<![CDATA[Perkembangan pesat dalam teknologi memberikan manfaat yang besar dalam pengelolaan persediaan barang di sektor industri. Pada PT GMF AeroAsia, perusahaan yang berfokus dalam perawatan pesawat komersial, pengelolaan stok barang menjadi sangat penting. Saat melakukan perbaikan pesawat, berbagai macam material digunakan dan dicatat ke dalam database. Untuk mengoptimalkan data yang melimpah tersebut, dapat diterapkan metode data mining yaitu k-means clustering untuk mengelompokkan data berdasarkan karakteristik yang serupa. Pada penelitian ini, dataset yang digunakan pada penelitian ini adalah data stok penggunaan barang di GMF AeroAsia dari tahun 2016 hingga 2021. Dataset ini mencakup data penerimaan barang, penggunaan barang, dan barang yang sudah kedaluwarsa, dengan tujuan mengelompokkan barang berdasarkan tingkat expired yang tinggi, sedang, dan rendah untuk mengidentifikasi potensi kerugian. Sebelum penelitian dilakukan, dataset telah disiapkan dengan menghilangkan outliers dan melakukan normalisasi menggunakan min-max normalization. Hasil yang diperoleh dari K-Means Clustering dengan bantuan RapidMiner adalah menghasilkan tiga kelompok, yaitu cluster 1 sebanyak 13 data dengan jumlah barang expired rendah, cluster 2 sebanyak 5 data dengan jumlah barang expired sedang, dan cluster 3 sebanyak 2 data dengan jumlah barang expired tertinggi. Hasil clustering yang dilakukan dengan algoritma k-means pada penelitian ini relatif baik, hal ini ditunjukkan dengan evaluasi menggunakan Davies-Bouldin Index yang mendapat nilai 0,494. Penelitian ini memberikan wawasan berharga bagi PT GMF AeroAsia Tbk. dalam pengelolaan stok barang dan pencegahan kerugian akibat barang yang sudah kedaluwarsa.]]>
Copyrights © 2023
