IMPLEMENTASI DATAMINING PREDIKSI JUMLAH

PENGELUARAN OBAT POLI PENYAKIT DALAM BULAN

JANUARI DI RSI MUHAMMADIYAH KENDAL
MENGGUNAKAN MODEL LINEAR REGRESSION

Laporan ini dibuat untuk memenuhi tugas Datamining

Disusun oleh :
AFIFAN ARIFIN ALFARISY (D22.2016.01911)

PROGRAM STUDI DIII REKAM MEDIS DAN INFORMASI

KESEHATAN FAKULTAS KESEHATAN UNIVERSITAS DIAN
NUSWANTORO SEMARANG
 Daftar Isi

Daftar Isi .......................................................................................................... ii

Daftar Gambar ................................................................................................ iii
BAB 1 .............................................................................................................. 1
PENDAHULUAN ............................................................................................. 1
A. Latar Belakang ................................................................................... 1
B. Rumusan Masalah ............................................................................. 1
C. Tujuan ................................................................................................ 1
D. Manfaat .............................................................................................. 1
E. Penelitian Terkait ............................................................................... 1
BAB 2 .............................................................................................................. 2
TINJAUAN PUSTAKA ..................................................................................... 2
A. Datamining ......................................................................................... 2
B. Linear Regression .............................................................................. 2
C. Kerangka Teori .................................................................................. 3
BAB 3 .............................................................................................................. 4
METODOLOGI PENELITIAN .......................................................................... 4
BAB 4 .............................................................................................................. 5
HASIL PENELITIAN DAN PEMBAHASAN ..................................................... 5
A. Dataset .............................................................................................. 5
B. Rangkaian regression ........................................................................ 5
C. Example set (apply model) data ........................................................ 6
D. Hasil percobaan ................................................................................. 7
BAB 5 .............................................................................................................. 8
KESIMPULAN ................................................................................................. 8
DAFTAR PUSTAKA ........................................................................................ 9

II
 Daftar Gambar

Gambar 1. Kerangka Teori ............................................................................. 3

Gambar 2. Dataset......................................................................................... 5
Gambar 3. Rangkaian Regression (Prediksi) di Aplikasi Rapidminer ............. 6
Gambar 4. Apply Model ................................................................................. 6
Gambar 5. Hasil Percobaan ke-1 ................................................................... 7
Gambar 6. Hasil Percobaan ke-2 ................................................................... 7

III
 BAB 1

PENDAHULUAN

A. Latar belakang
Obat merupakan kebutuhan yang harus selalu tersedia untuk
mendukung sebuah tindakan pengobatan kesehatan. Obat digunakan
untuk mengobati penyakit atau keluhan yang di derita oleh seorang
pasien. Jadi ketersediaan obat merupakan sebuah pelayanan yang
harus ada untuk menunjang berjalannya sebuah pelayanan
pengobatan di suatu tempat kesehatan seperti klinik, rumah sakit,
puskesmas, dll.
Jumlah pengeluaran obat setiap harinya selalu terjadi berubah-
berubah tergantung banyak jumlah pasien dan penggunaan obat untuk
memberikan pengobatan kepada pasien. Sedangkan banyak jumlah
pasien dan penggunaan obat tidak menentu setiap harinya. Ini
membuat terjadi sering terjadi kekosongan dan kelebihan ketersedian
obat, sehingga membuat sebuah kerugian.
Dalam hal ini penerapan ilmu datamining dapat memberikan
gambaran tentang prediksi atau perkiraan ketersedian obat, untuk
mengetahuinya perlu diketahui banyak jumlah pengeluaran obat yang
terjadi. Untuk mengatasai masalah tersebut, peneliti membuat sebuah
percobaan penelitian menggunakan model linear regression.

B. Rumusan Masalah
Bagaimana hasil prediksi jumlah pengeluaran obat
menggunakan model linear regression di dalam datamining?

C. Tujuan
Mengetahui penggunaan datamining dalam memprediksi jumlah
pengeluaran obat menggunakan model linear regression.

