IMPLEMENTASI KLASIFIKASI ITEM PERSEDIAAN PADA … · 2012-02-17 · (WIP), dan produk jadi ... dkk (2008), pada umumnya di rumah sakit, kritikalitas merupakan pertimbangan yang penting

IMPLEMENTASI KLASIFIKASI ITEM PERSEDIAAN PADA RUMAH SAKIT MENGGUNAKAN METODE ABC-FUZZY CLASSIFICATION

Eliza Nurul L1, Mahendrawathi ER2, Renny P Kusumawardani3

Jurusan Sistem Informasi

Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember

Kampus ITS, Jl. Raya ITS, Sukolilo – Surabaya 60111

Telp. +62 31 5939214, Fax. +62 31 591380   [email protected] , [email protected] , [email protected] 

Abstract— Rumah sakit rata-rata telah menghabiskan

biaya jutaan tiap tahunnya untuk investasi obat-obatan. Namun sebagian besar pihak rumah sakit belum dapat menentukan strategi pengelolaan terhadap item persediaan dengan tepat. Padahal persediaan pada sebuah rumah sakit sangat penting sekali peran dan keberadaannya dikarenakan persediaan mempunyai sifat kekritisan yang tinggi. Sehingga pemenuhan akan persediaan harus dapat berjalan dengan baik agar tidak membahayakan keselamatan pasien. Salah satu aspek penting dalam manajemen persediaan yang dapat dilakukan oleh pihak rumah sakit adalah mengklasifikasikan item-item persediaan mereka. Pengklasifikasian ini bertujuan untuk mengetahui prioritas tiap kelompok item persediaan agar dapat menerapkan strategi pengelolaan persediaan yang sesuai dengan karakteristik persediaan. Metode yang umum digunakan untuk pengklasifikasian inventori ialah analisis ABC. Tetapi metode ini hanya menggunakan satu kriteria saja yang kurang sesuai untuk karakterisitk persediaan pada rumah sakit. Dalam tugas akhir ini dilakukan klasifikasi item persediaan pada rumah sakit dengan metode ABC-Fuzzy Classification yang menghasilkan tiga kelompok. Metode ini menggabungkan analisis ABC tradisional dengan fuzzy classification. Metode ini dapat menangani beberapa kombinasi informasi atribut item yang penting untuk kepentingan manajerial rumah sakit. Dari tugas akhir ini dihasilkan aplikasi yang dapat membantu untuk pengklasifikasian item persediaan menggunakan metode ABC-Fuzzy classification. Selain itu, dijelaskan juga perbandingan metode ini dengan metode pengklasifikasian item persediaan lainnya.

Keywords—  Klasifikasi, Analisis ABC, Klasifikasi

Fuzzy, ABC-fuzzy Classifictaion, Persediaan

I. PENDAHULUAN

Menurut McKone-Sweet (2005), selama dekade terakhir, kebanyakan rumah sakit menghadapi tantangan dalam hal naiknya biaya yang dikeluarkan. Lebih dari tujuh tahun, biaya dari perawatan kesehatan telah mengalami kenaikan sangat cepat dibanding dengan inflasi. Selain itu, menurut Alverson (2003), rumah sakit

rata-rata telah menghabiskan biaya jutaan tiap tahun untuk investasi obat-obatan. Sementara itu pihak rumah sakit belum memberikan perhatian yang cukup untuk mengelola persediaan mereka. Rata-rata, pihak rumah sakit belum menentukan strategi pengelolaan yang tepat terhadap item persediaan mereka dan proses pengelolaan banyak dilakukan berdasarkan intuisi dan pengalaman staf. Hal ini dapat berakibat pada rendahnya tingkat pelayanan dan tingginya biaya pengelolaan persediaan.

Persediaan pada rumah sakit melibatkan banyak item yang memiliki karakteristik yang berbeda-beda. Ada beberapa inventori pada rumah sakit yang sangat berhubungan dengan nyawa pasien, contohnya saja item-item inventori pada ruang gawat darurat dan operasi. Jika item-item tersebut tidak ada disaat pasien membutuhkan maka membahayakan keamanan jiwa dari pasien. Sedangkan sumber daya pada rumah sakit memiliki keterbatasan sehingga tidak dapat menerapkan strategi pengelolaan yang sama untuk setiap jenis persediaan. Oleh karena itu rumah sakit perlu mengetahui kelompok-kelompok item yang termasuk penting, agak penting, dan kurang penting, sehingga dapat menerapkan strategi pengelolaan persediaan yang tepat untuk tiap kelompok.

Kebanyakan rumah sakit masih menggunakan cara manual untuk membuat catatan tentang inventori mereka, sehingga menghasilkan proses dokumentasi yang buruk. Dengan dokumentasi mengenai inventori yang buruk, nantinya dapat mengakibatkan informasi yang kurang akurat dan tidak dapat diandalkan. Padahal, informasi mengenai inventori yang benar sangat dibutuhkan untuk menyusun strategi perlakuan terhadap item-item inventori tersebut.

Dengan adanya teknologi yang telah berkembang pesat dan cepat, maka dapat membantu pihak rumah sakit dalam melakukan pengelompokan item-item persediaan secara terkomputerisasi dengan cepat dan mudah dibanding dengan dilakukan secara manual yang dapat memakan waktu lama dan sulit untuk dilakukan. Selain itu dapat memperkecil kesalahan dalam melakukan pengelompokan item-item persediaan.

Metode pengelompokan persediaan yang telah umum diterapkan adalah klasifikasi ABC seperti yang telah dilakukan Guvenir dan Erel (1998), Huiskonen (2001), dan Partovi dan Anandarajan (2002). Pengelompokan pada klasifikasi ABC hanya berdasarkan satu kriteria. Untuk item inventori, kriteria yang digunakan biasanya penggunaan per tahun. Sedangkan bisa saja terdapat kriteria lain yang merepresentasikan pertimbangan yang penting untuk manajemen. Oleh karena itu, analisis ABC tradisional tidak dapat menyediakan klasifikasi item invetori yang baik pada praktiknya.

Teknik yang digunakan untuk mengelompokkan item persediaan pada rumah sakit adalah ABC-Fuzzy Classification (ABC-FC), yaitu teknik klasifikasi yang menggabungkan analisis ABC tradisional dengan fuzzy classification. Teknik ini dapat menangani beberapa kombinasi informasi atribut item yang penting untuk kepentingan manajerial. Pertama-tama item persediaan akan diklasifikasikan dengan menggunakan analisis ABC tradisional sehingga didapatkan tiga kelompok. Kemudian dilakukan fuzzy classification pada tiga kelompok tersebut dan didapatkan tiga subkelompok pada tiap kelompok.

