PERANCANGAN APLIKASI PREDIKSI JUMLAH PERSEDIAAN ALAT KESEHATAN DENGAN METODE ANFIS (STUDI KASUS : RSUD DELI SERDANG)

Transkripsi

1 PERANCANGAN APLIKASI PREDIKSI JUMLAH PERSEDIAAN ALAT KESEHATAN DENGAN METODE ANFIS (STUDI KASUS : RSUD DELI SERDANG) Pandi Ahmad Mahasiswa Program Studi Teknik Informatika STMIK Budi Darma Medan JL.Sisingamangaraja No.338 Simpang Limun Medan ABSTRAK Perancangan adalah merancang atau mesain suatu sistem yang baik,yang isinya adalah langkahlangkah operasi dalam proses pengolahan data dan prosedur untuk mukung operasi sistem. Prediksi adalah suatu proses memperkirakan secara sistematis tentang sesuatu yang paling mungkin terjadi di masa depan, berdasarkan informasi masa lalu dan sekarang yang dimiliki, agar kesalahan selisih antara sesuatu yang terjadi dengan hasil perkiraan dapat diperkecil. Prediksi tidak harus memberikan jawaban secara pasti kejadian yang akan terjadi, melainkan berusaha untuk mencari jawaban sedekat mungkin yang akan terjadi. Perancangan sistem prediksi dapat menggunakan metode ANFIS (Adaptive Neuro Fuzzy Inference System) adalah arsitektur yang secara fungsional sama dengan fuzzy rule base model Sugeno, dan juga sama dengan jaringan syaraf dengan fungsi radial dengan sedikit batasan tertentu yang dapat digunakan utuk memprediksi data tertentu.dengan metode ini diharapkan dapat memprediksi jumlah ALKES yang tepat guna sehingga dapat memperoleh hasil yang maksimal. Kata Kunci: Perancangan, Prediksi, Anfis (Adaptive Neuro Fuzzy Inference System) 1. Pahuluan Rumah Sakit Umum Daerah Deli Serdang Lubuk Pakam adalah badan pemerintah yang bergerak dibidang pelayanan kesehatan masyarakat, selain obat obatan, Untuk menunjang kinerja setiap pelayanan pada pasien, dibutuhkan peralatan medis yang mukung, guna dalam proses pemeriksaan dan juga miagnosa keadaan pasien. Alat medis siri terbagi dua golongan, yakni alat medis yang dapat dipakai berulang ulang dan juga alat medis habis pakai (disposable). Untuk Alat medis yang bersifat disposable, alat alat medis tersebut harus dijaga kesterilanya, yang mana alat ini harus tersedia dalam pemeriksaan setiap pasien yang datang. Dan setelah pemakaian, alat tersebut tidak boleh dipakai kembali dan harus dibuang. Namun, terkadang terjadi kala dalam melayani pasien, hal ini disebabkan karena keterbatasan alat medis. Terkadang pihak pasien harus menunggu karena rumah sakit sedang menyediakan alat medis dan tidak jarang pasien dirujukan ke rumah sakit yang lain, karena tidak ada ketersediaan alat medis yang menunjang. Sedangkan pada kasus lain, terdapat beberapa alat medis yang harus dibuang percuma karena sudah tidak terjaga kesterilannya, hal ini disebabkan terlalu banyak stok dan tersimpan terlalu lama. Dan 96 juga pada saat melakukan perekapan data alat kesehatan dibagian kantor farmasi, terdapat beberapa data yang berulang atau double. Pengadaan