CLUSTERING POLA PENGGUNAAN BAHAN BAKU MENGGUNAKAN ALGORITMA K-MEANS DI DUA NAGA CORPORATION

Pengelolaan persediaan bahan baku yang efektif menjadi salah satu faktor penting dalam mendukung kelancaran proses produksi perusahaan. Zweena Adi Nugraha (Dua Naga Corporation) masih melakukan pengendalian persediaan secara manual sehingga mengalami kesulitan dalam mengidentifikasi pola penggunaan bahan baku dan berpotensi menimbulkan stockout maupun overstock. Penelitian ini bertujuan untuk mengelompokkan bahan baku berdasarkan tingkat penggunaannya menggunakan algoritma K-Means Clustering dengan pendekatan Cross-Industry Standard Process for Data Mining (CRISP-DM). Data yang digunakan merupakan data historis mutasi persediaan periode Desember 2024 sampai November 2025 sebanyak 68.605 transaksi, yang setelah proses data cleaning menghasilkan 62.922 transaksi OUT dan diolah menjadi 615 entitas bahan baku unik. Proses pemodelan dilakukan melalui tahap agregasi fitur, normalisasi menggunakan Standard Scaler, serta penentuan jumlah klaster optimal menggunakan metode Elbow dan Silhouette Score. Hasil penelitian menunjukkan bahwa nilai k optimal adalah 3, yang menghasilkan Kelas A (Vital) sebanyak 10 item, Kelas B (Esensial) sebanyak 1 item, dan Kelas C (Umum) sebanyak 604 item. Evaluasi model memperoleh nilai Silhouette Coefficient Index sebesar 0,928 dan Davies-Bouldin Index sebesar 0,735 yang menunjukkan kualitas pengelompokan yang baik. Model diimplementasikan ke dalam sistem berbasis web menggunakan Streamlit untuk mendukung proses pengendalian persediaan secara lebih efektif dan berbasis data.