Dengan analisis ABC-FC, terdapat tiga kelompok klasifikasi yang masing-masing dapat membutuhkan manajemen persediaan yang berbeda-beda. Untuk mengurangi kombinasi menjadi jumlah yang mudah diatur, yang serupa dengan analisis ABC tradisional, kemudian dikombinasikan sembilan kelompok klasifikasi ke dalam tiga kelompok kombinasi (sangat penting, penting, dan tidak penting). Seiring dengan perkembangan teknologi, ABC-Fuzzy Classification ini dapat dilakukan secara otomatis dengan bantuan komputer untuk memudahkan proses pengelompokan. Pada tugas akhir ini dilakukan pembuatan aplikasi yang memudahkan pengklasifikasian item persediaan pada rumah sakit dengan metode ABC-Fuzzy Classification. Pada aplikasi tersebut dapat dilakukan pengklasifikasian dari database dan dapat langsung mengklasifikasikan item persediaan yang baru dimasukkan. Aplikasi ini akan menghasilkan keluaran berupa hasil klasifikasi item persediaan baik dalam rincian daftar maupun visualisasi, serta mampu menghasilkan laporan dalam file excel.

II. TINJAUAN PUSTAKA 2.1. Inventori Secara Umum

Inventori ialah persediaan atau stock. Inventori dapat berupa bahan baku, barang setengah jadi, bahan pembantu, suku cadang, maupun produk jadi. Persediaan dapat muncul di mana-mana, mulai dari lantai produksi,

gudang bahan baku, gudang barang jadi, hingga konsumen. Inventori atau persediaan dapat diklasifikasikan dengan berbagai cara. Menurut Pujawan dan ER (2010), klasifikasi persediaan dapat dilihat dari berbagai cara berikut: 1. Berdasarkan bentuknya, yaitu bahan baku

(raw material), barang setengah jadi (WIP), dan produk jadi (finished product). Klasifikasi ini biasanya hanya berlaku pada perusahaan manufaktur.

2. Berdasarakan fungsinya, persediaan dibedakan menjadi: a. Pipeline/transit inventory Persediaan yang muncul karena lead

time pengiriman dari satu tempat ke tempat lain. Persediaan ini akan menjadi banyak jika jarak pengiriman panjang. Untuk menguranginya yaitu dengan mempercepat pengiriman.

b. Cycle Stock Merupakan persediaan karena akibat

motif untuk memenuhi skala ekonomi. Persediaan ini mempunyai siklus tertentu.

c. Persediaan Pengaman (Safety Stock) Fungsi dari persediaan ini ialah

sebagai perlindungan terhadap ketidakpastian permintaan maupun pasokan. Biasanya perusahaan menyimpan lebih banyak dari yang diperkirakan dibutuhkan. Menentukan berapa besarnya persediaan pengaman merupakan suatu pekerjaan yang sulit. Besar kecilnya persediaan pengaman terkait dengan biaya persediaan dan tingkat layanan.

d. Anticipation Stock Persediaan yang dibutuhkan untuk

mengantisipasi kenaikan permintaan akibat sifat musiman dari permintaan terhadap suatu produk. Walaupun pada hakekatnya mengantisipasi permintaan yang tidak pasti, namun perusahaan dapat memprediksi adanya kenaikan dalam jumlah yang signifikan (bukan sekadar pola acak).

Berdasarkan sifat ketergantungan kebutuhan antara satu item dengan item lainnya. Item-item yang kebutuhannya tergantung pada kebutuhan item lain dinamakan dependent demand item. Sebaliknya, kebutuhan independent demand item tidak tergantung pada kebutuhan item lain. Klasifikasi ini dilakukan karena pengelolaan kedua jenis item ini biasanya berbeda.

Ketergantungan permintaan ini biasanya diwujudkan dalam bentuk struktur/komposisi produk (bill of material).

2.2. Inventori Rumah Sakit Rumah sakit memiliki karakteristik rantai

pasok yang unik dibanding dengan industri lainnya. Menurut Hsiang, dkk (2008), pada umumnya di rumah sakit, kritikalitas merupakan pertimbangan yang penting dalam rantai pasok baik dari sisi pasien maupun sisi barang atau item. Kemudian biaya stock-out pada rumah sakit bisa menjadi sangat besar karena terkadang stock-out yang terjadi dapat mengancam nyawa pasien yang ada. Selain itu permintaan yang sedikit menjadi salah satu masalah dalam inventori pada rumah sakit. Terkadang pada rumah sakit terdapat beberapa item yang mempunyai permintaan kurang dari satu unit tiap harinya bahkan ada yang tidak memiliki permintaan sampai beberapa periode bulan, tetapi rumah sakit harus tetap menyimpan inventori ini untuk keadaan darurat. Item seperti narkotika dan bahan-bahan berbahaya lainnya membutuhkan perlakuan yang spesifik dan khusus sepanjang proses distribusi. Kemudian inventori pada rumah sakit sangat bervariasi biayanya, mulai dari yang mempunyai biaya rendah hingga yang sangat mahal. Dari sini mengimplikasikan bahwa terdapat kompleksitas yang harus dipahami supaya dapat mengelola persediaan secara efisien. Lovell dkk. (2005) telah merangkum sejumlah variabel untuk segmentasi dan memisahkan variabel ini ke dalam empat kategori, yaitu: produk, pasar, sumber daya, geografis dan lingkungan komersial. Lovell dkk. (2005) menujukan variabel tersebut lebih pada perspektif

