Untuk memastikan ketersediaan dan kualitas obat, Pusat Kesehatan Masyarakat (PUSKESMAS) harus memperhatikan proses perencanaan dan pengadaanya. Masalah yang sering terjadi adalah meningkatnya stok obat karena stabilnya pemakaian obat setiap bulan mengakibatkan obat yang tidak digunakan berlebih dan kadaluwarsa. Selain itu, untuk menghindari kebutuhan obat yang tidak sesuai, sehingga berpengaruh pada ketersediaan stok. Dilakukanlah prediksi pemakain obat dengan beberapa metode seperti, algoritma Single Moving Average (SMA) pada metode Data Mining dan algoritma Support Vector Regression (SVR) pada metode Machine Learning. Algoritma ini dipiliah karena data obat Diazepam 5 mg dan Asam Mefenamat 500 mg yang bersifat berkelanjutan dalam rentang waktu Januari 2020 – Juni 2023 (42 bulan). Implementasi menggunakan Bahasa pemrograman phyton. Pengujian menggunakan metode Mean Absolute Percentage Error (MAPE), penelitian ini bertujuan mengukur ketepatan prediksi pada setiap algoritma. Dalam penelitian yang melibatkan obat Diazepam 5 mg dan Asam Mefenamat 500 mg, dengan pembagian 80% pada data latih dan 20% pada data uji. Dengan perhitungan 3 periode, algoritma SMA menghasilkan nilai MAPE sebesar 4.10% dan 4.29%, range “Amat Baik”. Sedangkan algoritma SVR, yang menggunakan kernel RBF dengan parameter complexity 1.0, dan parameter epsilon 0.1, memberikan hasil MAPE sebesar 7.35% dan 9.52%, range “Amat Baik”. Dengan ini algoritma SMA kebih baik dalam melakukan prediksi daripada algoritma SVR.