1 PENDAHULUAN
1.1 Latar Belakang
Menjalankan pengawasan persediaan obat adalah hal yang paling penting dalam bidang kefarmasian, dengan mengoptimalkan semua aspek pengadaan, termasuk pemilihan dan pengendalian, pengadaan, penyimpanan, distribusi, dan perencanaan. Persediaan obat di apotek, rumah sakit, dan klinik masyarakat memerlukan investasi yang besar. Akibatnya, manajemen persediaan obat yang terkait dengan pelayanan pasien di rumah sakit atau klinik sangat penting. Ini juga diperlukan saat menghadapi tantangan ketidakpastian ketersediaan obat yang seringkali tidak bisa ditebak.
Untuk memenuhi kebutuhan pasien terhadap obat tertentu, manajemen persediaan obat yang efektif sangat penting. Persediaan obat dapat dikelola untuk mencegah kenaikan harga obat yang dapat terjadi sesekali, memastikan pasokan obat yang cukup untuk kebutuhan pasien yang tidak bisa ditebak.
Klinik Teluk Banten telah beroperasi dalam bidang pengobatan umum (rawat jalan) selama sembilan bulan. Situs tersebut terletak di Desa Margasari, Kecamatan Puloampel, Kabupaten Serang, Banten. Klinik ini mengawasi berbagai jenis obat, seperti pil, kapsul, sirup puyer, serta tablet. Klinik ini menjual obat tablet paling setiap minggu. Ini dibuktikan dengan pencatatan transaksi penjualan obat.
Hanya catatan transaksi ini digunakan untuk menyimpan semua transaksi yang terjadi setiap hari. Namun, belum digunakan untuk memproyeksikan persediaan obat untuk periode berikutnya. Untuk menghindari kekecewaan pasien yang membutuhkan obat, proses prediksi sangat penting. Dengan demikian, ketersediaan obat di klinik dapat dikendalikan oleh Instalasi Farmasi. Hal ini akan memungkinkan klinik untuk tetap memenuhi kebutuhan obat pasien yang datang dan mengendalikan persediaan obat dengan baik. Salah satu cara untuk memprediksi persediaan obat jenis tablet tersebut dapat menggunakan metode regresi linear sederhana.
1.2 Tinjauan Pustaka
1.2.1 Model Regresi Linear Sederhana
Model regresi linear sederhana merupakan model probabilistik yang menerangkan tentang hubungan linear antara dua variabel yaitu variabel bebas atau independen yang mempunyai hubungan dengan variabel terikatnya atau dependen (salah satu variabel dirasa mempunyai pengaruh terhadap variabel lainnya). Model umum untuk regresi linear sederhana, seperti berikut: \[ Y = a + bX \] Keterangan:
Y = Variabel Dependen
a, b = Parameter-parameter yang nilainya belum diketahui (Koefisien Regresi)
X = Variabel Independen
1.2.2 Uji Normalitas
Asumsi data normal perlu diuji untuk mengetahui apakah sampel yang didapatkan dari hasil observasi sudah berdistribusi normal. Uji normalitas perlu diperhitungkan supaya kita dapat menetapkan statistik uji apa yang akan dipakai. Jika data berdistribusi normal, maka menggunakan statistik uji parametrik. Begitupun sebaliknya, jika data tidak berdistribusi normal, maka mengggunakan statistik uji non parametrik.
Pada kasus ini, uji normalitas menggunakan Shapiro Wilk. Uji Saphiro Wilk disimbolkan dengan huruf W. Keputusan untuk hasil uji hipotesis berdasarkan hasil P-Value yang dibandingkan dengan nilai alpha (α). Jika P-Value lebih besar dari nilai alpha, maka terima H0 yang artinya sampel berdistribusi normal. Begitupun sebaliknya.
1.2.3 Uji Homoskedastisitas
Uji homoskedastisitas atau nama lainnya yaitu uji homogenitas merupakan salah satu uji statistik untuk menunjukkan bahwa dua atau lebih variabel data sampel berasal dari populasi yang memiliki variansi yang sama. Dalam analisis regresi, memiliki syarat yaitu galat regresi untuk masing-masing variabel terikatnya mampunyai variansi yang sama. Sehingga dapat disimpulkan bahwa uji homoskedastisitas bertujuan untuk mengetahui apakah variabel-variabel dari data penelitian mempunyai varians yang sama atau berbeda.
