12. prosiding haryanto tanuwijaya-ok print

Prosiding Seminar Nasional Manajemen Teknologi XIProgram Studi MMT-ITS, Surabaya 6 Pebruari 2010

PENERAPAN METODE WINTER’S EXPONENTIAL SMOOTHINGDAN SINGLE MOVING AVERAGE DALAM SISTEM INFORMASI

PENGADAAN OBAT RUMAH SAKIT

Haryanto TanuwijayaSTIKOM Surabaya

Email: [email protected]

ABSTRACT

The right drugs acquisition planning, is the important role for determining thesuccess of patient services on a hospital. A randomly fluctuative drugs used which madethe acquisition departement difficult to plan the hospital drugs needed for the nextperiod. A less effective planning methods on hospital results in both overstocks or lessstocks amount of drugs. The excessive amount of drugs in stocks pail will consequetlycause higher hospital’s cost for the storage and maintenance the quality of the drugs.Besides, it increases the waste as the effect of expired drugs. The less stock will reducesboth the profit of drugs selling and the services to the patients.

The implementation of the Drugs Acquisition Information System through theWinter’s Exponential Smoothing method and Single Moving Average method can solvedthe drugs supply problems. Winter’s Exponential Smoothing method is used to predictthe needs of drugs which is seasonal, while Single Moving Average method is used topredict the drugs supply which is stationer. By comparing the smallest error value ofboth methods, the information system of drug supply can generate the quantitiesinformation of next period drugs supply.

Based on the testing result, the method which often depicts the best result isSingle Moving Average with periods length is 3 (three) months and the rest is Winter’sExponential Smoothing which it parameter is then used to smoothened the data paternthat shows random fluctuation. The drugs supply prediction can support the head ofacquisiton department’s decision making in purchasing drugs of hospital.

Keywords: Drug, Hospital, Information System, Winter’s Exponential Smoothing,Single Moving Average

PENDAHULUAN

Banyaknya Rumah Sakit (RS) telah menimbulkan persaingan yang kompetitif.Apalagi dengan dimulainya perdagangan bebas ASEAN Free Trade Area (AFTA)maupun ASEAN China FTA pada 1 Januari 2010, RS daerah harus bersiap menghadapipersaingan dengan RS Internasional. Salah satu cara untuk meningkatkan daya saing RSadalah dengan meningkatkan kualitas pelayanan khususnya ketersediaan obatberkualitas dengan harga terjangkut bagi para pasien yang berobat. Tingginya hargaobat disebabkan beberapa faktor antara lain tingginya biaya pemeliharaan obat yangbelum terjual, obat-obat kadaluwarsa yang harus dibuang, kehabisan persediaan. Untukitu penting bagi RS membuat perencanaan persediaan obat untuk mengatasipermasalahan tersebut.

Fluktuasi pemakaian obat yang tidak beraturan menjadi kendala dalamperencanaan pengadaan obat rumah sakit. Departemen pengadaan obat mengalamikesulitan memprediksi kebutuhan pemakaian obat untuk satu bulan berikutnya.


ISBN : 978-979-99735-9-7C-12-2

Kesalahan perencanaan pengadaan obat dapat mengakibatkan terjadinya kelebihan ataukekurangan persediaan obat. Kelebihan persediaan obat menyebabkan rumah sakit harusmenyediakan ruangan penyimpanan yang lebih luas serta mengeluarkan biaya tambahanuntuk penyimpanan dan pemeliharaan obat guna menjaga kualitas obat. Selain itumeningkatkan waste akibat terbuangnya obat yang kadaluwarsa yang tidak dapatdikembalikan lagi karena melebihi tenggang waktu yang telah disepakati dengan parasupplier. Sedangkan kekurangan obat-obat yang dibutuhkan pasien mengakibatkanpelayanan kepada pasien kurang optimal dan mempengaruhi profit yang dapatdiperoleh dari hasil penjualan obat.

Penyebab lain perencanaan pengadaan obat yang tidak optimal adalahperencanaan masih dilakukan secara manual sehingga tidak ada histori dan integrasidata serta belum diterapkannya metode peramalan untuk memprediksi kebutuhan yangakan datang. Mengingat pentingnya obat guna pelayanan kesehatan pasien yangberobat, maka RS membutuhkan sistem informasi (SI) dengan metode peramalanpemakaian obat pada periode berikutnya agar dapat memprediksi kebutuhan pemakaianobat dan merencanakan pengadaan obat dengan lebih tepat.

