Analisis Pola Permintaan Suku Cadang Menggunakan Algoritma K-Means
DOI:
https://doi.org/10.59945/jpnm.v4i2.1208Keywords:
Clustering, Data Mining, K-Means, Manajemen Stok, Suku CadangAbstract
Perkembangan teknologi informasi mendorong transformasi dalam pengelolaan data, termasuk pada manajemen persediaan barang. PT XYZ, selaku distributor suku cadang kendaraan roda dua di Palembang, menghadapi kendala dalam memahami karakteristik permintaan produk karena data historis penjualan belum dimanfaatkan secara optimal untuk keperluan analisis. Kondisi ini berpotensi menimbulkan inefisiensi operasional berupa penumpukan stok maupun kekosongan barang. Penelitian ini bertujuan untuk mengelompokkan produk berdasarkan pola permintaan menggunakan algoritma K-Means guna membantu perusahaan menyusun strategi pengelolaan stok yang lebih efektif. Metodologi yang diterapkan adalah Cross-Industry Standard Process for Data Mining (CRISP-DM) untuk proses penambangan data dan model Waterfall untuk pengembangan sistem. Pengolahan data dan implementasi algoritma K-Means dilakukan menggunakan bahasa pemrograman Python dengan library pandas untuk pengolahan data, scikit-learn untuk algoritma K-Means dan evaluasi Silhouette Score, serta framework Streamlit untuk implementasi aplikasi berbasis web. Dataset mencakup 1.250 jenis produk unik dengan total 51.055 baris data transaksi periode Januari 2021 hingga November 2024. Hasil klasterisasi membagi produk ke dalam tiga kategori: 97,4% (1.217 produk) dalam kategori ‘Kurang Laris’, 2,3% (29 produk) kategori ‘Laris’, dan 0,3% (4 produk) kategori ‘Sangat Laris’. Kualitas model divalidasi menggunakan Silhouette Score sebesar 0,939, yang menunjukkan kualitas pengelompokan yang sangat tinggi dan andal
References
Ahmed, M., Seraj, R., & Islam, S. M. S. (2020). The K-means algorithm: A comprehensive survey and performance evaluation. Electronics, 9(8), 1–12. https://doi.org/10.3390/electronics9081295
Fahmi, S. A., Ikhwan, A., & Sibarani, F. H. (2025). Implementasi data mining dengan menggunakan metode K-Means clustering untuk menentukan penjualan sparepart mobil. Jurnal Komputer Teknologi Informasi Sistem Informasi, 4(1), 204–209. https://doi.org/10.62712/juktisi.v4i1.388
Nguyen, D. V. H., Nguyen, T. X. H., & Nguyen, H. G. (2025). K-means clustering and machine learning-based forecasting model for the automotive spare parts industry. Lecture Notes in Networks and Systems, 1255, 473–484. https://doi.org/10.1007/978-981-96-1747-0_39
Huo, Z., & Zhan, X. (2024). Revolutionizing inventory management: The role of data mining in Industry 4.0. Advances in Economics, Management and Political Sciences, 109(1), 67–72. https://doi.org/10.54254/2754-1169/109/2024bj0121
Wijaya, H. R., Khairil, K., & Lianda, D. (2025). Implementasi data mining menggunakan algoritma apriori dalam menentukan persediaan barang. Digital Transformation Technology, 5(1), 427–433. https://doi.org/10.47709/digitech.v5i1.6381
Wang, Z., Xue, H., & Hu, J. (2025). Research on supply chain inventory demand forecasting and optimization model based on spatio-temporal data mining methods. International Journal of Housing Science and Its Applications, 46(3), 5774–5784. https://doi.org/10.70517/ijhsa463497
Suroso, F., Rahmah, G. M., & Permana, D. R. A. (2023). Implementasi sistem peramalan kebutuhan spare part mobil dengan WMA. Jurnal Teknologi dan Manajemen, 21(2), 113–122. https://doi.org/10.52330/jtm.v21i2.136
Rahmania, R. A., Indriani, N., & Wulandari, C. P. (2024). Optimizing spare parts inventory management of truck dealer services using forecasting methods and continuous review system approach. Journal of Advanced Technology and Multidisciplinary, 3(2), 60–65. https://doi.org/10.20473/jatm.v3i2.66530
Zhang, S., Huang, K., & Yuan, Y. (2021). Spare parts inventory management: A literature review. Sustainability, 13(5), 1–23. https://doi.org/10.3390/su13052460
Afiasari, N., Suarna, N., & Rahaningsi, N. (2023). Implementasi data mining transaksi penjualan menggunakan algoritma clustering dengan metode K-Means. Jurnal SAINTEKOM, 13(1), 100–110. https://doi.org/10.33020/saintekom.v13i1.402
Gumilang, M. C. (2025). Optimasi manajemen stok melalui pengelompokan produk ritel berdasarkan data penjualan dengan K-Means. Jurnal Algoritma, 22(2). https://doi.org/10.33364/algoritma/v.22-2.2526
Manarung, R. I., Widodo, E., & Rifai, A. M. (2025). Sales data clustering using the K-Means algorithm to determine retail product needs. International Journal of Software Engineering and Computer Science, 5(1), 226–234. https://doi.org/10.35870/ijsecs.v5i1.4090
Annas, M., & Wahab, S. N. (2023). Data mining methods: K-Means clustering algorithms. International Journal of Cyber and IT Service Management, 3(1), 40–47.
Miranda, M., & Sriani, S. (2025). Implementation of K-Means clustering in grouping sales data at Zura Mart. Journal of Applied Informatics and Computing, 9(2), 547–555. https://doi.org/10.30871/jaic.v9i2.9160
Ikotun, A. M., Ezugwu, A. E., Abualigah, L., Abuhaija, B., & Heming, J. (2023). K-means clustering algorithms: A comprehensive review, variants analysis, and advances in the era of big data. Information Sciences, 622, 178–210. https://doi.org/10.1016/j.ins.2022.11.139
Sinaga, K. P., & Yang, M. S. (2020). Unsupervised K-means clustering algorithm. IEEE Access, 8, 80716–80727. https://doi.org/10.1109/ACCESS.2020.2988796
Falih, A. R. F., Kurniawan, R., Wijaya, Y. A., & Anwar, S. (2025). Algoritma K-Means untuk optimalisasi model clustering data penjualan toko online di TikTok Shop dalam strategi pemasaran. Jurnal Sistem Informasi Kaputama, 9(1), 1–11. https://doi.org/10.59697/jsik.v9i1.929
William, & Johan, M. E. (2025). Implementation of customer segmentation model using K-Means and DBSCAN for fashion industry product transaction. International Journal of Informatics and Visualization, 9(6), 2559–2568. https://doi.org/10.62527/joiv.9.6.2978
Wardani, S. D. K., Ariyanto, A. S., Umroh, M., & Rolliawati, D. (2023). Perbandingan hasil metode clustering K-Means, DBSCAN & hierarchical untuk analisa segmentasi pasar. JIKO (Jurnal Informatika dan Komputer), 7(2), 191. https://doi.org/10.26798/jiko.v7i2.796
Haris, Y., Friadi, J., Frederick, A. E. S., Huda, D. N., & Romdoni, M. R. (2024). Clustering data stok penjualan sparepart mobil Toyota Bengkel Multi Topindo menggunakan K-Means. Jurnal Ilmu Siber dan Teknologi Digital, 2(2), 109–121. https://doi.org/10.35912/jisted.v2i2.3308
Supriyanto, H., et al. (2024). Klasterisasi data obat farmasi berdasarkan jumlah persediaan dengan menggunakan metode K-Means. Teknika, 13(3), 361–369. https://doi.org/10.34148/teknika.v13i3.987
Dermawan, A. A., et al. (2024). Optimizing inventory management: Data-driven insights from K-Means clustering analysis of prescription patterns. Scientific Journal of Informatics, 11(3), 811–820. https://doi.org/10.15294/sji.v11i3.8690
Setiawan, D. Y. D., Hadikristanto, W., & Edora. (2024). Grouping production goods requirements using the K-Means clustering method. International Journal of Software Engineering and Computer Science, 4(2), 418–429. https://doi.org/10.35870/ijsecs.v4i2.2863
Sitinjak, J. M., Sari, K., & Yetri, M. (2024). Penerapan data mining dalam penjualan sparepart motor dengan menggunakan metode K-Means clustering. Jurnal Sistem Informasi Triguna Dharma, 3(6), 862–871.
Aji, N. S., Natsir, F., & Istianah, S. (2023). Penentuan penjualan barang berdasarkan pengelompokan produk dengan K-Means clustering metode CRISP-DM pada CV Sembako Dina. Jurnal Zetroem, 5(2), 119–126. https://doi.org/10.36526/ztr.v5i2.3041
Schröer, C., Kruse, F., & Gómez, J. M. (2021). A systematic literature review on applying CRISP-DM process model. Procedia Computer Science, 181, 526–534. https://doi.org/10.1016/j.procs.2021.01.199
Putri, A. E., MZ, Y., & Bororing, J. E. (2025). Implementasi K-Means clustering dan model CRISP-DM untuk pengelompokan daerah rawan tindak pidana narkoba di DIY. Jurnal Informatika Teknologi dan Sains, 7(2), 606–615. https://doi.org/10.51401/jinteks.v7i2.5690
Handoto, H. C. (2025). Perancangan website interaktif untuk analisis disparitas kabupaten/kota di Indonesia. [Nama jurnal tidak lengkap], 20(2), 193–204.
Wikjatmiko, Z. B., Setyati, E., & Kristian, Y. (2025). Clustering dan visualisasi data ASN dalam penunjang analisis kecukupan data di perangkat daerah pemerintah Provinsi Jawa Timur. Jurnal Informatic Engineering, 10(2), 183–193.
Hasan, Y. (2024). Pengukuran silhouette score dan Davies-Bouldin index pada hasil cluster. Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer, 6(1), 60–74.
Lestari, E. D. N., Rezky, S. F., & Alhafiz, A. (2025). Penerapan data mining untuk pengelompokan data stok barang dengan metode K-Means clustering. Jurnal Sistem Informasi Triguna Dharma, 4(3), 528–539. https://doi.org/10.53513/jursi.v4i3.8515
Miranda, M., & Sriani, S. (2025). Implementation of K-Means clustering in grouping sales data at Zura Mart. Journal of Applied Informatics and Computing, 9(2), 547–555. https://doi.org/10.30871/jaic.v9i2.9160
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 JPNM Jurnal Pustaka Nusantara Multidisiplin
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
