Simki-Techsain Vol. 01 No.

03 Tahun 2017 ISSN : XXXX-XXXX

ARTIKEL

PREDIKSI PERSEDIAAN OBAT DENGAN METODE ITERATIVE

DICHOTOM ISER THREE (ID3)
(STUDI KASUS : APOTEK BERKAH MULYA)

Oleh:
Choirul Aziz Zaini
13.1.03.02.0025

Dibimbing oleh :
1. Fatkur Rhohman, M.Pd.
2. Danar Putra Pamungkas, M.Kom.

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK
UNIVERSITAS NUSANTARA PGRI KEDIRI
2017
Simki-Techsain Vol. 01 No. 03 Tahun 2017 ISSN : XXXX-XXXX
 Simki-Techsain Vol. 01 No. 03 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri

PREDIKSI PERSEDIAAN OBAT DENGAN METODE ITERATIVE

DICHOTOMISER THREE (ID3)
(STUDI KASUS : APOTEK BERKAH MULYA)
Choirul Aziz Zaini
13.1.03.02.0025
FT – Teknik Informatika
choirulazizzaini@gmail.com
Fatkur Rhohman, M.Pd.1 dan Danar Putra Pamungkas, M.Kom.2
UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK

Apotek Berkah Mulya merupakan salah satu apotek yang masih tergolong baru, jadi masih
banyak kekurangan dalam berbagai sektor. Salah satunya adalah sistem persediaan obat. Jika
persediaan obat tidak mencukupi apotek akan menanggung rugi karena kehilangan kesempatan untuk
menjual dan hilangnya kepercayaan pelanggan, sedangkan apabila terjadi kelebihan persediaan obat
juga akan rugi karena obat-obatan akan rusak jika disimpan dalam waktu yang lama.
Permasalahan penelitian ini adalah (1) Bagaimana merancang Sistem Prediksi Persediaan Obat
pada Apotek Berkah Mulya ? (2) Bagaimana penerapan metode Iterative Dichotomiser Three (ID3)
pada Sistem Prediksi Persediaan Obat ?.
Klasifikasi ID3 merupakan sebuah metode yang digunakan untuk membangkitkan pohon
keputusan. Pohon keputusan (Decision Tree) adalah pohon yang ada dalam analisis pemecahan
masalah. Pohon keputusan juga dapat dikatakan sebagai salah satu metode klasifikasi yang paling
populer karena mudah untuk diinterpretasikan. Konsep dasar dari Decision tree adalah mengubah data
menjadi pohon keputusan dan aturan-aturan keputusan (rule). Decision tree biasa digunakan untuk
mendapatkan informasi untuk tujuan pengambilan sebuah keputusan. Decision tree merupakan salah
satu teknik yang dapat digunakan untuk melakukan klasifikasi terhadap sekumpulan objek atau
record. Data yang digunakan pada penelitian ini adalah data penjualan pembelian obat apotek Berkah
Mulya, yang selanjutnya akan diolah dan dijdikan dataset untuk melakukan proses klasifikasi.
Hasil penelitian ini adalah (1) Dapat dihasilkan sebuah dataset, yang dapat diproses dan
dijadikan rule untuk menjadi acuan melakukan testing untuk memprediksi persediaan obat Apotek
Berkah Mulya. (2) Dapat dihasilkannya sebuah keputusan yang diproses dengan menggunakan rule
yang telah ditemukan.
Berdasarkan simpulan hasil penelitian ini, disarankan: (1) Pengembangan lebih lanjut dapat
menyempurnakan perhitungan algoritma agar menampilkan hasil klasifikasi dengan atribut yang lebih
banyak. (2) Perlu pengembangan lebih lanjut terhadap antarmuka sistem, sehingga sistem dapat lebih
mudah digunakan.