Pada penelitian ini, peramalan kebutuhan pemakaian obat pada bulan berikutnyamenggunakan teknik peramalan metode kuantitatif deret berkala sebagai data histori.Tujuan peramalan deret berkala adalah untuk menemukan pola dalam deret data historisdan mengekstrapolasikan pola tersebut ke masa depan (Makridakis et al., 1991:9).Penelitian ini akan menemukan pola data hasil peramalan dalam deret data pemakaianobat yang akan diekstrapolasi ke pemakaian pada bulan yang akan datang. Pemakaianobat di RS memiliki pola musiman dan stasioner. Beberapa literatur menunjukkanmetode kuantitatif yang dapat digunakan untuk pola data musiman adalah metodewinter’s exponential smoothing (Hariono dan Tanuwijaya, 2008; Tanuwijaya, 2008;Arsyad, 2001:53), sedangkan untuk pola data stationer dapat menggunakan metodesingle moving average (Makridakis et al., 1991:96). Kedua metode ini memilikikeunggulan dalam hal kesederhanaan dan kemudahan pemakaiannya dengan hasil yangtidak kalah bila dibandingkan dengan model peramalan yang lebih kompleks (Gelper etal., 2007).

Tujuan penelitian ini adalah membandingkan kedua metode dengan mengambilhasil peramalan tingkat kesalahan terkecil untuk menghasilkan informasi jumlahkebutuhan pemakaian obat bulan berikutnya yang tepat pada RS. Motivasi dilakukannyapenelitian ini adalah meningkatkan kualitas pelayanan pasien RS sekaligus meringankanpasien yang berobat memperoleh obat dengan harga terjangkau melalui penerapanmetode dalam sistem informasi yang dibangun. Penelitian ini dapat memberi kontribusiteori melalui penyediaan literatur tentang penerapan dan perbandingan metode winter’sexponential smoothing (WES) dan single moving average (SMA). Penelitian ini jugamemberi kontribusi bagi kepala departemen pengadaan obat agar dapat mengambilkeputusan pembelian obat dari supplier dengan tepat.

TINJAUAN PUSTAKA

Konsep Dasar Peramalan

Menurut Martiningtyas (2004:100), peramalan (forecasting) adalah kegiatanuntuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Pengumpulandata yang relevan berupa informasi dapat menghasilkan peramalan yang akurat disertaipemilihan teknik peramalan yang tepat maka pemanfaatan informasi data akandiperoleh secara optimal.


ISBN : 978-979-99735-9-7C-12-3

Teknik Peramalan Kuantitatif

Menurut Makridakis et al. (1991:8) peramalan kuantitatif dapat dilakukanapabila terdapat 3 (tiga) kondisi, yaitu: 1.tersedia informasi masa lalu, 2. informasitersebut dapat dikuantitatifkan dalam bentuk data numerik, dan 3. dapat diasumsikanbahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.

Data Berpola Musiman

Data berpola musiman adalah deret data yang dipengaruhi oleh faktor musimanseperti kuartal tahun tertentu, bulan tertentu, atau hari tertentu. Pengaruh dari pola dataini dapat berupa iklim cuaca ataupun pengaruh masa-masa yang berulang tiap tahunnyaseperti masa liburan dan hari raya.

Salah satu metode peramalan yang dapat digunakan untuk data berpolamusiman adalah penghalusan eksponensial (exponential smoothing) dari Winter’s(Arsyad, 2001:53), metode ini adalah metode yang tepat dalam persamalahan denganpola trend (Andriyanto dan Basith, 1993).

Data Berpola Stasioner

Data berpola stasioner adalah deret data yang berfluktuasi di sekitar nilai rata-rata yang konstan yaitu tidak berubah sepanjang waktu. Keadaan seperti ini dapat terjadijika pola permintaan yang mempengaruhi data tersebut relatif stabil.

Menurut Makridakis et al. (1991:96) metode peramalan yang dianggap tepatuntuk data berpola stasioner seperti metode rata-rata bergerak (moving average) danpenghalusan eksponensial tunggal (single exponential smoothing).

