HALAMAN JUDUL

TUGAS INDIVIDU
SISTEM INFORMASI MANAJEMEN RUMAH SAKIT

ANALISIS DATA MINING RUMAH SAKIT

“ANALISIS DATA PENGGUNAAN OBAT MENGGUNAKAN APLIKASI

WEKA DENGAN JENIS POLA FORECAST DAN ASSOCIATION”

Dosen :
Dr. Indrabayu, ST, MT, M.Bus, Sys

DISUSUN
OLEH :

ANDI FITRIAH
(K022202007)

PROGRAM STUDI MAGISTER ADMINISTRASI RUMAH SAKIT

FAKULTAS KESEHATAN MASYARAKAT
UNIVERISTAS HASANUDDIN
2021
 KATA PENGANTAR

Assalamu Alaikum Warrahmatullahi Wabarakatuh

Teriring salam dan doa semoga Allah SWT, senantiasa melimpahkan rahmat dan
hidayah-Nya kepada kita sekalian dalam menjalankan aktifitas keseharian. Aamiin
Tugas ini merupakan salah satu kajian yang dilakukan untuk mengetahui tentang
data mining yakni fungsi, metode dan penerapannya di rumah sakit.
Adapun tujuan dari kajian ini adalah untuk memenuhi tugas dari Bapak Dr. dr.
Indrabayu, ST, MT, M.Bus, Sys pada mata kuliah “Sistem Informasi Manajemen
Rumah Sakit” Program Studi Magister Administrasi Rumah Sakit. Selain itu, kajian ini
juga bertujuan untuk menambah wawasan tentang data mining untuk para pembaca dan
juga bagi tim penyusun.
Penyusun mengucapkan terima kasih kepada Bapak Dr. dr. Indrabayu, ST, MT,
M.Bus, Sys selaku dosen pada mata kuliah “Sistem Informasi Manajemen Rumah
Sakit” Program Studi Magister Administrasi Rumah Sakit yang telah memberikan tugas
ini sehingga dapat menambah pengetahuan dan wawasan sesuai dengan bidang studi
yang kami tekuni.
Penyusun juga tak lupa mengucapkan terima kasih atas pihak-pihak yang
membantu dan mendukung tersusunnya makalah ini sehingga dapat terselesaikan tepat
pada waktunya.
Penyusun menyadari bahwa dalam penyusunan dokumen ini terdapat banyak
kekurangan dan sangat sederhana sehingga tidaklah begitu sempurna seperti yang
diharapkan. Untuk itu saran dan masukan sangat diharapkan demi perbaikan
penyusunan selanjutnya. Akhirnya penulis berharap agar kajian ini dapat memenuhi
syarat perkuliahan dan dimanfaatkan sebagaimana mestinya.

Billahi Taufik Walhidayah

Wassalamu alaikum Warrahmatullahi Wabarakatuh

Makassar, Juni 2021

Penyusun
 ANALISIS DATA PENGGUNAAN OBAT MENGGUNAKAN APLIKASI
WEKA DENGAN JENIS POLA FORECAST DAN ASSOCIATION

ANDI FITRIAH
Program Pascasarjana Manajemen Rumah Sakit Universitas Hasanuddin
Program Studi Magister Administrasi Rumah Sakit
Fakultas Kesehatan Masyarakat Universitas Hasanuddin
email : fitriah_salahuddin@yahoo.com

tumpukan data tersebut dibiarkan begitu saja

PENDAHULUAN
Rumah sakit merupakan suatu institusi atau
organisasi kesehatan yang melalui tenaga medis
profesional memberikan pelayanan kesehatan,
asuhan keperawatan, diagnosis serta pengobatan
penyakit yang di derita oleh pasien. Kegiatan
operasional yang terjadi di rumah sakit dapat
menghasilkan dan mengumpulkan banyak data
yang tersimpan di rekam medis setiap hari
(Milovic & Boris, 2012).
Rekam medis adalah dokumentasi sejarah
pengobatan yang diberikan oleh dokter dan
tenaga kesehatan lainnya kepada pasien guna
menunjang tertib administrasi di dalam upaya
peningkatan pelayanan. Data ini memiliki
peranan penting bagi rumah sakit karena ini
menjadi bukti bahwa perawatan yang diberikan
oleh dokter dilakukan dengan benar. Data rekam
medis juga dapat membantu dalam mengevaluasi
profil pasien, membantu dalam menganalisis
hasil pengobatan, dan untuk merencanakan
pengobatan yang akan diberikan kepada pasien
serta dapat menjadi acuan dalam perencanaan
strategi pemerintah untuk perawatan medis di
masa depan (Thomas & Joseph, 2009)
Tumpukan data rekam medis digunakan untuk
kebutuhan operasional, tetapi tidak jarang juga
sehingga menyebabkan data yang begitu banyak
tidak mengandung pengetahuan atau sering
disebut dengan “rich of data but poor of
knowledge” (Timmerman dan Wim, 2010). Data
rekam medis yang setiap hari selalu bertambah
dapat digali untuk dijadikan informasi bagi pihak
rumah sakit. Perkembangan teknologi yang
demikian pesat menuntut banyak institusi
pelayanan termasuk pelayanan bidang kesehatan
untuk lebih mampu memberikan pelayanan yang
berkualitas. Pengimplementasian teknologi
informasi dilakukan di dalam organisasi
kesehatan untuk menghasilkan informasi yang
menjadi dasar dalam pengambilan keputusan
serta meningkatkan efisiensi kerja dan pelayanan
rumah sakit
DATA MINING
Di era revolusi industri 4.0 saat ini, teknologi
modern sudah digunakan pada berbagai instansi,
salah satunya di Rumah sakit. Teknologi yang
hebat dengan berbagai metode seperti Data
Mining, Artificial Intelligence, Jaringan Syaraf
Tiruan dan sebagainya mampu meringankan
pekerjaan dokter dan perawat dalam menangani
pasien yang membutuhkan pertolongannya.
Penggunaan teknologi informasi dalam aspek
kesehatan sudah menjadi kebutuhan begitu

