Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 2

Prediksi Penyaluran Obat Kandungan Misoprostol dengan Metode Temporal Convolutional Networks

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 12 No. 6 (2025) · hlm. 1433–1442

DOI
10.25126/jtiik.2025126
ISSN
2528-6579, 2355-7699
Terbit
2025-12-17
Penerbit
Fakultas Ilmu Komputer, Universitas Brawijaya
Bahasa
id
Lisensi
creativecommons.org/licenses/by-sa/4.0

Abstrak

Bahasa Indonesia

Aborsi ilegal di Indonesia masih menjadi permasalahan serius, terutama dengan maraknya penggunaan misoprostol yang diperjualbelikan secara ilegal. Indonesia mencatat sekitar 1,7 juta kasus aborsi per tahun, dengan 42,5 dari setiap 1.000 wanita usia subur di Pulau Jawa terlibat dalam praktik ini. Berdasarkan laporan kasus, penyalahgunaan misoprostol dapat menyebabkan komplikasi serius seperti hipertermia, hipoksia, hingga kematian akibat kegagalan multiorgan. Selain itu, ditemukan bahwa 73% obat aborsi yang dijual online mengandung misoprostol, dan lebih dari 300.000 situs penjual obat ilegal telah diblokir oleh Kementerian Komunikasi dan Informasi. Salah satu celah yang mempermudah penyalahgunaan adalah belum adanya regulasi batas kuantitas penyaluran obat tersebut. Penelitian ini menerapkan model Temporal Convolutional Networks (TCN) untuk memprediksi pola penyaluran obat misoprostol menggunakan data primer dari BPOM dengan periode 2021-2024. Hasil evaluasi menunjukkan bahwa TCN secara konsisten lebih unggul dibandingkan LSTM pada semua panjang input. TCN mencatat rata-rata penurunan NMAE sebesar 85% dan NMSE sebesar 68% dibandingkan LSTM. Pendekatan berbasis TCN ini diharapkan dapat membantu otoritas dalam meningkatkan pengawasan distribusi obat serta mendukung kebijakan pengendalian misoprostol agar tidak disalahgunakan. Abstract Illegal abortion in Indonesia remains a serious problem, especially with the widespread use of misoprostol, which is sold illegally. Indonesia records around 1.7 million abortion cases per year, with 42.5 out of every 1,000 women of childbearing age on the island of Java involved in this practice. According to case reports, the misuse of misoprostol can lead to serious complications such as hyperthermia, hypoxia, and even death due to multi-organ failure. Additionally, it was found that 73% of abortion drugs sold online contain misoprostol, and over 300,000 illegal drug-selling websites have been blocked by the Ministry of Communication and Information. One loophole that facilitates misuse is the lack of regulations on the quantity of the drug's distribution. This study applied the Temporal Convolutional Networks (TCN) model to predict the distribution patterns of misoprostol using primary data from the Indonesian Food and Drug Administration (BPOM) for the period 2021-2024. Evaluation results show that TCN consistently outperforms LSTM across all input lengths. TCN achieves an average reduction of 85% in NMAE and 68% in NMSE compared to LSTM. This TCN-based approach is expected to assist authorities in enhancing drug distribution oversight and supporting misoprostol control policies to prevent misuse.