Metode Exponential Smoothing dari Winter

Menurut Arsyad (2001:87), metode exponential smoothing adalah suatuprosedur yang mengulang perhitungan secara terus menerus dengan menggunakan dataterbaru dengan didasarkan pada perhitungan rata-rata penghalusan data masa lalu secaraeksponensial. Pada metode yang dikemukakan oleh winter ini, didasarkan atas 3 (tiga)parameter penghalusan, yaitu satu untuk unsur stasioner, satu untuk trend, dan satuuntuk musiman. Menurut Arsyad (1993:118), keunggulan metode penghalusan adalahdapat memberikan ketepatan dalam ramalan jangka pendek dan penyesuaian dapatdilakukan dengan cepat dan pada biaya yang rendah.

Ord et al. (1997:1621) menyatakaan bahwa permasalahan yang muncul padametode WES adalah setiap parameter dapat bernilai antara 0 (nol) sampai dengan 1(satu) sehingga perlu menggunakan nilai acak untuk mengisi parameter tersebut ataudengan cara melakukan trial and error yang jumlahnya dapat sangat banyak.Makridakis et al. (1991:110) menyatakan bahwa untuk mengurangi keraguan tentangnilai parameter optimal maka ditetapkan nilai kecil untuk masing-masing parameter.Nilai parameter yang digunakan dalam penelitian ini adalah 0,1 dan 0,2.

Persamaan metode WES menurut Arsyad (2001:87) adalah sebagai berikut:a. Penghalusan Eksponensial

................. (1)

b. Estimasi Trend

......................... (2)


ISBN : 978-979-99735-9-7C-12-4

c. Estimasi Musiman

......................... (3)d. Ramalan untuk Periode p di Masa Datang

....................... (4)

Keterangan:At = nilai penghalusan yang baruα = konstanta penghalusan untuk data (0 ≤ α ≤1)Yt = data baru atau nilai aktual pada periode tTt = estimasi trendβ = konstanta penghalusan untuk estimasi trend (0 ≤ β ≤1)St = estimasi musimanµ = konstanta penghalusan untuk estimasi musiman (0 ≤ µ ≤1)p = periode yang diramalkanL = panjang musim

= peramalan pada periode p

Metode Single Moving Average

Metode SMA adalah suatu metode peramalan yang dilakukan denganmengambil sekelompok nilai pengamatan, mencari nilai rata-rata tersebut sebagairamalan untuk periode yang akan datang. Metode ini disebut rata-rata tersebut bergerakkarena setiap kali data observasi baru tersedia, maka angka-angka rata-rata barudihitung dan digunakan sebagai ramalan.

Persamaan SMA menurut Arsyad (2001:87) adalah sebagai berikut:

......... (5)

Keterangan:Mt = moving average pada periode tYt+1 = nilai ramalan untuk periode berikutnyaYt = nilai sebenarnya pada periode tn = jumlah batas dalam moving average

Means Square Error

Arsyad (2001:58) menyimpulkan bahwa means square error (MSE) merupakanmetode alternatif dalam mengevaluasi suatu teknik peramalan. Semakin kecil nilai MSEmaka semakin kecil pula nilai kesalahan peramalan yang dihasilkan.

MSE dapat ditulis dengan rumus sebagai berikut:

................(6)

Keterangan:Yt = nilai sebenarnya pada periode tn = jumlah batas dalam moving averageŶ t = nilai pada periode sebelumnya

MSE =

n

t n1

2t

^

t )Y-(Y


ISBN : 978-979-99735-9-7C-12-5

METODA PENELITIAN

Data penelitian diperoleh melalui dokumentasi data pembelian obat baik yanghardcopy maupun dalam bentuk spreadsheet selama 4 (empat) tahun terakhir. Data-datatersebut kemudian dikumpulkan ke dalam tabel-tabel basis data.

Informasi sistem pengadaan obat yang selama ini berjalan diperoleh dari hasilpengamatan lapangan proses bisnis pengadaan persediaan obat di RS. Dokumendikumpulkan dari masing-masing aktivitas dalam proses bisnis. Selain itu jugadilakukan wawancara dengan kepada bagian pengadaan obat dan staf yang terkait dalambeberapa proses disertai penjelasan dan dokumen yang tersedia. Langkah selanjutnyaadalah mendisain sistem, kemudian melakukan coding, uji coba sistem danmengimplementasikan aplikasi yang telah dibangun.

HASIL DAN PEMBAHASAN

Desain Sistem

Blok diagram SI pengadaan obat pada RS menjelaskan tentang data masukanaplikasi berupa data wilayah, supplier, obat dan golongan, kamar obat, penerimaan danpemakain obat(Yunarto, dkk. 2003:14).Gambar 1 menunjukkan blok diagram dari SIpengadaan obat RS.

