DEMAND FORECASTING FARMASI DENGAN PENDEKATAN ML/AI UNTUK OPTIMALISASI SUPPLY CHAIN RUMAH SAKIT
Loading...
Date
2025
Journal Title
Journal ISSN
Volume Title
Publisher
Magister Management
Abstract
Sistem kesehatan di Indonesia dihadapkan pada tantangan kompleks dalam peramalan permintaan farmasi, dipengaruhi oleh keragaman geografis dan ketergantungan signifikan pada impor. Secara spesifik, di Rumah Sakit X, terdapat inefisiensi rantai pasok internal yang ditandai tingginya frekuensi retur, pembelian langsung, dan peminjaman persediaan. Selain itu, volatilitas data transaksi farmasi harian semakin memperumit upaya peramalan akurat. Penelitian ini bertujuan untuk menyajikan pendekatan inovatif berbasis Pembelajaran Mesin (ML) dan Kecerdasan Buatan (AI) guna mengoptimalkan rantai pasok. Evaluasi komparatif dilakukan terhadap enam algoritma peramalan: Simple Moving Average (SMA), Weighted Moving Average (WMA), dan Exponential Smoothing (ES) sebagai metode deret waktu tradisional; serta Linear Regression (LR), Support Vector Regression (SVR), dan Deep Learning Long Short-Term Memory (LSTM) sebagai algoritma ML/AI. Analisis didasarkan pada data transaksi farmasi selama 650 hari, yang mencakup 374.171 kejadian penyerahan obat. Hasil penelitian menunjukkan bahwa model Deep Learning (LSTM) mencapai kinerja superior dengan Mean Absolute Percentage Error (MAPE) sebesar 2,35%, merepresentasikan peningkatan akurasi 34,4% dibandingkan metode tradisional SMA. Implementasi sistem peramalan berbasis ML ini berpotensi mereduksi kebutuhan stok pengaman sebesar 25-30% dengan tetap mempertahankan tingkat layanan 99,5%, yang berimplikasi pada penghematan biaya dan peningkatan ketersediaan obat di fasilitas Rumah Sakit X. Studi ini menegaskan bahwa adopsi ML/AI merupakan katalis transformatif untuk efisiensi manajemen rantai pasok farmasi di Rumah Sakit X.