<![CDATA[Analisis data logistik diperlukan untuk manajemen barang logistik secara efisin. Penelitian ini bertujuan untuk menerapakan algoritma clustering yaitu K-Means untuk mengelompokkan data logistik dengan memperhatikan aspek temporal. Penelitian ini tidak hanya mengelompokkan barang logistik, namun juga merekomendasikan waktu yang tempat untuk menyediakan barang. Data yang digunakan yaitu data barang logistik BPBD Kabupaten Purbalingga tahun 2020. Algoritma K-Means digunakan untuk mengelompokkan barang logistik pada setiap bulan yang berada terdapat pada tahun 2020. Rata-rata kualitas cluster yang dihasilkan K-Means setiap bulannya adalah 95.5 %. Tren setiap bulan hasil pengelompokkan K-Means dianalisis lebih lanjut untuk merekomendasikan waktu yang tepat untuk menambah stok barang logistik di BPBD. Proses rekomendasi dibantu dengan algoritma skyline query dengan memanfaatkan suatu preferensi. Preferensi yang digunakan yaitu mencari bulan yang memiliki stok minimum, dan pengeluaran minimum. Bulan yang direkomendasikan untuk pengadaan barang yang termasuk ke dalam cluster C3 terdapat lima 5 bulan, sedangkan C2 sebanyak sepuluh bulan.]]>
Copyrights © 2024