1
penting terkait juga dengan pemahaman,
kemampuan dan sumberdaya untuk
meningkatkan kualitas pelayanan kesehatan.
Sebut saja data mining yang berfungsi
memasukkan data, mengolah data, dan kemudian
dijadikan sebagai suatu informasi yang
bermanfaat. Teknologi internet dan teknologi
kesehatan lainnya menyediakan media baru
untuk menghubungkan antara sistim informasi
kesehatan, pelayanan kesehatan masyarakat dan
dunia usaha untuk saling bekerjasama.
Data Mining adalah istilah yang digunakan untuk
merujuk pada hasil penelitian, teknik dan alat
yang digunakan untuk mengekstrak informasi
yang berguna dari volume data yang besar
(Mariscal & Gonzalo, 2010). Terdapat berbagai
teknik yang digunakan di dalam Data Mining
dimana setiap teknik tersebut memiliki
algoritma-algoritma yang digunakan untuk
memproses data yang ada.
Istilah data mining (penambangan data)
digunakan pada akhir tahun 1980-an data mining
umumnya dikenal sebagai sub proses dalam
lingkup lebih besar yang disebut Knowledge
Discovery in Databases (KDD) Defenisi yang
lebih umum dari KDD adalah apa yang
dikemukakan oleh Fayyad et al. yakni the
nontrivial process of identifying valid, novel,
potentially useful, ultimately understandable
patterns in data.
Dengan anggapan sebagai sub proses dalam
cakupan KDD, data mining terkait dengan
penemuan akan “informasi tersembunyi”. Sub
proses lainnya yang juga merupakan bagian dari
KDD di antaranya persiapan data (warehousing,
data cleaning, pre-process, dan lain-lain). Data
mining merupakan analisa dari peninjauan
kumpulan data untuk menemukan hubungan
yang tidak diduga dan meringkas data dengan
cara yang berbeda dengan sebelumnya, yang
dapat dipahami dan bermanfaat bagi pemilik data
yang menyatukan teknik dari pembelajaran
mesin, pengenalan pola, statistic, database dan
visualisasi untuk penanganan permasalahan
pengambilan informasi dari database yang besar
(Larose,2005).
Data mining bekerja dengan cara menggunakan
data yang ada dan relevan, data mining membuat
beberapa model untuk mengidentifikasi pola-
pola diantara atribut-atribut yang ada di dalam
dataset. Model adalah penyajian matematis
(persamaan linear sederhana dan/atau persamaan
kompleks yang sangat tidak linear) yang
mengidentifikasi pola-pola diantara berbagai
atribut object (misalnya, pelanggan) yang ada di
dalam dataset. Beberapa pola tersebut adalah
bersifat deskriptif (menjelaskan saling-
keterkaitan atau persamaan dan kesamaan
diantara berbagai atribut tersebut), sementara
yang lain adalah bersifat prediktif (meprediksi
„value/hasil‟ yang akan terjadi pada atribut-
atribut tertentu).
Jenis-jenis pola utama data mining meliputi
association, predictions, clusters, dan sequential
relationships telah diekstraksi dari data secara
manual yang terus meningkat di jaman modern
telah menciptakan kebutuhan untuk pendekatan
yang lebih otomatis.
Adapun implementasi data mining dengan
berbagai metode dalam bidang kesehatan yaitu;
Pertama, Decision tree merupakan salah satu
metode klasifikasi yang menggunakan
representasi struktur pohon (tree) dimana setiap
node merepresentasikan nilai dari atribut,
cabangnya merepresentasikan nilai dari atribut
dan daun merepresentasikan kelas. Node yang
2
paling atas dari decision tree disebut sebagai
root. Algoritma decision tree dapat dengan
mudah memproses data karena mudah
beradaptasi pada interaksi kompleks antar
variabel. Setiap cabang pohon dapat terdiri atas
kombinasi dari variabel dan variabel yang sama
dapat muncul lebih dari satu di berbagai cabang
pohon.
Dengan metode ini juga dapat diketahui pola
suatu penyakit berdasarkan data yang sudah ada,
yaitu nama pasien, usia, jenis kelamin, status
imunisasi dan status gizi dengan gejala penyakit
ISPA (pernapasan). Dengan demikian, jika sudah
diketahui faktor-faktor yang mempengaruhi
suatu diagnose, maka memudahkan untuk
klasifikasi untuk pola keputusan suatu penyakit
dan analisis pola data kesehatan.
Kedua, Algoritma apriori adalah algoritma
pengambilan data dengan aturan asosiatif
(Association rule) untuk menentukan hubungan
antar item dalam suatu dataset (sekumpulan data)
yang telah ditentukan. Konsep ini sendiri
diturunkan dari terminologi market basket
analysis, yaitu pencarian hubungan dari beberapa
produk di dalam transaksi pembelian. Algoritma
apriori ini akan cocok untuk diterapkan bila
terdapat beberapa hubungan item yang ingin
dianalisa.
Salah satunya yang bisa diterapkan adalah di
dalam bidang kesehatan dan digunakan di apotek
dengan tetap tersedianya berbagai jenis obat-
obatan digudang apotek, untuk mengetahui obat
apa saja yang dibeli oleh para konsumen. Dengan
adanya metode-metode data mining dibidang
kesehatan, akan membantu dokter dan perawat
dalam menangani pasien. Begitu juga di apotek
tidak perlu mengantri panjang karena lambannya
petugas mengambil obat yang diresepkan oleh
dokter.
APLIKASI WEKA
Berbagai tools komersial maupun non-komersial
beredar dan digunakan untuk berbagai tujuan
yang berkaitan dengan data mining. Salah
satunya adalah WEKA (Waikato Environment
for Knowledge Analysis) yang merupakan
sebuah perangkat lunak yang menerapkan
berbagai algoritma machine learning untuk
melakukan beberapa proses yang berkaitan
dengan sistem temu kembali informasi
Beberapa fitur unggulan yang dimiliki oleh
WEKA yaitu:
1. Klasifikasi (Classification)
Di dalam WEKA terdapat banyak algoritma
yang mendukung untuk proses klasifikasi
sebuah objek serta pengguna dimudahkan
dalam melakukan implementasi secara
langsung. User dapat melakukan load
dataset, melakukan pemilihan algoritma
untuk klasifikasi, kemudian diberikan
beberapa representasi data yang mewakili
hasil akurasi, tingkat kesalahan dari proses
klasifikasi.
2. Regresi (Regression)
Regression merupakan sebuah proses yang
dapat melakukan suatu prediksi terhadap
berbagai pola yang sudah terbentuk
sebelumnya yang dijadikan sebagai model
data. Tujuan dari regression adalah
