Model Clustering Pemakaian Obat Menggunakan Algoritma K-Means Drugs consumption clustering model using K-Means Technique

Abstract

Persediaan obat pada suatu Puskesmas seringkali habis sebelum jadwal penerimaan obat dilakukan hal ini dikarenakan Kejadian Luar Biasa (KLB). Sehingga, perencanaan persediaan obat yang efektif dan efisien dengan menerapkan metode kecerdasan buatan dalam rangka membantu pihak manajemen sangat diperlukan. Penelitian ini bertujuan untuk memonitoring persediaan obat sebagai salah satu dasar dalam permintaan obat. Data pemakaian obat yang digunakan berasal dari Laporan Pemakaian dan Lembar Permintaan Obat (LPLPO) UPTD Puskesmas Lempake tahun 2016-2018 dan telah dinormalisasi dengan metode Z-Score. Metode K-Means telah diterapkan sebanyak 3 cluster terdiri tinggi (C1), sedang (C2) dan kurang (C3) dimana penentuan titik centroid berdasarkan nilai max, average, dan min. Sedangkan, metode jarak Euclidean distance telah ditetapkan untuk menganalisis jarak data tiap cluster. Hasil temuan mengindikasikan bahwa pengujian cluster menggunakan Sum of Squared Error (SSE) telah mendapatkan nilai sebesar 77,34814. Dimana, hasil pengelompokkan yaitu C1 sebanyak 5 data, C2 sebanyak 14 data, dan C3 sebanyak 206 data. Hal ini berarti bahwa 3 cluster merupakan hasil terbaik pengelompokkan. Metode K-Means dapat menjadi alternatif dalam membuat model analisis monitoring persediaan obat di Puskemas.