Article Sidebar
Main Article Content
Abstract
Pengelompokkan adalah proses mengklaster sebuah kumpulan data menjadi dua atau lebih kelompok sehingga titik-titik data dalam satu kelompok memiliki kemiripan yang lebih tinggi dibandingkan dengan titik data di kelompok lain. Pengelompokan menjadi proses penting untuk membantu PT. XYZ mengelola management assets secara lebih efisien dengan mengklaster data mesin menjadi beberapa kelompok berdasarkan kemiripan karakteristiknya. Dalam pengelompokkan data mesin, keberadaan outlier dan multikolinieritas menjadi tantangan yang dapat memengaruhi hasil pengelompokan dan interpretasi data. Penelitian ini menggunakan algoritma K-Medoids Clustering karena lebih robust terhadap outlier dibandingkan K-Means Clustering. Untuk mengatasi multikolinieritas, diterapkan metode reduksi dimensi Principal Component Analysis (PCA), yaitu teknik statistik multivariat yang mengubah variabel asli menjadi komponen utama yang lebih sedikit namun tetap mewakili informasi data secara optimal. Penentuan jumlah klaster (k) dilakukan dengan metode silhouette yang menghasilkan skor 0,70, menandakan tiga kelompok sebagai jumlah optimal. Hasil pengelompokan membagi jenis mesin menjadi tiga kelompok, yaitu kelompok 1 berisi 10 jenis mesin, kelompok 2 berisi 43 jenis mesin, dan kelompok 3 berisi 1 jenis mesin. Harapannya penelitian ini dapat menjadi dasar bagi PT. XYZ untuk melakukan evaluasi kembali terkait ketersediaan dan pemanfaatan jenis mesin, sehingga perusahaan dapat mempertimbangkan aspek persediaan dan pemilihan mesin secara lebih optimal guna menekan total biaya persediaan dan total biaya penggunaan mesin.