dari supplier daripada perspektif dari konsumen. Danas dkk . (2006) mengadopsi variabel untuk dilakukan segmentasi terhadap obat-obatan dan mengatur kriteria klasifikasi untuk farmasi rumah sakit dari perspektif konsumen. Semua variabel segmentasi yang penting terangkum pada tabel 2.1. Pada tabel rangkuman variabel segmentasi juga dicantumkan keterangan kemampuan suatu variabel untuk dapat diterapkan ke dalam rumah sakit menurut penilaian dari Hsiang, dkk (2008). Pada kategori produk, biaya unit termasuk variabel yang fundamental ketika mempertimbangkan holding cost untuk inventori yang merupakan beban finansial yang besar bagi rumah sakit. Ukuran, berat fisik, serta karakteristik penanganan relevan terhadap biaya distribusi dan ruang penyimpanan pada rumah sakit. Variabel ini juga berpengaruh pada waktu penanganan material dan biaya untuk seluruh staf medis. Waktu kadaluarsa merupakan pertimbangan yang penting untuk semua obat dan beberapa item medis atau operasi. Segmen pasar atau kategori konsumen sangat penting untuk industri rumah sakit. Kritikalitas dan tingkat pelayanan yang dinginkan merupakan dua variabel yang paling vital. Persebaran atau lokasi permintaan menampilkan bagaimana poin penggunaan untuk item tertentu diletakkan pada bangsal rumah sakit. Tingkat permintaan, frekuensi permintaan, dan variasi permintaan ialah variabel penting untuk mendeskripsikan pola permintaan untuk beberapa item. Untuk mengklasifikasikan item persediaan pada rumah sakit maka perlu untuk menentukan variabel-variabel mana saja yang dianggap penting bagi rantai pasok rumah sakit tersebut. Untuk menentukan variabel-variabel tersebut maka perlu melihat kondisi rumah sakit yang dijadikan objek

Tabel 2.II.1. Variabel segmentasi item persediaan

penelitian dan melakukan wawancara terhdapa pihak rumah sakit untuk mengetahui keadaan persediaan di sana. 2.3. Teknik-teknik Klasifikasi Inventori

Telah banyak dilakukan penelitian untuk mengklasifikasikan item logistik. Klasifikasi ABC banyak digunakan pada penelitian sebelumnya untuk mengklasifikasikan item-item logistik ke dalam tiga kelompok. Klasifikasi ABC hanya berdasarkan satu kriteria. Untuk item inventori, kriteria yang digunakan biasanya penggunaan per tahun. Bagaimanapun bisa saja terdapat kriteria lain yang merepresentasikan pertimbangan yang penting untuk manajemen. Oleh karena itu, analisis ABC tradisional tidak dapat menyediakan klasifikasi item invetori yang baik pada praktiknya (Guvenir dan Erel, 1998; Huiskonen, 2001; Partovi dan Anandarajan, 2002; Min-Chun Yu, 2011).

Selain itu Flores dan Whybark (1986), mengusulkan metodologi matrix-based yang menggunakan dua kriteria. Kelemahan dari metode ini ialah ketika kita membutuhkan lebih dari dua kriteria yang harus dipertimbangkan. Ernst dan Cohen (1990), mengusulkan metodologi berdasarkan statistical clustering. Kelemahannya ialah pendekatan ini memerlukan data substansial, penggunaan analisis faktor, prosedur analisis, yang menjadikannya tidak praktikal pada lingkungan ruang inventori umumnya.

Analytic Hierarchy Process (AHP) diperkenalkan oleh Saaty (1980) dan diadaptasi oleh beberapa penulis untuk klasifikasi ABC (Gajpal, Ganesh, dan Rajendran, 1994). Kelemahan dari metode ini ialah jumlah subjektifitas yang signifikan diikutkan dalam kriteria pairwise comparison. Begitu juga dengan metode Fuzzy AHP yang telah dilakukan Lasmaria (2010), yang masih melibatkan subjektifitas yang signifikan dalam memberikan penilaian perbandingan untuk tiap kriteria yang digunakan.

Artificial Intelligence (AI) juga merupakan salah satu cara untuk mengklasifikasikan inventori dengan multi kriteria. Partovi dan Anandarajan (2002), mengusulkan Artificial Neural Network (ANN) untuk mengklasifikasikan stock keeping unit pada industri farmasi. Pendekatan ini merupakan pendekatan heuristik dan dapat tidak menyediakan hasil yang baik untuk semua lingkungan.

Kemudian terdapat metode discriminant analysis yang masih berdasarkan asumsi, sehingga jika situasi yang sebenarnya menyimpang dari asumsi ini, maka hasil dari discriminant analysis tidak akan akurat dan tidak dapat dihandalkan (Johnson dan Wichern, 1998).

ABC-Fuzzy classification yang akan digunakan dalam penelitian ini memiliki beberapa kelebihan, antara lain: pendekatan ini dapat menangani beberapa kombinasi informasi atribut

item yang penting untuk kepentingan manajerial, pilihan manajer untuk mengelompokkan berdasarkan kinerja operasional dapat diikutkan, fuzzy statistical discrimination criteria juga dipertimbangkan, dapat diimplementasikan dengan mudah untuk para praktisi. Selain itu menurut Nachtmann dan Needy (2001), teknik ini memiliki beberapa keuntungan, yaitu: menyediakan pengguna sistem dengan informasi tambahan untuk membuat keputusan yang melibatkan biaya produk, memberdayakan pengguna sistem dengan informasi tentang kesalahan dan ketidakpastian sistem inheren, menampilkan analisis sensitivitas ABC seketika dengan menyediakan hasil best case dan worst case.

Menurut Nachtmann dan Needy (2001), fuzzy set theory pada ABC-FC dikembangkan untuk menangani ketidaktepatan estimasi dan ketidakpastian dalam sistem ABC. Karena data ABC berdasarkan historis dan sering diestimasi, nilai sebenarnya dari data tidak pasti, dan estimasi yang dilakukan tidak tepat. Kontribusi utama dari fuzzy ialah kemampuannya menampilkan pengetahuan yang samar dengan mengkuantifikasikan informasi yang tepat. Untuk studi kasus kali ini, penulis hanya melakukan pengklasifikasian item logistik yang berupa barang medis ke dalam beberapa kelompok untuk mengetahui prioritas tiap kelompok.

2.3.1 Analisis ABC Pengklasifikasian item logistik ini bertujuan untuk membedakan item logistik yang sangat penting, penting, dan tidak terlalu penting. Menurut Partovi dan Anandarajan (2002) item logistik yang diklasifikasikan menjadi kelompok A adalah item yang berjumlah sedikit yang berada di urutan teratas pada daftar yang mengontrol mayoritas total pengeluaran tahunan. Item yang diklasifikasikan menjadi kelompok B adalah item dengan penilaian yang cukup tinggi, dan item yang diklasifikasikan sebagai kelompok C ialah item yang berada di uratan bawah pada daftar yang mengontrol porsi pengeluaran tahunan yang relatif kecil. Klasifikasi dilakukan berdasarkan nilai penggunaan per tahun tiap item logistik. Kelompok A mempunyai item sebanyak 10% dari total banyaknya item dengan total penggunaan tiap tahunnya sebanyak 70% dari total penggunaan per tahun untuk seluruh item. Kelompok B mempunyai item sebanyak 20% dari total banyaknya item dengan total penggunaan tiap tahunnya sebanyak 20% dari total penggunaan per tahun untuk seluruh item. Kelompok C mempunyai item sebanyak 70% dari total banyaknya item dengan total penggunaan tiap tahunnya sebanyak 10% dari total penggunaan per tahun untuk seluruh item. Nilai prosentase ini dapat diubah sesuai dengan kebijakan perusahaan.

