PENERAPAN REGRESI LINEAR BERGANDA DAN BACKPROPAGATION NEURAL NETWORK UNTUK PEMODELAN PERSEDIAAN STOK OBAT

Puskesmas adalah fasilitas pelayanan kesehatan yang menyelenggarakan upaya kesehatan masyarakat dan perseorangan tingkat pertama. Salah satu komponen utama pada puskesmas dalam mencapai derajat kesehatan masyarakat yang tinggi ialah adanya ketersediaan obat. Puskesmas Bersinar melakukan prediksi untuk persediaan stok obat hanya dengan perkiraan saja. Selain itu dilakukan perhitungan manual tanpa adanya teknik-teknik yang digunakan sehingga tidak akan mendapatkan keakuratan dalam memprediksi persediaan kedepannya. Untuk itu, perlu dilakukan teknik data mining dengan menerapkan Algoritma Regresi Linear Berganda (RLB) dan Backpropagation Neural Network (BPNN) sebagai pemodelan persediaan stok obat. Analisis Algoritma RLB mendapatkan hasil prediksi obat yang harus disediakan oleh Puskesmas Bersinar selama periode 4 tahun dari Januari 2023 sampai Desember 2026 sebagai contoh pada obat Zink Dispersible 20 mg Desember 2022 mendapatkan hasil prediksi persediaan untuk obat Zink Dispersible 20 mg Desember 2026 adalah 8.892 obat. Hasil yang didapat tidak memiliki perbedaan nilai yang jauh, sehingga hasil prediksi dari regresi dapat digunakan untuk stok persediaan obat kedepannya. Selanjutnya dengan menggunakan Algoritma BPNN mendapatkan hasil akurasi terbaik diperoleh dengan menggunakan pemodelan arsitektur 5-4-2 Learning Rate 0,001; error sebesar 0,0263 dan akurasi sebesar 0,9910 atau 99.1%. Dengan hasil kelas target Perlu Permintaan (PP) atau Tidak Perlu Permintaan (TPP) yang dapat diuji keakuratannya dengan menggunakan confusion matrix diperoleh akurasi sebesar 93% dari keseluruhan data testing persediaan stok oba