OPTIMISASI MANAJEMEN PERSEDIAAN BARANG DENGAN MENGGUNALAN ALGORITMA FUZZY C-MEANS

  ABSTRAK Untuk menganalisis data stok barang, penelitian ini menggunakan algoritma klastering Fuzzy C-Means. Hasil klastering Fuzzy C-Means menghasilkan sepuluh kelompok, masing-masing terdiri dari Cluster 0 hingga Cluster 9, yang masing- masing memiliki jumlah item yang berbeda. Klaster terbesar adalah Klaster 3 dengan 36 item, dan Klaster 4 dengan 34. Studi lebih lanjut terhadap setiap klaster menunjukkan pola dan karakteristik yang konsisten, yang membantu kita memahami perbedaan antar item dalam setiap kelompok. Menurut evaluasi parameter grid, jumlah klaster (K) 10 memberikan hasil terbaik dengan nilai Davies Bouldin yang rendah, yang menunjukkan kualitas klastering yang baik. Scatter plot menunjukkan bagaimana item didistribusikan di masing-masing klaster. Klaster 3, 6, dan 7 terlihat sebagai kelompok dengan item terbanyak. Sepuluh klaster dengan pola yang mungkin tidak terlihat secara langsung diciptakan dengan menggunakan metode Fuzzy C-Means. Klaster 3, 6, dan 7 tetap menjadi kelompok dengan jumlah item signifikan. Analisis menyeluruh dari setiap klaster memberikan pemahaman khusus tentang perilaku stok dan peluang bisnis yang mungkin. Untuk mencapai Tujuan 2, hasil analisis klastering membantu Nata Frozen Food mengoptimalkan strategi bisnis mereka. Strategi pemasaran dapat disesuaikan, manajemen persediaan dapat ditingkatkan, dan pengembangan portofolio produk dapat ditingkatkan. Hasil evaluasi menunjukkan bahwa jumlah klaster yang tepat dapat meningkatkan operasional dan efisiensi rantai pasok dengan menyeimbangkan kompleksitas model dan kualitas klaster.