Kata Kunci : apotek, obat, persediaan, ID3, klasifikasi

Choirul Aziz Zaini | 13.1.03.02.0025 simki.unpkediri.ac.id

FT– Teknik Informatika || 2||
 Simki-Techsain Vol. 01 No. 03 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri

I. LATAR BELAKANG
Apotek Berkah Mulya merupakan banyak jenis obat yang dijual. Sehubungan
salah satu apotek yang terletak di Jalan dengan hal tersebut maka diperlukan suatu
Raya Kepuhrejo Kecamatan Ngantru sistem prediksi persediaan obat yang
Kabupaten Tulungagung. Apotek Berkah dijalankan dengan bantuan komputer, dan
Mulya didirikan pada tanggal 30 Mei sistem baru ini diharapkan dapat
2016, Apotek ini merupakan salah satu memberikan informasi secara mudah,
apotek yang masih tergolong baru, jadi cepat dan akurat sehingga kegiatan apotek
masih banyak kekurangan dalam berbagai dapat berjalan lancar, serta membantu
sektor. Salah satunya adalah sistem pemilik apotek dalam membantu
persediaan obat. kebijaksanaan yang akan dilakukan.
Berdasarkan uraian di atas, kurang Seperti penelitian yang dilakukan
baiknya dalam sistem stok, persediaan dan pada Dinas Kesehatan Kota Surabaya
pembelian akan dapat mempengaruhi hasil mengenai perencanaan persediaan obat
penjualan apotek. Jika persediaan tidak dengan metode Winter. Dari hasil
mencukupi apotek akan menanggung rugi penelitian tersebut aplikasi dapat
karena kehilangan kesempatan untuk melakukan peramalan permintaan obat
menjual dan hilangnya kepercayaan untuk periode selanjutnya dan memberikan
pelanggan, sedangkan terjadi kelebihan hasil perencanaan yang optimal, yang
persediaan obat juga akan rugi karena mengeluarkan nilai rata-rata sampel
obat-obatan akan rusak jika disimpan (mean) dari nilai (MAPE) seluruh sampel
dalam waktu yang lama (ada masa obat, maka dapat di ketahui nilai rata-rata
kadaluarsa yang pendek untuk merek obat sampel sebesar 26%[1].
tertentu) disamping biaya simpan yang Dalam penelitian lainnya, teknik
tinggi. data mining dengan algoritma apriori
Pemilik apotek sering merasa dapat diimplementasikan pada sistem
kesulitan dalam menentukan stok persediaan dengan data yang digunakan
minimum suatu obat yang harus dipenuhi, adalah, data penjualan (data obat keluar).
kapan obat harus dipesan dan berapa Hasil dari penelitian menggunakan metode
jumlah pesanan optimalnya, agar biaya apriori dan pengujian menggunakan
persediaan dapat ditekan pada tingkat yang aplikasi adalah salah satunya, pola
minimal tanpa mengganggu kegiatan kombinasi yang paling tinggi supportnya
usahanya. Hal ini dikarenakan begitu adalah pola kombinasi Ketorolac 3% Inj
Choirul Aziz Zaini | 13.1.03.02.0025 simki.unpkediri.ac.id
FT– Teknik Informatika || 3||
 Simki-Techsain Vol. 01 No. 03 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri

