Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Udhata Swardana, Avila
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Sistem Prediksi Penjualan Obat di PT. Anugerah Pharmindo Lestari Menggunakan Metode LSTM Udhata Swardana, Avila; Ely Nastiti, Faulinda; Sumarlinda, Sri
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/90f7q142

Abstract

Penelitian ini bertujuan merancang sistem prediksi penjualan produk farmasi di PT. Anugerah Pharmindo Lestari dengan memanfaatkan algoritma Long Short-Term Memory (LSTM). Tantangan utama dalam distribusi obat adalah fluktuasi permintaan yang tidak stabil, yang bisa menimbulkan masalah kelebihan stok (overstock) atau kekosongan stok (stockout). LSTM dipilih karena kemampuannya dalam menganalisis data runtun waktu dan mengenali pola jangka panjang yang kompleks. Dataset berupa penjualan bulanan dari Januari hingga November 2024 digunakan untuk melatih model, yang selanjutnya memprediksi penjualan bulan Desember. Pengembangan sistem mengacu pada tahapan CRISP-DM, meliputi pemahaman bisnis, eksplorasi data, persiapan data, pembangunan model, evaluasi, dan penerapan. Tiga produk yang dijadikan sampel antara lain SPIRIVA, BEROTEC, dan GLYXAMBI. Kinerja model dievaluasi menggunakan tiga indikator: Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil evaluasi menunjukkan bahwa model LSTM memberikan hasil prediksi yang akurat dengan nilai MAPE berkisar antara 4,37% hingga 7,02%. Sistem prediksi ini diwujudkan dalam bentuk aplikasi web berbasis Flask, dilengkapi dengan dashboard interaktif untuk mempermudah manajemen dalam memantau tren dan mengambil keputusan berbasis data. Temuan ini menunjukkan bahwa LSTM merupakan metode yang tepat untuk estimasi penjualan obat, serta berpotensi besar dalam meningkatkan efisiensi pengelolaan distribusi dan persediaan di sektor farmasi.
Co-Authors Ely Nastiti, Faulinda Sumarlinda, Sri