<![CDATA[Abstrak Peramalan permintaan memiliki peran penting dalam pengambilan keputusan perusahaan, karenamempengaruhi jumlah produksi tahunan dan keuntungan perusahaan. Penelitian ini bertujuan untukmelakukan peninjauan dalam meramalkan jumlah permintaan kedepannya, serta memberi usulanperbaikan terkait metode peramalan yang digunakan PT Phapros Tbk saat ini dengan metode timeseries, sehingga dapat menghasilkan nilai error yang lebih kecil. Hal tersebut didasarkan pada studidan observasi yang dilakukan, proses peramalan permintaan yang dilakukan masih tergolongkonvensional, sehingga berdampak pada kurangnya akurasi hasil peramalan permintaan produk.Alternatif solusi atas permasalahan tersebut adalah dengan mengaplikasikan metode peramalan timeseries pada berdasarkan data historis demand Obat A selama 1 tahun terakhir (2022). Hasilpengolahan data menunjukkan bahwa metode time series terbaik dengan nilai eror terkecil adalahmetode Winters Method dengan nilai MAPE sebesar 6% dan MAD sebesar 313. Hasil peramalan yangdidapatkan berdasarkan output Winters Method Smoothing selama 12 periode kedepan adalah Januarisebesar 6297, Februari sebesar 5595, Maret sebesar 4723, April sebesar 2457, Mei sebesar 8296, Junisebesar 1943, Juli sebesar 6202, Agustus sebesar 4496, September sebesar 7227, Oktober sebesar7436, November sebesar 8999, dan Desember sebesar 4186.Kata Kunci: Peramalan, Time Series, Industri Manufaktur Farmasi, Permintaan Abstract [Efforts to Enhance the Forecasting of Drug A Demand and Production Planning Using the TimeSeries Method at PT. Phapros Tbk] Forecasting demand has an important role in corporate decisionmaking, because it affects the amount of annual production and company profits. This research aims toconduct a review in predicting the number of future demand, as well as to provide proposals forimprovements related to the forecasting method used by PT Phapros Tbk currently with the time seriesmethod, so that it can produce smaller error values. This is based on studies and observations carriedout, the process of forecasting that company currently used is still classified as conventional, thusimpacting the lack of accuracy of the product request forecasting results. An alternative solution to thisproblem is to apply the time series forecasting method based on historical data on Drug A for the past1 year (2022). Data processing results show that the best time series method with the smallest erorvalue is the Winters Method method with a MAPE value of 6% and a MAD of 313. Forecasting resultsobtained based on Winters Method Smoothing output over the next 12 periods are January 6297,February 5595, March 4723, April 2457, May 8296, June 1943, July 6202, August 4496, September7227, October 7436, November 8999, and December 4186. Keywords: Forecasting, Time Series, Pharmaceutical Manufacturing, Demand]]>