Untuk melakukan analisis ABC dengan satu kriteria maka dapat dilakukan langkah-langkah sebagai berikut: 1. Daftar semua item yang akan diklasifikasi,

beserta dengan data rata-rata pemakaian item logistik per tahun dan data rata-rata harga untuk setiap itemnya.

2. Kalikan rata-rata pemakaian per tahun dengan rata-rata harga untuk setiap item untuk mendapatkan nilai penggunaan per tahun tiap item.

3. Urutkan nilai penggunaan per tahunnya mulai dari yang terbesar hingga yang terkecil. Jumlahkan secara kumulatif nilai penggunaan per tahunnya.

4. Konversikan jumlah kumulatif tiap item menjadi prosentase kumulatif. Prosentase inilah yang menjadi ukuran item dalam menentukan kelompok item tersebut.

Analisis klasifikasi ABC memiliki beberapa manfaat, diantaranya sebagai berikut: 1. Membantu manajemen dalam menentukan

tingkat persediaan yang efisien 2. Memberikan perhatian pada jenis persediaan

utama yang dapat memberikan cost benefit yang besar bagi perusahaan

3. Dapat memanfaatkan modal kerja (working capital) sebaik-baiknya sehingga dapat memacu pertumbuhan perusahaan

4. Sumber-sumber daya produksi dapat dimanfaatkan secara efisien yang pada akhirnya dapat meningkatkan produktifitas dan efisiensi fungsi-fungsi produksi

2.3.2 Fuzzy Classification

Fuzzy classification analysis biasanya digunakan untuk mengklasifikasikan training data set (data set yang digunakan untuk menghasilkan membership function) dan untuk memprediksi testing data (Zhou dan Khotanzad, 2007). Training data set berisi sejumlah contoh. Contoh berisi atribut dependen dan beberapa nilai atribut dapat berbetuk nominal atau non-nominal. Karena sifat dari data nominal dan data non-nominal berbeda, kita harus memperlakukan dua tipe data tersebut secara. Berikut cara untuk menghitung membership function pada tiap tipe data (Chu, dkk, 2008): 2.3.2.1 Atribut Nominal Independen Misalkan Y dan , , ... , menjadi atribut nominal dependen dan atribut nominal independen. Membership functiondari atribut nominal independen dapat dihasilkan dengan cara berikut: 1. Untuk setiap Y dan (0 = 1, ... , k),

klasifikasikan semua contoh pada input training data set dengan nilai atribut dependen (j = 1,2,...,n) dan nilai atribut independen (i = 1,2,...,m). Kita dapat memperoleh tabel occurency frequency

seperti pada gambar 2.1 dengan menghitung occurency frequency ( ) sesuai pada kombinasi dari dan .

2. Untuk setiap baris pada gambar 1 , bagi setiap masukan pada baris i (i = 1,2,...,m) dari gambar 1 dengan jumlah dari keseluruhan masukan pada baris i. Kemudian akan dihasilkan gambar 2.2 yang mana jumlah keseluruhan masukan pada tiap baris sama dengan 1. Definisi untuk rumusan di atas dijelaskan pada persamaan 2-1 :

∑ (2-1)

3. Untuk setiap j, 1 ≤ j ≤ n, membership function ( ) didefiniskan pada persamaan 2-2:

, jika = , jika =

( ) = . (2-2)

. , jika = Dengan diketahui:

= membership function untuk atribut nominal independen

= nilai atribut dependen ke j = atribut nominal independen = nilai atribut nominal independen

= nilai dari occurency frequency Y dan

2.3.2.2 Atribut Non-nominal Independen Untuk atribut non-nominal independen, rata-rata sampel dan varian menyediakan informasi yang berharga tentang populasi dan karena itu digunakan untuk memformulasikan membership function. Membership function dari atribut nominal independen dapat dihasilkan dengan cara berikut: 1. Hitunglah nilai potong , , dan nilai

batasan , , , dan yang didefinisikan pada persamaan 2-3 sampai 2-8

Dengan diketahui: S = nilai variance dari atribut Y dan X2 X = nilai rata-rata dari atribut Y dan X2

2. Temukan membership function ( ) untuk Y = , ( ) untuk Y = , dan

( ) untuk Y = . Jika > , maka membership functiondapat didefinisikan seperti pada rumus 2-9 sampai 2-11:

Dengan diketahui:

= membership function untuk atribut non-nominal independen

= nilai atribut dependen ke j = atribut non-nominal independen

Jadi untuk aturan fuzzy classification dapat diuraikan dengan langkah-langkah berikut: 1. Tentukan atribut dependet Y dan atribut

independen (0 = 1,2,...,k) dimana atribut Y ialah nominal dan atribut independen (0 = 1,2,...,k) dapat berupa nominal atau non-nominal

2. Temukan nilai atribut dependen Y dan atribut independen , dan gunakan , , … , untuk melambangkan nilai atribut dependen Y dan , , … , untuk melambangkan nilai atribut independen

3. Hasilkan membership function dari atribut independen nominal berdasarkan langkah yang telah dijelaskan pada 2.3.2.1

4. Hasilkan membership function dari atribut independen non-nominal berdasarkan langkah yang telah dijelaskan pada 2.3.2.2

5. Lambangkan item inventori yang spesifik dengan . Berdasarkan langkah tiga dan empat,substitusikan nilai dari ke dalam membership function, kita dapat memperoleh nilai n ( , ... , n (

6. Definisikan ( )= ∑

, yang

merepresentasikan grade of membership dari pada kelas Y= . Aturan fuzzy classification

dapat didefinisikan seperti berikut: Jika ( )=max { ( ), ( ), ...,

( )} maka item inventori diletakkan pada kelas

2.3.3 Aturan ABC-Fuzzy Classification Berdasarkan Ching-Wu Chu (2008), berikut merupakan langkah-langkah untuk ABC-Fuzzy classification (ABC-FC): 1. Rancang fungsi kritikalitas dari item inventori,

Y= f( , ), dimana Y ialah kritikalitas item inventori (yang merupakan atribut dependent) termasuk tiga level dalam klasifikasi: sangat

kritis, kritis, dan tidak kritis. ialah kefatalan dari dampak kehabisan inventori termasuk tiga level dalam klasifikasi: sangat fatal, fatal, dan tidak fatal. ialah frekuensi penggunaan item inventori dalam periode perencanaan.