Inggris

Aborsi ilegal di Indonesia masih menjadi permasalahan serius, terutama dengan maraknya penggunaan misoprostol yang diperjualbelikan secara ilegal. Indonesia mencatat sekitar 1,7 juta kasus aborsi per tahun, dengan 42,5 dari setiap 1.000 wanita usia subur di Pulau Jawa terlibat dalam praktik ini. Berdasarkan laporan kasus, penyalahgunaan misoprostol dapat menyebabkan komplikasi serius seperti hipertermia, hipoksia, hingga kematian akibat kegagalan multiorgan. Selain itu, ditemukan bahwa 73% obat aborsi yang dijual online mengandung misoprostol, dan lebih dari 300.000 situs penjual obat ilegal telah diblokir oleh Kementerian Komunikasi dan Informasi. Salah satu celah yang mempermudah penyalahgunaan adalah belum adanya regulasi batas kuantitas penyaluran obat tersebut. Penelitian ini menerapkan model Temporal Convolutional Networks (TCN) untuk memprediksi pola penyaluran obat misoprostol menggunakan data primer dari BPOM dengan periode 2021-2024. Hasil evaluasi menunjukkan bahwa TCN secara konsisten lebih unggul dibandingkan LSTM pada semua panjang input. TCN mencatat rata-rata penurunan NMAE sebesar 85% dan NMSE sebesar 68% dibandingkan LSTM. Pendekatan berbasis TCN ini diharapkan dapat membantu otoritas dalam meningkatkan pengawasan distribusi obat serta mendukung kebijakan pengendalian misoprostol agar tidak disalahgunakan. Abstract Illegal abortion in Indonesia remains a serious problem, especially with the widespread use of misoprostol, which is sold illegally. Indonesia records around 1.7 million abortion cases per year, with 42.5 out of every 1,000 women of childbearing age on the island of Java involved in this practice. According to case reports, the misuse of misoprostol can lead to serious complications such as hyperthermia, hypoxia, and even death due to multi-organ failure. Additionally, it was found that 73% of abortion drugs sold online contain misoprostol, and over 300,000 illegal drug-selling websites have been blocked by the Ministry of Communication and Information. One loophole that facilitates misuse is the lack of regulations on the quantity of the drug's distribution. This study applied the Temporal Convolutional Networks (TCN) model to predict the distribution patterns of misoprostol using primary data from the Indonesian Food and Drug Administration (BPOM) for the period 2021-2024. Evaluation results show that TCN consistently outperforms LSTM across all input lengths. TCN achieves an average reduction of 85% in NMAE and 68% in NMSE compared to LSTM. This TCN-based approach is expected to assist authorities in enhancing drug distribution oversight and supporting misoprostol control policies to prevent misuse.

Kata kunci

Jaringan kolaborasi para penulis

5 penulis · 6 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Yasmin UlayyaAfiliasi tidak diketahui1
I Gede Susrama Mas DiyasaAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, pertama di-harvest 27 Okt 2026, terakhir terlihat 15 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Prediksi Penyaluran Obat Kandungan Misoprostol dengan Metode Temporal Convolutional Networks</dc:title>
	<dc:title xml:lang="en">Prediksi Penyaluran Obat Kandungan Misoprostol dengan Metode Temporal Convolutional Networks</dc:title>
	<dc:creator xml:lang="en">Ramadani, Nurmalita</dc:creator>
	<dc:creator xml:lang="en">Idhom, Mohammad</dc:creator>
	<dc:creator xml:lang="en">Trimono</dc:creator>
	<dc:creator xml:lang="id">Ramadani, Nurmalita</dc:creator>
	<dc:creator xml:lang="id">Idhom, Mohammad</dc:creator>
	<dc:creator xml:lang="id">Trimono</dc:creator>
	<dc:subject xml:lang="en">Misoprostol </dc:subject>
	<dc:subject xml:lang="en">Drug Distribution</dc:subject>
	<dc:subject xml:lang="en">Temporal Convolutional Networks (TCN)</dc:subject>
	<dc:subject xml:lang="en">Forecasting</dc:subject>
	<dc:subject xml:lang="id">Misoprostol </dc:subject>
	<dc:subject xml:lang="id">Penyaluran Obat </dc:subject>
	<dc:subject xml:lang="id">Temporal Convolutional Networks (TCN)</dc:subject>
	<dc:subject xml:lang="id">Forecasting </dc:subject>
	<dc:description xml:lang="id">Aborsi ilegal di Indonesia masih menjadi permasalahan serius, terutama dengan maraknya penggunaan misoprostol yang diperjualbelikan secara ilegal. Indonesia mencatat sekitar 1,7 juta kasus aborsi per tahun, dengan 42,5 dari setiap 1.000 wanita usia subur di Pulau Jawa terlibat dalam praktik ini. Berdasarkan laporan kasus, penyalahgunaan misoprostol dapat menyebabkan komplikasi serius seperti hipertermia, hipoksia, hingga kematian akibat kegagalan multiorgan. Selain itu, ditemukan bahwa 73% obat aborsi yang dijual online mengandung misoprostol, dan lebih dari 300.000 situs penjual obat ilegal telah diblokir oleh Kementerian Komunikasi dan Informasi. Salah satu celah yang mempermudah penyalahgunaan adalah belum adanya regulasi batas kuantitas penyaluran obat tersebut. Penelitian ini menerapkan model Temporal Convolutional Networks (TCN) untuk memprediksi pola penyaluran obat misoprostol menggunakan data primer dari BPOM dengan periode 2021-2024. Hasil evaluasi menunjukkan bahwa TCN secara konsisten lebih unggul dibandingkan LSTM pada semua panjang input. TCN mencatat rata-rata penurunan NMAE sebesar 85% dan NMSE sebesar 68% dibandingkan LSTM. Pendekatan berbasis TCN ini diharapkan dapat membantu otoritas dalam meningkatkan pengawasan distribusi obat serta mendukung kebijakan pengendalian misoprostol agar tidak disalahgunakan.
 