Gambar 1 Blok Diagram Sistem Informasi Pengadaan Obat.

Proses penerimaan obat yang dilakukan bagian pengadaan obat digambarkanpada 0 dan proses pemakaian obat yang diinputkan bagian pengadaan obat pada setiapakhir periode dapat dilihat pada Gambar 3. Data obat yang dipakai didasarkan atas dataobat yang telah diinputkan dalam penerimaan obat. Data pemakaian obat ini akandigunakan sebagai data histori untuk perhitungan peramalan kebutuhan obat bulanberikutnya.


ISBN : 978-979-99735-9-7C-12-6

Gambar 2 Diagram Alir Penerimaan Obat

Gambar 3 Diagram Alir Pemakaian Obat

Proses pengadaan obat seperti tampak pada 0, mulai dengan melakukan prosesperamalan kebutuhan obat bulan berikutnya berdasarkan data histori pemakaian denganmenggunakan rumus metode WES dan SMA. Perbandingan hasil peramalan denganMSE antara kedua metode yang akan diambil sebagai informasi prediksi kebutuhanpemakaian obat untuk periode selanjutnya dalam proses pengadaan obat.


ISBN : 978-979-99735-9-7C-12-7

Gambar 4 Diagram Alir Pengadaan Obat

Perancangan SI pengadaan obat digambarkan dalam Context Diagramsebagaimana terlihat pada 0. External entity yang berhubungan dengan sistem ini antaralain Supplier, Kepala Kamar Obat dan Manajemen RS. Tanda panah menuju sistemmenunjukkan aliran data yang diberikan oleh external entity kepada sistem, sedangkantanda panah dari sistem menuju external entity menunjukkan data yang diterima olehexternal entity dari sistem.

Hasil_Peramalan_Pengadaan_Obat

Data Golongan Obat

Data Obat

Status Persediaan Obat

Status Kadaluarsa Obat

Grafik Peramalan Pengadaan

Data Wilayah

Data Pengadaan Obat (ACC)

Info Pemakaian Obat

Data Kamar Obat

Data Supplier

Data Pemakaian Obat Laporan Pengadaan Obat

Laporan Penerimaan Obat

Laporan Pemakaian Obat

Data Pembelian Obat

0

Sistem Informasi PengendalianPengadaan Obat dengan Metode

Winter dan SMA

+

Supplier

Manajemen RSSK

Sepanjang

ManajerKamarObat

Gambar 5 Context Diagram

ANALISIS HASIL UJI COBA

Perhitungan Sistem

Uji coba proses peramalan kebutuhan obat dilakukan terhadap 21 (dua puluhsatu) obat RS menggunakan metode WES dan SMA. Kedua metode menghasilkan MSEterkecil untuk menentukan metode yang digunakan untuk peramalan pada masing-masing obat. Hasil akhir uji coba selengkapnya dapat dilihat Tabel 1. Hasil peramalan


ISBN : 978-979-99735-9-7C-12-8

ini kemudian dibandingkan dengan pemakaian obat aktual untuk memperoleh selisihhasil peramalan dengan aktual.

Tabel 1 Hasil Peramalan Kebutuhan Obat dengan Metode WES dan SMA

Nama Obat AktualHasil

RamalSelisih

MetodeTerbaik

MSETerkecil

Spuit 5 Cc Bd 16 -1 17 WES 305,05Lactacyd Liq 60ml/Btl(Biru) 8 9 -1 SMA 24,45Zelavel Infus 21 35 -14 WES 219,09Phisohex 60 Ml 5 4 1 SMA 2,50Crestor 10mg 23 34 -11 SMA 1782,30Dettol Liq 50 Ml 8 6 2 WES 12,91Cefotaxim 1gr Inj 23 23 0 WES 2189,59Acran Inj 17 24 -7 SMA 428,15Ventolin Nebules 107 36 71 SMA 1588,55Flagyl Supp 1 Gr 8 7 1 SMA 135,50Borraginol N Supp 51 22 29 WES 395,50Vagistin Ovula 193 84 109 SMA 3110,32Adelysin Drop 38 21 17 WES 104,14Pedialyte 34 28 6 SMA 162,91Clavamox Syrup 60 Ml 40 8 32 SMA 805,86Quinobiotic 500 Tab 146 488 -342 WES 52302,86Glibenclamid Tabl 345 160 185 SMA 47653,48Kaltrofen 200mg Tabl 36 26 10 WES 2901,36Bioplacenton Jelly 5 4 1 SMA 28,2Otopain Ear Drop 7 2 5 SMA 10,85Fusycom Cream 5gr 8 3 5 SMA 17,95