alat kesehatan di Rumah Sakit Umum Daerah Deli Serdang Lubuk Pakam tergantung dari besarnya dana anggaran Pemerintah Kabupaten Deli Serdang. Banyaknya data alat kesehatan hanya bisa diperkirakan dari banyak atau sedikitnya alat kesehatan yang ada (stok), dikarenakan kebutuhan setiap tahun berbeda-beda. Hal ini mengakibatkan tidak semua kebutuhan alat kesehatan terpenuhi dan sering terjadi stok tambahan sedangkan jumlah APBD telah terbagi untuk setiap instasi. Untuk mengatasi permasalahan mengenai pengolahan data stok alat kesehatan, maka dibutuhkan bantuan dengan membangun suatu aplikasi berbasis komputerisasi dengan menggunakan metode ANFIS. Metode ANFIS (Adaptive Neuro Fuzzy Inference System) merupakan suatu metode penentuan urutan atau prioritas. Dengan pertimbangan yang tepat, metode ini bisa menjadi salah satu alat untuk penentuan urutan atau prioritas terhadap produk yang akan dibuat. Penentuan yang diambil sebagai dasar dalam menggunakan kriteria yang dapat terdefinisikan secara jelas dan obyektif. (Ida Bagus, E-Jurnal Matematika Vol. 2, ISSN:

2 ). Agar informasi apa saja yang dibutuhkan mengenai pengolahan data dapat dilihat setiap waktu dan tepat waktu. Sehingga diharapkan bisa memprediksi dengan hasil yang tepat dan meminimalkan redudansi data (perulangan data) dan informasi bisa up to date (perbaharui). Berdasarkan latar belakang masalah diatas,maka penulis tertarik untuk mengakat permasalahan diatas kedalam sebuah skripsi yang berjudul Perancangan Aplikasi Prediksi Persediaan Alat Kesehatan Dengan Metode Anfis (Studi Kasus : Rumah Sakit Umum Daerah Deli Serdang Lubuk Pakam). 1.2 Perumusan Masalah Berdasarkan latar belakang masalah di atas, maka dapat dirumuskan permasalahan di dalam penelitian ini adalah sebagai berikut: 1. Bagaimana menentukan jumlah persediaan alat kesehatan pada Rumah Sakit Umum Daerah Deli Serdang Lubuk Pakam? 2. Bagaimana penerapan metode ANFIS untuk memprediksi jumlah persediaan alat kesehatan habis pakai (disposable) di Rumah Sakit Umum Daerah Deli Serdang? 3. Bagaimana membangun aplikasi memprediksi persediaan alat kesehatan dengan menggunakan Micrososft Visual Basic 2008 dan MySQL sebagai database pada Rumah Sakit Umum Daerah Deli Serdang? 1.3 Batasan Masalah Agar dalam pembahasan permasalahan tidak menyimpang dari tujuan penulisan, maka perlu dibuat batasan masalah sebagai berikut: 1. Hanya membahas tentang jumlah persediaan alat kesehatan habis pakai ( disposable ) pada Rumah Sakit Umum Daerah Deli Serdang. 2. Data diambil dari tahun sebagai acuan dan menggunakan 25 item barang sebagai contoh untuk memprediksi jumlah persediaan alat kesehatan ditahun yang akan datang. 3. Database menggunakan MySQL dan bahasa pemograman menggunakan microsoft Visual Basic Tujuan dan Manfaat Penelitian Tujuan Tujuan dari penelitian adalah untuk menentukan jumlah persediaan alat kesehatan pada tahun yang akan datang. Adapun tujuan pelaksanaan penelitian ini adalah sebagai berikut: 1. Memprediksi jumlah persediaan alat kesehatan dengan mengunakan metode ANFIS. 