<![CDATA[Pengelolaan persediaan obat yang kurang tepat di klinik sering kali memicu terjadinya ketidakseimbangan stok, baik berupa kekosongan obat saat permintaan tinggi maupun penumpukan pasokan yang berisiko kedaluwarsa. Penelitian ini bertujuan untuk menganalisis pola penyakit pasien di klinik Batara guna mendukung perancangan kebutuhan obat yang lebih efektif dan efisien. Metode yang digunakan adalah data mining dengan algoritma K-Means Clustering, yang diimplementasikan melalui perangkat lunak Orange Data Mining. Dataset yang dianalisis mencakup 2.831 rekam medis pasien rawat jalan dengan atribut utama berupa kategori keluhan penyakit. Proses preprocessing data melibatkan pembersihan data serta transformasi data serta transformasi fitur menggunakan teknik One-Hot-Encoding untuk mengubah data kategorial menjadi bentuk biner. Berdasarkan pengujian multi-skenario, konfigurasi tiga klster (K=3) menghasilkan nilai rata-rata Silhouette Score tertinggi sebesar 0,506, yang menunjukan struktur pemisahan kelompok yang cukup kuat dan valid. Hasil klasterisasi menunjukan bahwa klaster 1 mencakup 1.627 pasien (57,47%) yang mereprentasikan polapenyakit umum harian dengan variasi gejala yang tinggi. Kaster 2 mencakup 707 pasien (24l97%) yang secara homogen didominasi oleh penderita infeksi saluran pernapasan akut (ISPA). Klaster 3 mencakup 467 pasien (16,56%) dengan keluhan penyakit yang lebih spesifik. Rekomendasi hasil penelitiian ini dapat digunakanoleh pihak manajemen dan farmasi klinik Batara dalam menetapkan kebijakan stok pengaman untuk obat harian serta penjadwalan pengadaanobat ISPA secara terstruktur.]]>
Copyrights © 2026
