Perbandingan Metode Forecast berdasarkan Rerata dan Metode Long Short Term Memory (LSTM) pada PT. Indofarma Tbk.

Persediaan adalah salah satu hal penting yang diperlukan oleh perusahaan karena dapat membantu dalam meminimalisir opportunity lost. Namun persediaan yang berlebihan juga dapat menyebabkan kerugian karena dibutuhkan modal besar dalam pengelolaannya. Sehingga diperlukan metode peramalan permintaan yang akurat agar jumlah persediaan sesuai dengan permintaan konsumen. Pada penelitian ini dilakukan peramalan permintaan pada PT. Indofarma Tbk dengan metode statistik tradisional yang terdiri atas simple average dan moving average, serta metode machine learning yaitu dengan Long Short Term Memory (LSTM) menggunakan Python yang kemudian hasil peramalan akan dibandingkan nilai Root Mean Squared Error (RMSE) nya untuk mengetahui metode yang memiliki nilai eror paling kecil. Hasil yang diperoleh yaitu dari 5 produk yang diteliti, 4 diantaranya paling baik menggunakan metode LSTM karena memiliki nilai RMSE paling baik