<![CDATA[Pengelolaan persediaan barang yang efektif membutuhkan pemahaman mendalam terhadap pola dan karakteristik stok. Penerapan data mining memungkinkan perusahaan melakukan analisis tersebut secara lebih objektif. Penelitian ini bertujuan untuk mengelompokkan data persediaan barang di PT. X menggunakan metode K-means clustering sebagai dasar identifikasi kategori barang berdasarkan kesamaan karakteristik stok. Data penelitian diperoleh dari dataset “Stock list E3” dan diolah melalui tahapan prapemrosesan, meliputi pembersihan data, penghapusan duplikasi, seleksi variabel, encoding label, serta normalisasi fitur numerik. Penentuan jumlah klaster optimal dilakukan menggunakan metode Elbow dan Silhouette Score. Hasil analisis menunjukkan bahwa nilai Silhouette Score tertinggi diperoleh pada k = 4 dengan nilai 0.985, yang mengindikasikan kualitas pengelompokan yang sangat baik. Klaster yang terbentuk merepresentasikan tiga kategori utama, yaitu normal item, bulk stock dan critical part, berdasarkan kombinasi nilai stok, harga standar, dan ketersediaan barang. Temuan penelitian ini dapat dimanfaatkan perusahaan untuk meningkatkan efisiensi pengendalian persediaan, memprioritaskan pengadaan, serta mendukung pengambilan keputusan berbasis data dalam manajemen logistik.]]>
Copyrights © 2026
