PPKIAPPKIA

Journal of Big Data Analytic and Artificial IntelligenceJournal of Big Data Analytic and Artificial Intelligence

Data mining merupakan proses penting dalam mengekstraksi informasi yang bernilai dari data yang ada, yang kemudian dapat digunakan oleh perusahaan untuk pengambilan keputusan yang cepat dan akurat. Salah satu metode yang sering digunakan dalam data mining adalah metode K-Means Clustering. Dalam penelitian ini, penulis menerapkan metode K-Means Clustering di bidang retail untuk mengatasi permasalahan yang dihadapi oleh PT. Patria Jaya Mandiri. Penulis merancang sebuah aplikasi yang dapat mengelompokkan sparepart alat berat berdasarkan data penjualan, dengan tujuan membantu perusahaan dalam mengetahui sparepart mana saja yang paling diminati oleh konsumen. Dengan adanya pengelompokan ini, diharapkan perusahaan dapat lebih mudah menentukan stok sparepart yang optimal, yang pada akhirnya akan berdampak positif pada pendapatan perusahaan. Hasil dari penelitian ini menunjukkan bahwa sparepart alat berat dapat dikelompokkan menjadi tiga kategori: Paling Laris, Laris, dan Tidak Laris. Klaster 1 (Paling Laris) terdiri dari 3 data, klaster 2 (Laris) terdiri dari 39 data, dan klaster 3 (Tidak Laris) terdiri dari 8 data. Hasil clustering ini dapat menjadi panduan bagi PT. Patria Jaya Mandiri dalam menentukan persediaan sparepart yang tepat di masa mendatang.

Metode K-Means Clustering telah terbukti efektif untuk digunakan dalam analisis penjualan suku cadang alat berat di PT.Dengan menggunakan metode ini, suku cadang dapat dikelompokkan ke dalam tiga kategori berdasarkan tingkat permintaan.Dalam penelitian ini, proses iterasi K-Means mencapai kondisi optimal pada iterasi ke-5, di mana tidak ada lagi perubahan signifikan pada centroid yang menunjukkan bahwa hasil clustering telah stabil.Hasil akhirnya menunjukkan bahwa 3 suku cadang termasuk dalam kategori Paling Laris, 39 suku cadang termasuk dalam kategori Laris, dan 8 suku cadang dikategorikan sebagai Tidak Laris.Patria Jaya Mandiri dapat menggunakan informasi tersebut untuk mengoptimalkan pengelolaan stok suku cadang mereka.Dengan cara ini, perusahaan dapat memaksimalkan keuntungan dengan memastikan ketersediaan suku cadang yang paling dibutuhkan konsumen, sekaligus mengurangi potensi kerugian dari suku cadang yang kurang diminati.

Berdasarkan hasil penelitian ini, saran penelitian lanjutan yang dapat dilakukan adalah: 1. Mengembangkan aplikasi yang dapat memprediksi permintaan suku cadang di masa depan, dengan menggunakan teknik forecasting atau prediksi waktu kedepan. Hal ini dapat membantu perusahaan dalam merencanakan stok suku cadang dengan lebih akurat dan mengurangi risiko kelebihan atau kekurangan stok. 2. Menganalisis faktor-faktor yang mempengaruhi permintaan suku cadang, seperti tren pasar, musim, atau faktor-faktor eksternal lainnya. Dengan memahami faktor-faktor ini, perusahaan dapat mengoptimalkan strategi pemasaran dan penjualan suku cadang. 3. Mengintegrasikan sistem pengelompokan suku cadang dengan sistem manajemen persediaan yang sudah ada di perusahaan. Hal ini akan meningkatkan efisiensi dan akurasi dalam pengelolaan stok suku cadang, serta memudahkan perusahaan dalam mengambil keputusan terkait pengadaan dan distribusi suku cadang.

Read online
File size285.85 KB
Pages6
DMCAReport

Related /

ads-block-test