1.2.4 Uji Autokorelasi
Uji autokorelasi memiliki tujuan untuk mencari tahu apakah pada model regresi linear mempunyai korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode sebelumnya. Penyebab autokorelasi yaitu karena observasi dilaksanakan secara berturut-turut sepanjang tahun yang berhubungan satu dengan lainnya. Pada kasus ini untuk menguji autokorelasi menggubakan metode Durbin Watson (DW).
1.3 Data
Data yang digunakan untuk praktikum ini yaitu Data Transaksi Penjualan Obat Jenis Tablet pada Klinik Teluk Banten Periode Januari-Agustus 2020.
2 SOURCE CODE
2.1 Library yang Dibutuhkan
# library(tseries)
# library(lmtest)
# library(nortest)2.2 Import Data
Periode_Minggu_X <- c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20)
Tablet_Y <- c(18,24,42,50,45,27,34,52,48,55,52,65,77,82,95,103,110,114,107,126)
Data_Transaksi_Penjualan_Obat <- data.frame(Periode_Minggu_X, Tablet_Y)
Data_Transaksi_Penjualan_Obat## Periode_Minggu_X Tablet_Y
## 1 1 18
## 2 2 24
## 3 3 42
## 4 4 50
## 5 5 45
## 6 6 27
## 7 7 34
## 8 8 52
## 9 9 48
## 10 10 55
## 11 11 52
## 12 12 65
## 13 13 77
## 14 14 82
## 15 15 95
## 16 16 103
## 17 17 110
## 18 18 114
## 19 19 107
## 20 20 1262.3 Syntax
2.3.1 Analisis Regresi Linear Sederhana
Regresi <- lm(Tablet_Y ~ Periode_Minggu_X, data=Data_Transaksi_Penjualan_Obat)
summary(Regresi)##
## Call:
## lm(formula = Tablet_Y ~ Periode_Minggu_X, data = Data_Transaksi_Penjualan_Obat)
##
## Residuals:
## Min 1Q Median 3Q Max
## -16.9624 -8.8000 0.6489 7.8195 18.3113
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 10.3895 4.8659 2.135 0.0467 *
## Periode_Minggu_X 5.3248 0.4062 13.109 1.2e-10 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 10.47 on 18 degrees of freedom
## Multiple R-squared: 0.9052, Adjusted R-squared: 0.8999
## F-statistic: 171.8 on 1 and 18 DF, p-value: 1.201e-102.3.2 Uji Normalitas
shapiro.test(residuals(Regresi))##
## Shapiro-Wilk normality test
##
## data: residuals(Regresi)
## W = 0.96585, p-value = 0.66592.3.3 Uji Homoskedastisitas
lmtest::bptest(Regresi)##
## studentized Breusch-Pagan test
##
## data: Regresi
## BP = 2.0809, df = 1, p-value = 0.14922.3.4 Uji Autokorelasi
lmtest::dwtest(Regresi)##
## Durbin-Watson test
##
## data: Regresi
## DW = 0.83773, p-value = 0.0006127
## alternative hypothesis: true autocorrelation is greater than 03 HASIL DAN PEMBAHASAN
3.1 Pendugaan Parameter
3.1.1 Persamaan Regresi Linear Sederhana
Persamaan regresi linear sederhana berdasarkan output yang dihasilkan yaitu: \[ Y = a + bX \] \[ Y = 10,389 + 5,325X \] Interpretasi
Jika jumlah periode (X) naik sebanyak 1 satuan, maka akan menaikkan jumlah obat jenis tablet (Y) sebesar 5,325 atau 53,25%
3.1.2 Uji Simultan
Hipotesis
H0: Tidak terdapat pengaruh yang signifikan antara jumlah periode (X) dengan jumlah obat jenis tablet (Y).
H1: Terdapat pengaruh yang signifikan antara jumlah periode (X) dengan jumlah obat jenis tablet (Y).
