<![CDATA[Industri furnitur tidak hanya dituntut menghasilkan produk berkualitas, tetapi juga harus mampu mengelola pemakaian bahan produksi secara efisien. Salah satu masalah yang kerap muncul adalah perbedaan antara rencana kebutuhan bahan (Bill of Material/BoM) dengan realisasi di lapangan, yang bisa berujung pada sisa bahan atau bahkan pemborosan. Penelitian ini mencoba menghadirkan solusi melalui penerapan algoritma K-Means Clustering sebagai bagian dari pendekatan data mining. Studi dilakukan di PT. LOISTA INDONESIA dengan memanfaatkan data historis pemakaian bahan produksi. Tahapan penelitian meliputi pra-pemrosesan data, perhitungan selisih pemakaian dan tingkat efisiensi, normalisasi, hingga pengelompokan dengan K-Means baik secara manual maupun menggunakan RapidMiner. Hasil analisis menunjukkan terbentuknya tiga pola utama: kelompok efisien sesuai rencana, kelompok dengan pemakaian lebih rendah dari rencana (potensi sisa), dan kelompok dengan pemakaian lebih tinggi dari rencana (potensi boros). Evaluasi kualitas klaster menggunakan Davies Bouldin Index (DBI) menghasilkan nilai 0,234 yang menandakan struktur pengelompokan cukup baik. Temuan ini tidak hanya membantu perusahaan memahami perilaku pemakaian bahan, tetapi juga menjadi pijakan untuk memperbaiki akurasi perencanaan, mengurangi inefisiensi, serta mendorong pengambilan keputusan yang lebih cerdas dan berbasis data.]]>
Copyrights © 2025
