OPTIMALISASI MODEL PERAMALAN PENJUALAN DENGAN PENDEKATAN ALGORITMA LIGHT GRADIENT BOOSTING MACHINE (LIGHTGBM)

Abstract

PT Kalbe Farma Tbk menghadapi kendala karena proses peramalan masih dilakukan secara manual, sehingga hasilnya rentan bias, tidak konsisten, dan sulit dievaluasi. Hal ini melatarbelakangi penelitian dengan rumusan masalah: bagaimana membangun alur data yang rapi untuk mendukung evaluasi model, sejauh mana algoritma LightGBM dapat meningkatkan akurasi prediksi dibandingkan pendekatan sederhana, serta bagaimana hasil peramalan dapat diintegrasikan ke dalam perencanaan operasional perusahaan. Tujuan penelitian ini adalah merancang dan mengimplementasikan sistem peramalan berbasis LightGBM dengan pipeline data terstruktur, melakukan evaluasi kinerja model, serta menyajikan hasil prediksi dalam bentuk antarmuka aplikasi web. Hasil implementasi menunjukkan bahwa sistem berhasil dibangun dengan fungsi utama meliputi pengelolaan data obat, pemanggilan algoritma LightGBM, dan penyajian hasil evaluasi dalam bentuk tabel maupun grafik. Model LightGBM mampu memanfaatkan fitur lag dan rata-rata bergerak untuk menangkap pola historis, namun hasil evaluasi masih menunjukkan error yang cukup tinggi dengan nilai MSE, RMSE, dan MAE yang besar serta R² negatif. Temuan ini mengindikasikan bahwa model dasar belum optimal, tetapi sistem telah memberikan landasan penting bagi pengembangan lebih lanjut. Kesimpulannya, sistem ini dapat menjadi prototipe awal untuk mendukung proses perencanaan berbasis data di PT Kalbe Farma Tbk, dengan potensi peningkatan melalui optimasi parameter, perluasan dataset, dan integrasi variabel eksternal.