30mg/ml, Ringer Lactate Larutan, yang masuk kesistem informasi dihitung

sedangkan pola kombinasi yang paling dengan rumus algoritma Iterative
banyak itemnya adalah kombinasi itemsets Dichotomiser Three (ID3) yang hasilnya
Ceftriaxone Inj 1.0g, Ketorolac 3% Inj 30 nanti terperinci, dapat menghasilkan nilai
mg/ml, Metronidazole Inj 5mg/ml – 100ml secara valid dan lebih akurat [5].
Ringer Lactate Larutan dan Pitogen Inj 10
IU/ ml /sintosin [2]. II. METODE
Penelitian lainnya terhadap, sistem Algoritma ID3 atau Iterative
informasi pada apotek Rumah Sakit Ibu Dichotomiser Three (ID3) merupakan
dan Anak Graha Mandiri Palembang. Dari salah satu pehitungan dari Data Mining.
penelitian itu dapat membantu pihak Data mining adalah suatu istilah yang
Graha Mandiri dalam menentukan stok digunakan untuk menguraikan penemuan
minimum suatu obat yang harus dipenuhi, pengetahuan di dalam basis data. Data
kapan obat harus dipesan dan berapa mining adalah proses yang menggunakan
jumlah pesanan optimalnya agar biaya teknik statistik, matematika, kecerdasan
persediaan dapat ditekan pada tingkat yang buatan, machine learning untuk
minimal tanpa mengganggu kegiatan mengekstraksi dan mengidentifikasi
usahanya [6]. informasi yang bermanfaat dan
Berdasarkan beberapa penelitian di pengetahuan yang terkait dari berbagai
atas, peneliti akan membuat solusi dari basis data besar [4].
permasalahan yang dialami apotek Berkah Algoritma ID3 atau Iterative
Mulya supaya lebih mempermudah Dichotomiser Three (ID3) merupakan
pemilik apotek dalam melakukan sebuah metode yang digunakan untuk
pendataan persediaan barang, maka membangkitkan pohon keputusan[3].
peneliti mengajukan pembuatan aplikasi, Pemillihan atribut pada ID3
yaitu membuat suatu sistem prediksi stok dilakukan dengan properti statistik, yang
obat berbasis Database, yang menerapkan disebut dengan information gain. Gain
metode Iterative Dichotomiser Three mengukur seberapa baik suatu atribut
(ID3). Dengan menggunakan metode memisahkan training example ke dalam
Algoritma Iterative Dichotomiser Three kelas target. Atribut dengan informasi
(ID3) untuk prediksi data obat, dapat tertinggi akan dipilih. Dengan tujuan untuk
dihitung dari hasil atribut yang bernilai mendefinisikan gain, pertama-tama
kontinu atau diskrit, dimana nantinya data digunakanlah ide dari teori informasi yang

Choirul Aziz Zaini | 13.1.03.02.0025 simki.unpkediri.ac.id

FT– Teknik Informatika || 4||
 Simki-Techsain Vol. 01 No. 03 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri

disebut gini index. Berikut rumus dengan Lanjutan Tabel 1 : Dataset

Pseudoph B.
9 Hufagrif Pilek Sirup 60 ml 13 2 Perlu

menggunakan gini index: 10 Hufagrif

edrine

Ibuprofen
T.
Terbatas

B.
Sirup 60 ml 13 3 Perlu
Panas Terbatas

Dextrome B.
11 Hufagrif Batuk Sirup 60 ml 7 6 Tidak
thorpan Terbatas

2 2
𝑛(𝐴) 𝑛(𝐵 )
Bromhe B.
12 Bisolvon Pilek Sirup 60 ml 8 7 Tidak
xine Hcl Terbatas

𝐺𝑖𝑛𝑖 (𝑆) = 1 − { [ ] +[ ] } 13 Bisolvon

Bromhe
Batuk
B.
Sirup 60 ml 12 3 Perlu

𝑛(𝑠) 𝑛(𝑠)
xine Hcl Terbatas

Ketocona Ketocona P. B.
14 Kapsul 200 mg 7 6 Tidak
zole zole Kulit Terbatas

Ketocona Ketocona P. B.
15 Salep 15 gram 11 4 Perlu
zole zole Kulit Terbatas

Setelah didapat nilai dari gain maka Dataset yang dihasilkan

langkah selanjutnya menghitung nilai gini selanjutnya diolah dan diberikan batasan
masing-masing value dan hasilnya pada atribut “Stok Awal” dan “Sisa Stok”
digunakan untuk mencari nilai gain. diberikan Range untuk setiap value, jika <
Rumus Gain melalui gini: 5 = “Sedikit”, Jika 5 - 10 = “Sedang”, Jika
> 10 = “banyak”. Sementara value
𝐺𝑎𝑖𝑛 (𝑆, 𝐴) = 𝐺𝑖𝑛𝑖 (𝑆) ∑ 𝑆𝑉 𝑆 𝐺𝑖𝑛𝑖 (𝑆𝑉 )
“Sedang” pada atribut “Sisa Stok” diberi
𝑉=𝑉𝑎𝑙𝑢𝑒𝑠 (𝐴)

batasan, jika “Kapsul” sedang maka

S = ruang (data) sample yang digunakan “Perlu”, jika “Sirup” sedang maka
untuk training. “Tidak”, jika “Salep” sedang maka
A= value atribut pertama “Tidak”, yang kemudian dihasilkan dataset
B= value kedua atribut pertama pada tabel 2 sebagai berikut :
V = nilai yang mungkin untuk atribut A Tabel 2 : Dataset Setelah Dioalah
Nilai(A) = himpunan yang mungkin untuk No
Nama
Dagang
Jenis
Generic
Indikasi
Jenis
Obat
Sediaan Ukuran
Stok
Awal
Sisa
Stok
Goal

