Path: Top > S2-Theses > Informatics-STEI > 2018

ANALISIS DESKRIPTIF DAN PREDIKTIF PADA MAIL ORDER PHARMACY

DESCRIPTIVE AND PREDICTIVE ANALYSIS OF MAIL ORDER PHARMACY

Master Theses from JBPTITBPP / 2018-03-15 15:46:00
Oleh : HAFID YOZA PUTRA (NIM : 23516005), S2 - Informatics-STEI
Dibuat : 2018-03-15, dengan 1 file

Keyword : Visualisasi data, Data Mining, korelasi, klasifikasi, regresi

Mail Order Pharmacy (MOP) yang menjadi bagian dari apotek online yang telah diterapkan di benua Amerika dan Eropa. Layanan ini awalnya beroperasi untuk

populasi veteran agar tidak perlu ke pusat layanan kesehatan untuk melakukan pengobatan. MOP memiliki manfaat yang banyak bagi konsumen diantaranya biaya pengiriman gratis, tersedia 24 jam dan jaminan ketersediaan stok obat. Di Indonesia terdapat dua layanan yang mengarah ke MOP. Layanan tersebut adalah Mocehat dan Halodoc. Data transaksi penjualan obat pada salah satu negara di Eropa tersebut dapat dideskripsikan dan melakukan prediksi pendapatan sebagai salah satu rekomendasi pengambilan keputusan.

Data transaksi tersebut perlu melalui tahapan preprocessing agar bisa dilanjutkan ke tahapan berikutnya. Deskripsi mengenai kondisi bisnis MOP dapat dilakukan

dengan menggunakan data mart dan visualisasi data. Prediksi pendapatan diawali dengan tahapan seleksi fitur seperti korelasi dan penghapusan fitur. Prediksi

dilakukan dengan data mining yang terdiri dari dua tahap yaitu klasifikasi order dan regresi sale_quantity. Klasifikasi menggunakan metode Naive Bayes, Multi Layer

Perceptron Neural Network dan Support Vector Machine. Regresi menggunakan metode Multi Layer Perceptron Neural Network. Metode tersebut digunakan untuk membangun model terbaik untuk prediksi. Pengukuran kinerja model klasifikasi menggunakan F-Measure dan model regresi menggunakan Root Mean Square Error (RMSE).

Hasil dari visualisasi data memberikan informasi mengenai kondisi bisnis MOP diantaranya jumlah penjualan obat non generik lebih banyak dibandingkan dengan obat generik. Fitur yang diperoleh dari penghapusan fitur yaitu rrp, price, competitorprice dan pid menghasilkan model klasifikasi terbaik. Fitur yang diperoleh dari semua fitur menghasilkan model regresi terbaik. Kinerja terbaik hasil

pengujian model klasifikasi memiliki F-Measure 0.462 dan model regresi memiliki RMSE 1.6654. Hasil prediksi dari kedua model tersebut digunakan untuk prediksi

pendapatan.

Deskripsi Alternatif :

Mail Order Pharmacy (MOP), which is part of online pharmacies that have been implemented in the Americas and Europe. The service initially operates for veteran populations to avoid having to go to a health service center for treatment. MOP has many benefits for consumers including free shipping, 24-hour availability and

availability of drug stock. In Indonesia there are two services that point to MOP. These services are Mocehat and Halodoc. Data on drug sales transactions in one of the European countries can be described and predict revenue as one of the recommendations of decision-making.

The transaction data needs to go through the preprocessing stage in order to proceed to the next stage. Description of the business condition of MOP can be done by using data mart and data visualization. Predicted revenue begins with feature selection steps such as correlation and feature deletion. Prediction is done with data mining which consists of two stages: order classification and sale_quantity regression. Classification uses the Naive Bayes method, Multi Layer Perceptron Neural Network and Support Vector Machine. Regression using Multi Layer

Perceptron Neural Network method. The method is used to build the best model for prediction. The performance measurement of the classification model uses FMeasure

and regression model using Root Mean Square Error (RMSE).

The results of data visualization provide information about MOP business condition including the number of non-generic drug sales more than generic drugs. Features

derived from feature deletion ie rrp, price, competitorprice and pid produce the best classification model. Features gleaned from all features produce the best regression model. The best performance of the classification model test results has F-Measure 0.462 and the regression model has RMSE 1.6654. The predicted results from both models are used for revenue prediction.


Copyrights : Copyright (c) 2001 by Perpustakaan Digital ITB. Verbatim copying and distribution of this entire article is permitted by author in any medium, provided this notice is preserved.

Beri Komentar ?#(0) | Bookmark

PropertiNilai Properti
ID PublisherJBPTITBPP
OrganisasiS
Nama KontakUPT Perpustakaan ITB
AlamatJl. Ganesha 10
KotaBandung
DaerahJawa Barat
NegaraIndonesia
Telepon62-22-2509118, 2500089
Fax62-22-2500089
E-mail Administratordigilib@lib.itb.ac.id
E-mail CKOinfo@lib.itb.ac.id

Print ...

Kontributor...

  • Pembimbing : Dr. Masayu Leylia Khodra, ST., MT., Editor: Alice Diniarti

File PDF...