ANALISIS POLA PEMAKAIAN OKSIGEN RUMAH SAKIT DAN OPTIMALISASI MANAJEMEN STOK MENGGUNAKAN METODE DATA MINING

Luthfi Hidayat Ishadi; Denni Pratama; Riri Narasati; Ade Irma Purnamasari

Authors

Luthfi Hidayat Ishadi hidayatlutfi429@gmail.com, Indonesia
Denni Pratama STMIK IKMI Cirebon, Indonesia
Riri Narasati STMIK IKMI Cirebon, Indonesia
Ade Irma Purnamasari STMIK IKMI Cirebon, Indonesia

Keywords:

Machine Learning, Data Mining, Penjualan Barang, : K-Means Clustering

Abstract

Penelitian ini bertujuan untuk meningkatkan efisiensi manajemen toko retail dengan menerapkan metode algoritma K-Means Clustering dalam mengelompokkan data transaksi penjualan barang di Toko Arino. K-Means Clustering dipilih sebagai algoritma utama karena kemampuannya dalam mengelompokkan data ke dalam cluster berdasarkan karakteristik yang serupa. Data transaksi penjualan barang yang dikumpulkan dari Toko Arino menjadi objek analisis utama untuk mengevaluasi keberhasilan implementasi algoritma. Metodologi penelitian melibatkan langkah-langkah pemrosesan data, seperti pembersihan dan transformasi data, untuk memastikan keakuratan dan keterbacaan hasil analisis. Selanjutnya, algoritma K-Means Clustering diimplementasikan untuk mengelompokkan data transaksi penjualan ke dalam kategori yang lebih terstruktur. Hasil dari pengelompokkan ini diharapkan dapat memberikan wawasan yang berharga terkait pola penjualan, preferensi pelanggan, dan penempatan optimal barang di dalam toko. Analisis dan evaluasi hasil implementasi dilakukan melalui metrik evaluasi kinerja K-Means, seperti SSE (Sum of Squared Errors) dan siluet index. Selain itu, dampak implementasi terhadap efisiensi manajemen toko juga dievaluasi melalui perbandingan kinerja sebelum dan sesudah penerapan algoritma. Hasil penelitian ini diharapkan dapat memberikan kontribusi positif terhadap strategi penataan barang di Toko Arino, meningkatkan pengambilan keputusan berbasis data, dan pada akhirnya, meningkatkan kualitas layanan kepada pelanggan serta profitabilitas toko

References

W. Sukmawati, E. A. Adzima, and A. Shafira, “Implementasi Sistem Informasi Pelayanan Kesehatan pada Rumah Sakit Lira Medika,” Jurnal Sistem Informasi dan Teknik Komputer, vol. 9, no. 1, pp. 32–36, 2024.

D. Soraya, T. Hidayat, and M. Lestari, “Implementasi Rekam Medis Elektronik Dalam Mendukung Kualitas Pelayanan Rumah Sakit.,” Jurnal Administrasi Kesehatan, vol. 11, no. 2, pp. 102–110, 2023.

P. Thirathon, M. Chantarasorn, and C. Kanchanachitra, “Data Driven Hospital Oxygen Demand Forecasting and Supply Chain Planning During Health Crises.,” BMC Health Services Research, vol. 22, no. 1, p. 1458, 2022.

A. Kumar, R. Singh, V. Patel, and M. Sharma, “Hospital Resource Utilization Analytics and Predictive Inventory Management in Healthcare Systems,” International Journal of Health Planning and Management, vol. 38, no. 4, pp. 1125–1139, 2023.

Y. Chen et al., “ISPRS Journal of Photogrammetry and Remote Sensing Deep learning in remote sensing applications : A meta-analysis and review,” ISPRS Journal of Photogrammetry and Remote Sensing, vol. 152, no. April, pp. 166–177, 2019, doi: 10.1016/j.isprsjprs.2019.04.015.

E. Kauffmann, J. Peral, D. Gil, A. Ferrández, R. Sellers, and H. Mora, “A framework for big data analytics in commercial social networks: A case study on sentiment analysis and fake review detection for marketing decision-making,” 2020.

Syahputra and A. Yasir, “Penerapan Data Mining Dalam Menghitung Pengelompokan Obat-Obatan Kadaluarsa,” Device : Journal Of Information System, Computer Science And Information Technology, vol. 4, no. 2, pp. 171–181, 2023.

S. Bobek, M. Kuk, and M. Szelążek, “Enhancing Cluster Analysis With Explainable AI and Multidimensional Cluster Prototypes,” IEEEAccess, vol. 20, no. September, pp. 101556–101574, 2022, doi: 10.1109/ACCESS.2022.3208957.

M. M. Amini, M. Jesus, D. F. Sheikholeslami, P. Alves, A. H. Benam, and F. Hariri, “Artificial Intelligence Ethics and Challenges in Healthcare Applications : A Comprehensive Review in the Context of the European GDPR Mandate,” Machine Learning & Knowledge Extraction, vol. 5, pp. 1023–1035, 2023.

M. C. Thrun and A. Ultsch, “Swarm Intelligence for Self-Organized Clustering,” Artificial Intelligence, vol. 290, p. 103237, 2021, doi: 10.1016/j.artint.2020.103237.

S. Bandyapadhyay, F. Fomin, P. A. Golovach, W. Lochet, and N. Purohit, “How to Find a Good Explanation for Clustering ?,” The Thirty-Sixth AAAI Conference on Artificial Intelligence (AAAI-22), vol. 36, no. 4, pp. 3904–3912, 2022.