Analisis Pola Pemakaian Bahan Produksi Menggunakan Algoritma  K-Means Clustering di PT. Loista Indonesia

Shifa Hairul Nisah; Nova Dwi Maelani; Niken Ayu Dara; Sefrika Entas

doi:10.31004/riggs.v4i3.2606

Authors

Shifa Hairul Nisah Program Studi Sistem Informasi
Nova Dwi Maelani Universitas Bina Sarana Informatika
Niken Ayu Dara Universitas Bina Sarana Informatika
Sefrika Entas Universitas Bina Sarana Informatika

DOI:

https://doi.org/10.31004/riggs.v4i3.2606

Keywords:

Clustering, Efisiensi Bahan, K-Means

Abstract

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.

Downloads

Download data is not yet available.

References

A. P. Bagustio, A. I. Purnamasari, and I. Ali, “Analisis data penjualan menggunakan algoritma K-Means clustering pada Toko Kecantikan Putri,” PROSISKO J. Pengemb. Ris. dan Obs. Sist. Komput., vol. 11, no. 2, pp. 159–167, 2024, doi: 10.30656/prosisko.v11i2.7928.

R. Mustakim, D. Ruhimat, S. Suhada, and R. Yulistria, “Analisis segmentasi frekuensi transaksi ATM dengan K-Means clustering pada Bank BJB Kantor Cabang Tasikmalaya,” J. Sist. Inf., vol. 15, no. April, pp. 60–72, 2025, [Online]. Available: https://repository.bsi.ac.id/repo/files/425537/download/JURNAL.pdf

N. Arifin, R. H. Irawan, and I. N. Farida, Algoritma K-Means untuk memprediksi stok bahan baku produksi. Universitas Nusantara PGRI Kediri, 2022.

V. Alvianatinova, I. Ali, N. Rahaningsih, and A. Bahtiar, “Penerapan Algoritma K-Means Clustering dalam Pengelompokan Data Penjualan Supermarket Berdasarkan Cabang (Branch,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 2, pp. 1529–1535, 2024, doi: 10.36040/jati.v8i2.8993.

M. Marsono, D. Saripurna, and M. Zunaidi, “Analisis data mining pada strategi penjualan produk PT Aquasolve Sanaria dengan menggunakan metode K-Means clustering.” 2021. doi: 10.53513/jsk.v4i1.60.

K. Febianda, D. E. Ratnawati, and B. Rahayudi, “Analisis pengelompokkan penjualan rattan furniture pada PT. Hymsa Indotraco berbasis algoritma K-Means clustering,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 6, pp. 1882–1887, 2020, [Online]. Available: http://j-ptiik.ub.ac.id

I. G. I. Sudipa, “Representation knowledge data mining.” 2022. [Online]. Available: https://repository.bsi.ac.id/repo/files/375053/download/Buku-Data-Mining.pdf

A. R. Mulyawan, W. Gata, and S. Alfarizi, “Marketing maps pada Lembaga Amil Zakat menggunakan algoritma clustering dan association rules,” Sistemasi, vol. 9, no. 1, pp. 36–46, 2022, doi: 10.32520/stmsi.v9i1.572.

A. Haladu, “Material usage variance and decision-making: An analysis of block manufacturing industries in.” Kano Metropolis, 2023.

N. Nurjanah, N. Suarna, and W. Prihartono, “Implementasi K-Means clustering untuk mengelompokan tingkat pengangguran,” J. Teknol. Inf., vol. 8, no. 2, pp. 2462–2468, 2024.

A. N. Ayu, N. B. Nugroho, and M. Syaifuddin, “Penerapan data mining untuk menentukan persediaan barang pada PT,” Deli Food menggunakan Metod. K-Means. J. Sist. Inf., vol. 4, no. 7, 2021, [Online]. Available: https://ojs.trigunadharma.ac.id/

RapidMiner, “RapidMiner 9 operator reference manual.” 2021. [Online]. Available: https://docs.rapidminer.com/latest/studio/operators/rapidminer-studio-operator-reference.pdf

E. S. Ana, “Analisa tingkat penjualan makanan dan minuman pada Restoran Sumoboo dengan klasterisasi menggunakan algoritma K-Means,” Insa. J. Inf. Syst. Manag. Innov., vol. 4, no. 1, pp. 45–54, 2024, doi: https://repository.bsi.ac.id/repo/51352/.

L. Anggilia, “Analisa clustering penyebaran penyakit tuberkulosis menggunakan algoritma K-Means di Provinsi Sumatera Selatan.” 2024. [Online]. Available: https://repository.bsi.ac.id/repo/53686/

I. Wijaya, “Perbandingan tools data mining untuk pengelompokan siswa putus sekolah dengan algoritma K-Means.” 2024. [Online]. Available: https://repository.bsi.ac.id/repo/52950/