Perpustakaan Digital ITB

Tugas Akhir ini membahas pengembangan aplikasi web untuk mendeteksi potensi interaksi obat berisiko berbahaya pada resep pasien. Latar belakang penelitian ini berasal dari hasil wawancara dengan tenaga kesehatan di Klinik Pratama ITB, yang menyatakan bahwa proses verifikasi interaksi obat masih dilakukan secara manual dengan mengandalkan daya ingat apoteker senior maupun aplikasi referensi berbasis teks oleh apoteker junior. Proses manual tersebut dinilai tidak efisien, rentan terhadap kesalahan manusia (human error), serta memerlukan waktu yang cukup lama, terutama pada resep dengan jumlah obat yang banyak. Oleh karena itu, diperlukan sistem otomatis yang mampu membantu apoteker dalam memverifikasi interaksi obat secara cepat, akurat, dan konsisten. Penelitian ini bertujuan untuk: (1) merancang dan mengimplementasikan sistem verifikasi interaksi obat berbasis web yang mendeteksi potensi interaksi secara otomatis berdasarkan input nama obat generik maupun paten dalam resep pasien, serta (2) mengevaluasi performa sistem dalam hal efisiensi waktu dan penggunaan memori melalui perbandingan beberapa metode pencarian data. Sistem dikembangkan dengan menggunakan model waterfall, meliputi analisis kebutuhan, perancangan, implementasi, dan pengujian. Teknologi yang digunakan meliputi PHP sebagai bahasa pemrograman utama, MySQL sebagai basis data, serta HTML, CSS, dan JavaScript untuk antarmuka pengguna. Dataset disusun berdasarkan data obat dari BPOM dan data interaksi zat aktif dari DDInter, yang telah dinormalisasi dan diindeks untuk mendukung proses pencarian. Pengujian dilakukan melalui dua tahap. Pertama, uji fungsionalitas untuk memastikan sistem dapat berjalan sesuai rancangan dan memberikan keluaran yang benar. Kedua, uji performa dengan membandingkan enam metode pencarian data (Simple Dictionary, Nested Dictionary, MultiIndex Pandas berbasis memori, MultiIndex Pandas berbasis file, PHP CSV File Lookup, dan PHP Database Lookup). Uji coba dilakukan pada skenario beban 50, 100, 150, 200, hingga 250 resep per hari, termasuk skenario stres dengan jumlah obat per resep 4–6 item. ii Parameter yang dianalisis mencakup waktu eksekusi, penggunaan memori heap, dan RSS memory. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi interaksi obat dengan akurat dan menampilkan hasil dalam format ringkas yang mudah dipahami. Evaluasi performa menunjukkan bahwa PHP CSV File Lookup memiliki waktu eksekusi tercepat (<2 detik) tetapi boros memori (±52 MB RSS), sehingga kurang sesuai untuk multi-user environment. Sebaliknya, PHP Database Lookup menawarkan waktu eksekusi yang masih memadai (13–166 detik) dengan konsumsi memori sangat rendah (±2–6 MB RSS) serta dukungan concurrency control dan indeksasi bawaan MySQL. Hal ini menjadikan PHP Database Lookup sebagai metode paling optimal untuk implementasi di lingkungan rumah sakit dengan kebutuhan akses bersamaan dan integrasi dengan sistem informasi klinis. Implementasi sistem ini menghasilkan aplikasi web yang dapat meningkatkan efisiensi kerja apoteker dan dokter dalam proses verifikasi resep serta berpotensi dikembangkan lebih lanjut menjadi bagian dari clinical decision support system (CDSS) yang terintegrasi dengan rekam medis elektronik. Penelitian ini turut memberikan kontribusi dalam pemilihan metode teknis yang optimal untuk pengelolaan data interaksi obat berskala besar dengan efisiensi waktu dan sumber daya.