Paraceta S.
1 Sanmol Bebas Sirup 60 ml Sedang Sedang Tidak
atribut A mol Kepala

Paraceta S.
2 Sanmol Bebas Kapsul 500 mg Sedang Sedang Perlu
mol Kepala

|Sv| = jumlah sample untuk nilai V 3 Bodrexin Asetol Demam Bebas Sirup 60 ml Banyak Sedikit Perlu

|S| = jumlah seluruh sample data. 4 Bodrexin Asetol

S.
Kepala
Bebas Kapsul 80 mg Sedang Sedang Perlu

Paraceta S.
5 Panadol Bebas Sirup 60 ml Banyak Sedikit Perlu
Berikut adalah simulasi mol Kepala

Paraceta S.
6 Panadol Bebas Kapsul 500 mg Banyak Sedikit Perlu
mol Kepala

perhitungan dari algoritma ID3 dengan 7 Panadol

Paraceta
mol
Demam Bebas Kapsul 500 mg Sedang Sedang Perlu

menggunakan 15 data Penjualan Obat : 8 Hufagrif

Pseudophe
drine
S.
Kepala
B.
Terbatas
Sirup 60 ml Banyak Banyak Tidak

Pseudophe B.
9 Hufagrif Pilek Sirup 60 ml Banyak Sedikit Perlu
Tabel 1 : Dataset drine Terbatas

B.
10 Hufagrif Ibuprofen T. Panas Sirup 60 ml Banyak Sedikit Perlu
Terbatas
Stok Sisa
N Nama Jenis Indikas Jenis Sediaa Ukura
Awa Sto Goal
o Dagang Generic i Obat n n Dextro B.
l k 11 Hufagrif Batuk Sirup 60 ml Sedang Sedang Tidak
methorpan Terbatas
Paraceta S. Tida
1 Sanmol Bebas Sirup 60 ml 6 5
mol Kepala k
Bromhe B.
12 Bisolvon Pilek Sirup 60 ml Sedang Sedang Tidak
xine Hcl Terbatas
Paraceta S.
2 Sanmol Bebas Kapsul 500 mg 7 6 Perlu
mol Kepala
Bromhe B.
13 Bisolvon Batuk Sirup 60 ml Banyak Sedikit Perlu
Bodrexi xine Hcl Terbatas
3 Asetol Demam Bebas Sirup 60 ml 11 4 Perlu
n
Ketocona Ketocona B.
Bodrexi S. 14 P. Kulit Kapsul 200 mg Sedang Sedang Tidak
4 Asetol Bebas Kapsul 80 mg 6 5 Perlu zole zole Terbatas
n Kepala

Paraceta S. Ketocona Ketocona B.

5 Panadol Bebas Sirup 60 ml 11 3 Perlu 15 P. Kulit Salep 15 gram Banyak Sedikit Perlu
mol Kepala zole zole Terbatas

6 Panadol
Paraceta
mol
S.
Kepala
Bebas Kapsul 500 mg 11 2 Perlu
Berikut adalah perhitungan
Paraceta
7 Panadol Demam Bebas Kapsul 500 mg 8 6 Perlu
mol

8 Hufagrif
Pseudoph
e
S.
B.
Terbata Sirup 60 ml 12 11
Tida algoritma ID3 dengan menggunakan
Kepala k
drine s

Choirul Aziz Zaini | 13.1.03.02.0025 simki.unpkediri.ac.id

FT– Teknik Informatika || 5||
 Simki-Techsain Vol. 01 No. 03 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri

dataset yang sudah disesuaikan pada tabel 1 2 1 2

𝐺𝑖𝑛𝑖 (𝐾𝑒𝑡𝑜𝑐𝑜𝑛𝑎𝑧𝑜𝑙𝑒) = 1 − [( ) + ( ) ] = 0.5
2 2
2, akan dapat dihitung untuk mencari root.
Setelah Gini dari masing-masing value
Adapun tahapan yang dilakukan adalah :
didapat, hasil dari perhitungan Gini (value)
Pertama hitung gini pusat dari semua
di atas digunakan untuk menemukan hasil
data terlebih dahulu.
perhitungan dari Gain, pada tahap ini
Diketahui goal : Jumlah Perlu = 10 dimasukkan perhitungan dari gain nama
Jumlah Tidak = 5 dagang, lalu masukkan masing-masing
Total goal = 15 nilainya, berikut perhitungannya :