menciptakan suatu variabel baru yang
mewakili suatu representasi perkembangan
data pada masa yang akan datang. WEKA
mendukung proses regression dan hal
3
 tersebut dipermudah dengan user
interface/user experience yang sederhana.
3. Pengelompokan (Clustering)
Clustering merupakan salah satu cabang
konsep dari unsupervised method dari
machine learning yang bertujuan untuk
melakukan pengelompokan data dan juga
menjelaskan hubungan/relasi yang ada di
antara data tersebut dan memaksimalkan
kesamaan antar satu kelas/cluster tetapi juga
meminimumkan kesamaan antar
kelas/cluster. Clustering digunakan untuk
analisa suatu data dan diharapkan
menghasilkan suatu representasi data yang
mewakili suatu pola yang terbentuk akibat
relasi yang ada antar data.
Di dalam WEKA tersedia beberapa
pendekatan algoritma untuk menangani
permasalahan clustering dan pada fitur ini
juga terdapat bagian kesimpulan dari proses
clustering data yang memberikan secara
garis besar perhitungan dan hasil yang
diberikan dalam implementasi algoritma
clustering.
4. Aturan Asosiasi (Association Rules)
Association Rules merupakan metode yang
digunakan untuk menemukan berbagai relasi
antara banyaknya variabel yang terdapat di
dalam sebuah basis data dengan jumlah yang
besar.
5. Visualisasi (Visualization)
WEKA memiliki fitur untuk memberikan
sebuah representasi data hasil sebuah proses
data mining dalam bentuk gambar atau chart
yang juga dapat dilakukan pemilihan
berbagai parameter yang mendukung dalam
membentuk representasi data yang ada
dalam aplikasi WEKA.
6. Data Preprocessing
WEKA menyediakan fitur dalam hal data
preprocessing yaitu stemming dan stopword
removal. Proses stemming dan stopword
removal yang ada di dalam perangkat lunak
WEKA berbasiskan Bahasa Inggris,
sehingga untuk implementasi bahasa diluar
bahasa Inggris diharuskan untuk melakukan
proses preprocessing data di luar aplikasi
WEKA. Beberapa algoritma stemming yang
telah disediakan oleh WEKA adalah Iterated
Lovins Stemmer, Lovins Stemmer dan
Snowball Stemmer.
Berdasarkan uraian diatas sebagai bahan
pembelajaran tentang fungsi data mining sebagai
fungsi descriptive (fungsi untuk memahami lebih
jauh tentang data yang diamati dalam
membentuk pola tertentu) dan fungsi predictive
(fungsi untuk memprediksi variabel lain yang
belum diketahui nilai ataupun jenisnya),
penyusun mencoba melakukan analisis data
mining dengan pola association dan forecast
terhadap data penggunaan obat yang digunakan
di rumah sakit.
METODE PELAKSANAAN
Data yang digunakan dalam tugas analisis data
mining di rumah sakit adalah data penggunaan
obat yang dari RS Sayang Rakyat Makassar.
Data Penggunaan obat Parasetamol 500 mg tiap
bulannya selama 3 tahun yakni tahun 2018 –
2020 dan Data Penggunaan Obat yang
diresepkan untuk pasien yang dinyatakan
terkonfirmasi Covid -19 pada bulan November
2020. Pengolahan data menggunakan aplikasi
WEKA versi 3.8.5 dengan pola association dan
forecast
4
Sebelum proses mining menggunakan aplikasi
WEKA dilakukan, terlebih dahulu dilakukan
tranformasi karena WEKA hanya dapat
membaca file yang memiliki format .csv,
sedangkan data penggunaan obat yang dimiliki
berformat .xlsx. Untuk itu, perlu dilakukan
transformasi data, agar proses mining dapat
berjalan dengan lancar. Mining merupakan
proses mencari sebuah informasi yang
terkandung dalam sebuah kumpulan data yang
berjumlah banyak. Penjabaran proses mining
data iklim dengan aplikasi Weka akan dilakukan
pada tahap ini.
Penyusun mempunyai 2 (dua) data untuk
mengetahui fungsi data mining sebagai fungsi
descriptive dan fungsi predictive. Fungsi
descriptive menggunakan pola association untuk
File yang dinamakan “Data Penggunaan Obat
Covid-19.csv” dan fungsi predictive
menggunakan pola forecast untuk file yang
dinamakan “Data Penggunaan Obat PCT 500
mg.csv”
Tahap awal untuk melalukan analisis yaitu
membuka aplikasi WEKA. Kemudian dipilih
menu explorer selanjutnya dimasukan file data
yang sudah ditransformasikan ke dalam aplikasi
weka. Selanjutnya pada tahap berikutnya akan
muncul jendela menu
explore untuk memulai klasifikasi dengan
memilih menu open file dan selanjutnya
dimasukan file dengan ekstensi csv kemudian
masuk kedalam menu browse komputer lalu
dipilih lokasi keberadaan file .csv, lalu membuka
file tersebut.
1. Untuk melihat asosiasi antara penggunaan
obat yang satu dengan obat yang lainnya
yang digunakan pada pasien terkonfirmasi
positif Covid 19 menggunkanan file yang
dinamakan “Data Penggunaan Obat Covid-
19.csv”
Selanjutnya menghilangkan data yang tidak
diperlukan yakni No. Resep dengan
mencentang kolom “No. Resep” dan
menekan remove.
Langkah selanjutnya memilih jenis pola
yakni Associate. Data akan nampak pada
aplikasi WEKA setelah menekan tombol
“Start”. Data yang nampak merupakan
algoritma Apriori sebagai assosiator. Untuk
menggunakan algoritma lainnya dapat
memilih di kolom “Associator” dan memilih
jenis algoritma yang diinginkan pada kolom
“choose” misalnya FPGrowth
2. Untuk meramalkan pengunaan obat di bulan
berikutnya, file dinamakan “Data
Penggunaan Obat PCT 500 mg.csv”.
Selanjutnya menghilangkan data yang tidak
diperlukan yakni Bulan dengan mencentang
kolom “Bulan” dan menekan remove.
Langkah selanjutnya memilih parameter.
Untuk berapa kali data akan diramalkan.
Untuk meramalkan penggunaan 1 atau 2
bulan ke depan, pada kolom Number of time
units to forecast dipilih berapa kali data yang
diinginkan.
Kita dapat memilih jenis konfigurasi yang
diinginkan, Basic configuration atau
Advanced configuration. Untuk Advanced
configuration, ada beberapa jenis tipe
konfigurasi. Pada perhitungan ini penyusun
menggunakan base learner dan menggunkan
multilayerPerceptron.
Setelah parameter dan jenis konfigurasi
dipilih selanjutnya menekan tombol “Start”
Data akan ditampilkan pada aplikasi WEKA.
Untuk melihat dalam bentuk grafik dapat
memilih “Train future pred”
5
 HASIL

