<![CDATA[Pengelolaan persediaan barang merupakan salah satu aspek penting dalam operasional perusahaan karena berpengaruh terhadap kelancaran distribusi, efisiensi penyimpanan, dan pengambilan keputusan bisnis. PT Sehati Bangunan Abadi masih menghadapi kendala dalam menentukan klasifikasi pergerakan stok barang secara cepat dan akurat karena proses analisis dilakukan secara manual berdasarkan data historis transaksi. Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan (SPK) berbasis web yang memanfaatkan teknologi Machine Learning untuk melakukan prediksi dan klasifikasi stok barang sehingga dapat membantu perusahaan dalam mengelola persediaan secara lebih efektif. Metode yang digunakan dalam penelitian ini adalah algoritma K-Means Clustering untuk mengelompokkan barang ke dalam tiga kategori, yaitu Fast Moving, Slow Moving, dan Dead Stock, berdasarkan data historis penerimaan barang (Goods Receipt Note) dan penjualan selama tahun 2021. Tahapan Penelitian meliputi pengumpulan data, data preprocessing, rekayasa fitur (feature engineering), normalisasi data, proses klasterisasi menggunakan algoritma K-Means, serta implementasi model ke dalam aplikasi berbasis FastAPI sebagai layanan Machine Learning dan antarmuka berbasis Next.js sebagai dashboard analisis.]]>
Copyrights © 2026