2. Menerapkan metode ANFIS dalam menentukan jumlah persediaan alat kesehatan pada Rumah Sakit Umum Daerah Deli Serdang. 3. Membangun aplikasi yang dapat melakukan pengolahan data persediaan pada Rumah Sakit Umum Daerah Deli Serdang Manfaat Pada umumnya penelitian ini memiliki beberapa manfaat diantaranya adalah sebagai berikut: 1. Mempermudah dalam menentukan penyediaan jumlah alat kesehatan sehingga tidak terjadi kelebihan ataupun kekurangan dalam penyediaannya. 2. Mempermudah dalam mengambil keputusan khususnya dalam hal penentuan jumlah alat kesehatan dengan menyusuaikan APBD dengan melihat data-data dari tahun sebelumnya. 3. Mempermudah dalam pencarian data alat kesehatan serta persediaan alat kesehatan dengan menggunakan metode ANFIS pada Rumah Sakit Umum Daerah Deli Serdang. 2. Landasan Teori 2.1 Pengertian Metode ANFIS Menurut Kusumadewi (2006:9), Adaptive Neuro Fuzzy Inference System (ANFIS) adalah arsitektur yang secara fungsional sama dengan fuzzy rule base model Sugeno, dan juga sama dengan jaringan syaraf dengan fungsi radial dengan sedikit batasan tertentu. Bisa dikatakan bahwa ANFIS adalah suatu metode yang mana dalam melakukan penyetelan aturan digunakan algoritma pembelajaran data. Agar jaringan dengan fungsi basis radial ekuivalen dengan fuzzy berbasis aturan model sugeno orde 1 ini, diperlukan batasan :

3 a. Aturan-aturan harus memeiliki metode agregasi yang sama (rata-rata terbobot atau penjumlahan ) untuk menghasilkan semua outputnya. b. Jumlah fungsi aktivasi harus sama dengan jumlah aturan fuzzy (IF-THEN) c. Jika ada beberapa input pada basis aturanya maka tiap-tiap fungsi harus sama dengan fungsi keanggotaan tiaptiap inputnya d. Fungsi aktivasi dan aturan-aturan fuzzy harus memiliki fungsi yang sama untuk neuron-neuron dan aturan-aturan yang ada disisi outputnya. 3. Analisa Dan Perancangan 3.1 Analisa Masalah Dalam laporan jumlah persediaan alat kesehatan pada Rumah Sakit Umum Daerah Deli Serdang Lubuk pakam, tercatat bahwa jumlah persedian dan penggunaan alat kesehatan yang bersifat disposable tidak signifikan, artinya terjadi penurunan dan peningkatan tingkat kebutuhan setiap tahunnya. Mengingat pentingnya mengetahui tingkat jumlah persedian alat kesehatan untuk dapat menentukan persediaan alat kesehatan selama setahun pada Rumah Sakit Umum Daerah Deli Serdang Lubuk pakam, maka diperlukan pembangunan sistem yang mampu memprediksi tingkat kebutuhan alat kesehatan yang akan terjadi ditahun yang akan datang berdasarkan data tahun sebelumnya. Misalnya untuk menentukan jumlah persediaan alat kesehatan ditahun 2016, maka data alat kesehatan yang terpakai pada tahun 2014 dan tahun 2015 dijadikan sebagai bahan masukan dan