1. Dari hasil perhitungan dengan menggunakan aplikasi WEKA untuk melihat asosiasi antara
penggunaan obat yang satu dengan obat yang lainnya yang digunakan pada pasien terkonfirmasi
positif Covid-19 adalah sebagai berikut :

Gambar 1 (Hasil Assosiasi Data Penggunaan Obat Covid-19 dengan Algoritma Apriori)

Gambar 2 (Hasil Assosiasi Data Penggunaan Obat Covid-19 dengan Algoritma FPGrowth)

6
2. Dari hasil perhitungan dengan menggunakan aplikasi WEKA untuk meramalkan pengunaan obat
di bulan berikutnya berdasarkan data penggunaan obat di bulan-bulan sebelumnya adalah sebagai
berikut :

Gambar 3 (Hasil output Forecast Penggunaan Obat PCT 500 mg Tab dengan Basic Configuration)

Gambar 4 (Grafik Train future pred Forecast Penggunaan Obat PCT 500 mg dengan Basic configuration)

7
 Gambar 5
(Hasil output Forecast Penggunaan Obat PCT 500 mg Tab dengan Advance Configuration -
multilayerPerceptron)

Gambar 6
(Grafik Train future pred Forecast Penggunaan Obat PCT 500 mg Tab. dengan Advance
Configuration - multilayerPerceptron)

