FT UNDARFT UNDAR

Jurnal JEETechJurnal JEETech

Unit Transfusi Darah (UTD) Palang Merah Indonesia (PMI) Kabupaten Probolinggo menghadapi tantangan dalam mengelola persediaan darah, khususnya jenis Packed Red Cells (PRC), akibat fluktuasi permintaan yang tidak menentu. Ketidakseimbangan antara permintaan dan ketersediaan sering menyebabkan kelebihan atau kekurangan stok, yang berdampak pada kualitas layanan kesehatan. Penelitian ini bertujuan untuk memprediksi kebutuhan darah jenis PRC guna mendukung pengelolaan stok yang lebih efisien. Metode yang digunakan adalah Support Vector Regression (SVR), salah satu pendekatan dalam algoritma Support Vector Machine (SVM) yang efektif untuk masalah regresi dan prediksi. Data historis permintaan darah digunakan sebagai dasar pelatihan model. Hasil penelitian menunjukkan bahwa SVR mampu memberikan prediksi yang cukup akurat untuk semua golongan darah, dengan performa terbaik ditunjukkan pada golongan darah B, yang menghasilkan nilai Root Mean Square Error (RMSE) sebesar 0,0589 dan Mean Absolute Percentage Error (MAPE) sebesar 7,11%. Kesimpulannya, metode SVR dapat diterapkan secara efektif untuk memperkirakan kebutuhan darah PRC dan berpotensi mendukung pengambilan keputusan dalam pengelolaan stok darah di UTD PMI Kabupaten Probolinggo.

Penelitian ini menunjukkan bahwa Support Vector Regression (SVR) dapat secara efektif memprediksi permintaan Packed Red Cells (PRC) untuk semua golongan darah, dengan performa terbaik dicapai setelah tuning parameter menggunakan Grid Search.Meskipun golongan darah AB menghasilkan RMSE rendah, MAPE yang tinggi disebabkan oleh data yang terbatas dan distribusi yang tidak seimbang.Prediksi menunjukkan peningkatan permintaan PRC golongan O selama 12 bulan ke depan, sementara permintaan golongan AB menurun perlahan dan golongan A serta B diperkirakan tetap stabil.

Penelitian lanjutan dapat mengeksplorasi penerapan model pembelajaran mesin lainnya, seperti Random Forest atau Gradient Boosting, untuk membandingkan akurasi prediksi permintaan PRC dengan SVR serta mengidentifikasi model yang paling optimal pada konteks data yang beragam. Selanjutnya, studi dapat menambahkan variabel eksternal seperti faktor musiman, peristiwa kesehatan masyarakat, dan kebijakan pemerintah dalam model prediksi untuk meningkatkan kemampuan generalisasi dan menilai pengaruh faktor-faktor tersebut terhadap fluktuasi permintaan darah. Selain itu, penelitian dapat mengembangkan pendekatan prediksi multi‑step horizon (jangka panjang) yang mengintegrasikan teknik optimasi inventarisasi, sehingga tidak hanya memprediksi permintaan bulanan tetapi juga memberikan rekomendasi kebijakan stok optimal untuk mengurangi risiko kelebihan atau kekurangan persediaan darah.

  1. Penerapan Regresi Linier Untuk Prediksi Jumlah Kasus Covid-19 di Provinsi Riau | JURIKOM (Jurnal Riset... ejurnal.stmik-budidarma.ac.id/index.php/jurikom/article/view/3635Penerapan Regresi Linier Untuk Prediksi Jumlah Kasus Covid 19 di Provinsi Riau JURIKOM Jurnal Riset ejurnal stmik budidarma ac index php jurikom article view 3635
  2. PENGAMBILAN KEPUTUSAN KOMPONEN DARAH DALAM PENGENDALIAN PERSEDIAAN DENGAN MENGGUNAKAN METODE AHP DI PMI... journal.widyatama.ac.id/index.php/jitter/article/view/276PENGAMBILAN KEPUTUSAN KOMPONEN DARAH DALAM PENGENDALIAN PERSEDIAAN DENGAN MENGGUNAKAN METODE AHP DI PMI journal widyatama ac index php jitter article view 276
  3. One moment, please.... one moment please wait request verified doi.org/10.35329/jiik.v6i1.130One moment please one moment please wait request verified doi 10 35329 jiik v6i1 130
  4. Prediksi Jumlah Permintaan Darah Jenis Packed Red Cells Menggunakan Support Vector Regression | Jurnal... ejournal.ft-undar.ac.id/index.php/jeetech/article/view/376Prediksi Jumlah Permintaan Darah Jenis Packed Red Cells Menggunakan Support Vector Regression Jurnal ejournal ft undar ac index php jeetech article view 376
Read online
File size604.65 KB
Pages8
DMCAReport

Related /

ads-block-test