Obat merupakan salah satu kebutuhan penting dalam rumah sakit. Selama ini, kebutuhan pengumpulan data obat adalah masalah yang sering dihadapi oleh Farmasi yang memiliki kewenangan dalam pengadaan obat-obatan di rumah sakit Dr H. Slamet Martodirdjo Pamekasan. Dalam rangka menjamin ketersediaan obat perlu untuk mengatasi kebutuhan obat sesuai dengan jumlah yang dibutuhkan. Dalam rangka memenuhi tingkat kebutuhan untuk obat perlu untuk meramalkan masa depan pasokan obat dengan menggunakan data sebelumnya sebagai data untuk menentukan nilai kesalahan pelatihan metode yang digunakan. Dalam penelitian ini, metode yang akan digunakan untuk memprediksi kebutuhan obat adalah Jaringan Syaraf menggunakan algoritma Backpropagation dengan penambahan fungsi Lyapunov. Dengan penambahan fungsi ini, mampu memecahkan masalah yang terjadi dalam Backpropagation standar sering lambat untuk mencapai konvergensi. Dari uji coba yang dilakukan dengan 3 Skenario didapatkan hasil parameter terbaik untuk melakukan peramalan pada nama obat Ambroxol dengan nilai (?) sebesar 13, learning rate 0.4 dan epoch=125 memperoleh nilai MAPE 2.7% . Obat Bisoprolol Tab 5mg dengan nilai (?) sebesar 2, learning rater 0.5 dan epoch 150 memperoleh nilai MAPE 2,94089%. Obat Cefixime Caps 100mg dengan nilai (?) sebesar 4, learning rate 0.2 dan epoch 100 memperoleh nilai MAPE 1,10466%.

Medicine is one of the important needs in hospital. During this time, requirement of data collection of medicine is a common problem faced by Pharmacy which has authority in the procurement of medicines in the hospital Dr H. Slamet Martodirdjo of Pamekasan. In order to ensure the availability of the medicines, it needs to overcome problem of medicine requirement that correspond to the amount needed. In order to fulfill medicine requirement level, it is important to predict the future supply of medicine by using the previous data as data to determine error value of training of method used. In this study, the method which will be used to predict the need for medicine is Neural Network using Backpropagation algorithm with addition of Lyapunov function. With the addition of this function, it is able to solve problems that occur in the standard Backpropagation that is often slow to reach convergence. From the experiments performed with 3 Scenario, it is obtained the result of the best parameters to conduct the prediction on a drug named Ambroxol with mark (?) 13, learning rate 0.4 and epoch = 125 gaining MAPE 2.7%. Tablet Bisoprolol 5mg with mark (?) 2, learning rater 0.5 and epoch 150, obtains MAPE 2.94089%. Cefixime Caps 100mg with mark (?) 4; learning rate 0.2 and epoch 100 obtain MAPE 1.10466%.

Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal