Abstract:
Pengelolaan stok obat yang akurat sangat penting bagi apotek untuk mencegah
kekurangan maupun kelebihan persediaan. Penelitian ini bertujuan
membandingkan kinerja Multiple Linear Regression (MLR) dan Random Forest
Regression (RFR) dalam memprediksi penjualan obat harian pada Apotek
Bambuan. Data yang digunakan adalah catatan penjualan periode 2022–2024, yang
telah melalui tahap preprocessing dan pembagian data latih serta uji. Kedua model
dievaluasi menggunakan metrik Mean Absolute Error (MAE), Mean Absolute
Percentage Error (MAPE), Mean Squared Error (MSE), Root Mean Squared Error
(RMSE), dan R² Score. Hasil penelitian menunjukkan bahwa Random Forest
menghasilkan prediksi lebih akurat dengan nilai kesalahan lebih rendah
dibandingkan MLR, meskipun begitu MLR tetap bermanfaat untuk interpretasi
kontribusi variabel. Dengan demikian, Random Forest direkomendasikan untuk
prediksi penjualan obat harian karena tingkat akurasinya yang lebih tinggi,
sedangkan MLR unggul dari sisi transparansi model.