D. Manfaat
Memberikan gambaran prediksi besar jumlah pengeluaran obat
untuk dapat dilakukannya tindakan pencegahan di waktu yang akan
datang.

E. Penelitian Terkait
1. Penelitian pernah dilakukan mengenai datamining dengan metode
clustering oleh Elmayati (2017) untuk pengolahan informasi
persediaan obat pada klinik srikandi medika berbasis web, yang
bertujuan untuk pembuktian penggunaan metode clustering
datamining dapat digunakan sebagai sarana pengolahan informasi
persediaan obat.

1
 BAB 2

TINJAUAN PUSTAKA

A. Datamining
Data mining merupakan disiplin ilmu yang bertujuan untuk
menemukan, menggali pengetahuan dari data atau informasi yang kita
miliki[1]. Data mining berisi pencarian pola yang diinginkan pada
database untuk membantu pengambilan keputusan di waktu yang
akan datang. Text mining mengekstrak pola yang berguna dari sumber
data teks melalui eksplorasi pola tertentu[2]. Pola-pola ini dapat
diketahui oleh perangkat tertentu yang memberikan suatu analisa data
yang berguna kemudian dapat dipelajari lebih teliti, yang
memungkinkan penggunaan perangkat pendukung keputusan
lainnya[3].
Tahap-tahap data mining sebagai berikut[4]:
1. Pembersihan data. Proses menghilangkan noise dan data yang
tidak konsisten.
2. Integrasi data. Penggabungan data dari berbagai basis data ke
dalam satu basis data baru.
3. Seleksi data. Data yang ada pada basis data yang sesuai dari hasil
analisis yang akan diambil dari basis data.
4. Transformasi data (Data Transformation). Data diubah atau
digabung ke dalam format tertentu yang dapat diproses dalam
Data Mining.
5. Proses Mining. Proses utama saat metode diterapkan untuk
menemukan pengetahuan berharga dan tersembunyi dari data.
6. Evaluasi pola. Untuk mengidentifikasi pola-pola menarik ke dalam
knowledgebased yang ditemukan.
7. Presentasi pengetahuan. Penyajian pengetahuan dari
metode yang digunakan untuk memperoleh pengetahuan.

B. Linear Regression
Model linear regression adalah jenis aturan classification and
regression pada data mining selain Linear Regression yang termasuk
pada golongan ini adalah Support Vector Machine, Logistic
Regression dan lain- lain. Analisis linear regression adalah teknik data
mining untuk menentukan bahwa terdapat hubungan antara variable
yang ingin diramalkan dengan variabel lain [5].

2
C. Kerangka Teori

Dataset

Datamining

Prediksi
(Regression)

Model Linear
Regression

Hasil Prediksi

Kesimpulan

Gambar 1. Kerangka Teori

3
 BAB 3

METODOLOGI PENELITIAN

Jenis penelitian yang digunakan adalah penelitian kualitatif yaitu

penelitian yang dilakukan untuk menggambarkan dan menganalisa
sebuah variabel. Variabel dalam penelitian ini adalah prediksi jumlah
pengeluaran obat. Menggambarkan pelakasanaan proses mendapatkan
hasil prediksi menggunakan model regression di datamining. Sarana
penelitian menggunakan bantuan aplikasi rapidminer.
Penelitian ini dilakukan secara cross sectional, yaitu data
didapatkan saat waktu penelitian berlangsung dan data langsung
dilakukan penelitian saat itu juga. Penelitian secara cross sectional
bertujuan untuk menjelaskan suatu keadaan yang berlangsung pada saat
itu juga.
Data diperoleh dengan cara sekunder yaitu data sudah disediakan
oleh petugas. Data kemudian diolah untuk dapat menentukan atribut
yang dibutuhkan dalam peneltian.

4
 BAB 4

HASIL PENELITIAN DAN PEMBAHASAN

A. Dataset
Data yang digunakan adalah data pemakaian obat pasien
selama
bulan januari di poly penyakit dalam. Data lalu diolah menjadi dua
atribut yaitu tanggal dan jumlah pengeluaran obat. Data perlu diolah
karena terdapat atribut yang tidak terpakai atau tidak digunakan dalam
proses ini. Total jumlah data yang digunakan didalam peelitian ini
sebanyak 30 example data.

