Penerapan Metode K-Means Clustering Untuk Menentukan Prioritas Persediaan Barang

Muharam, Firza Andra (Universitas Multi Data Palembang)
Novita, Dien (Universitas Multi Data Palembang)

Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi
Vol 15, No 1 (2026): Februari 2026

Tani Mandiri is a trading company operating in the agricultural sector that provides various types of fertilizers and agricultural equipment. The main problem faced by the company is suboptimal inventory management, which can potentially lead to inventory shortages or excess stock, thereby affecting the effectiveness of business operations. This study aims to determine inventory priorities at the Tani Mandiri Store by applying data mining techniques. The method used is K-means clustering, with attributes including item name and inventory quantity based on data from 2022 to 2025. The research stages follow the Knowledge Discovery in Databases (KDD) process, which includes data selection, data cleaning, data transformation, and clustering. The optimal number of clusters was determined using the Elbow method. The results indicate that the best solution consists of three clusters: low, medium, and high priority. Out of a total of 220 types of items, 139 were classified as low priority, 22 as medium priority, and 59 as high priority.Keywords: Data Mining; Inventory; K-Means Clustering  AbstrakTani Mandiri adalah usaha dagang yang bergerak pada sektor pertanian dengan menyediakan beragam jenis pupuk serta perlengkapan pertanian. Permasalahan utama yang dihadapi perusahaan ini adalah pengelolaan persediaan yang belum dilakukan secara optimal, sehingga berpotensi menimbulkan kondisi kekurangan maupun kelebihan persediaan barang yang berdampak pada efektivitas operasional usaha. Penelitian ini bertujuan untuk mengelompokkan prioritas persediaan barang pada Toko Tani Mandiri melalui penerapan teknik data mining. Metode yang digunakan yaitu k-means clustering dengan atribut berupa nama barang dan jumlah persediaan berdasarkan data periode 2022 sampai 2025. Tahapan penelitian mengikuti proses KDD yang meliputi seleksi data, pembersihan data, transformasi data, serta proses pengelompokan. Penentuan jumlah cluster optimal dilakukan menggunakan metode elbow. Hasil penelitian menunjukkan terdapat tiga cluster terbaik, yaitu kategori prioritas rendah, sedang, dan tinggi. Dari total 220 jenis barang, diperoleh 139 barang prioritas rendah, 22 barang prioritas sedang, dan 59 barang prioritas tinggi.