hasilnya sebagai keluaran untuk tahun Pada metode ANFIS (Adaptive neuro fuzzy Inference System) dalam memprediksi adalah dengan penggunaan data-data ditahun sebelumnya. Data masukan dan data keluaran tersebut di hubungkan dengan satu fungsi yang diolah dengan lapisan-lapisan pada metode ANFIS. Dari penyesuaian antara masukan dan keluaran akan menghasilkan suatu fungsi yang dapat memetakan masukan dan keluaran. Kemudian data masukan diubah berupa masukan data tahun 2014 dan 2015, dan hasil output pada lapisan terakhir merupakan keluaran berupa data untuk tahun DATA JUMLAH ALKES TERPAKAI TAHUN NO NAMA ALAT KESEHATAN DATA ALKES TERPAKAI ABBOCAT ABBOCAT BLOOD TRANSFUSI SET FILM X- RAY FOLEY CHATETER NO FOLEY CHATETER NO HANDSCONE 6,5 STERIL HANDSCONE 7 STERIL HANDSCONE 7,5 NON STERIL INFUS SET MACRO INFUS SET MICRO INFUS SET PUMP NASAL OKSIGEN NGT NO NGT NO SPINOCAIN NEBULIZER ADULT SPUIT 5CC SPUIT 50CC SPUIT 100CC ELASTIS VERBAN TREEWAY STOP COCK HD CHATETER NEBULIZER PEDIATRIC SPUIT 3CC Sumber : RSUD Deli Serdang Sistem analisa yang digunakan untuk memprediksi persediaan alat kesehatan pada RSUD Deli Serdang dengan menggunakan metode ANFIS komponen yang dipakai dalam sistem ini adalah data jumlah alat yang terpakai dari tahun 2014 sampai Dimana data tahun 2014 dan 2015 sebagai masukan dan hasilnya merupakan data keluaran hasil prediksi untuk tahun Berikut adalah sampel data alat kesehatan pada RSUD Deli Serdang yang akan dikaji. Tabel 1 Data Kajian Nama Alat Kesehatan INPUT NO 2014(X 1 ) 2015 (X 2 ) 1 ABBOCAT ABBOCAT BLOOD TRANSFUSI 3 SET FILM X- RAY FOLEY CHATETER NO FOLEY CHATETER NO HANDSCONE 6,5 STERIL

4 8 HANDSCONE 7 STERIL HANDSCONE 7,5 NON 9 STERIL INFUS SET MACRO INFUS SET MICRO INFUS SET PUMP NASAL OKSIGEN NGT NO NGT NO SPINOCAIN NEBULIZER ADULT SPUIT 5CC SPUIT 50CC SPUIT 100CC ELASTIS VERBAN TREEWAY STOP COCK HD CHATETER NEBULIZER 24 PEDIATRIC SPUIT 3CC Dalam rangka mencari nilai awal untuk parameter a dan c dengan menggunakan persamaan 3.2. Kita akan menggunakan algortima FCM untuk melakukan clustering. Kemudian dilakukan perhitungan untuk mapatkan nilai setiap cluster, dan berikut adalah tabel hasil clustering data yang gunakan. Tabel 2 Clustering Data alkes NO. DERAJAT KEANGGOTAAN X 1 X ,822 0,8 2. 0,169 0,1 3. 0,598 0, ,567 0, ,720 0, ,967 0, ,730 0, ,967 0, ,844 0, ,969 0, ,044 0, ,967 0, ,108 0, ,7 0,2 15 0,849 0, ,529 0,471 0,813 0, , ,032 0, ,963 0, ,897 0, ,044 0, ,914 0, ,967 0, ,130 0,870 Selanjutnya akan menemukan nilai c ( deviasi standar) dan a (mean) awal. Untuk menentukan nilai c dan a adalah sebagai berikut : 99 Nilai n = 25 dan total cluster X 1 = 15,754 dan total cluster X 2 = 8,6162 Dari data tersebut dapat diperoleh data c dan a sebagai berikut : 0,3716 0,3384 c = dan a = 0,4550 0,81 0,17 0,15 0,1303 0,10 Dengan demikian persamaan 3.2, yaitu dengan fungsi keanggotaan Generalized Bell ( Gbell ) yang dinyatakan dengan untuk setiap neuron pada lapisan pertama akan menjadi: A 1 = μ X 1 = 1 X 1 0,3716 0,17 2 A 2 1 = μ X X 1 0,3384 0,15 2 B 1 = μ(x 2)= 1 B 2 = μ X 2 = 1+ X 2 0, , X 2 0,3384 0,10 Selanjutnya, output lapisan pertama berupa derajat keanggotaan setiap data dapat kita hitung dan hasil dapat dilihat pada tabel 3 Tabel 3 Output Lapisan Pertama alkes Data Derajat keanggotaan ke- μ a1 μ a2 μ b1 μ b2 1. 