2. Klasifikasikan semua item inventori berdasarkan analisis ABC tradisional. Kita dapat menghasilkan tiga kelompok item inventori (kelompok A, kelompok B, kelompok C) dan notasikan tiap kelompok dengan , ,

3. Gunakan fuzzy classification untuk

mengklasifikasikan kelompok , , . Semua item inventori pada tiap kelompok ,

, dapat dibagi ke dalam sub kelompok berdasarkan kekritisannya.

Dengan analisis ABC-FC, terdapat sembilan kelompok klasifikasi yang masing-masing dapat membutuhkan manajemen persediaan yang berbeda-beda. Untuk mengurangi kombinasi menjadi jumlah yang mudah diatur, yang serupa dengan analisis ABC tradisional, kemudian dikombinasikan sembilan kelompok klasifikasi ke dalam tiga kelompok kombinasi sebagai berikut: - Kelompok sangat penting = { , ,

- Kelompok penting = { , , - Kelompok tidak penting = { , ,

III. PERANCANGANDANIMPLEMENTASI

PERANGKATLUNAK 3.1. Perancangan dan Implementasi Data Masukan

Data yang digunakan sebagai data masukan ialah data yang berasal dari Rumah Sakit XYZ yang merupakan rumah sakit spesialis. Barang farmasi pada rumah sakit ini diatur dan dikelola oleh bagian instalasi farmasi. Barang farmasi yang digunakan ialah barang obat-obatan medis saja. Data yang digunakan berjumlah 341 buah item obat-obatan. Dalam hal klasifikasi item inventori, pihak rumah sakit mempertimbangkan beberapa kriteria sebagai pertimbangan untuk melakukan klasifikasi tersebut. Data masukan yang digunakan dalam aplikasi ini ialah data yang dibutuhkan dalam proses analisis ABC dan klasifikasi fuzzy nantinya. Data diambil dari database yang telah disediakan, namun ada beberapa data yang diambil dari hasil proses yang dilakukan. Data masukan yang diambil dari database berisi data setiap item persediaan, data variabel, dan data nilai variabel setiap item persediaan. Data item persediaan berisi informasi dasar tiap obat-obatan pada rumah sakit, seperti kode obat dan nama obat. Data variabel berisi daftar variabel yang digunakan untuk proses analisis ABC dan klasifikasi fuzzy. Data nilai variabel berisi nilai dari setiap variabel, yaitu data nilai tingkat kepentingan obat, nilai kritikalitas

obat, lead time, pemakaian obat, dan harga obat. Data masukan yang diambil dari proses yang dilakukan terdiri dari: Data hasil analisis ABC, occurency frequency, relative frequency, membership function, cut values, thresholds values, grade of membership, dan hasil klasifikasi fuzzy. Untuk menghubungkan aplikasi dengan database maka pengguna nantinya harus memasukkan nama database, host, username, dan password pada aplikasi. 3.2. Perancangan dan Implementasi Sistem Sistem ini dibangun dengan menggunakan bahasa pemrograman Java dan database SQL. Implementasi sistem ini terdiri dari empat proses, yaitu: pemrosesan data, proses analisis ABC, proses fuzzy classification, dan aturan ABC-fuzzy classification. 3.2. 1. Pemrosesan Data Proses ini dimulai jika pengguna telah menghubungkan aplikasi dengan database yang akan digunakan. Pengguna harus mengisi semua field yang dibutuhkan untuk melakukan koneksi terhadap database. Detail field apa saja yang harus isi dapat dilihat pada gambar 3.1. Setelah pengguna berhasil menghubungkan aplikasi dengan database, maka pengguna dapat memproses data dengan melakukan klasifikasi yang ada pada aplikasi.

 Gambar 3.1 Antarmuka koneksi database

3.2. 2. Proses Analisis ABC Data yang digunakan dalam proses ini

ialah data item obat-obatan, data harga obat, dan data jumlah pemakaian obat. Untuk setiap item obat-obatan akan dicari nilai penggunaan per tahunnya. Nilai penggunaan didapat dengan mengkalikan harga rata-rata item obat dalam satu tahun dengan jumlah pemakaian rata-rata item obat dalam satu tahun. Kemudian nilai penggunaan per item dibagi dengan nilai penggunaan terbesar. Setelah itu nilai penggunaan akan diurutkan mulai dari yang terbesar hingga yang terkecil. Nilai penggunaan yang telah diurutkan tadi dijumlahkan secara kumulatif dan diubah menjadi bentuk prosentase. Nilai prosentase kumulatif yang telah didapatkan nantinya akan menjadi ukuran item dalam menentukan termasuk kelompok yang mana. Tiap item obat-obatan dikelompokkan dalam beberapa kelompok sesuai dengan aturan pada tinjauan pustaka.

3.2. 3. Proses Fuzzy Classification Pada permasalahan sekarang terdapat satu

atribut dependen yaitu tingkat kepentingan (y), satu atribut nominal independen yaitu tingkat kritikalitas (x1) dan satu atribut non-nominal independen yaitu lead time (x2). Untuk pemrosesan atribut nominal independen, yang pertama dilakukan ialah menghitung frekuensi kejadian (occurrence frequency) dari kombinasi atribut dependen (y) dan atribut independen (x1). Kemudian dari nilai frekuensi kejadian tersebut dapat diperoleh frekuensi relatif (relative frequency) dengan membagi tiap nilai frekuensi dengan jumlah tiap baris seperti yang dijelaskan pada tinjauan pustaka. Setelah mendapatkan frekuensi relatif maka membership function dari atribut nominal independen dapat dihitung. Untuk memproses atribut non-nominal independen yang dilakukan ialah mendapatkan nilai rata-rata (µi) dari kombinasi atribut dependen (tingkat kepentingan) dan atribut independen (lead time). Kemudian mendapatkan nilai variance ( nya. Setelah mendapatkan nilai rata-rata dan variance, maka kita dapat memperoleh nilai potong (cut values) dan nilai batasan (thresholds values).