8
 1. Berdasarkan proses transformasi data associate, diperoleh bahwa :
a) Hasil Asosiasi Data Penggunaan Obat Covid-19 dengan Algoritma Apriori terdapat 10 pola aturan
dengan urutan pola terbaik, yaitu: Ceftriakson 1 gr, Asam Askorbat 1 gr, Prove D3 dengan Hidonac.
b) Hasil Assosiasi Data Penggunaan Obat Covid-19 dengan Algoritma FPGrowth terdapat 17 pola
aturan dengan urutan pola terbaik, yaitu: Domperidon Tablet, Levofloxasin 500 mg Infus, Codein
10 mg Tab dengan Farsorbid 10 mg Tab
2. Berdasarkan proses transformasi data forecast, maka diperoleh bahwa :
a) Hasil forecast Penggunaan Obat PCT 500 mg Tablet dengan Basic Configuration untuk ramalan
penggunaan Obat PCT 500 mg bulan selanjutnya adalah sebanyak 40.628 tablet
b) Hasil forecast Penggunaan Obat PCT 500 mg Tablet dengan Advance Configuration -
multilayerPerceptron untuk ramalan penggunaan Obat PCT 500 mg bulan selanjutnya adalah
sebanyak 40.625 tablet
c) Hasil forecast Penggunaan Obat PCT 500 mg Tab dengan Basic Configuration maupun dengan
Advance Configuration – multilayerPerceptron, meramalkan data penggunaan obat bulan
selanjutnya yang tidak jauh berbeda

KESIMPULAN REFERENSI

1. Data mining merupakan analisa terhadap data
(biasanya data yang berukuran besar) untuk
menemukan hubungan yang jelas serta
menyimpulkannya yang belum diketahui
sebelumnya dengan cara terkini yang mudah
dipahami dan berguna bagi pemilik data
2. Pengimplementasian teknologi informasi di
rumah sakit menghasilkan informasi yang
menjadi dasar dalam pengambilan keputusan
serta meningkatkan efisiensi kerja dan
pelayanan rumah sakit. Hasil data yang telah
diolah melalui aplikasi WEKA mengunakan
pola Associate untuk Penggunaan Obat Covid 19
dan Forecast untuk Penggunaan Obat PCT 500
mg Tab dapat menjadi masukan untuk Instalasi
Farmasi Rumah Sakit dalam merencanakan dan
mengadakan obat-obat tersebut sehingga
diharapkan tidak terjadi kekosongan obat
maupun obat stagnan karena perencanaan obat
yang tidak tepat. Selain itu, adanya asosiasi
antara obat yang satu dengan obat yang lain pada
pengobatan pasien terkonfirmasi positif covid 19
dapat dianalisa lebih lanjut sebagai panduan
dalam terapi pengobatan sehingga bisa
dimasukkan dalam Clinical Pathway untuk
pasien Covid 19.
1. Data Penggunan Obat PCT 500 mg Tab. Tahun
2018 - Tahun 2020 Rumah Sakit Sayang Rakyat
2. Data Penggunaan Obat Covid 19 Bulan
November 2020 Rumah Sakit Sayang Rakyat
3. Parasian D P silitonga, dkk. 2017 Klusterisasi
Pola Penyebaran Penyakit Pasien Berdasarkan
Usia Pasien dengan Menggunakan K Means
Clustering. Jurnal Times. Volume VI No 2.
4. Aswendy. 2016. Analisis Data Iklim Indonesia
Menggunakan Aplikasi Weka Dengan Metode
Klasifiksi Naive Bayes. Jurnal Ilmiah Teknologi
dan Rekayasa, Volume 21 No. 3. Diakses Pada
Tanggal 3 Juni 2021 Pada :
https://ejournal.gunadarma.ac.id/index.php/tek
no/article/view/1600
5. Sadewa. 2020. Penerapan Algoritma K-Means
Menggunakan Tools WEKA. Diakses Pada
Tanggal 3 Juni 2021 Pada :
https://predatech.org/penerapan-algoritma-k-
means-menggunakan-tools-weka/
6. Watratan A. Felicia, dkk. 2020. Implementasi
Algoritma NaiveBayes Untuk Memprediksi
Tingkat Penyebaran Covid-19 Di Indonesia.
Journal of Applied Computer Science and
Technology (JACOST) Vol. 1 No.

9
 LAMPIRAN DATA

Data Penggunan Obat PCT 500 mg Tablet Tahun 2018 – Tahun 2020

Bulan Jumlah Pengunaan

Jan-18 42320
Feb-18 39210
Mar-18 40465
Apr-18 38961
Mei-18 40565
Jun-18 39896
Jul-18 41939
Agu-18 39865
Sep-18 40450
Okt-18 41790
Nov-18 43547
Des-18 39505
Jan-19 35900
Feb-19 38413
Mar-19 36977
Apr-19 40334
Mei-19 38086
Jun-19 41544
Jul-19 39991
Agu-19 42790
Sep-19 41190
Okt-19 44074
Nov-19 42426
Des-19 45752
Jan-20 43797
Feb-20 47025
Mar-20 45677
Apr-20 38064
Mei-20 37303
Jun-20 36557
Jul-20 35826
Agu-20 35109
Sep-20 34407
Okt-20 36127
Nov-20 37159
Des-20 35896
 Data Penggunaan Obat Covid – 19 Bulan November 2020

