu Input Data Obat
pengelompokan, hasil
pengelompokan dan untuk
keluar dari aplikasi, adapun
bentuk dari rancangan menu

6
 JURNAL TEKNIK INFORMATIKA
UNIVERSITAS MUHAMADIYAH BENGKULU
2016

3. Rancangan Menu Prediksi 1. Flowchart

Persediaan Obat START
Menu ini merupakan
menu yang berfungsi untuk
memprediksi persediaan
obat, adapun bentuk dari Data Obat
rancangan menu ini dapat
dilihat pada gambar dibawah
ini:
Apabila Data TIDAK
Prediksi Persediaan Obat Obat
Tidak Lengkap

Kode Obat Xx6xx

YA
Nama Obat Xx30xx

Satuan Obat Xx30xx Prediksi

Golongan Obat Xx30xx

Jumlah Stok Xx30xx

Klasifikasi Xx30xx Hasil

Tambah Simpan Hapus Keluar

Kode Nama Satuan Golongan Jumlah Klasif

Obat Obat Obat Obat Stok ikasi END
xxx xxxx xxxx xxxx xxx xxxx
xxx xxxx xxxx xxxx xxx xxxx
xxx xxxx xxxx xxxx xxx xxxx Gambar 3.9. Flowchart
Gambar 3.7. Menu Prediksi
Persediaan Obat 3.7. Rancangan Pengujian
Sebelum program diterapkan
atau diimplementasikan maka
G. Rancangan Menu Hasil Prediksi program harus bebas terlebih
HASIL Prediksi
dahulu dari kesalahan setelah
program bebas dari kesalahan,
Kode Nama Satuan Golongan Jumlah Klasifi program dites dengan
Obat Obat Obat Obat Stok kasi
memasukkan data untuk diolah.
xxx xxxx xxxx xxxx xxx xxxx
Hasil program yang sesuai dengan
xxx xxxx xxxx xxxx xxx xxxx
desainya akan menghasilkan
xxxx xxxx xxxx xxxx xxx xxxx
sistem yang sesuai dengan
kebutuhan pemakai.
a. Stup Testing (Pengujian
Struktur)
Yaitu tes struktur kendali
Gambar 3.8. Menu Hasil Pengukuran sebelum program diajukan.
b. Unit Testing (Pengendalian
Unit)
Pengujian unit, setiap menu
di uji untuk menjamin
program tersebut dapat
berjalan sesuai dengan
fungsinya dengan baik.

7
 JURNAL TEKNIK INFORMATIKA
UNIVERSITAS MUHAMADIYAH BENGKULU
2016

Ada 2 metode untuk melakukan

testing yaitu:
1. Black Box Testing (terfokus
pada apakah unit program
tersebut memenuhi
requirement/ syarat yang
ditentukan dalam spesifikasi).
White Box Testing (melihat kedalam
program untuk meneliti kode-kode
program yang ada, dan menganalisa
apakah ada kesalahan atau tidak)
.
BAB IV HASIL DAN PEMBAHASAN Gambar 4.2. Tampilan Menu Input
4.1. Tampilan Menu Utama Data Obat
Pada Menu ini terdapat tombol data
obat, tombol prediksi presediaan obat, 4.3. Tampilan Menu Prediksi Persediaan
tombol hasil prediksi dan tombol Obat
keluar.Adapun bentuk dari tampilan menu Menu ini berfungsi untuk melakukan
utama dapat terlihat pada gambar 4.1 proses Prediksi Persediaan Obat. Pada
dibawah ini: menu ini proses Prediksi Persediaan Obat
di hitung menggunakan metode nave
bayes. Dapat dilihat pada gambar
4.3.dibawah ini:

Gambar 4.1. Tampilan Menu

Utama

4.2. Tampilan Menu Input Data Obat

Menu input data Obat berfungsi untuk
menambahkan data Obat dengan
menginputkan kode Obat, nama Obat,
apabila telah selesai di inputkan maka data Gambar 4.3. Tampilan Menu Prediksi
Obat akan muncul secara otomatis. Dapat Persediaan Obat
dilihat pada gambar 4.2 di bawah ini:
Nama Satuan Golongan Jumlah
Produk
Obat Obat Obat Stok
Alvit Kimia BOTOL Obat
Banyak
Syr Parma 60 ML Bebas
Objek Kimia 12
Alat Sedikit
Glass Parma pcs/kotak
Pot Kimi
Pcs Alat Sedikit
Sputum Parma

