Prediksi merupakan alat bantu yang penting untuk membuat perencanaan dan pengambilan keputusan manajemen. Dalam penelitian ini, prediksi akan membantu Klinik XYZ dalam pengambilan keputusan persediaan stok agar tidak terjadi kekurangan persediaan maupun berlebihan persediaan. Dengan memanfaatkan data mining, penulis bertujuan untuk mengimplementasikan jaringan syaraf tiruan untuk meramalkan persediaan stok obat dan juga merancang sebuah aplikasi yang mampu menerapkan prediksi menggunakan metode jaringan syaraf tiruan untuk meramalkan stok obat. Menggunakan model jaringan syaraf tiruan dengan konfigurasi yaitu 5 neuron pada lapisan input, 3 lapisan tersembunyi yang masing-masing memiliki 4, 3, dan 4 neuron, dan 1 neuron pada lapisan output dengan fungsi aktivasi ReLU dan learning rate sebesar 0.001, aplikasi ini mampu untuk menyajikan hasil prediksi pada periode yang diinginkan disertai dengan nilai galat prediksi dalam bentuk Mean Absolute Percentage Error. Dari 4 jenis produk yang diuji dengan total sampel sebanyak 24 periode dari Januari 2017 sampai Desember 2018, model jaringan syaraf tiruan memberikan hasil prediksi untuk bulan September 2018 – Desember 2018 adalah: (1) produk Amobiotic yaitu 593, 693, 584, dan 632, (2) produk Loremid yaitu 97, 222, 161, dan 137, (3) produk Meproson yaitu 599, 614, 398, dan 401, (4) produk Nikolam yaitu 215, 256, 290, dan 338.