Azitromisin Farsorbid Aspilet Ringer

NO Ceftriaxon As. Askorbat Levofloxasin Omeerasol Domperidon Oseltamivir Zink Codein
Hidonac 500 mg Prove D3 Remdesivir 10 mg 80 mg Laktat
RESEP 1 gr 1 gr Injeksi 500 mg infus Injeksi 40 mg Tablet 75 mg Dispersible 10 mg
Tablet Tablet Tablet Infus
1 Y T T Y Y T Y Y Y Y Y Y T Y Y
2 Y Y Y T Y Y Y Y Y Y Y Y Y T Y
3 Y Y Y T Y Y T Y Y Y Y Y Y Y Y
4 T Y Y Y T Y Y Y Y Y Y Y Y Y Y
5 Y Y Y Y Y Y T Y Y Y Y T Y Y Y
6 Y Y Y Y Y Y Y Y T Y Y Y Y Y T
7 Y Y Y Y Y Y Y Y Y T T Y Y Y Y
8 Y T Y Y Y Y Y Y Y Y Y T Y Y Y
9 Y Y Y Y Y Y Y Y Y Y T Y Y Y Y
10 Y Y T Y Y T Y Y Y Y Y Y Y Y Y
11 Y T Y Y Y Y Y Y Y Y Y Y Y Y Y
12 Y Y T T Y Y T Y Y Y Y Y Y Y Y
13 Y Y Y Y Y Y T Y T Y Y Y Y Y Y
14 Y Y Y Y Y Y Y Y T Y Y Y Y Y Y
15 T Y Y Y Y Y Y Y T T Y Y Y Y Y
16 Y Y T Y Y Y Y Y Y Y Y T T Y Y
17 Y Y Y T Y Y Y Y Y Y T Y Y T Y
18 Y Y T T Y T T Y Y Y Y Y Y Y Y
19 T Y Y Y T Y Y Y Y Y T Y Y Y Y
20 Y T T Y Y T T Y Y Y Y T Y Y Y
21 T T Y T T Y Y T T Y Y Y Y Y T
22 T Y Y Y Y Y Y Y Y T T Y Y Y Y
23 Y Y Y Y Y Y Y Y Y T T Y Y Y Y
24 Y T T Y T T T Y Y Y Y T Y Y Y
25 Y T Y Y Y Y Y Y Y Y T Y Y Y Y
26 T Y T Y Y Y Y Y Y Y Y Y Y Y T
27 Y T T Y Y Y Y Y Y Y Y Y Y Y Y
28 Y T Y Y Y T Y Y Y Y Y Y Y Y Y
29 T Y Y Y Y Y T Y Y Y Y Y Y Y Y
30 Y T Y Y Y Y Y Y Y Y Y Y T Y Y
31 T Y Y Y Y Y Y Y Y Y Y Y Y T Y
32 Y Y Y Y Y T T Y Y Y T Y Y Y Y
33 Y Y Y Y Y Y Y Y T Y Y Y Y Y Y
34 Y Y Y Y Y Y Y Y Y T T Y Y Y Y
35 Y Y T Y Y T Y Y Y Y Y T Y Y Y
36 Y T Y Y Y Y Y Y T Y T Y Y Y Y
37 Y T T T T Y Y Y Y Y Y Y Y Y Y
38 Y Y Y Y Y T Y Y Y Y T Y Y Y Y
39 Y Y T Y Y Y T T Y Y Y Y Y Y Y
40 Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y
41 Y Y Y Y Y Y Y Y Y Y Y T Y Y Y
42 Y Y Y Y Y T Y Y Y Y Y Y Y Y T
43 Y Y Y Y Y T Y Y Y Y Y Y Y Y Y
44 Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y
45 Y Y T Y Y Y Y Y Y Y Y Y Y Y Y
46 Y T T Y Y T Y Y Y Y Y Y Y Y Y
47 Y T T Y Y Y Y Y Y Y Y Y Y Y Y
48 Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y
49 Y T T Y T T Y Y Y T Y Y Y Y Y
50 T Y Y Y Y Y Y T Y Y Y T Y Y Y
 Azitromisin Farsorbid Aspilet Ringer
NO Ceftriaxon As. Askorbat Levofloxasin Omeerasol Domperidon Oseltamivir Zink Codein
Hidonac 500 mg Prove D3 Remdesivir 10 mg 80 mg Laktat
RESEP 1 gr 1 gr Injeksi 500 mg infus Injeksi 40 mg Tablet 75 mg Dispersible 10 mg
Tablet Tablet Tablet Infus