Tabel 10 menunjukkan bahwa masing-masing obat memiliki metode terbaikyang berbeda-beda disebabkan pola time series yang berbeda-beda pada tiap jenis obat.Metode SMA dengan panjang periode terbaik 3 (tiga) bulanan muncul pada 13 (tigabelas) jenis obat atau 61,9%, sedangkan metode WES muncul pada 8 (delapan) jenisobat atau sebanyak 38,1% dengan nilai 3 (tiga) parameter terbaik adalah α= 0,1; β= 0,1;dan ¥= 0,2. α untuk memuluskan data agar pengaruh random hilang, β memuluskantrend dalam data, dan ¥ untuk memuluskan pengaruh musiman pada data (Arsyad,2001:113). Hal ini membuktikan bahwa setiap jenis obat memiliki pola time series yangberbeda-beda.

Hasil peramalan digambarkan dalam bentuk grafik yaitu 0Gambar 6 untukhasil peramalan dengan metode WES dan Gambar 7 untuk peramalan dengan metodeSMA. Pada metode SMA menunjukkan semakin panjang periode peramalan yangdigunakan maka semakin kecil MSE yang berarti semakin akurat data yang dihasilkan.Peramalan metode SMA periode 3 bulanan membutuhkan data histori minimal 3 bulan.

Gambar 6 Grafik Peramalan Kebutuhan Obat dengan WES


ISBN : 978-979-99735-9-7C-12-9

Gambar 7 Grafik Peramalan Kebutuhan Obat dengan SMA

KESIMPULAN

Kesimpulan yang dapat diambil dari pembuatan SI Pengadaan Obat denganMetode Winter’s Exponential Smoothing dan Single Moving Average adalah sebagaiberikut:1. Sistem Informasi Pengadaan Obat dapat menghasilkan prediksi kebutuhan

pemakaian obat periode bulan mendatang untuk mendukung pengambilan keputusanpembelian obat yang tepat oleh Kepala kamar obat RS.

2. Dari hasil menunjukkan bahwa 61,9% obat RS memiliki pola data bersifat stationersehingga lebih tepat menggunakan metode SMA. Sedangkan 38,1% obat sisanyamemiliki pola data bersifat musiman sehingga lebih tepat menggunakan metodeWES.

3. Setiap jenis obat memiliki karakteristik data time series yang berbeda.4. Panjang periode pada metode SMA menentukan keakurasian hasil peramalan.

DAFTAR PUSTAKA

Andriyanto, U.S. dan A. Basith. 1993. Metode dan Aplikasi Peramalan, Edisi Kedua.Jakarta; Erlangga.

Arsyad, Lincolin. 2001. Peramalan Bisnis, Edisi Pertama. Yogyakarta: UniversitasGajah Mada.

Gelper, S., Fried R., and Croux C. 2007. Robust Forcesting Exponential and Holt-Winter Smoothing. Belgium: Departement of Decision Sciences and InformationManagement.

Hariono, Slamet dan Haryanto Tanuwijaya. 2008. Sistem Informasi PengendalianInventori Menggunakan Metode Peramalan Exponential Smoothing pada UD.Jaya Mulia. Prosiding Seminar Nasional Sistem & Teknologi Informasi 2008.STIKOM Surabaya.

Makridakis, Wheelwright and Mcgee. 1991. Metode dan Aplikasi Peramalan, EdisiKedua. Jakarta: Erlangga.

Martiningtyas, N. 2004. Diktat Statistika. Surabaya : STIKOM Surabaya.

Ord, J. K., Koehler, A. B., and Snyder, R. D. 1997. Estimation and Prediction for aClass of Dynamic Nonlinear Statistical Models. Journal of the AmericanStatistical Association.


ISBN : 978-979-99735-9-7C-12-10

Tanuwijaya, Haryanto. 2008. Sistem Informasi Pengendalian Persediaan MenggunakanMetode Exponential Smoothing pada PT. Bear House. Jurnal STIKOM, Vol. 12,No. 5, pp. 97-104.

Yunarto, Icun Holy dan Martinus Getty Santika. 2003. Business ConceptsImplementations Series in Inventory Management. Jakarta: Elex MediaKomputindo.

12. prosiding haryanto tanuwijaya-ok print

Documents