5,4363 0,7322 5,6331 8, ,9645 0,5621 0,1245 0, ,2616 0,3087 0,5257 0, ,6132 0,2686 0,2536 0, ,4919 0,7015 0,5722 0, ,8895 0,9645 0,5402 0, ,4631 0,29 0,6220 0, ,8895 0,9645 0,5402 0, ,36 0,1543 0,9998 0, ,8786 0,4468 0,5402 0, ,9878 0,8007 0,0450 0, ,8895 0,9645 0,5402 0, ,3873 0,5208 0, ,2616 0,3087 0,9998 0, ,36 0,1543 0,9949 0, ,4032 0, , ,8895 0,9645 0,5257 0, ,81 0,9985 0,9761 0, ,8895 0,9645 0,0466 0, ,8544 0,9869 0,5402 0,0328 2

5 ,5779 0,2511 0, ,9649 0, , ,6132 0, ,8895 0,9645 0,5402 0, ,2616 0, ,8888 Pada lapisan ke dua kita kalikan derajat keanggotaan, w 1 = μa 1 (μb 1 ). dan, w 2 = μa 2 (μb 2 ). Selanjutnya pada lapisan ke tiga akan dilakukan normalisasi untuk mapatkan 1 dan Ŵ 2 berdasarkan persamaan 3.4. hasilnya dapat dilihat pada tabel 4 Tabel 4 Output Lapisan Kedua dan Ketiga Data ke - Output lapisan ke dua Output lapisan ke tiga W 1 W 2 Ŵ 1 Ŵ ,6232 6,5390 0,8240 0, ,1201 0,1646 0,19 0, , ,8484 0, ,1555 0,03 0,8149 0, , ,8413 0, ,4805 0, ,2880 0,0471 0,8594 0, ,4805 0, , 75 0, , ,9700 0, ,0445 0, ,4805 0, , , , , , ,0885 0,7740 0, ,4676 0,0768 0,8590 0, ,7976 0,0450 0, ,0415 0, , ,4615 0, , ,92 0, ,4688 0,1243 0, ,5931 0,7855 0, ,4805 0, ,9407 Terakhir pada lapisan keempat kita dapat menghitung nilai Ŵ 1 X ij, dengan i=1,2 dan j=1,2 sebagai koefisien dari C ij, i=1,2 dan j=0,1,2 pada persamaan 3.4 hasilnya dapat dilihat pada tabel 5 Tabel 5 Koofisien Parameter Da Koofisiensi Parameter ta C 11 C 12 C 10 C 21 C 22 C 20 ke 1. 0,67 0,03 0,82 0,14 0,03 0, ,14 0,27 0, 19 0, ,37 0, , , , , , , , , , , , ,45 0, , , , , , , , , , , , , ,30 0,22 0, , , , , , , , , , , , ,32 0, , ,43 0, , , ,0, , , , , , 59 0, , , , , , , , , , , , , , , , , , 16 0, , , , , , ,94 07 Setelah kita mapatkan hasil lapisan I,II,III dan lapisan IV, selanjutnya kita menghitung seluruh output lapisan, untuk mapatkan lapisan ke V

6 Berikut ini adalah tabel yang memetapakan data masukan ( data tahun data tahun 2015 ) dengan hasil prediksi Tabel 6 Hasil Output lapisan 5 No Data Masukan Hasil Prediksi Setelah kita mapatkan hasil keseluruhan lapisan V, maka dilakukan perhitungan untuk melihat jumlah perbandingan hasil prediksi dengan data input dengan mean absolute percentage error (MAPE), dengan menggunakan persamaan yang telah ditentukan sebagai berikut: Tabel 7 Hasil Output Akhir No. Perbandingan Hasil Total Data Layer (%) Prediksi Masukan 1 1,29% ,5 % ,8% ,8% ,8 % ,7 % ,2% ,6 % ,3 % ,5 % ,9 % ,8 % ,7 % ,8 % % % ,5 % % ,5 % ,4 % ,2 % ,3 % ,8 % ,4 % ,5 % Berikut ini adalah hasil akhir dari perhitungan data-data yang telah ada dengan menggunakan persamaan yang telah ditentukan dalam metode ANFIS. Perband Nama ALKES Data Hasil ingan Masukan Prediksi Layer (%) 1 ABBOCAT ,29% No 2 ABBOCAT ,5 % 3 BLOOD TRANSFUSI SET ,8% 4 FILM X- RAY ,8% 5 FOLEY CHATETER NO ,8 % 6 FOLEY CHATETER NO ,7 % 7 HANDSCONE 6,5 STERIL ,2% 8 HANDSCONE 7 STERIL ,6 % 9 HANDSCONE 7,5 NON ,3 % STERIL 10 INFUS SET MACRO ,5 % 11 INFUS SET MICRO ,9 % 12 INFUS SET PUMP ,8 % 13 NASAL OKSIGEN ,7 % 14 NGT NO ,8 % 15 NGT NO % 16 SPINOCAIN % NEBULIZER ADULT ,5 % 18 SPUIT 5CC % 19 SPUIT 50CC ,5 % 20 SPUIT 100CC ,4 % 21 ELASTIS VERBAN ,2 % 22 TREEWAY STOP COCK ,3 % 23 HD CHATETER ,8 % 24 NEBULIZER PEDIATRIC ,4 % 25 SPUIT 3CC ,5 % 3.2 Use Case Diagram

7 Use case merupakan fungsionalitas dari suatu sistem, sehingga user atau pengguna aplikasi dapat mengerti kegunaan aplikasi yang akan dibangun. Use case diagram adalah tekhnik merekam persyaratan fungsional sebuah sistem. Sebuah use case merepresentasikan sebuah interaksi antara user dengan sistem. Use case diagram Skenario setiap bagian pada use case menunjukkan proses apa yang terjadi pada setiap bagian di dalam use case tersebut, dimana user memberikan perintah pada setiap bagian dan respon apa yang diberikan oleh sistem kepada user setelah user memberikan perintah pada setiap bagian-bagian use case. Bagaimana proses yang terjadi pada aplikasi Dinas Kesehatan Kota Medan dapat kita lihat pada gambar 2 Gambar 2 Use Case Diagram Skenario use case Diagram pada proses mempersediaan alat kesehatan yaitu user menampilkan form untuk melakukan input data sehingga menampilkan pilihan input data alkes, input harga, input kebutuhan alkes, input persediaan alkes. Data kemudian pilih menu proses sehingga diperoleh hasil akhir. Skenario dari use case keluar yaitu user akan keluar dari program, kemudian sistem menutup tampilan program. 4. Algoritma dan Implementasi INPUT : Data nama Alkes Merupakan nama alkes yang akan diinput Data Tahun I (x 1 ) Memasukan data tahun pertama ( 2014 ) Data Tahun II (x 2 ) Memasukan data ditahun ke dua ( 2015 ) Nilai FCM Hasil pada pengclusteran 102 Nilai lapis I,II,III,IV,V Hasil pada setiap lapis Nilai Epoh,toleranasi eror,momentum dan laju pembelajaran Nilai yang telah ditentukan ( konstanta ) OUTPUT : Hasil Data Prediksi Jumlah Persediaan Alat Kesehatan PROSES : Menentukan Nilai FCM Clustering dengan FCM [X 1,X 2 ]= f_fcm (X 1,X 2, ) Dimana X 1 adalah data tahun pertama X 2 tahun ke 2 Hitung mean dan deviasi standar [X 1,X 2 ]= max(u) Nilai maksimun dari hasil mean dan deviasi standar for = X 1 ty=[ ] else if = X 2 for = X 1 = mean (ty) Hasil mean data pertama else if = X 2 = mean (ty) Hasl mean data ke dua Menentukan Lapisan I X =[μ a1 ]; [μ a2 ]; [μ b1 ]; [μ b2 ] nilai X dibagi menjadi a1 a2, b1 dan