 Gambar 3.2 Alur proses fuzzy classification 

Penghitungan yang dilakukan ialah untuk memperoleh , , , , , . Kemudian akan dilakukan penghitungan

membership function untuk , untuk , dan untuk sesuai dengan persamaan 2-9 sampai 2-11. Untuk meghitung derajat keanggotaan (grade of memebership) diperlukan nilai dari fungsi keanggotaan (membership function) yang telah didapat sebelumnya. Derajat keanggotaan didapatkan dengan menggunakan perhitungan seperti yang telah dijelaskan. Setelah mendapatkan nilai derajat keanggotaan, maka dapat diperoleh hasil dari fuzzy classification. Untuk alur yang lebih jelas dapat dilihat pada gambar 3.2. 3.2. 4. Proses Aturan ABC-Fuzzy Classification Setelah mendapatkan hasil dari analisis ABC dan fuzzy classification, maka dapat diterapkan aturan ABC-fuzzy classification. Aturan ini merupakan kombinasi dari hasil analisis ABC dan fuzzy classification yang dipadatkan menjadi tiga kelompok seperti yang telah dijelaskan pada tinjauan pustaka. 3.3. Perancangan dan Implementasi Data Keluaran Aplikasi klasifikasi item persediaan ini menghasilkan keluaran berupa daftar item yang sudah dikelompokkan pada tabel di aplikasi. Kemudian juga ditampilkan visualisasi berupa grafik tabular rangkuman hasil klasifikasi pada aplikasi. Selain itu, aplikasi ini menyediakan fitur eksport hasil klasifikasi menjadi file excel. Pada tabel daftar hasil klasifikasi berisi kode item, nama item, hasil analisis ABC, hasil klasifikasi fuzzy, hasil ABC-fuzzy classification, dan jumlah total item tiap kelompok klasifikasi. Tabel daftar hasil klasifikasi dapat dilihat pada gambar 3.3.

 Gambar 3.3 Daftar hasil klasifikasi

Visualisasi grafik tabular berisi rangkuman jumlah item tiap kelompok pada ABC-fuzzy classification. Grafik tabular dapat dilihat pada gambar 3.4.

 Gambar 3.4 Grafik hasil klasifikasi

File excel hasil ekspor berisi sesuai dengan yang ditampilkan pada tabel daftar hasil klasifikasi, yaitu kode item, nama item, hasil analisis ABC, hasil klasifikasi fuzzy, dan hasil ABC-fuzzy classification. Ekspor file dapat dilihat pada gambar 3.5.

 Gambar 3.5 Fitur ekspor file

3.4. Implementasi Pengisian Data Baru Pada aplikasi klasifikasi item persediaan ini juga terdapat fitur untuk memasukkan data baru ke dalam database. Setelah mengisi semua field yang telah disediakan pada aplikasi maka dapat ditekan tombol masukkan untuk memasukkan ke database. Untuk mendapatkan nilai Y maka pengguna dapat menekan tombol proses nilai Y. Implementasi untuk pengisian data baru dapat dilihat pada gambar 3.6.

 Gambar 3.6 Form pengisian data baru

IV. UJI COBA DAN ANALISIS 4.1. Uji Coba Verifikasi Verifikasi dari model bertujuan untuk menjamin kebenaran suatu model secara matematis dan konsisten secara logika. Dalam uji coba ini akan dilihat apakah hasil dari aplikasi telah sesuai dengan hasil yang didapatkan dari paper acuan agar dapat meyakinkan bahwa ekspresi-ekspresi matematis merepresentasikan hubungan yang ada dengan benar. Pada paper acuan atribut-atribut yang digunakan untuk ABC-fuzzy classification terdiri dari nilai penggunaan, tingkat kritikalitas, tingkat keakutan, dan frekuensi pemakaian. Terjadi beberapa perbedaan dalam hasil penghitungan pada program dengan yang ada pada aplikasi. Hal ini terletak pada hal pembulatan angka di belakang koma saja. Pada bahasa pemrograman java tidak dapat mmenentukan berapa besar pembulatannya, java hanya dapat melakukan pembulatan ke atas atau ke bawah saja. Dapat dilihat pada tabel 4.1 terjadi perbedaan pembulatan pada nilai , pada paper bernilai 0.359 sedangkan pada program bernilai 0.359375, program cenderung tidak melakukan pembulatan menjadi tiga angka dibelakang koma seperti pada paper.

Tabel 4

4.2. A yang telaplikasi classificaialah 56 A, 63 te38 terkelmenunjuk

4.3. Uj classificahasil daPerbandiperbedaaSalah sklasifikas digunakapemakaiadapat dili

obat-obatpenggunanilai penB dan kpada kelpaling kepada kelo dokumenKriteria tingkat kr

Uy

1

4

11

Item No

4.1 Perbedaan in

Analisis Uji CoBerdasarkan lah dilakukanyang meng

ation telah beitem terkelom

erkelompokkanompokkan mekkan potonganTabel 4.2 Has

Uji Coba ValidPada uji cob

ation nantinyaari analisis ngan ini di

an hasil yang satunya adalasi. Untuk uji c

an atribut hargan tiap obatihat pada gam

Gambar 4.1

Dari tabel 4.tan pada kelaan yang leb

nggunaan itemkelompok C. las C memilecil dibandingompok A dan Untuk hasil

n tugas akhyang digunaritis, pemakai

=o(X1) Uy=1(X1)

0.5 0.359

0.5 0.359

0.5 0.359

Pada Pape

pembulatan adependen

oba Verifikasi pada hasil ujin, telah dibimplementasienar. Hasil dmpokkan men menjadi keenjadi kelompn hasil uji cobsil uji coba ver

dasi ba ini, hasil a akan diband

ABC dan ilakukan untdidapat dalamah menemuk

coba metode ga rata-rata tia. Grafik dar

mbar 4.1.

Hasil analisis

.3 dapat dilihlompok A mbih besar dib

m obat-obatan Sedangkan itliki nilai pen

gkan dengan nkelompok B. fuzzy AHP

hir milik Laakan pada mian, harga, dan

Uy=2(X1) Uy=o(X

9 0.141

9 0.141

9 0.141

r

tribut nomina

i coba verifikbuktikan bahwkan ABC-fuzari uji coba njadi kelomp

elompok B, dpok C. Tabel 4ba verifikasi.rifikasi

dari ABC-fuzdingkan deng

fuzzy AHtuk memaha

m klasifikasinykan perbeda

analisis ABap item obat dri hasil anali

 ABC

hat bahwa itemempunyai nibanding dengpada kelomp

tem obat-obatnggunaan ya

nilai pengguna

didapatkan dasmaria (201

metode ini ialn lead time.

