Lewati ke konten
SDGs Center UDINUS

Catatan bukti · UDINUS · SDGs

Pendekatan Pembelajaran Mesin untuk Peramalan Permintaan Farmasi: Tinjauan Bibliometrik dan Sistematis atas Metode serta Tren Penelitian

Rektorat UDINUS 2026 Terbit 2026-10-30

Catatan bukti · UDINUS · SDGs

Unit
Rektorat UDINUS
Periode
2026
Tujuan
Nomor
42861ddd-2e15-47cf-ac34-6a2a9220c61b
Terbit
2026-10-30

Universitas Dian Nuswantoro, melalui peneliti Ramadhan, Wahyu; Noersasongko, Edi; Syukur, Abdul; dan Soeleman, M. Arief, melaksanakan tinjauan sistematis dan bibliometrik mengenai pendekatan pembelajaran mesin yang diterapkan pada peramalan permintaan farmasi. Kegiatan ini membahas peran peramalan permintaan farmasi dalam mendukung ketersediaan obat, mengurangi pemborosan, dan meningkatkan efisiensi rantai pasok dalam sistem layanan kesehatan. Kajian tersebut menelaah penggunaan pembelajaran mesin untuk menangani karakteristik permintaan farmasi yang kompleks dan nonlinier.

Tinjauan ini menggunakan penelusuran literatur terstruktur pada basis data Scopus dengan strategi kueri Boolean untuk mengidentifikasi studi relevan yang diterbitkan selama satu dekade terakhir. Publikasi yang diperoleh diseleksi berdasarkan kriteria inklusi dan eksklusi yang telah ditetapkan. Analisis bibliometrik dilakukan menggunakan VOSviewer untuk memetakan tren penelitian, jejaring kolaborasi, dan pola kemunculan bersama kata kunci. Dengan pendekatan tersebut, kegiatan ini menyintesis penelitian yang telah dipublikasikan mengenai metode dan perkembangan peramalan permintaan farmasi.

Analisis mengidentifikasi pertumbuhan penelitian yang cepat dalam bidang tersebut. Algoritma yang banyak digunakan untuk prediksi permintaan farmasi mencakup jaringan long short-term memory, random forest, artificial neural networks, extreme gradient boosting, dan linear regression. Dibandingkan dengan model statistik tradisional, teknik pembelajaran mesin yang ditinjau menunjukkan kemampuan yang lebih baik dalam menangkap pola nonlinier, musiman, dan dinamika permintaan yang kompleks. Tinjauan ini juga mengidentifikasi tema penelitian yang berkembang, yaitu manajemen rantai pasok berbasis pembelajaran mesin, logistik farmasi berkelanjutan, dan model peramalan hibrida.

Kegiatan ini juga mengidentifikasi peningkatan eksplorasi blockchain dan sistem enterprise resource planning dalam kaitannya dengan peramalan permintaan farmasi. Teknologi tersebut dieksplorasi untuk meningkatkan transparansi, keandalan data, dan kinerja peramalan. Secara keseluruhan, tinjauan ini menyajikan sintesis metodologi dan tren penelitian terkini serta memberikan wawasan untuk pengembangan model peramalan yang lebih akurat, skalabel, dan dapat diinterpretasikan bagi manajemen rantai pasok farmasi. Sumber menghubungkan kegiatan ini dengan konsumsi dan produksi yang bertanggung jawab melalui fokus pada pengurangan pemborosan, logistik farmasi berkelanjutan, dan efisiensi rantai pasok. Kegiatan ini terdokumentasi sebagai kontribusi penelitian Universitas Dian Nuswantoro mengenai metode dan tren peramalan permintaan farmasi.

Rujukan https://www.scopus.com/pages/publications/105034410822?origin=resultslist