Pada tahap ini digunakan rumus gini Gain (S, Nama Dagang) =
(s), masukkan masing-masing nilai berikut
2 2 3
perhitungannya : 0.444444444 - 15 x 0,5 - 15 x 0,25 - 15 x 0

10 2 5 2
𝐺𝑖𝑛𝑖 (𝑆) = 1 − [( ) + ( ) ] = 0.444444444 -
4
x 0,5 -
2
x 0,5 -
2
x 0,5= 0.14444444
15 15
15 15 15

Setelah Gini (S) ditemukan maka Lalu lanjutkan sampai semua atribut
langkah selanjutnya adalah menghitung memiliki nilai gain masing-masing.
Gini (value). Pada tahap ini gunakan nilai hasilnya akan dapat kita lihat pada Tabel 3
dari masing-masing atribut, berikut contoh sebagai berikut :
perhitungan atribut Nama Dagang : Tabel 3 : Iterasi 1
Jumla
N Atribu Perl Tida
o t Value h u k Gini Gain
Kasus

1 2 1 2
Nama
1 Dagan Sanmol 2 1 1 0.5
𝐺𝑖𝑛𝑖 (𝑆𝑎𝑛𝑚𝑜𝑙) = 1 − [( ) + ( ) ] = 0.5 g
2 2 2
Nama
Dagan Bodrexin 2 2 0 0
g
Nama
3 Dagan Panadol 3 3 0 0
g
2 2
2 1 4
Nama
Dagan Hufagrif 4 2 2 0.5
𝐺𝑖𝑛𝑖 (𝐵𝑜𝑑𝑟𝑒𝑥𝑖𝑛 ) = 1 − [( ) + ( ) ] = 0,25 g
2 2 5
Nama
Dagan Bisolvon 2 1 1 0.5
g
Nama
0.1111111
6 Dagan Ketoconazole 2 1 1 0.5 1
g
2 2
3 0 Jenis
𝐺𝑖𝑛𝑖 (𝑃𝑎𝑛𝑎𝑑𝑜𝑙 ) = 1 − [( ) + ( ) ] = 0 7 Generi
c
Paracetamol 5 4 1 0.32

3 3 Jenis
8 Generi Asetol 2 2 0 0
c
Jenis
9 Generi Pseudophedrine 2 1 1 0.5

2 2 2 2
c
Jenis
𝐺𝑖𝑛𝑖 (𝐻𝑢𝑓𝑎𝑔𝑟𝑖𝑓 ) = 1 − [( ) + ( ) ] = 0.5 10 Generi Ibuprofen 1 1 0 0
4 4 c
Jenis
Dextromethorpa
11 Generi 1 0 1 0
n
c
Jenis
12 Generi Bromhexine Hcl 2 1 1 0.5
1 2 1 2 c

𝐺𝑖𝑛𝑖 (𝐵𝑖𝑠𝑜𝑙𝑣𝑜𝑛 ) = 1 − [( ) + ( ) ] = 0.5 13

Jenis
Generi Ketoconazole 2 1 1 0.5
0.1377777
2 2 c
8

Choirul Aziz Zaini | 13.1.03.02.0025 simki.unpkediri.ac.id

FT– Teknik Informatika || 6||
 Simki-Techsain Vol. 01 No. 03 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri

Lanjutan Tabel 3 : Iterasi 1 Setelah itu data dianalis lebih

Jumla
N
o
Atribu
t
Value h
Kasus
Perl
u
Tida
k
Gini Gain lanjut, karena rule Sisa Stok "Sedang"
Indikas 0.444444
14
i
Sakit Kepala 6 2 4
4 belum ditemukan maka dilanjutkan Pada
Indikas
15 Demam 2 2 0 0
i

