Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Dwi Purwono, Prayoga
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Segmentasi Stok di PT Realfood Berdasarkan Pola Pergerakan Menggunakan K-Means Serta Fuzzy C-Means untuk Optimasi Penyimpanan Dwi Purwono, Prayoga; Eka Ratnawati, Dian
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengelolaan persediaan secara efektif menjadi salah satu faktor penentu keberhasilan operasional perusahaan, khususnya di industri makanan dan minuman kesehatan yang memiliki keterbatasan masa simpan produk. PT Realfood sebagai perusahaan yang bergerak di bidang ini menghadapi tantangan dalam menata stok dengan pola pergerakan yang beragam. Oleh karena itu, diperlukan strategi segmentasi stok yang tepat guna mendukung optimasi penyimpanan di gudang. Penelitian ini bertujuan untuk menganalisis segmentasi stok berdasarkan pola pergerakan barang dengan menerapkan dua algoritma clustering, yaitu K-Means dan Fuzzy C-Means (FCM). Metode K-Means digunakan untuk hard clustering, di mana setiap produk hanya termasuk ke dalam satu klaster. Sementara itu, FCM digunakan sebagai pendekatan soft clustering yang memungkinkan suatu produk memiliki derajat keanggotaan pada lebih dari satu klaster. Tahapan penelitian meliputi pengumpulan data mutasi stok tahun 2024, preprocessing, normalisasi data, penerapan algoritma, serta evaluasi hasil menggunakan Elbow Method, Silhouette Score, dan visualisasi klaster. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengelompokkan produk ke dalam klaster fast-moving, medium-moving, dan slow-moving dengan batasan yang jelas. Di sisi lain, FCM memberikan hasil klasterisasi yang lebih fleksibel karena mampu menangkap karakteristik produk yang tumpang tindih. Perbandingan hasil dari kedua algoritma ini memberikan wawasan yang lebih luas dalam memahami perilaku stok dan mendukung pengambilan keputusan untuk strategi penyimpanan yang lebih efisien. Kata kunci: manajemen persediaan, segmentasi stok, K-Means, Fuzzy C-Means, clustering, optimasi penyimpanan, data mining
Co-Authors Dian Eka Ratnawati