Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Sarjana Teknik Informatika Journal of Artificial Intelligence and Digital Business
Mohammad Rezzy Al Zamzammi
Universitas Pendidikan Ganesha
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pengembangan Sistem Point Of Sales dengan Integrasi Gemini untuk Peramalan Stok Barang Otomatis Berbasis Web Mohammad Rezzy Al Zamzammi; Ida Bagus Nyoman Pascima; P Wayan Arta Suyasa
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.9555

Abstract

Akibat ketergantungan pada pencatatan manual tanpa dukungan sistem prediksi, pengelolaan stok di apotek menghadapi masalah seperti overstock dan stockout. Tujuan dari penelitian ini adalah untuk membuat sistem Point Of Sales (POS) berbasis web yang menggunakan kecerdasan buatan Gemini untuk memprediksi stok barang otomatis di Apotek Sumber Waras di Karangasem. Metode pengembangan yang digunakan adalah Research and Development (R&D) dengan pendekatan Agile Scrum melalui sebelas sprint dari Mei 2025 hingga April 2026. Sistem dikembangkan menggunakan Next.js, Express.js, dan MySQL. Manajemen produk, transaksi penjualan, opname stok digital, integrasi payment gateway Midtrans, Role Based Access Control (RBAC), laporan keuangan, dan Gemini stock peramalan berbasis AI adalah fitur utama yang diimplementasikan. Arsitektur peramalan menggunakan pre-processing sliding window time series dan post-processing validasi numerik dengan fallback Exponential Smoothing (a=0,6). Pengujian sistem dilakukan melalui Black Box Testing, White Box Testing, User Acceptance Testing (UAT), Mean Absolute Error (MAE), pengujian komparatif, dan Directional Statistics (Dstat). Hasil UAT menunjukkan tingkat penerimaan pengguna sebesar 94,5% (kategori Sangat Baik). Nilai MAE Gemini lebih rendah dibandingkan metode Exponential Smoothing pada produk dengan pola permintaan fluktuatif. Nilai Dstat sebesar 80% menunjukkan sistem mampu memprediksi arah perubahan stok dengan baik. Sistem terbukti meningkatkan efisiensi pengelolaan stok dan mendukung pengambilan keputusan restok yang lebih akurat.
Perbandingan Prophet dan Model GPT Open Weight untuk Peramalan Stok Obat Mohammad Rezzy Al Zamzammi; Ida Bagus Nyoman Pascima
Jurnal Sarjana Teknik Informatika Vol. 14 No. 3 (2026): Oktober
Publisher : Program Studi Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v14i3.32799

Abstract

Peramalan permintaan obat jangka pendek yang akurat sangat penting bagi apotek untuk menghindari kehabisan stok maupun penumpukan barang. Penelitian ini membandingkan dua pendekatan peramalan untuk memprediksi permintaan mingguan 20 produk obat, yaitu Prophet, model deret waktu aditif dengan tren piecewise-linear dan musiman mingguan, serta openai/gpt-oss-120b, sebuah large language model yang diakses melalui Groq API dengan skema prompting terstruktur. Prophet dikonfigurasi dengan 25 titik perubahan (changepoint), changepoint_range sebesar 0,8, dan komponen musiman mingguan berbasis deret Fourier orde 3, sedangkan gpt-oss-120b dijalankan dengan parameter temperature 0, jendela konteks rolling 28 hari terakhir, dan permintaan dikirim per-batch maksimal 10 produk. Kedua metode dilatih menggunakan 337 hari data transaksi penjualan harian dari satu apotek (Januari-Desember 2025) dan diuji pada empat minggu terakhir Desember 2025 dengan dataset dan pembagian data yang sama. Kinerja diukur menggunakan Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), Root Mean Squared Error (RMSE), dan Directional Statistic (DSTAT) yang dihitung dari 60 pasangan perbandingan arah antar-minggu. Hasil menunjukkan bahwa gpt-oss-120b memiliki galat keseluruhan lebih rendah pada MAE (5,35 vs 7,35), MAPE (26,32% vs 36,38%), dan RMSE (6,84 vs 9,57), yang berarti prediksi nilainya lebih dekat ke data aktual. Namun, Prophet memiliki DSTAT lebih tinggi (43,33% vs 28,33%), dengan 26 dari 60 arah perubahan yang sesuai data aktual dibandingkan 17 dari 60 pada gpt-oss-120b, yang berarti Prophet lebih baik dalam menangkap arah perubahan permintaan antar-minggu. Temuan ini menunjukkan adanya trade-off antara presisi nilai dan konsistensi arah, dengan implikasi praktis untuk mengombinasikan kedua pendekatan dalam perencanaan stok obat di apotek.
Co-Authors Ida Bagus Nyoman Pascima P. WAYAN ARTA SUYASA