Desain tanpa judul COMPUTER TEKNIK INFORMATIKA.pptx

PPT

1. Universitas Indraprasta PGRI Amelinda Chalista. P ( 202243502838 ) PENERAPAN ALGORITMA K-MEANS UNTUK ANALISA KEBUTUHAN SPAREPART PADA PT BERKAH GROUP

2. PEMBAHASAN Universitas Indraprasta PGRI Latar Belakang I dentifikasi Masalah Dan Batasan masalah R umusan Masalah Manfaat Penelitian L andasan Teori Tujuan Penelitian P enelitian yang relevan Metode Penelitian

3. LATAR BELAKANG Universitas Indraprasta PGRI PT Berkah Group menghadapi tantangan dalam pengelolaan inventori sparepart yang kompleks . Pengelolaan konvensional menyebabkan kesalahan dalam memperkirakan kebutuhan , seperti stockout atau overstock , yang berdampak pada gangguan produksi dan biaya penyimpanan . Diperlukan metode sistematis seperti algoritma K-Means untuk mengelompokkan sparepart berdasarkan pola permintaan dan karakteristiknya .

4. IDENTIFIKASI MASALAH DAN BATASAN MASALAH Universitas Indraprasta PGRI Inventori dikelola Berdasarkan Pengalaman tanpa klasifikasi sparepart . Tidak ada pemisahan jelas antara fast-moving dan slow-moving item. Data hanya diambil dari tahun 2022–2023. Metode yang digunakan hanya K-Means clustering.

5. R UMUSAN MASALAH Universitas Indraprasta PGRI Permasalahan yang dihadapi oleh PT Berkah Group berkaitan dengan ketidakefisienan dalam pengelolaan inventori sparepart . Hal ini disebabkan oleh belum adanya sistem klasifikasi yang memadai berdasarkan frekuensi penggunaan dan tingkat urgensi sparepart . R umusan masalah dalam penelitian ini adalah : Bagaimana penerapan algoritma K-Means dapat membantu dalam mengelompokkan sparepart berdasarkan karakteristik permintaan dan penggunaan ?

6. TUJUAN PENELITIAN Universitas Indraprasta PGRI Penelitian ini bertujuan untuk menerapkan algoritma K-Means dalam menganalisis kebutuhan sparepart di PT Berkah Group.. Secara spesifik , tujuan penelitian ini adalah : Mengembangkan metode klasifikasi sparepart dengan pendekatan clustering berbasis algoritma K- Means.Menyediakan informasi berbasis data yang dapat digunakan oleh manajemen dalam membuat keputusan pengadaan dan penyimpanan sparepart.Meningkatkan efisiensi logistik dan mengurangi pemborosan akibat kelebihan atau kekurangan stok .

7. Hasil penelitian diharapkan dapat membantu perusahaan dalam menekan risiko stockout dan overstock, meningkatkan efisiensi pengadaan , serta menyediakan dasar klasifikasi sparepart berdasarkan kebutuhan aktual dan historis . MANFAAT PENELITIAN Universitas Indraprasta PGRI

8. LANDASAN TEORI Metode pembagian data ke dalam beberapa cluster berdasarkan jarak Euclidean. Universitas Indraprasta PGRI Digunakan untuk menemukan pola dalam data dan menyederhanakan pengambilan keputusan . Mengelompokkan data berdasarkan kesamaan karakteristik. Sering digunakan dalam data mining, statistik , dan machine learning. K-Means Clustering: Clustering:

9. PENELITIAN YANG RELEVAN Universitas Indraprasta PGRI Savitri et al (2021): Optimalisasi pengadaan bunga hias menggunakan K-Means. Ramdana & Pramono (2024): Manajemen persediaan buku perpustakaan dengan K-Means. Ramdana (2024): Pengelompokan stok barang elektronik menjadi laris dan tidak laris .

10. Penelitian ini menggunakan metode Grounded Research dengan pendekatan studi pustaka dan studi lapangan di PT Berkah Group. Data dianalisis menggunakan algoritma K-Means untuk menghasilkan klasifikasi sparepart berdasarkan harga dan frekuensi penggunaan . Langkah- langkah : Menentukan masalah . Mengumpulkan data ( studi pustaka & lapangan di PT Berkah Group). Menganalisis data dengan K-Means clustering. Menyusun laporan hasil penelitian . METODE PENELITIAN Universitas Indraprasta PGRI

11. TERIMAKASIH