OPTIMASI PENGENDALIAN PERSEDIAAN REAGEN
LABORATORIUM QC BERDASARKAN PREDIKSI FLUKTUASI
PERMINTAAN MENGGUNAKAN ALGORITMA MACHINE
LEARNING (XGBOOST)
-
Type
-
Skripsi
-
Title
-
OPTIMASI PENGENDALIAN PERSEDIAAN REAGEN
LABORATORIUM QC BERDASARKAN PREDIKSI FLUKTUASI
PERMINTAAN MENGGUNAKAN ALGORITMA MACHINE
LEARNING (XGBOOST)
-
Creator
-
Kayla Ilma Ikhtizar
-
identifier
-
2226201008
-
list of contributors
-
BY. Rahadi Meta Tri Sulaksana, S.T., M.T
-
Date
-
2026
-
abstract
-
Pengelolaan persediaan reagen pada laboratorium Quality Control (QC) industri farmasi menghadapi
tantangan berupa fluktuasi permintaan harian yang tinggi dan keterbatasan umur simpan (shelf-life)
reagen, sehingga pendekatan pengendalian persediaan berbasis rata-rata historis menjadi kurang
responsif terhadap perubahan kebutuhan aktual. Penelitian ini bertujuan untuk meningkatkan efektivitas
pengendalian persediaan reagen di Laboratorium QC Unit 1 PT Sanbe Farma melalui integrasi model
prediksi permintaan berbasis algoritma Extreme Gradient Boosting (XGBoost) dengan kebijakan
pengendalian persediaan Continuous Review System (s,Q). Penelitian menggunakan data historis
permintaan harian tiga jenis reagen, yaitu Methanol, Acetonitrile, dan Ethanol, periode Januari 2022
hingga Desember 2025 sebanyak 3.975 observasi yang dibagi secara kronologis menjadi data latih (80%)
dan data uji (20%). Kinerja model dievaluasi menggunakan Root Mean Square Error (RMSE) dan Mean
Absolute Percentage Error (MAPE), kemudian hasil prediksi digunakan sebagai dasar perhitungan
safety stock, reorder point (ROP), dan Economic Order Quantity (EOQ). Hasil evaluasi menunjukkan
bahwa model XGBoost menghasilkan nilai MAPE sebesar 21,43% untuk Methanol dan 28,75% untuk
Acetonitrile yang termasuk kategori reasonable forecasting, sedangkan Ethanol menghasilkan nilai
MAPE sebesar 65,66% yang menunjukkan keterbatasan model dalam memprediksi pola permintaan
intermittent demand, meskipun nilai MAE sebesar 0,42 botol per hari menunjukkan deviasi prediksi
yang relatif kecil secara operasional. Berdasarkan hasil perhitungan, parameter persediaan usulan untuk
Methanol adalah safety stock 3 botol, ROP 6 botol, dan EOQ 15 botol; Acetonitrile safety stock 3 botol,
ROP 5 botol, dan EOQ 10 botol; sedangkan Ethanol safety stock 2 botol, ROP 2 botol, dan EOQ 5 botol.
Analisis perbandingan Total Inventory Cost (TIC) menunjukkan bahwa sistem usulan berpotensi
menghasilkan penghematan biaya persediaan sebesar Rp 58.572.000,- atau efisiensi sebesar 46,51%
dibandingkan sistem eksisting. Hasil penelitian menunjukkan bahwa integrasi XGBoost dengan
Continuous Review System (s,Q) mampu mendukung pengambilan keputusan persediaan yang lebih
adaptif serta meningkatkan efisiensi pengendalian persediaan reagen pada laboratorium Quality Control.
-
Subject
-
XGBoost, pengendalian persediaan, safety stock, reorder point, Economic Order
Quantity, laboratorium Quality Control, peramalan permintaan, machine learning
-
number of pages
-
144
2226 TI Cover_Kayla Ilma Ikhtizar.pdf