Gambar 2. Dataset

Data tersebut terdapat beberapa missing value, yaitu terdapat

pada tanggal diwaktu poly penyakit dalam tutup tidak terjadi sebuah
pelayanan dan tidak terjadi pengeluaran obat. Sedangkan didalam
datamining harus terdapat nilai pada data. Jadi missing value di
gantikan dengan angka 0 sebagai nilai yang tidak terjadi pengeluaran
obat.

B. Rangkaian regression
Rangkaian regression terdiri dari 2 rangkaian yaitu rangkaian
dipengaruhi dan rangkaian yang mempengaruhi, ini dilakukan sebagai
pembanding dalam proses pengolahan.
Rangkaian regression terdiri dari:
1. Read Exel. Untuk menampilkan dataset yang akan diolah.
2. Split data. Untuk membagi data
3. Windowing. Untuk menampilkan tambahan atribut berupa mirror
dari atribut yang ingin diteliti (terdiri dari dua windowing)

5
 4. Set Role. Untuk menentukan besaran penilaian (terdiri dari dua Set
Role)
5. Model pengolahan ( yaitu menggunakan Linear Regression)
6. Apply model. Untuk menjalankan model yang digunakan
7. Performance. Untuk menampilkan hasil proses pengolahan

Gambar 3. Rangkaian Regression (Prediksi) di Aplikasi Rapidminer

Dalam rangkaian ini terdapat replace missing value karena

terdapat missing value pada dataset, sehingga digunakan untuk
supaya tidak terjadi missing value pada data.

C. Example set (apply model) data

Penampilan hasil dari pengolahan data yang terdiri dari hasil
prediction, statistic data, grafik data, informasi tentang data yang
diolah.

Gambar 4. Apply Model

6
 Gambaran prediksi data jumlah pengeluaran obat selama bulan
januari yaitu 40.501 obat per hari.

D. Hasil percobaan
Percobaan pertama menggunakan set role 7 banding 3 dengan
windowing sebesar 20 terdapat error, sebanyak 2125.369. error.

Gambar 5. Hasil percobaan ke-1

Percobaan kedua menggunakan set role 7 banding 3

dengan windowing 30, tidak terdapat error.

Gambar 6. Hasil Percobaan ke-2

7
 BAB 5

KESIMPULAN

Dari hasil dan pembahasan datamining menggunakan model linear

regression di aplikasi rapidminer dapat di simpulkan bahwa:
A. Adapun hasil pengolahan menggunakan model linear regression di
aplikasi rapidminer memperoleh hasil prediksi jumlah pengeluaran
obat selama bulan januari sebesar 40.501 obat per hari.
B. Penentuan penggunaan nilai windowing mempengaruhi besar kecilnya
jumlah error pada data. Semakin besar nilainya, semakin kecil jumlah
error dan semakin kecil nilainya, semakin besar juga jumlah error.

8
 DAFTAR PUSTAKA

[1] Susanto, S., Suryadi, D., 2010. Pengantar Data Mining “Menggali
Pengetahuan dari Bongkahan Data, Penerbit Andi Offset, Yogyakarta.
[2] Jumeilah, F., S., 2017. Penerapan SVM untuk Pengkatogorian
Penelitian, Jurnal Resti, Vol.1 No.1, April 2017, Hal. 19-25.
[3] Mustafa, S. M., 2017. Implementasi Data Mining Evaluasi Kinerja
Akademik Mahasiswa menggunakan Naive Bayes Classifier, Jurnal
Citec, Vol. 4 No. 2, Februari-April 2017, Hal. 151-162.
[4] Saleh, A., 2015. Implementasi Metode Klasifikasi Naive Bayer dalam
Memprediksi Besarnya Penggunakan Listrik Rumah Tangga, Jurnal
Citec, Vol.2 No.3, Mei–Juli 2015, Hal 207217.
[5] Xin Yan, & Xiao Gang Su., 2009. Linear regression analysis. London:
World Scientific Publishing Co. Pte. Ltd., Covent Garden.