<![CDATA[Latar belakang: Pengelolaan persediaan sparepart yang efektif sangat penting untuk mendukung kelancaran operasional peralatan pelabuhan. PT Prima Multi Peralatan Cabang Belawan mengelola data pemesanan sparepart dalam jumlah besar sehingga diperlukan pengelompokan secara sistematis berdasarkan tingkat kebutuhan untuk mendukung pengambilan keputusan persediaan. Tujuan: Penelitian ini bertujuan menerapkan algoritma K-Means Clustering untuk mengelompokkan data pemesanan sparepart pada Site Container Crane (CC) PT Prima Multi Peralatan Cabang Belawan berdasarkan jumlah dan frekuensi pemesanan. Metode: Penelitian menggunakan data purchase requisition pada Site Container Crane (CC) periode Januari hingga Juni 2024. Tahapan penelitian meliputi filtering data sparepart, cleaning dan agregasi data, normalisasi menggunakan Min-Max Scaling, penentuan jumlah cluster optimal menggunakan Elbow Method, proses clustering menggunakan K-Means, serta evaluasi cluster menggunakan Sum of Squared Error (SSE), Davies-Bouldin Index (DBI), dan Silhouette Coefficient Index (SCI). Hasil: Sebanyak 188 sparepart berhasil dikelompokkan menjadi tiga cluster. Cluster 0 (Jarang Dipesan) terdiri atas 169 item (89,9%), Cluster 1 (Cukup Sering Dipesan) sebanyak 16 item (8,5%), dan Cluster 2 (Sering Dipesan) sebanyak 3 item (1,6%). Evaluasi clustering menghasilkan nilai SSE sebesar 1,670368, DBI sebesar 0,369410, dan SCI sebesar 0,875059 yang menunjukkan kualitas clustering yang baik. Kesimpulan: Algoritma K-Means Clustering mampu mengelompokkan sparepart berdasarkan karakteristik pemesanannya dan dapat mendukung pengambilan keputusan persediaan dengan membantu perusahaan mengidentifikasi perbedaan tingkat kebutuhan sparepart.]]>
