Klasterisasi Pengelolaan Ban di PT. GST Menggunakan Algoritma K-Means Clustering

Abstract

Pengelolaan ban kendaraan pada suatu perusahaan merupakan aspek penting untuk memastikan efisiensi operasional dan kualitas armada. PT. GST menghadapi tantangan dalam pengelolaan ban kendaraan yang berdampak pada biaya operasional tinggi dan risiko kecelakaan. Penelitian ini menggunakan metode k-means clustering untuk mengelompokkan ban berdasarkan pola pemakaian, dengan tujuan mengidentifikasi ban yang layak dan kurang atau tidak layak untuk digunakan. Dengan metode elbow untuk menentukan jumlah cluster optimal dan Davies Bouldin Index untuk evaluasi akurasi, hasil penelitian menunjukkan dua cluster utama dengan nilai akurasi 0,631. Setelah melalui proses clustering hasilnya menunjukkan bahwa cluster pertama terdiri dari 118 nomor seri ban yang cenderung layak dengan penggunaan hari lebih sedikit namun jarak tempuh lebih jauh, hal ini menunjukkan bahwa ban-ban pada cluster ini tetap dalam kondisi baik meskipun telah menempuh jarak yang panjang dalam waktu singkat sedangkan cluster kedua terdiri dari 144 nomor seri ban yang cenderung kurang layak atau tidak layak dengan penggunaan hari lebih banyak namun jarak tempuh lebih pendek, ini mengindikasikan bahwa ban-ban dalam cluster ini mengalami penurunan kualitas yang lebih cepat meskipun digunakan dalam jarak yang lebih pendek. Pendekatan ini membantu PT. GST mengurangi biaya perawatan dan meningkatkan keselamatan kendaraan melalui identifikasi dini pada ban yang membutuhkan perhatian khusus.