51 Y T Y T Y T Y Y Y Y T Y T Y Y
52 Y Y T Y Y T Y Y Y Y Y Y Y T Y
53 Y Y Y Y Y Y T Y Y Y T Y Y Y T
54 Y Y T Y Y Y Y Y T Y Y Y Y Y Y
55 Y T Y Y Y Y Y T Y Y Y Y Y Y Y
56 T Y Y Y Y Y Y Y Y Y Y T Y Y Y
57 Y Y Y Y Y T Y Y Y T Y Y Y Y Y
58 Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y
59 T T Y Y Y T Y Y Y Y Y Y Y Y Y
60 T Y Y Y Y Y T Y Y Y Y Y Y Y Y
61 Y Y Y Y Y Y T Y T Y Y Y Y Y Y
62 Y Y Y Y Y Y Y T Y T Y Y Y Y Y
63 Y Y Y T Y Y Y Y Y T Y T Y Y Y
64 Y Y Y Y T Y Y Y Y Y T T Y Y Y
65 Y Y T Y T Y Y Y Y Y T Y Y Y Y
66 Y Y T T Y Y Y Y Y Y T Y Y Y Y
67 Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y
68 T T Y Y Y Y Y Y Y Y Y Y Y Y Y
69 Y Y Y Y Y Y Y T Y Y T Y Y Y Y
70 Y T Y Y Y T Y Y Y Y Y Y Y Y Y
71 T Y T Y Y Y T Y Y Y Y Y Y Y Y
72 Y Y Y Y Y T Y Y Y Y Y Y Y Y Y
73 Y T Y Y Y Y Y Y Y Y Y Y Y Y Y
74 T Y Y Y Y Y Y Y T Y Y Y Y Y Y
75 Y Y T T Y Y Y Y Y Y Y Y Y Y Y
76 Y T Y Y T T Y Y Y Y Y Y Y Y Y
77 T T Y Y Y T T T Y Y Y Y Y Y Y
78 Y Y Y Y Y Y T Y T Y Y Y Y Y Y
79 Y T Y Y Y Y Y Y T T T Y Y Y Y
80 T Y T Y Y Y Y Y Y T Y T Y Y Y
81 Y T Y Y Y Y T Y Y Y T T Y Y Y
82 Y Y Y Y Y T T Y T Y T Y Y Y Y
83 Y T Y Y Y Y Y Y Y T Y Y T Y Y
84 Y Y Y Y T Y Y Y Y Y T T Y T Y
85 Y Y T Y Y Y Y Y Y Y Y Y T Y Y
86 Y T Y Y Y Y Y Y Y Y Y Y Y T Y
87 Y Y Y Y Y T Y Y Y Y Y Y Y Y T
88 Y Y Y Y Y Y Y Y Y T Y Y Y Y Y
89 Y Y Y Y Y Y Y Y Y Y Y T Y Y Y
90 Y Y Y Y Y Y Y Y Y Y T Y Y Y Y
91 Y Y T Y Y Y Y Y T Y Y Y Y Y Y
92 Y Y T Y Y T Y Y Y Y Y Y Y Y Y
93 Y Y Y Y Y T Y Y Y Y Y Y Y Y Y
94 Y Y Y Y Y Y T T Y Y Y Y Y Y Y
95 T T Y Y T Y Y Y Y T Y Y Y Y Y
96 Y Y T Y Y Y Y Y Y Y Y T Y Y Y
97 Y Y Y Y Y T T Y Y Y T Y Y Y T
98 Y Y T Y Y T Y Y Y Y T Y Y Y Y
99 Y T Y Y Y Y Y Y Y Y T Y Y Y Y
100 T Y T Y Y Y Y Y Y Y Y Y Y Y T
 Azitromisin Farsorbid Aspilet Ringer
NO Ceftriaxon As. Askorbat Levofloxasin Omeerasol Domperidon Oseltamivir Zink Codein
Hidonac 500 mg Prove D3 Remdesivir 10 mg 80 mg Laktat
RESEP 1 gr 1 gr Injeksi 500 mg infus Injeksi 40 mg Tablet 75 mg Dispersible 10 mg
Tablet Tablet Tablet Infus

101 T Y Y Y Y Y Y T T Y Y Y Y T Y
102 Y T Y Y Y Y T Y Y Y Y Y T T Y
103 T T Y T T T T Y Y Y T T T Y Y
104 Y Y T Y Y Y Y Y Y T Y Y Y Y T
105 T Y Y T T Y T Y Y Y T T Y T Y
106 T Y Y Y Y T Y T Y T Y Y Y Y Y
107 Y Y Y Y Y T T Y Y Y Y Y Y Y T
108 Y Y Y Y Y Y Y T Y Y Y Y Y Y T
109 T Y T T Y Y T T Y T T Y Y Y T
110 Y T Y Y Y Y Y Y T Y Y Y T Y T
111 Y Y T T Y Y T Y Y Y Y Y Y T Y
112 Y T Y Y T Y T T T Y Y T Y Y Y
113 Y Y Y Y Y Y Y Y Y Y Y Y T T Y
114 T Y Y Y Y Y Y T Y T T T Y Y T
115 Y T T Y Y Y Y Y T Y Y Y Y Y Y
116 T Y Y Y T T Y Y Y Y Y Y Y Y Y
117 Y Y Y T Y Y Y T Y Y T T T T Y
118 Y Y Y Y T T Y Y Y T Y Y Y Y Y
119 T T Y T Y Y T Y T T Y Y Y Y Y
120 Y Y Y Y Y Y Y T T Y Y Y Y Y Y
121 Y Y Y Y Y Y Y Y Y Y T T Y Y Y
122 Y Y Y T T T Y T Y T Y Y T Y T
123 Y Y Y Y Y Y Y Y Y Y Y T Y T T
124 Y Y Y Y Y Y Y Y Y Y T Y Y T Y
125 Y T Y Y Y Y Y Y Y T T Y T Y T
126 T Y T T T T Y Y T Y Y Y Y Y Y
127 T Y Y Y Y Y Y T T Y Y Y T Y Y
128 Y Y Y T Y Y Y T Y Y Y T Y Y Y
129 Y Y T Y Y Y T Y Y T T T Y Y T
130 T Y T Y T T T Y T Y Y Y Y T T
131 Y Y Y Y Y T Y Y Y Y T Y Y T Y
132 Y Y Y Y Y Y Y Y Y T Y Y T Y Y
133 Y T T Y Y Y T Y Y T Y T T Y T
134 Y Y Y Y Y T Y Y Y Y Y Y Y Y Y
135 Y Y T T T T Y T T T T Y Y Y Y
136 T T Y Y Y Y Y Y Y Y Y Y Y T T
137 Y Y Y T Y Y Y Y Y Y Y Y T Y Y
138 Y Y T Y Y T Y Y Y Y Y T T Y Y
139 Y Y T Y T Y Y Y T T Y T Y Y Y
140 Y T Y Y Y Y Y T Y Y T Y Y T T
141 T Y Y Y Y Y T T Y Y T Y T Y Y
142 T Y T Y Y Y T Y Y Y Y Y Y Y T
143 Y T Y Y Y T Y Y T T Y Y Y T Y
144 T Y Y Y T T Y T Y Y T Y Y T Y
145 Y T Y T T Y Y Y Y T Y Y Y T T
146 T Y Y T Y Y Y Y T Y Y T Y T Y
147 Y Y Y Y T T Y Y T Y T Y T Y Y
148 Y Y Y T Y Y Y Y Y Y Y Y T Y T
149 Y T T Y Y Y Y T Y Y Y Y Y Y Y
150 Y Y T Y Y Y T T T Y Y T Y Y Y
 Azitromisin Farsorbid Aspilet Ringer
NO Ceftriaxon As. Askorbat Levofloxasin Omeerasol Domperidon Oseltamivir Zink Codein
Hidonac 500 mg Prove D3 Remdesivir 10 mg 80 mg Laktat
RESEP 1 gr 1 gr Injeksi 500 mg infus Injeksi 40 mg Tablet 75 mg Dispersible 10 mg
Tablet Tablet Tablet Infus