Abstract
Illegal abortion in Indonesia remains a serious problem, especially with the widespread use of misoprostol, which is sold illegally. Indonesia records around 1.7 million abortion cases per year, with 42.5 out of every 1,000 women of childbearing age on the island of Java involved in this practice. According to case reports, the misuse of misoprostol can lead to serious complications such as hyperthermia, hypoxia, and even death due to multi-organ failure. Additionally, it was found that 73% of abortion drugs sold online contain misoprostol, and over 300,000 illegal drug-selling websites have been blocked by the Ministry of Communication and Information. One loophole that facilitates misuse is the lack of regulations on the quantity of the drug's distribution. This study applied the Temporal Convolutional Networks (TCN) model to predict the distribution patterns of misoprostol using primary data from the Indonesian Food and Drug Administration (BPOM) for the period 2021-2024. Evaluation results show that TCN consistently outperforms LSTM across all input lengths. TCN achieves an average reduction of 85% in NMAE and 68% in NMSE compared to LSTM. This TCN-based approach is expected to assist authorities in enhancing drug distribution oversight and supporting misoprostol control policies to prevent misuse.</dc:description>
	<dc:description xml:lang="en">Aborsi ilegal di Indonesia masih menjadi permasalahan serius, terutama dengan maraknya penggunaan misoprostol yang diperjualbelikan secara ilegal. Indonesia mencatat sekitar 1,7 juta kasus aborsi per tahun, dengan 42,5 dari setiap 1.000 wanita usia subur di Pulau Jawa terlibat dalam praktik ini. Berdasarkan laporan kasus, penyalahgunaan misoprostol dapat menyebabkan komplikasi serius seperti hipertermia, hipoksia, hingga kematian akibat kegagalan multiorgan. Selain itu, ditemukan bahwa 73% obat aborsi yang dijual online mengandung misoprostol, dan lebih dari 300.000 situs penjual obat ilegal telah diblokir oleh Kementerian Komunikasi dan Informasi. Salah satu celah yang mempermudah penyalahgunaan adalah belum adanya regulasi batas kuantitas penyaluran obat tersebut. Penelitian ini menerapkan model Temporal Convolutional Networks (TCN) untuk memprediksi pola penyaluran obat misoprostol menggunakan data primer dari BPOM dengan periode 2021-2024. Hasil evaluasi menunjukkan bahwa TCN secara konsisten lebih unggul dibandingkan LSTM pada semua panjang input. TCN mencatat rata-rata penurunan NMAE sebesar 85% dan NMSE sebesar 68% dibandingkan LSTM. Pendekatan berbasis TCN ini diharapkan dapat membantu otoritas dalam meningkatkan pengawasan distribusi obat serta mendukung kebijakan pengendalian misoprostol agar tidak disalahgunakan.
 
Abstract
Illegal abortion in Indonesia remains a serious problem, especially with the widespread use of misoprostol, which is sold illegally. Indonesia records around 1.7 million abortion cases per year, with 42.5 out of every 1,000 women of childbearing age on the island of Java involved in this practice. According to case reports, the misuse of misoprostol can lead to serious complications such as hyperthermia, hypoxia, and even death due to multi-organ failure. Additionally, it was found that 73% of abortion drugs sold online contain misoprostol, and over 300,000 illegal drug-selling websites have been blocked by the Ministry of Communication and Information. One loophole that facilitates misuse is the lack of regulations on the quantity of the drug's distribution. This study applied the Temporal Convolutional Networks (TCN) model to predict the distribution patterns of misoprostol using primary data from the Indonesian Food and Drug Administration (BPOM) for the period 2021-2024. Evaluation results show that TCN consistently outperforms LSTM across all input lengths. TCN achieves an average reduction of 85% in NMAE and 68% in NMSE compared to LSTM. This TCN-based approach is expected to assist authorities in enhancing drug distribution oversight and supporting misoprostol control policies to prevent misuse.</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2025-12-17</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/10005</dc:identifier>
	<dc:identifier>10.25126/jtiik.2025126</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 12 No 6: Desember 2025; 1433-1442</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 12 No. 6: Desember 2025; 1433-1442</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.2025126</dc:source>
	<dc:language>id</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/10005/1523</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2025 Nurmalita Ramadani, Mohammad Idhom, Trimono</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>