RUANGOBAT

AI Prediksi Kebutuhan

RUANG OBAT dilengkapi modul prediksi kebutuhan obat berbasis model machine learning (Rubix ML) untuk membantu perencanaan ketersediaan obat di masa depan.

Model yang Tersedia#

  • Gradient Boost — model ensemble berbasis pohon keputusan.
  • Random Forest — kumpulan pohon keputusan untuk prediksi lebih stabil.
  • Moving Average — rata-rata pemakaian historis untuk prediksi sederhana.

Setiap model dilatih per kebutuhan obat (ModelPrediksi) dan dievaluasi untuk menentukan akurasi ramalan.

Langkah-Langkah: Menjalankan Prediksi#

1. Melatih Model#

Prediksi dijalankan melalui perintah Artisan di server:

php artisan ai:train-models

Perintah ini akan:

  • Mengumpulkan data pemakaian historis.
  • Melatih ketiga model (Gradient Boost, Random Forest, Moving Average).
  • Menyimpan hasil prediksi ke database.
  • Menampilkan ringkasan metrik akurasi di konsol.
Jika tidak memiliki akses server, hubungi Admin Dinas / Super Admin untuk menjalankan perintah ini.

2. Melihat Dashboard AI#

  1. Buka menu Ai Service → Dashboard AI.
Dashboard AI
Dashboard AI
  1. Dashboard menampilkan widget-widget berikut:

Prediction Stats Overview

Ringkasan status model, jumlah obat yang diprediksi, dan skor akurasi rata-rata.

Drug Trend Prediction

Grafik tren pemakaian obat untuk periode tertentu beserta garis prediksi masa depan.

Accuracy Distribution

Distribusi skor akurasi antar model — membantu memilih model terbaik untuk setiap obat.

Critical Prediction Alerts

Peringatan jika prediksi menandakan risiko stok habis pada periode mendatang.

3. Melihat Hasil Prediksi#

  1. Buka Ai Service → Hasil Prediksi.
  2. Tabel menampilkan obat beserta:
  • Prediksi kebutuhan bulan depan.
  • Stok saat ini.
  • Rekomendasi pengadaan.
  1. Gunakan filter untuk melihat prediksi per kategori obat atau per faskes.

Tips#

  • Latih model secara berkala (setiap bulan) untuk hasil prediksi yang lebih akurat.
  • Bandingkan hasil prediksi dengan LPLPO aktual untuk mengevaluasi akurasi.
  • Gunakan Critical Prediction Alerts untuk mengantisipasi kekosongan stok.

Bacaan Terkait#

Lihat halaman Laporan & Dokumen untuk melihat data historis yang menjadi input prediksi.