Text
Penerapan algoritma K-Means untuk menganalisis tingkat kebutuhan sparepart pada bengkel honda
Permasalahan yang terjadi tersebut disebabkan karena mengalami kekeliruan dalam perhitungan stok sparepart mana yang harus ditambahkan bahan bakunya dan mana yang tidak. Barang barang yang penjualannya rendah dipasaran stoknya juga ikut ditambahkan, sehingga membuat barang yang kurang laku ini menjadi banyak atau menumpuk didalam gudang.Untuk itu perlukan sebuah prototype yang mampu menganalisis tingkat kebutuhan sparepart pada bengkel honda dengan metode yang diusulkan adalah K-means, dan melakukan perhitungan clustering untuk menujukkan barang mana yang harus stok ulang dan barang mana yang tidak harus direstock. Hasil dari penelitian ini berupa cluster yang terbagi menjadi 4 cluster yaitu (Sangat Dibutuhkan, Dibutuhkan, Kurang Dibutuhkan, Tidak Dibutuhkan). serta meningkatkan keakuratan dalam menambahkan stok dari kebutuhan yang masyarakat inginkan. Kategori PSSUQ diantaranya yaitu nilai kepuasan secara keseluruhan (Overall) sebesar 87%, kegunaan sistem (Sysuse) sebesar 88%, kualitas informasi (Infoqual) sebesar 93%, dan kualitas antarmuka (Interqual) sebesar 93% yang artinya aplikasi ini “Sangat Layak” digunakan., serta hasil kuesioner kepada ahli sebesar 100% dan di interpretasikan “Sangat Layak”. Kesimpulan dalam penelitian ini adalah dengan metode k-means untuk menganalisis tingkat kebutuhan sparepart pada bengkel honda ini berguna untuk dimasa yang akan mendatang menjadi lebih efisien dalam pemilihan barang dan tepat dalam memilih barang mana yang harus ditambahkan. Hasil uji akurasi menggunakan Davies Bouldin Index dengan score 0,470944 (mendekati 0)
Tidak tersedia versi lain