Penerapan Metode K-Means Clustering untuk Pengelompokan Data Persediaan Barang pada PT. X
DOI:
https://doi.org/10.55382/jurnalpustakaai.v6i1.1781Keywords:
Data Mining, K-Means Clustering, Persediaan Barang, Manajemen Logistik, Silhouette scoreAbstract
Pengelolaan persediaan barang yang efektif membutuhkan pemahaman mendalam terhadap pola dan karakteristik stok. Penerapan data mining memungkinkan perusahaan melakukan analisis tersebut secara lebih objektif. Penelitian ini bertujuan untuk mengelompokkan data persediaan barang di PT. X menggunakan metode K-means clustering sebagai dasar identifikasi kategori barang berdasarkan kesamaan karakteristik stok. Data penelitian diperoleh dari dataset “Stock list E3” dan diolah melalui tahapan prapemrosesan, meliputi pembersihan data, penghapusan duplikasi, seleksi variabel, encoding label, serta normalisasi fitur numerik. Penentuan jumlah klaster optimal dilakukan menggunakan metode Elbow dan Silhouette Score. Hasil analisis menunjukkan bahwa nilai Silhouette Score tertinggi diperoleh pada k = 4 dengan nilai 0.985, yang mengindikasikan kualitas pengelompokan yang sangat baik. Klaster yang terbentuk merepresentasikan tiga kategori utama, yaitu normal item, bulk stock dan critical part, berdasarkan kombinasi nilai stok, harga standar, dan ketersediaan barang. Temuan penelitian ini dapat dimanfaatkan perusahaan untuk meningkatkan efisiensi pengendalian persediaan, memprioritaskan pengadaan, serta mendukung pengambilan keputusan berbasis data dalam manajemen logistik.
Downloads
References
J. Homepage et al., “MALCOM: Indonesian Journal of Machine Learning and Computer Science Implementation of K-Means Algorithm for Clustering Sales Data Based on Sales Patterns Implementasi Algoritma K-Means untuk Pengelompokan Data Penjualan Berdasarkan Pola Penjualan,” vol. 5, no. 1, pp. 350–358, 2025.
F. Zahra, M. A. Ridla, and N. Azise, “Implementasi Data Mining Menggunakan Algoritma Apriori Dalam Menentukan Persediaan Barang (Studi Kasus?: Toko Sinar Harahap),” JUSTIFY J. Sist. Inf. Ibrahimy, vol. 3, no. 1, pp. 55–65, 2024, doi: 10.35316/justify.v3i1.5335.
L. Alfiyani, “Penerapan Data Mining dengan Algoritma Kmeans Terhadap Data Transaksi Penjualan (Studi Kasus: CV. Sogan Batik Rejodani),” 2023, [Online]. Available: https://fvqwy.weak.asia/handle/123456789/46829
D. Ramadhani, T. H. Setiawan, C. Basir, and D. P. Sari, “ENHANCING ORCHID INVENTORY MANAGEMENT WITH K-MEANS CLUSTERING?: A CASE STUDY IN,” vol. 9, no. February, pp. 1–12, 2024.
J. M. Guntur, R. Kurniawan, and U. Hayati, “Algoritma K-Means untuk Meningkatkan Silhouette Score pada Pengelompokan Data Stok Bahan Manufaktur di PT . XYZ,” pp. 11–21, 2025.
R. Syahri, T. Informatika, and S. Selatan, “ALGORITMA K-MEANS CLUSTERING?: SEBUAH STUDI LITERATUR K-MEANS CLUSTERING ALGORITHM?: A LITERATUR STUDY,” vol. x, no. x, pp. 1–7, 2023, doi: 10.12345/juri.
A. R. Prasetya et al., “PENERAPAN ALGORITMA K-MEANS UNTUK ANALISA,” vol. 06, no. 02, pp. 428–437, 2025.
A. Khaliq, I. Nawangsih, and A. M. Majid, “BULLETIN OF COMPUTER SCIENCE RESEARCH Implementasi Algoritma K-Means Pada Sistem Persediaan Barang,” vol. 6, no. 2, pp. 735–743, 2026, doi: 10.47065/bulletincsr.v6i2.1017.
T. B. Pamungkas, S. Maesaroh, P. Ardiansyah, F. I. Komputer, U. M. Buana, and U. Raharja, “IMPLEMENTASI DATA MINING PADA ST OK PENGGUNAAN BARANG DI GMF AEROASIA MENGGUNAKAN ALGORITMA K- Jurnal Ilmiah Sains dan Teknologi,” vol. 7, no. 2, pp. 112–123, 2023.
J. Informatika, D. Rekayasa, K. Jakakom, H. Prastiwi, J. Pricilia, and E. Raswir, “Implementasi Data Mining Untuk Menentuksn Persediaan Stok Barang Di Mini Market Menggunakan Metode K-Means Clustering Jurnal Informatika Dan Rekayasa Komputer ( JAKAKOM ),” vol. 1, no. April, pp. 141–148, 2022.
S. H. Nisah, N. D. Maelani, N. A. Dara, and S. Entas, “Analisis Pola Pemakaian Bahan Produksi Menggunakan Algoritma K-Means Clustering di PT . Loista Indonesia,” vol. 4, no. 3, pp. 4221–4228, 2025.
Akhmad Subhan, A. Faqih, and B. Irawan, “Clustering Item Fast Moving Dan Slow Moving Pada Produk Unilever Menggunakan Algoritma K-Prototype,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 2, pp. 629–634, 2022, doi: 10.36040/jati.v6i2.5543.
T. I. Berliana, E. Budianita, A. Nazir, and F. Insani, “Clustering Data Persediaan Barang Menggunakan Metode Elbow dan DBSCAN,” J. Sist. Komput. dan Inform., vol. 5, no. 2, p. 258, 2023, doi: 10.30865/json.v5i2.7089.
A. Rahmadani, “Implementation of the K-Means Algorithm for Inventory Data Clustering Implementasi Algoritma K-Means Untuk Clustering Data Inventori,” vol. 5, no. 1, pp. 1–11, 2025.
D. T. N-case, “Implementasi Metode K-Means Clustering Dalam Pengadaan Barang,” pp. 308–313, 2022.
A. K-means, “Jurnal KomtekInfo Analisis Pengelompokkan Stok Barang dengan Memanfaatkan,” vol. 11, pp. 57–63, 2024, doi: 10.35134/komtekinfo.v11i2.508.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Deny Rahmatullah, Awang Andhyka, Abdul Halim Anshor
This work is licensed under a Creative Commons Attribution 4.0 International License.
