Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pemerintah Indonesia menyarankan menggunakan katalog elektronik (e-katalog) menjadi media pengadaan pada masa pandemi Covid-19, tidak terkecuali Kementerian Kesehatan. Namun, masih terdapat permasalahan yang dihadapi dalam menerapkan e-katalog. Penelitian ini bertujuan untuk menggambarkan tantangan penerapan e-procurement melalui katalog elektronik di Kementerian Kesehatan pada masa pandemi Covid-19. Penelitian ini menggunakan kerangka TOE (Technological-Organizational-Environmental) sebagai kerangka teori untuk menggambarkan tantangan penerapan e-katalog. Penelitian ini menggunakan pendekatan kualitatif. Teknik pengumpulan data penelitian ini adalah wawancara mendalam kepada 11 informan dan studi kepustakaan. Hasil penelitian ini menunjukkan bahwa berdasarkan ketiga aspek tantangan tersebut, tantangan organisasional yang paling berat dan sulit diatasi karena hal tersebut dapat memicu permasalahan baru, seperti masalah teknis pada aplikasi e-katalog. Kemudian, tantangan lingkungan yang cukup menantang karena prosedur pencantuman produk yang terlalu terbuka tidak diiringi dengan sistem pengawasan yang matang. Sementara itu, tantangan teknologi dapat mengganggu proses pengadaan, namun bisa dengan mudah diminimalkan dengan solusi teknis. ......The Indonesian government recommends using an electronic catalogue (e-catalogue) as a procurement method during the Covid-19 pandemic, and the Ministry of Health is no exception. However, there are still some problems that arise in implementing e-catalogue. This study aims to describe the challenges of implementing e-procurement through electronic catalogue at the Ministry of Health during the Covid-19 pandemic. This study uses the TOE framework (Technological-Organizational-Environmental) as theoretical framework to describe the challenges of implementing an e-catalog. This study applies a qualitative approach. Data collection techniques in this study are in-depth interviews with 11 informants and literature study. The results of this study indicate that based on these three aspects of challenges, organizational challenges are the most severe and difficult to overcome because they can trigger new problems, such as technical problems in e-catalog applications. Then, the environmental challenges are quite challenging because the product listing procedures are too open and not accompanied by a mature monitoring system. Meanwhile, technological challenges can disrupt the procurement process, but can be easily minimized with technical solutions.

Abstrak :
Kegiatan pengadaan yang merupkan bagian dari pengelolaan sediaan farmasi, alat kesehatan, dan bahan medis habis pakai di puskesmas merupakan salah satu hal yang krusial karena berhubungan dengan perealisasian perencanaan kebutuhan sediaan farmasi, alat kesehatan dan bahan medis pakai di puskesmas. Adapun, pengadaan di puskesmas dapat dilakukan dengan permintaan kepada Dinas Kesehatan Kabupaten /Kota maupun secara mandiri dengan pembelian. Pengadaan berdasarkan katalog elektronik dapat dilakukan melalui e-Purchasing dan secara manual. E-katalog dinilai dapat meningkatkan efisiensi pengadaan obat, namun pada prakteknya masih mengalami hambatan. Pada saat Praktek Kerja Profesi Apoteker (PKPA) di Puskesmas Matraman, dilakukan analisa terkait efektifitas pengadaan obat secara E-katalog di Puskesmas dan diketahui bahwa pengadaan obat melalui E-katalog masih belum berjalan secara efektif. ...... Activities related to the acquisition of pharmaceuticals, medical equipment, and disposable medical materials play a crucial role in managing stock at community health centers, directly impacting the implementation of resource planning at these facilities. Procuring necessary supplies at community health centers can be facilitated through requests or independently through direct purchasing. Procurement can be executed via e-Purchasing or manual methods. Despite expectations that e-Catalogs would improve the efficiency of drug procurement, practical challenges persist. As part of Praktek Kerja Profesi Apoteker (PKPA) at Puskesmas Matraman, an analysis was conducted on the effectiveness of drug procurement via e-Catalogs, revealing that e-Catalog-based procurement has not yet been effectively implemented.

Abstrak :
Dalam era digital yang terus berkembang, aktivitas sosial dan bisnis semakin banyak beralih ke media sosial dan digitalisasi melalui e-commerce. Tidak hanya pada sektor jual beli masyarakat, terjadi digitalisasi di bidang pengadaan barang/jasa pemerintah dengan dibangunnya sistem e-katalog. Sistem e-katalog memungkinkan pemerintah dan masyarakat untuk mengawasi dan memastikan bahwa pengadaan barang dan jasa pemerintah dilakukan secara adil dan transparan. Namun, sistem e-katalog mengalami keterbatasan dalam hal jumlah dan jenis produk, sehingga upaya terus dilakukan untuk menambah vendor dan memperluas kesepakatan dengan penjual lokal. Meskipun begitu, masih terdapat banyak produk impor yang tercatat pada daftar produk di e-katalog. Dengan memanfaatkan teknologi Machine Learning, klasifikasi produk ke lokal dan pemetaannya ke kategori di e-katalog dapat membantu menyelesaikan permasalahan yang dihadapi oleh sistem e-katalog ini. Desain penelitian yang digunakan pada penelitian ini adalah Experimental research, dimana klasifikasi produk dan pemetaan kategori yang dilakukan pada penelitian ini menggunakan metode Machine Learning. Pemetaan kategori dilakukan dengan 2 pendekatan, produk ke kategori dan kategori ke kategori. Klasifikasi produk dibagi menjadi 2 kelas yaitu lokal dan impor. Data yang diolah adalah produk dari e-commerce dari rentang November 2022 hingga April 2023. Metode yang digunakan pada penelitian ini untuk klasifikasi produk lokal dan kategori adalah Random Forest (RF), Support Vector Machine (SVM), Neural Network (NN), dan Transformers. Dari eksperimen klasifikasi produk lokal dan kategori, keduanya mendapatkan hasil evaluasi terbaik dari model transformers, yang digunakan sebagai model ekstraksi fitur hingga klasifikasi. Performa model klasifikasi produk lokal mendapat f1-score 97,24% dan akurasi 97,25%. Sedangkan model klasifikasi kategori, performa model f1-score 63,74% dan akurasi 64,14%. ......In the ever-evolving digital era, social and business activities are increasingly turning to social media and digitalization through e-commerce. Not only in the public buying and selling sector, digitization happen in the field of government goods/services procurement with the construction of an e-catalog system. The e-catalog system enables the government and the public to monitor and ensure that government procurement of goods and services is carried out in a fair and transparent manner. However, the e-catalog system suffers from limitations in terms of the number and types of products, so efforts are being made to add more vendors and expand agreements with local sellers. Even so, there are still many imported products listed on the product list in the e-catalog. By utilizing Machine Learning technology, classifying products to local and mapping them to categories in the e-catalog can help solve the problems faced by this e-catalog system. The research design used in this study is Experimental research, where product classification and category mapping are carried out in this study using Machine Learning methods. Category mapping is done with 2 approaches, product to category and category to category. Product classification is divided into 2 classes, namely local and imported. The processed data are products from e-commerce from November 2022 to April 2023. The methods used in this study for local product classification and categories are Random Forest (RF), Support Vector Machine (SVM), Neural Network (NN), and Transformers. From the local and category product classification experiments, both obtained the best evaluation results from the Transformers model, which was used as a feature extraction model for classification. The performance of the local product classification model gets an f1-score of 97,24% and accuracy 97,25%. While the category classification model, the performance of the f1-score model is 63,74% and accuracy 64,14%.