16 Indikas Pilek 2 1 1 0.5

Iterasi kedua. hasilnya akan dapat kita
i

17
Indikas
i
Turun Panas 1 1 0 0 lihat pada Tabel 4 sebagai berikut :
Indikas
18
i
Batuk 2 1 1 0.5
Tabel 4 : Iterasi 2
Indikas 0.0666666 Jumla
19 Penyakit Kulit 2 1 1 0.5 N Atribu Perl Tida
i 7 o t Value h u k Gini Gain
Kasus
Jenis Nama
20 Bebas 7 6 1 0.244898
Obat 1 Dagan Sanmol 2 1 1 0.5
Jenis Bebas 0.0634920 g
21 8 4 4 0.5 Nama
Obat Terbatas 6
2 Dagan Bodrexin 1 1 0 0
22 Sediaa Sirup 9 5 4 0.493827 g
n 2 Nama
3 Dagan Panadol 1 1 0 0
Sediaa g
23 Kapsul 5 4 1 0.32
n
Nama
Sediaa 0.0414814 4 Dagan Hufagrif 1 0 1 0
24 Salep 1 1 0 0 g
n 8
Nama
25 Ukuran 60 ml 9 5 4 0.493827 5 Dagan Bisolvon 1 0 1 0
2 g
Nama
26 Ukuran 80 mg 1 1 0 0 0.3469387
6 Dagan Ketoconazole 1 0 1 0 8
g
Jenis 0.444444
27 Ukuran 200 mg 1 0 1 0 7 Generi Paracetamol 3 2 1
4
c
28 Ukuran 500 mg 3 3 0 0 Jenis
8 Generi Asetol 1 1 0 0
0.1481481 c
29 Ukuran 15 Gram 1 1 0 0 Jenis
5 Dextromethorpa
9 Generi n 1 0 1 0
Stok 0.489795 c
30 Sedang 7 3 4
Awal 9 Jenis Bromhexine
10 Generi 1 0 1 0
Stok 0.0992063 Hcl
31 Banyak 8 7 1 0.21875 c
Awal 5
Jenis
0.2993197
Sisa 11 Generi Ketoconazole 1 0 1 0
32 Sedikit 7 7 0 0 3
Stok c
Indikas 0.444444
Sisa 0.489795 12 Sakit Kepala 3 1 2
33 Sedang 7 3 4 i 4
Stok 9
Indikas
34 Sisa Banyak 1 0 1 0 0.2158730 13 Demam 1 1 0 0
Stok 2 i

14 Indikas Pilek 1 0 1 0
i
Indikas
Setelah gain dari seluruh atribut 15
i
Batuk 1 0 1 0

Indikas 0.2993197
16 Penyakit Kulit 1 0 1 0
telah ditemukan, maka dicari nilai “max” i
Jenis
3

17 Bebas 4 3 1 0.375
Obat

gainnya atau gain terbesar, nilai gain 18

Jenis
Obat
Bebas Terbatas 3 0 3 0
0.2755102
0

“max” = gain “Sisa Stok” (cell merah),

Sediaa
19 Sirup 3 0 3 0
n

20 Sediaa Kapsul 4 3 1 0.375 0.2755102

yang nantinya akan menjadi “root node” n 0

21 Ukuran 60 ml 3 0 3 0

(akar). Pada Gambar 1 berikut merupakan 22 Ukuran 80 mg 1 1 0 0

gambar pohon keputusan dari Iterasi 23 Ukuran 200 mg 1 0 1 0

0.4897959
24 Ukuran 500 mg 2 2 0 0
2
pertama : Stok 0.489795
25 Sedang 7 3 4 0
Awal 9

Setelah gain dari seluruh atribut

telah ditemukan (cell kuning), maka dicari
nilai “max” gainnya atau gain terbesar,
nilai gain max = gain “Ukuran” (cell
merah), yang akan menjadi “root” kedua.
Gambar 1 : Pohon Keputusan Iterasi 1
Berikut adalah gambar pohon keputusan