151 Y Y Y Y Y Y T Y T T Y Y Y Y Y
152 Y Y Y Y T T T Y T Y Y Y Y Y T
153 Y T T Y Y Y Y Y Y Y T T Y T Y
154 T Y Y Y Y T Y Y Y T Y Y T T Y
155 Y T T Y T Y T Y Y Y Y T Y Y Y
156 T Y Y T T Y Y Y Y Y T Y Y Y Y
157 Y Y Y Y Y Y Y Y Y Y T Y Y Y T
158 Y Y Y Y Y Y Y T Y Y T T Y T Y
159 T T T Y T Y Y T T Y T Y T T Y
160 Y Y Y Y Y Y T Y Y T Y Y T Y Y
161 Y Y Y Y Y Y T Y T Y Y Y Y Y T
162 Y Y Y Y Y Y Y Y Y Y T Y Y T Y
163 Y Y T T Y Y Y Y Y T Y Y Y Y Y
164 T T T Y Y Y T T Y T Y T Y Y T
165 Y Y Y Y Y T Y Y Y Y Y Y Y Y T
166 Y T Y Y T T Y Y Y T Y Y Y Y T
167 T Y Y Y T Y Y Y T Y Y Y T Y T
168 T Y T T Y Y T T T Y Y T Y T Y
169 Y Y Y T Y T Y Y Y Y T T Y Y Y
170 Y Y Y Y Y Y Y T Y Y T Y Y Y T
171 T Y Y Y Y Y T Y Y T Y Y T T T
172 Y Y Y T Y Y T Y T T Y T Y Y Y
173 Y Y T Y Y Y Y Y Y Y Y Y Y T Y
174 Y T T Y Y Y T Y Y Y Y Y T Y Y
175 Y T T Y Y Y T Y Y Y T Y Y Y Y
176 T Y Y Y Y T Y T Y Y T T Y Y T
177 Y T T T T T Y Y T Y T Y Y Y Y
178 T Y Y Y Y Y Y Y Y T Y Y Y Y Y
179 Y Y Y Y T T Y Y T T Y Y T Y Y
180 Y Y Y Y Y Y Y T Y Y Y Y Y Y Y
181 Y T Y Y T T T T Y Y Y Y Y T Y
182 Y Y Y Y Y Y T Y Y Y T T Y Y T
183 Y Y Y Y Y Y Y Y T T Y Y Y Y Y
184 Y Y Y T Y Y Y T Y Y Y Y Y Y T
185 Y Y T Y T T Y Y Y T Y Y Y T Y
186 T T T Y Y Y Y Y T Y Y T T T Y
187 Y Y Y Y Y Y Y Y T Y Y Y T Y Y
188 T Y Y Y Y Y Y Y T T Y T Y Y T
189 Y Y Y Y Y Y T Y T Y T Y Y T Y
190 Y Y Y Y Y Y Y T Y Y T Y Y Y Y
191 T Y T T Y T T Y T T Y Y Y Y T
192 T T Y Y T Y Y Y Y Y Y T Y Y T
193 Y Y T T Y T T Y Y Y T Y Y Y T
194 Y T Y Y T Y Y T Y Y Y Y T Y T
195 T Y Y Y Y Y Y Y T Y Y T Y T Y
196 Y Y Y Y Y Y Y Y T Y Y T Y Y T
197 Y T T T T T T Y Y Y Y T T Y Y
198 Y Y Y Y Y Y Y Y Y T Y T Y Y Y
199 Y Y Y Y Y Y Y Y Y Y T Y Y T Y
200 Y Y Y Y Y Y Y T Y T Y Y Y Y Y