Human Immunodeficiency Virus (HIV) merupakan virus yang dapat memicu kerusakan pada sistem kekebalan tubuh manusia, menyebabkan infeksi pada orang yang terkena serta dapat mengurangi sistem kekebalan tubuh dan jika tidak segera disembuhkan akan terjangkit penyakit lain yang disebut dengan Acquired Immuno Deficiency Syndrom (AIDS). Kebutuhan obat ARV bagi ODHA mempengaruhi kebutuhan stok obat yang harus dipasok pemerintah ke Kabupaten/Kota. Dinas Kesehatan Provinsi bertanggung jawab atas perencanaan kebutuhan obat dari pemerintah Kabupaten/Kota, serta penerimaan permintaan obat, penyimpanan, pendistribusian, pencatatan dan pelaporan mutasi obat. Tujuan dari penelitian ini ialah untuk memahami bagaimana rangkaian proses pada supplier, dan penyimpanan obat agar obat tidak mengalami kekosongan atau kelebihan stok dengan menganalisis Rantai Pasok dan melakukan peramalan pada metode Double Exponential Smoothing yang didapatkan hasil presentase error terkecil pada obat Tenofovir dengan nilai MAPE 14,7%.
 
Kata kunci: Stok obat, HIV ARV, Rantai pasok, Double Exponential Smoothing

Salah satu masalah dalam perguruan tinggi adalah kasus drop out. Banyaknya mahasiswa yang mengalami drop out merupakan salah satu indikator yang mempengaruhi kualitas pembelajaran dan akreditasi yang sangat penting untuk keberlangsungan suatu institusi. Penelitian ini menerapkan algoritma Naive Bayes dan algoritma seleksi fitur Information Gain untuk melakukan klasifikasi mahasiswa drop out.  Hasil penelitian menunjukkan bahwa dua fitur yang berpengaruh paling signifikan terhadap klasifikasi mahasiswa drop out adalah jumlah SKS yang ditempuh dan nilai IPS pada semester 4. Temuan ini menunjukkan bahwa aspek akademik yang terkait dengan perkembangan studi mahasiswa berpengaruh dalam klasifikasi drop out. Penerapan seleksi fitur menggunakan metode Information Gain berhasil meningkatkan akurasi dan presisi dari model Naïve Bayes. Model yang dihasilkan mencapai akurasi sebesar 98.36%, presisi sebesar 88.37%, dan recall sebesar 97.44%. Hasil ini menunjukkan bahwa seleksi fitur dengan metode Information Gain membantu dalam mengidentifikasi fitur-fitur penting yang berkontribusi terhadap kualitas model klasifikasi.