<![CDATA[Manajemen ketersediaan obat merupakan aspek penting dalam menjamin pelayanan kesehatan yang optimal. Namun, sering terkendala oleh ketidakseimbangan stok obat yang menyebabkan kerugian finansial, risiko obat kadaluwarsa adanya ketidakpuasan pasien. Hal ini selaras dengan isu global terkait akses obat untuk penyakit kronis seperti Hipertensi. Penelitian ini bertujuan untuk mengembangkan model prediksi ketersediaan stok obat dengan pendekatan deep leaning, menggunakan algoritma Long Short-Term Memory (LSTM), guna meningkatkaan efektivitas pengelolaan persediaan obat di fasilitas kesehatan, khususnya untuk jenis-jenis obat yang sangat dibutuhkan. Penelitian ini menggunakan metodologi KDD (Knowledge Discovery in Database) dengan data transaksi obat historis dari Januari 2021 hinga Desember 2024 untuk diproses dan dimodelkan. Setelah itu, dari hasil pemodelan dilakukan evaluasi menggunakan metrik MAPE dan RMSE yang hasilnya menunjukkan kinerja bervariasi; model mampu memprediksi beberapa brand obat dengan akurasi yang baik sebanyak 5 brand (MAPE < 30%) dan menghadapi tantangan signifikan pada brand lain dengan error yang tinggi (MAPE > 50%). Meskipun demikian, model ini berpotensi meningkatkan efisiensi stok obat dan kepuasan pasien untuk obat-obatan yang terprediksi baik. Kata Kunci: Ketersediaan Obat, Prediksi, KDD, Deep Learning, LSTM, Hipertensi]]>
Copyrights © 2026
