Pengembangan Otomasi Inventaris Farmasi Rumah Sakit Gigi dan Mulut Berbasis YOLO

Abstrak

Abstrak Pengelolaan inventaris farmasi pada Rumah Sakit Gigi dan Mulut (RSGM) masih banyak dilakukan secara manual melalui pencatatan dan penghitungan stok satu per satu. Proses tersebut rentan terhadap kesalahan manusia, memerlukan waktu yang lama, serta menyulitkan deteksi dini terhadap kekurangan dan kelebihan stok obat maupun alat kesehatan. Penelitian ini bertujuan mengembangkan sistem otomasi inventaris farmasi berbasis algoritma You Only Look Once (YOLO) yang mampu mendeteksi, mengklasifikasikan, dan menghitung item farmasi secara otomatis dari citra rak penyimpanan. Dataset dibentuk dari 2.400 citra enam kelas item (tablet, sirup, ampul, kapsul, salep, dan alat kesehatan) yang telah dianotasi dan diaugmentasi, kemudian dibagi ke dalam data latih, validasi, dan uji dengan rasio 70:15:15. Model dilatih menggunakan pendekatan transfer learning dengan arsitektur YOLOv8 dan diintegrasikan ke dalam aplikasi web berbasis PHP dan MySQL. Hasil pengujian menunjukkan model mencapai mean Average Precision (mAP@0.5) sebesar 0,943, presisi 0,921, recall 0,914, dan skor F1 0,917, dengan kecepatan inferensi rata-rata 38 frame per detik. Penerapan sistem mampu menekan waktu penghitungan stok hingga 82% dibandingkan metode manual. Hasil ini membuktikan bahwa pendekatan berbasis YOLO layak diterapkan sebagai solusi otomasi inventaris farmasi yang akurat dan efisien di lingkungan RSGM.