X1) Uy=1(X1) U

0.5 0.359375

0.5 0.359375

0.5 0.359375

Pada Program

l

asi wa zzy ini

pok dan 4.2

zzy gan HP. ami ya. aan

BC dan isis

em ilai gan pok tan ang aan

dari 0). lah

Mdipemakklyada

obyainniTeutkrnipa

clitekeG4.

Uy=2(X1)

0.140625

0.140625

0.140625

Tabel 4

Masing-masingiperbandingkaerbandingan te

masing-masingkan digunaklasifikasi ABang diperolehapat dilihat pa

Ta

Tabel

Dari tbat-obatan yanang paling tinni dikarenakanilai bobot paletapi nilai botama untuk mriteria dapat milai bobot kriada obat Tamo

Untuklassificationdiem obat, epentingan, t

Grafik dari has2.

Gambar 4.

4.3 Rincian has

g kriteria an dengan perersebut akan d

g kriteria. Bobkan dalam

BC. Rangkumh dari tugas ada tabel 4.4. abel 4.4 Hasil F

4.5 Rincian ha

tabel 4.5 dapng memiliki ggi masuk sebn tingkat kriling tinggi diaobot tiap itemendapatkan mempengaruhiterianya lebihoplex 20 mg d

k uji coba igunakan atribpemakaian

ingkat kritikasil analisis dap

.2 Hasil ABC-F

sil analisis ABC

yang drbandingan Adidapatkan bo

bot tiap kriterimelakukan

man hasil fuzakhir Lasma

Fuzzy AHP

asil Fuzzy AHP

pat dilihat banilai tingkat bagai kelompitikalitas menantara kriteriam bukanlah nilai item. N

i hasil nilai ith kecil. Hal idan Femara.

metode Abut harga rata

tiap obat, alitas, dan lepat dilihat pad

Fuzzy classific

C

digunakan, AHP. Dari obot untuk ia tersebut

analisis zzy AHP aria(2010)

P

hwa item kekritisan ok A. Hal ndapatkan a lainnya. pengaruh

Nilai tiap tem walau ini terjadi

ABC-fuzzy a-rata tiap

tingkat ead time. da gambar

 ation

Tabel 4.6 Rincian hasil ABC-Fuzzy classification

Berdasarkan tabel 4.6 dapat dilihat bahwa item obat-obatan yang masuk kelompok very important ialah hanya item yang termasuk dalam kelompok A dan B serta masuk dalam kelompok 2 dan 1. Hasil dari penglompokan ABC bukan menjadi pengaruh utama dalam pengklasifikasian ini. Hal ini dikarenakan terdapatnya variabel lain selain nilai penggunaan yang juga menjadi pertimbangan yang diproses melalui fuzzy classification. Jadi belum tentu jika suatu item termasuk dalam kelompok B maka item tersebut akan masuk ke kelompok important. 4.4. Analisis Uji Coba Validasi Hasil uji coba untuk semua metode dirangkum dalam tabel 4.7.

Tabel 4.7 Hasil uji coba validasi

Tabel 4.8 Perbedaan hasil Fuzzy AHP dan ABC-

Fuzzy classification

Tabel 4.8 menjelaskan perbedaan hasil yang didapat dari klasifikasi dengan metode Fuzzy AHP dan metode ABC-fuzzy classification. Perbedaan yang terjadi pada item Fentanyl dan Sufenta ialah ketika diklasifikasikan dengan metode Fuzzy AHP kedua item tersebut termasuk pada kelompok unimportant, sedangkan jika dengan metode ABC-fuzzy classification, kedua item tersebut termasuk ke dalam kelompok important. Hal ini karena kedua item tersebut sebenarnya termasuk item dengan tingkat kritikalitas yang tinggi dan lead time yang panjang. Tetapi kedua obat ini jarang dipakai. Pada Fuzzy AHP, nilai item untuk masing-masing kriteria

kemudian dikalikan dengan bobot masing-masing kriteria. Perkalian ini menghasilkan bobot item dan prosentase item terhadap keseluruhan. Dalam kasus Fentanyl dan Sufenta, bobot item ini menjadi kecil sehingga ketika diurutkan dengan item lain menempati ranking terbawah dan dikategorikan sebagai unimportant item. Berbeda dengan fuzzy AHP, pada metode ABC-fuzzy classification, kriteria harga dan pemakaian digunakan untuk menghasilkan analisis ABC seperti layaknya metode analisis ABC tradisional. Sementara itu tingkat kritikalitas dan lead time digunakan untuk melakukan fuzzy classification. Hasil dari analisis ABC kemudian dikombinasikan dengan hasil dari kasifikasi fuzzy sehingga diperoleh kelas ABC-fuzzy classification. Jadi, walaupun pada Fuzzy AHP item Fentanyl dan Sufenta tersebut masuk kelompok unimportant karena perkalian pemakaian dan harganya relatif rendah dibandingkan item lain namun keduanya memiliki nilai tingkat kritikalitas yang tinggi dan lead time yang cukup lama. Kedua kriteria ini yang dijadikan pertimbangan ketika dilakukan proses klasifikasi fuzzy sehingga keduanya dapat masuk ke dalam kelompok important. Hal ini bisa menjadi masukan yang sangat penting bagi pihak manajemen Rumah Sakit. Jika pihak RS hanya menerapkan klasifikasi ABC tradisional yang hanya memperhitungkan nilai ekonomis dari sebuah item obat, maka item yang sebenarnya memiliki tingkat kritikalitas yang tinggi ataupun lead time yang panjang bisa salah diklasifikasikan yang akhirnya berakibat pada kesalahan pengelolaan bagi item tersebut. Oleh karena itu, untuk organisasi dimana pengelolaan item persediaan dipengaruhi oleh banyak atribut selain harga dan tingkat pemakaian, penggunaan sistem ABC tradisional sebaiknya diganti dengan metode Multi-Objective Classification seperti metode ABC-Fuzzy Classification yang diterapkan dalam tugas akhir ini. Selain itu, implementasi metode ABC-Fuzzy Classification lebih sesuai dengan realita yang ada, karena pada kenyataannya atribut yang digunakan bisa jadi lebih dari dua. Dengan metode ABC-Fuzzy Classification juga dapat mengurangi tingkat subjektifitas dalam pengimplementasian klasifikasi item persediaan dibanding dengan metode Fuzzy AHP. Berdasarkan rangkuman hasil klasifikasi dari beberapa metode yang dilakukan dapat disimpulkan bahwa terdapat beberapa perbedaan antara klasifikasi yang dilakukan dengan metode analisis ABC, Fuzzy AHP, ABC-fuzzy classification, dan fuzzy classification. Berikut perbedaan-perbedaan tersebut: 1. Hasil dari metode ABC-fuzzy classification

lebih baik dibandingkan dengan hasil metode analisis ABC tradisional. Hal ini dikarenakan pada metode ABC-fuzzy classification memperhitungkan lebih banyak kriteria

termasuk kriteria yang dipertimbangkan manajerial dalam mengelola persediaan. Item yang termasuk kelompok B pada analisis ABC tradisional belum tentu nantinya juga akan masuk kelompok important pada metode ABC-fuzzy classification, karena kriteria lain selain nilai penggunaan juga diperhitungkan.