8
 JURNAL TEKNIK INFORMATIKA
UNIVERSITAS MUHAMADIYAH BENGKULU
2016

Jika data obat sebagai berikut; P(Golongan Obat = Obat Bebas | Y=

Sedikit) = 1/3
Tabel Testing
jumlah data Golongan Obat Obat Bebas
Nama
Produk
Satuan Golonga Jumlah
Klas
ifika dengan keterangan Sedikit dibagi jumlah
Obat Obat n Obat Stok
si data Sedikit
Alvit Kimia BOTOL Obat
Banyak ???
Tahap 3 kalikan semua hasil variable
Syr Parma 60 ML Bebas
Banyak & Sedikit
P (Nama Obat= Alvit Syr), (Produk= Kimia
Penyelesaian Parma), (Satuan Obat= BOTOL 60 ML),
Tahap 1 menghitung jumlah class/label (Golongan Obat = Obat Bebas) | Banyak)
P(Y= Banyak) = 1/3 jumlah data Banyak = {P(P(Nama Obat = Alvit Syr |Y= Banyak).
pada komom Jumlah Stok dibagi jumlah P(Produk = Kimia Parma | Y= Banyak) .
data P(Y= Sedikit) = 2/3 jumlah data P(Satuan Obat = BOTOL 60 ML |Y=
Sedikit pada komom Jumlah Banyak). P(Golongan Obat = Obat Bebas|
Stok dibagi jumlah dataTahap 2 Y= Banyak) = /3 .1/3.1/3.2/3 = 0.82
menghitung jumlah kasus yang sama P (Nama Obat = Alvit Syr), (Produk = Kimia
dengan class yang samaP(Nama Parma), (Satuan Obat = BOTOL 60 ML), (
Obat= Alvit Syr | Y= Banyak) = 1/3 jumlah Golongan Obat = Obat Bebas)|Sedikit)
data Nama Obat Paramex dengan = {P(P(Nama Obat = Alvit Syr |Y= Sedikit).
keterangan Banyak dibagi jumlah data P(Produk = Kimia Parma | Y= Sedikit) .
BanyakP(Nama Obat= Alvit Syr | Y= P(Satuan Obat = BOTOL 60 ML |Y=
Sedikit) = 2/3 jumlah data Nama Obat Sedikit). P(Golongan Obat = Obat Bebas|
Paramex dengan keterangan Y= Sedikit)= 0/3.2/3.0/3.0/3 .= 0,07
Sedikit dibagi jumlah data Tahap 4 Bandingkan hasil class
SedikitP(Produk = Kimi Parma | Y= Banyak & Sedikit
Banyak) = 3/3 jumlah data dengan Karena hasil (P| Banyak) lebih besar
Produk dengan keterangan dari (P| Sedikit) maka keputusanya
Banyak dibagi jumlah data Banyak adalah Banyak
P(Produk = Kimi Parma | Y= Sedikit) = Nama Pro Satuan Golong
Juml
Klasi
0/3 jumlah data dengan Obat duk Obat an Obat
ah
Stok
fikasi
Produk dengan keterangan Kimi
Sedikit dibagi jumlah data Alvit
Syr
a
Par
BOTOL
60 ML
Obat
Bebas
Bany
ak
Bany
ak
SedikitP(Satuan Obat = BOTOL 60 ML | ma
Y= Banyak) = 1/3 jumlah data dengan
Satuan Obat BOTOL 60 ML 4.4. Hasil Pengujian Sistem
dan keterangan Banyak dibagi jumlah Selanjutnya, adalah Pengujian.
data Banyak Pengujian dilakukan untuk melihat hasil dari
aplikasi yang dibuat. Selain itu dilakukan
P(Satuan Obat = BOTOL 60 ML | Y= sebagai salah satu cara untuk memeriksa
Sedikit) = 2/3 jumlah data dengan Satuan aplikasi yang telah dibuat, sehingga dapat
Obat BOTOL 60 ML dan keterangan diketahui letak kekurangan dan kesalahan
Sedikitdibagi jumlah data Sedikit dalam program tersebut. Dalam pengujian
perangkat lunak ini, peneliti menggunakan
P(Golongan Obat = Obat Bebas| Y= Metode Black Box dan White Box.
Banyak) = 2/3 A. Pengujian Black Box
Teknik pengujian Black-Box berfokus
jumlah data Golongan Obat Obat Bebas
pada domain informasi dari perangkat
dengan keterangan Banyak dibagi jumlah
lunak, dengan melakukan test case dengan
data Banyak
menpartisi domain input dari suatu program