Statistik Uji
P-Value = 1.2x10-10
Keputusan
P-Value (1.2x10-10) < α (0.05), maka Tolak H0
Interpretasi
Dengan taraf nyata 5%, dapat disimpulkan bahwa terdapat pengaruh yang signifikan antara jumlah periode (X) dengan jumlah obat jenis tablet (Y).
3.2 Uji Asumsi
3.2.1 Uji Normalitas
Hipotesis
H0: Sampel berdistribusi normal.
H1: Sampel tidak berdistribusi normal.
Statistik Uji
W = 0.96585
P-Value = 0.6659
Keputusan
P-Value (0.6659) > α (0.05), maka Terima H0
Interpretasi
Dengan taraf nyata 5%, dapat disimpulkan bahwa sampel berdistribusi normal.
3.2.2 Uji Homoskedastisitas
Hipotesis
H0: Variansi galat bersifat homoskedastisitas.
H1: Variansi galat bersifat heteroskedastisitas.
Statistik Uji
BP = 2.0809
P-Value = 0.1492
Keputusan
P-Value (2.0809) > α (0.05), maka Terima H0
Interpretasi
Dengan taraf nyata 5%, dapat disimpulkan bahwa variansi galat bersifat homoskedastisitas.
3.2.3 Uji Autokorelasi
Hipotesis
H0: Tidak terjadi autokorelasi.
H1: Terjadi autokorelasi.
Statistik Uji
DW = 0.83773
P-Value = 0.0006127
Keputusan
P-Value (0.0006127) < α (0.05), maka Tolak H0
Interpretasi
Dengan taraf nyata 5%, dapat disimpulkan bahwa terjadi autokorelasi.
4 KESIMPULAN
Persamaan regresi liniear sederhana yang diperoleh yaitu: \[ Y = 10,389 + 5,325X \] yang bisa ditarik kesimpulan:
Jika jumlah periode (X) naik sebanyak 1 satuan, maka akan menaikkan jumlah obat jenis tablet (Y) sebesar 5,325 atau 53,25%.
Pendugaan parameter regresi bisa memakai uji simultan maupun uji parsial. Pada praktikum ini hanya uji simultan saja karena variabel independen yang memengaruhi variabel dependennya hanya satu saja. Kesimpulan dari uji simultan yaitu terdapat pengaruh yang signifikan antara jumlah periode (X) dengan jumlah obat jenis tablet (Y).
Uji asumsi yang digunakan pada praktikum ini yaitu uji normalitas, uji homoskedastisitas, dan uji autokorelasi. Berikut kesimpulan dari uji asumsi:
- Uji Normalitas menggunakan Saphiro Wilk
Dari hasil dan pembahasan pada bab 3, dapat disimpulkan bahwa sampel berdistribusi normal.
- Uji Homokedastisitas menggunakan Breusch-Pagan
Dari hasil dan pembahasan pada bab 3 , dapat disimpulkan bahwa variansi galat bersifat homoskedastisitas
- Uji Autokorelasi menggunakan Durbin Watson
Dari hasil dan pembahasan pada bab 3, dapat disimpulkan bahwa terjadi autokorelasi.
5 DAFTAR PUSTAKA
Akbar N. 2018. Uji Normalitas Data Untuk Penelitian. Bali: Jayapangus Press
Faustyna dan Jumani. 2015. Pengaruh Pengembangan Karir Dan Disiplin Kerja Terhadap Kinerja Karyawan Pada PT Pelabuhan Inonesia I (PERSERO) Medan. Jurnal Ilmiah Manajemen Dan Bisnis. 15 (1):71-78.
Harsiti, Zaenal M., dan Ela S. 2022. Penerapan Metode Regresi Linier Sederhana Untuk Prediksi Persediaan Obat Jenis Tablet. Jurnal Sistem Informasi. 9 (1):12-16.
Nuryadi, Tutut D.A., Endang S.U., dan M. Budiantara. 2017. Dasar-Dasar Statistik Penelitian. Yogyakarta: SIBUKU MEDIA
Suyono. 2018. Analisis Regresi untuk Penelitian. Yogyakarta: Deepublish