ANALISIS PERBANDINGAN METODE TIME SERIES FORECASTING UNTUK PREDIKSI PENJUALAN OBAT DI APOTEK (STUDI KASUS: KIMIA FARMA APOTEK TAKOMA)

Abstrak

Keberadaan apotek sangat penting bagi masyarakat untuk memenuhi kebutuhan obat-obatan. Apotek Kimia Farma merupakan perusahaan yang bergerak dalam bidang farmasi atau health care company dan memiliki jaringan apotek terbesar di Indonesia. Prediksi penjualan obat pada apotek ialah salah satu kegiatan prioritas dalam penentuan penjualan kedepannya, hal ini bertujuan untuk pengendalian stok agar tidak terjadi kelebihan dan kekurangan stok serta mencegah ketidaktersediaan obat yang ingin dibeli konsumen. Pada penelitian ini dilakukan prediksi penjualan obat dengan melakukan perbandingan metode machine learning yaitu Long Short Term Memory (LSTM) dan metode statistik yaitu Auto Regressive Moving Average (ARIMA) dengan menggunakan 5 jenis data obat, kemudian hasil prediksi akan dibandingkan dengan metode evaluasi Root Mean Square Error (RMSE). Berdasarkan hasil pengujian yang dilakukan, didapatkan nilai RMSE metode LSTM lebih unggul dibandingkan nilai RMSE pada metode ARIMA dengan selisih perbandingan RMSE untuk model LSTM dan ARIMA untuk obat Acitral Suspensi yaitu 4.37, obat Paracetamol Sirup dengan nilai 38.93, obat Omepros dengan selisih perbandingan RMSE yaitu 13.60, untuk obat Calcium D Redoxon dengan selisih RMSE 1.25, dan obat Noza Tab@100 dengan selisih perbandingan RMSE yaitu 11.15. Walaupun model LSTM menghasilkan hasil RMSE yang rendah dibandingkan dengan RMSE pada model ARIMA, model LSTM yang telah dibuat tidak disarankan untuk digunakan karena mengalami overfitting, hal ini karena model LSTM tidak dapat memprediksi dengan akurat untuk data testing maupun terhadap jenis data baru.