9

dengan cara yang memberikan cakupan
pengujian yang mendalam.
1. Pengujian Menu Utama
Pengujian pada menu utama
dengan menggunakan metode Black-
Box adalah dengan menguji setiap
Button yang terdapat didalam form
Menu Utama sesuai dengan fungsinya
masing-masing. Berikut hasil dari
pengujian pada menu utama:
Tabel 4.1 Hasil Pengujian Menu
Utama
2. Pengujian Form Proses Prediksi
Persediaan Obat
Pengujian pada proses Prediksi
dengan menggunakan metode Black-
Box adalah dengan menguji setiap
Button yang terdapat didalam form
Proses Prediksi sesuai dengan
fungsinya masing-masing. Berikut
hasil dari pengujiannya
Tabel 4.2. Hasil Pengujian Form
Proses Prediksi
BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan hasil penelitian
bahwa aplikasi Prediksi Persediaan
Obat yang dibangun menggunakan
bahasa pemrograman Visual Basic
6.0, dapat menjadi solusi alternatif
dalam membantu proses Prediksi
Persediaan Obat, sehingga proses
Prediksi Persediaan Obat yang di
inginkan lebih mudah.
Pada proses pengembangan
Prediksi Persediaan Obat ini
menggunakan metode nave bayes
untuk menjawab masalah dalam
proses Prediksi Persediaan Obat.
5.2. Saran
Aplikasi Prediksi Persediaan Obat ifilemni
dapat dikembangkan lagi baik secara
bahasa pemrograman maupun metode
algoritmanya. Pengembangan dapat dibuat
menggunakan bahasa pemrograman lain
agar lebih sempurna dan interaktif.
10
JURNAL TEKNIK INFORMATIKA
UNIVERSITAS MUHAMADIYAH BENGKULU
2016
DAFTAR PUSTAKA
Fatansyah. 1999. Basis Data. Bandung :
Informatika Bandung.
Hanif AL Fatta. 2007. Analisis &
Perancangan Sistem Informasi.
Yogyakarta : Andi
Kadir, Abdul. 1999. Konsep dan Tuntutan
Praktis Basis Data. Yogyakarta. Andi.
Kendall, Kenneth E dan Julie E. Kendall.
2002. Analisis dan Perancangan
Sistem. Klaten : PT. Intan Sejati.
Kendall, J.E. & Kendall, K.E. 2010. Analisis
dan Perancangan Sistem. Jakarta:
Indeks.
Laudon, Kenneth C dan Jane P. Laudon.
2005. Sistem Informasi Manajemen:
Mengelola Perusahaan Digital, Edidi
kedelapan. Yogyakarta : Andi.
Marakas, G.M. 2006. System Analysis
Design: an Active Approach. New
York: Mc.Graw-Hill.
Mc.,Leod, R. Jr. 2002. System
Development: A Project Management
Approach. New York: Ligh Publishing
LLC.
Oetomo, B. Sutedjo. 2002. Perencanaan
dan Pengembangan Sistem Informasi.
Yogyakarta : Andi.
Pressman, R.S. 2012. Rekayasa Perangkat
Lunak: Pendekatan Praktisi.
Yogyakarta: Penerbit Andi.
Whitten, J.L. & Bentley, L.D. 2004. System
Analysis & Design Methods: Sixth
Edition. New York: Mc.Graw-Hill.
http://legianfeisyashabira.
weebly.com/blog/definisi-inventarisasi