ANALISIS PERBEDAAN PENGARUH VARIABEL PADA PEMAKAIAN OBAT BERBASIS KUANTIL MENGGUNAKAN LASSO QUANTILE REGRESSION UNTUK MENDUKUNG PERENCANAAN STOK OBAT

Abstract

Pengelolaan persediaan obat di fasilitas kesehatan primer, khususnya puskesmas, sering menghadapi ketidakseimbangan antara permintaan dan ketersediaan yang dapat menyebabkan kekosongan maupun kelebihan stok. Sebagian besar puskesmas masih menggunakan metode Average Monthly Consumption (AMC) berbasis rata-rata historis, yang memiliki keterbatasan dalam menangkap fluktuasi permintaan. Pendekatan berbasis rata-rata seperti Ordinary Least Squares (OLS) juga kurang mampu merepresentasikan distribusi data yang asimetris serta keberadaan nilai ekstrem. Penelitian ini menerapkan LASSO Quantile Regression untuk menganalisis pengaruh variabel operasional terhadap pemakaian obat pada kuantil 0,5 dan 0,9, yang masing-masing merepresentasikan kondisi permintaan normal dan tinggi. Data yang digunakan berasal dari Laporan Pemakaian dan Lembar Permintaan Obat (LPLPO) Puskesmas Ibuh Kota Payakumbuh periode Januari 2015 hingga September 2025. Kinerja model dievaluasi menggunakan pinball loss, prediction coverage, Pseudo R², dan stability selection. Hasil menunjukkan bahwa pengaruh variabel operasional berbeda pada setiap tingkat kuantil. Model menghasilkan pinball loss sebesar 0,033–0,331, prediction coverage 0,504–0,519 pada kuantil 0,5 dan 0,899–0,930 pada kuantil 0,9, serta Pseudo R² hingga 0,391. Temuan ini menunjukkan bahwa pendekatan berbasis kuantil lebih efektif dalam menangkap variasi permintaan obat dan dapat mendukung perencanaan persediaan yang lebih adaptif serta berbasis risiko di fasilitas kesehatan primer.