Implementasi Algoritma Random Forest untuk Memprediksi Penjualan Obat pada Apotek Bunda Bintara

• MEGGI DESWAN CAHYA MORGANA
• 2025

---

Apotek Bunda Bintara menghadapi kendala dalam pengelolaan stok akibat fluktuasi penjualan dan adanya produk yang kurang diminati di antara lebih dari 900 jenis obat yang tersedia. Ketidakakuratan dalam memprediksi permintaan pasar dapat mengakibatkan penumpukan stok yang berisiko kedaluwarsa serta menurunkan efisiensi operasional. Penelitian ini bertujuan untuk merancang model prediksi penjualan obat menggunakan algoritma Random Forest untuk membantu apotek mengoptimalkan persediaan dan strategi pemasaran. Metode yang digunakan adalah CRISP-DM dengan pendekatan kuantitatif prediktif, berdasarkan data transaksi penjualan obat selama sembilan bulan (Oktober 2024–Juni 2025). Model dibangun dengan Scikit-learn menggunakan bahasa pemrograman Python, serta dilakukan optimasi menggunakan Grid Search Cross Validation. Hasil pengujian menunjukkan nilai R² sebesar 0,1027, RMSE 1,9018, dan MAE 1,6047. Fitur yang paling berpengaruh terhadap hasil prediksi adalah nama obat (drName_encoded), kategori obat (categories_encoded), dan hari dalam sebulan (day_of_month). Meskipun tingkat akurasi model masih perlu ditingkatkan, penelitian ini membuktikan bahwa algoritma Random Forest dapat digunakan untuk mengidentifikasi pola penjualan serta memberikan rekomendasi awal untuk pengelolaan stok obat di apotek.

• Prediksi Penjualan
• Random Forest
• Apotek

https://repository.bsi.ac.id/repo/75391/Implementasi-Algoritma-Random-Forest-untuk-Memprediksi-Penjualan-Obat-pada-Apotek-Bunda-Bintara
Anda dapat membaca file tugas akhir ini di repository.