PERBANDINGAN ALGORITMA RANDOM FOREST DAN MULTIPLE LINEAR REGRESSION DALAM MEMPREDIKSI PENGELUARAN OBAT HARIAN STUDI KASUS PADA APOTEK BAMBUAN

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.