Penerapan Logika Fuzzy K-Means untuk Clustering Pengelolaan Data Obat pada Puskesmas Pematang Johar

Abstract

Tujuan dari penelitian ini adalah untuk membangun perancangan sistem informasi pengelolaan data obat yang menerapkan fuzzy k-means yang baik sehingga lebih efektif dan efisen dalam pengolahan data obat pada Puskesmas Pematang Johar. Penelitian ini menggunakan 300 jenis obat yang akan di clustering. Pengumpulan data dengan menggunakan data obat-obatan dari puskesmas Pematang Johar. Analisis dilakukan dengan menggunakan Algoritma Fuzzy K-Means. Terdapat 3 cluster yang akan dijadikan untuk mengelompokkan data obat yaitu Cluster pertama (C1) obat dengan tingkat pemakaian tinggi, Cluster kedua (C2) obat dengan tingkat pemakaian obat sedang, Cluster ketiga (C3) obat dengan tingkat pemakaian obat rendah. Hasil algoritma fuzzy k-means menunjukkan bahwa yang termasuk sebagai anggota cluster 1 yaitu sebanyak 95 data obat, dan anggota cluster 2 yaitu sebanyak 34 data obat, dan sebagai anggota cluster 3 yaitu sebanyak 171 data obat. Setelah dilakukan pengujian diketahui bahwa sistem informasi dapat berjalan dengan baik, efektif dan efisien dengan tingkat akurasi yang didapatkan sebesar 94% dan besaran nilai precision 93% dan nilai recall yang didapatkan sebesar 93% serta F1-Score yang didapatkan sebesar 93% lebih kecil dibandingkan dengan nilai akurasi yang berarti sistem mampu mengelompokkan data obat dengan benar. The purpose of this research is to develop a drug data management information system design that applies good fuzzy k-means so that it is more effective and efficient in processing drug data at the Pematang Johar Health Center. This study used 300 types of drugs to be clustered. Data collection using data on medicines from the Pematang Johar Health Center. The analysis was performed usingathe Fuzzy K-Means Algorithm. There are 3 clusters that will be used to group drug data, namely the first cluster (C1) for drugs with high usage rates, the second cluster (C2) for drugs with moderate drug use rates, the third cluster (C3) for drugs with low drug usage rates. The results of the fuzzy k-means algorithm show that there are 95 drug data as members of cluster 1, and 34 drug data as members of cluster 2, and 171 drug data as members of cluster 3. After testing, it is known that the information system can work properly, effectively and efficiently with an accuracy rate of 94% and a precision value of 93% and a recall value of 93% and an F1-Score obtained of 93% less than accuracy value which means the system is able to classify drug data correctly.