Peramalan Kebutuhan Obat Menggunakan XGBoost Studi Kasus pada Rumah Sakit XYZ
Forecasting Drug Needs Using XGBoost: Case Study at XYZ Hospital
DOI:
https://doi.org/10.33022/ijcs.v12i5.3344Keywords:
XGBoost, Machine Learning, PeramalanAbstract
Obat memiliki peran yang penting dalam pelayanan farmasi di rumah sakit, dari menyelamatkan nyawa hingga menyembuhkan pasien, namun perencanaan obat masih dilakukan secara manual menggunakan metode manual sehingga menghambat proses perencanaan obat, penelitian ini menggunakan XGBoost untuk melakukan peramalan time series pada penggunaan obat. Data yang digunakan adalah data perbulan penggunaan obat pada kategori vital dan essential dari tahun 2017 hingga 2022, penelitian ini menggunakan data cuaca sebagai fitur eksternal untuk membantu model bekerja. Hasil penelitian menunjukkan model XGBoost memiliki skor rata-rata skor RMSE dan MAE yang lebih rendah pada obat vital dibanding ketika melatih obat essential, sehingga model yang dilatih masih perlu perbaikan dalam menggunakan model XGBoost untuk meningkatkan performa model.
Downloads
Published
Issue
Section
License
Copyright (c) 2023 Muhammad Dzul Asmi Alhamdi, Herman, Wistiani Astuti
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.