<![CDATA[Drug inventory management in primary healthcare facilities often faces challenges due to unstable demand fluctuations, leading to risks of stockouts or excess stock accumulation. This study aims to analyze the historical usage patterns of omeprazole and compare the accuracy of Holt's Linear Trend and ARIMA methods as a basis for recommending a forecasting system to support drug inventory management at Pri-mary Clinic UIN Sunan Kalijaga. The data used consist of 57 monthly observations from January 2021 to September 2025, partitioned into 80% training data and 20% testing data. Holt's Linear Trend was applied with parameter estimation using SSE minimization through Microsoft Excel Solver, yielding optimal values of α = 0.195919 and β = 1. ARIMA was applied through order identification, parameter estimation, and residual diagnostic stages, producing the best model ARIMA(0,1,1) which satisfied the white noise and residual normality assumptions. Evaluation results indicate that Holt's Linear Trend achieved better accuracy on testing data with an MSE of 17,256.57 and MAPE of 22.75%, compared to ARIMA(0,1,1) with an MSE of 21,325.42 and MAPE of 27.86%. The superiority of Holt's Linear Trend is supported by data characteristics reflecting an increasing trend without a dominant seasonal pattern, along with a β value of 1 that enables the trend component to be updated maximally in response to data dynamics. Based on these findings, Holt's Linear Trend is recommended as a forecasting model to support inventory control efficiency and reduce the risk of drug shortages at Primary Clinic. ABSTRAK (Bahasa Indonesia) Pengelolaan persediaan obat di fasilitas pelayanan kesehatan primer seringkali menghadapi tantangan akibat fluktuasi permintaan yang tidak stabil, sehingga memicu risiko kekosongan atau penumpukan stok. Penelitian ini bertujuan untuk menganalisis pola historis penggunaan obat Omeprazole serta membandingkan akurasi metode Holt’s Linear Trend dan ARIMA sebagai dasar rekomendasi sistem peramalan untuk manajemen persediaan obat di Klinik Pratama UIN Sunan Kalijaga. Data yang digunakan adalah data bulanan periode Januari 2021 hingga September 2025 sebanyak 57 observasi yang dipartisi menjadi 80% data training dan 20% data testing. Metode Holt’s Linear Trend diterapkan dengan estimasi parameter menggunakan minimisasi SSE melalui Solver Microsoft Excel, menghasilkan nilai optimal α = 0,195919 dan β = 1. Metode ARIMA diterapkan melalui tahap identifikasi orde, estimasi parameter, dan diagnostik residual, menghasilkan model terbaik ARIMA(0,1,1) yang memenuhi asumsi white noise dan normalitas residual. Hasil evaluasi menunjukkan bahwa Holt’s Linear Trend memberikan akurasi lebih baik pada data testing dengan MSE 17.256,57 dan MAPE 22,75%, dibandingkan ARIMA(0,1,1) yang menghasilkan MSE 21.325,42 dan MAPE 27,86%. Keunggulan Holt’s Linear Trend didukung oleh karakteristik data yang menunjukkan tren meningkat tanpa pola musiman yang dominan, serta nilai β = 1 yang memungkinkan komponen tren diperbarui secara maksimal mengikuti dinamika data. Berdasarkan temuan ini, Holt’s Linear Trend direkomendasikan sebagai model peramalan untuk mendukung efisiensi pengendalian persediaan dan menekan risiko kekurangan obat di Klinik Pratama.]]>