Choirul Aziz Zaini | 13.1.03.02.0025 simki.unpkediri.ac.id

FT– Teknik Informatika || 7||
 Simki-Techsain Vol. 01 No. 03 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri

dari Iterasi kedua yang ditunjukkan oleh Dari pengujian yang sudah
Gambar 2 :
dilakukan, dapat diketahui bahwa

sistem prediksi persediaan obat

dengan menggunakan algoritma ID3

sudah sesuai dengan yang

diharapkan, mampu mengklasifikasi

obat yang perlu di stok dan tidak

Gambar 2 : Pohon Keputusan Iterasi 2
perlu di stok oleh pemilik apotek

III. HASIL DAN KESIMPULAN Berkah Mulya.

A. Hasil B. Kesimpulan
Berikut adalah rule yang
1. Dari data laporan penjualan dan
didapat dari hasil pengujian dari 15
pembelian obat Apotek Berkah
dataset yang dilakukan. Mulya dapat dihasilkan sebuah
dataset, yang dapat diproses dan
Rule 1 : IF “Sisa Stok” = “Sedikit” dijadikan rule untuk menjadi
THEN “Perlu”
acuan melakukan testing untuk
Rule 2 : IF “Sisa Stok” = “Banyak” memprediksi persediaan obat
THEN ”Tidak” Apotek Berkah Mulya.
Rule 3 : IF “Sisa Stok” = “Sedang” 2. Penerapan metode Iterative
AND “Ukuran” = “60 ml”
Dichotomiser Three dalam
THEN “Tidak”
perancangan Sistem Prediksi
Rule 4 : IF “Sisa Stok” = “Sedang”
Persediaan Obat pada Apotek
AND “Ukuran” = “80 mg” Berkah Mulya sudah berjalan
THEN “Perlu”
sesuai dengan tujuan penelitian,
Rule 5 : IF “Sisa Stok” = “Sedang” dengan dihasilkannya sebuah
AND “Ukuran” = “200 mg”
keputusan yang diproses dengan
THEN “Tidak” menggunakan rule yang telah
Rule 6 : IF “Sisa Stok” = “Sedang”
ditemukan.
AND “Ukuran” = “500 mg”
THEN “Perlu”

Choirul Aziz Zaini | 13.1.03.02.0025 simki.unpkediri.ac.id

FT– Teknik Informatika || 8||
 Simki-Techsain Vol. 01 No. 03 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri

IV. DAFTAR PUSTAKA Universitas Bina Darma

Palembang. 1-10.
[1] Alfarasyi, M., Sulistiowati,
Maulana Y. M. 2014. Rancang
Sistem Informasi Perencanaan
Persediaan Obat Dengan Metode
Winter Pada Dinas Kesehatan Kota
Surabaya (Studi Kasus : Dinas
Kesehatan Kota Surabaya). Jurnal
Sistem Informasi STMIK Stikom
Surabaya. 3. 153-157.

[2] Buulolo, E. 2013. Implementasi

Algoritma Apriori Pada Sistem
Persediaan Obat (Studi Kasus :
Apotik Rumah Sakit Estomihi
Medan). Pelita Informatika Budi
Darma. 4. 71-83.

[3] Elmande, Y & Widodo, P. P. 2012.

Pemilihan Criteria Splitting Dalam
Algoritma Iterative Dichotomiser 3
(ID3) Untuk Penentuan Kualitas
Beras : Study Kasus Pada Perum
Bulog Divre Lampung. Jurnal
TELEMATIKA MKOM. 4. 73-82.

[4] Kusrini, E & Taufiq, L. 2009.

Algoritma Data mining,
Yogyakarta.

[5] Kusuma, A.A., 2016. Aplikasi

Penentuan Calon Pendonor Darah
Menggunakan Metode Algroritma
ID3 (Studi Kasus PMI Kota
Kediri). Artikel Skripsi UN PGRI
Kediri. (Online), tersedia:
http://simki.unpkediri.ac.id.,
diunduh 30 Oktober 2016.

[6] Priono, J., Suyanto, Kunang Y.N.

2014. Sistem Informasi Persediaan
Obat Pada Apotik Rumah Sakit Ibu
& Anak Graha Mandiri Palembang
Menggunakan Metode Economic
Order Quantity (EOQ). Jurnal
Ilmiah Fakultas Ilmu Komunikasi

Choirul Aziz Zaini | 13.1.03.02.0025 simki.unpkediri.ac.id

FT– Teknik Informatika || 9||