2. Dengan ABC-fuzzy classification maka ketidaktepatan estimasi dan ketidakpastian dalam sistem ABC dapat ditangani. Karena data analisis ABC berdasarkan historis dan sering diestimasi. Kontribusi fuzzy di sini ialah menampilkan pengetahuan yang samar dengan mengkuantifikasikan informasi yang tepat.

3. ABC-fuzzy classification diperlukan dalam pengklasifikasian ini karena dapat menyediakan pengklasifikasian yang tidak hanya melibatkan biaya produk. Fuzzy diperlukan untuk mengkuantifikasikan atribut seperti tingkat kritikalitas nya.

4. Pada metode Fuzzy AHP, terjadi subjektifitas yang tinggi dibandingkan dengan metode ABC-fuzzy classification. Pada metode Fuzzy AHP subjektifitas terjadi saat menentukan prioritas di antara kriteria-kriteria yang digunakan. Sedangkan pada metode ABC-fuzzy classification, subjektifitas muncul saat menentukan nilai dari faktor penentu (tingkat kepentingan). Selain itu, pada fuzzy AHP jika terdapat data baru maka harus dilakukan penghitungan kelas ulang.

5. Dengan metode ABC-fuzzy classification ketika sudah terbentuk membership function, jika terdapat data baru, maka dapat langsung dilakukan perhitungan untuk menentukan kelompok dari data yang baru dimasukkan tersebut.

V. KESIMPULAN DAN SARAN 5.1 Kesimpulan 1. Hasil ABC-fuzzy classification yang

dihasilkan oleh aplikasi sudah sesuai dengan hasil yang diperoleh dari paper acuan.

2. Hasil klasifikasi dengan menggunakan metode ABC-fuzzy classification lebih baik daripada dengan metode analisis ABC tradisional. Karena dengan metode ABC-fuzzy classification dapat dimasukkan beberapa kriteria yang menjadi pertimbangan dalam mengelola persediaan.

3. Uji coba dengan memperhitungkan tingkat kritikalitas dan lead time dari obat sebagai atribut fuzzy classification dan tingkat penggunaan untuk ABC bisa memberikan hasil yang lebih baik dibandingkan dengan teknik klasifikasi ABC tradisional. Item yang dalam klasifikasi tradisional tergolong tidak penting (kelas B) tetapi dengan memperhitungkan tingkat kritikalitas dan lead

time bisa menjadi item yang penting untuk diperhatikan.

5.2 Saran Berikut ini adalah beberapa saran yang diajukan untuk perbaikan dan pengembangan lebih lanjut: 1. Untuk mendapatkan gambaran yang lebih

komprehensif tentang pentingnya sebuah item maka dapat dipertimbangkan kriteria-kriteria lain untuk melakukan fuzzy-classification.

2. Untuk mengurangi subjektifitas dalam menentukan kelas untuk fuzzy classification dapat dilakukan analisa clustering yang mempertimbangkan beberapa kriteria yang akan digunakan pada fuzzy classification.

VI. DAFTAR PUSTAKA Alverson, C. (2003, November 1). Beyond purchasing--Managing hospital inventory. Retrieved Februari 25, 2010, http://managedhealthcareexecutive.modernmedicine.com/mhe/Web+Exclusives/Beyond-purchasing--Managing-hospital-inventory

Broyles, J. R., Cochran, J. K., & Montgomery, D. C. (2010). A statistical Markov chain approximation of transient hospital inpatient inventory. European Journal of Operation Research , 1645-1657.

Chu, C.-W., Liang, G.-S., & Liao, C.-T. (2008). Controlling Inventory by Combining ABC Analysis and fuzzy Classification. Computer & Industrial Engineering , 841-851.

Ernst, R., & Cohen, M. A. (1990). Operations Related Groups (ORGs): A Clustering Procedure for Production/Inventory Systems. Journal of Operations Management , 574-598.

Flores, B. E., Olson, D. L., & Dorai, V. (1992). Management of Multicriteria Inventory Classification. Mathematical Computing Modelling vol 16 , 71-82.

Gajpal, P. P., Ganesh, L. S., & Rajendran, S. (1994). Criticality Analysis of Spare Parts Using the Analytic Hierarchy Process. International Journal of Production Economics , 293-297.

Ghazanfari, M., & Nojavan, M. (2004). Reducing Inconsistency In Fuzzy AHP By Mathematical Programming Models. Asia-Pacific Journal of Operational Research , 379-391.

Hsiang, S., Cheng, J., & Whittemore, G. J. (2008). An Engineering Approach to Improving Hospital Supply Chains. Massachusets: Massachusets Institute of Technology.

Lasmaria, B. (2010). Sistem Pendukung Keputusan untuk Klasifikasi Inventori dengan Multi-kriteria Menggunakan Metodologi Fuzzy-AHP. Surabaya.

Partovi, F. Y., & Anandarajan, M. (2002). Classifying Inventory Using an Artificial Neural Network Approach. Computers & Industrial Engineering 41 , 389-404.

Pujawan, I. N., & ER, M. (2010). Supply Chain Management. Surabaya: Guna Widya.

Rezaei, J., & Dowlatshahi, S. (2009). A Rule-Based Multi-Criteria Approach To Inventory Classification. International Journal of Production Research .

Roztocki, N., & Weinstroffer, H. (2005). Evaluating Information Technology Investments: A Fuzzy Activity-Based Costing Approach. Journal of Infromation Science and Technology , 30-43.

Yu, M.-C. (2010). Multi_Criteria ABC analysis using artificial-intelligence-base classification techniques. Expert Systems with Applications , 3416-3421.

Zhou, E., & Khotanzad, A. (2007). Fuzzy Classifier Design Using Genetic Algorithm. Pattern Recognition , 3401-3414