b2 μ fungsi keanggotaan Generalized Bell for i =1: m i menyatakan untuk X 1 atau X 2 mu[μ a1 ]; [μ b1 ]=1/(1+(=[μ a2 ]-tc (1+(=[μ b2 ] Hasil lapisan pertama Menentukan Lapisan II for W 1 =[μ a1 ]* [μ b1 ] formula untuk tahun pertama W 2 =[μ a2 ]* [μ b2 ] formula untuk tahun ke dua Menentukan Lapisan III dengan Normalised firing strength for Ŵ 1 = W 1 and W 2 / W 1 Ŵ 1 merupakan hasil lapisan ke 3 di tahun pertama Ŵ 2 = W 1 and W 2 / W 2 Ŵ 2 merupakan hasil lapisan ke 3 di tahun ke dua Menentukan lapisan IV dan V R=rekursif_LSE (Ŵ 1 and Ŵ 2 ) P n (Ŵ 1 and Ŵ 2 ) -1 P n menyatakan hasil RLE untuk hasil lapisan ke 4 Ŵ 1 Xi,i=1,2 X i menyatakan koefisien

8 if C 11, C 12, C 10, C 21, C 22, C 20 Merupakan consequent parameters hasil dari nilai koefisien Menentukan Hasil Prediksi If epoh = 400 EPS = 10 6 Lr = 0,4 Mc = 0,9 5. Kesimpulan Dan Saran 5.1 Kesimpulan Setelah menyelesaikan skripsi yang berjudul Perancangan Aplikasi Prediksi Jumlah Persediaan Alat Kesehatan dengan Metode Anfis, Penulis menarik beberapa kesimpulan sebagai berikut : 1. Menentukan jumlah alat kesehatan yang akan dibutuhkan merupakan suatu kerja yang mampu untuk memperhitungkan jumlah stok agar dana dapat dimanfaatkan secara maksimal. 2. Metode Anfis adalah metode yang lebih efektif dalam penentuan prediksi jumlah kebutuhan alkes, sehingga dapat mengurangi terjadinya kelebihan dan kekurangan dalam penyediannya. 3. Dengan memanfaatkan sistem komputerisasi suatu permasalahan dapat didokumentasikan dalam bentuk program yang dapat digunakan di dalam proses penarikan kesimpulan terhadap suatu permasalahan. 5.2 Saran Penulis ingin memberikan beberapa saran yang berguna untuk pengembangan skripsi ini yaitu: 1. Program aplikasi ini relatif mudah dioperasikan akan tetapi program ini masih membutuhkan panduan penggunaan program yang lebih terperinci agar sistem ini dapat dijalankan dengan baik, terutama bagi pemula. 2. Sistem yang disarankan dapat dikembangkan lagi sesuai dengan kebutuhan sistem seperti dilengkapi dengan fasilitas keamanan data dari jaringan komputer. 3. Aplikasi ini masih jauh dari kesempurnaan, apabila terdapat kesalahan baik dalam penyajian, penulisan dan penyampaian maka penulis berharap agar 103 para pembaca berkenan untuk memberikan saran dalam pengembangan aplikasi ini agar menjadi lebih baik lagi Daftar Pustaka 1. Jogiyanto, H.M, Analisis dan Desain Sistem Informasi, Penerbit Andi,Yogyakarta, Jogiyanto, H.M, Pengenalan Komputer, Penerbit Andi, Yogyakarta, Junindar, Panduan Lengkap Menjadi Programmer MenggunakanVB.Net, Sutabri, Tata, Analisis Sistem Informasi, Penerbit Andi, Yogyakarta, Sutabri, Tata, Konsep Sistem Informasi, Penerbit Andi, Yogyakarta, Kusumadewi, Sri, Neuro Fuzzy&Jaringan Syaraf, Penerbit Graha Ilmu,Yoyakarta, Kusumadewi, Sri, & Purnomo,Hari Aplikasi Logika Fuzzy Untuk pukung keputusan, Penerbit Graha Ilmu,Yoyakarta,2010