Data Mining untuk Penempatan Barang berdasarkan Frekuensi Permintaan di PT Lautan Lestari Shipyard

Mendrofa, Nober Six Salvanius (2022) Data Mining untuk Penempatan Barang berdasarkan Frekuensi Permintaan di PT Lautan Lestari Shipyard. Skripsi thesis, Prodi Teknik Informatika.

	Text cover.pdf - Submitted Version Download (2MB)
	Text bab I.pdf - Submitted Version Download (1MB)
	Text bab II.pdf - Submitted Version Download (6MB)
	Text bab III.pdf - Submitted Version Download (1MB)
	Text bab IV.pdf - Submitted Version Restricted to Registered users only Download (6MB) | Request a copy
	Text bab V.pdf - Submitted Version Download (287kB)
	Text daftar pustaka.pdf - Submitted Version Download (777kB)
	Text lampiran.pdf - Submitted Version Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Penataan barang di gudang yang baik merupakan salah satu hal penting dalam menunjang kegiatan suatu perusahaan. Pada PT Lautan Lestari Shipyard atau lebih dikenal dengan sebutan LLS, penempatan barang di gudangnya masih relatif tidak teratur dan terlihat berantakan sehingga menyebabkan kesulitan dalam pengambilan barang ketika diminta oleh pekerja di lapangan, hal ini dikarenakan penempatannya tidak berdasarkan frekuensi jumlah barang yang keluar. Untuk itu diperlukan suatu terobosan yang dapat mengatasi permasalahan tersebut baik menggunakan teknologi maupun kumpulan data-data. Penelitian ini bertujuan untuk menerapkan data mining dalam penyusunan layout barang dengan memanfaatkan arsip data pengeluaran barang yang tersedia di perusahaan yang telah disimpan. Arsip data yang telah terkumpul dapat memberikan pola pengambilan barang dan dari pola tersebut dapat diketahui barang dengan penggunaan yang banyak, sedang atau sedikit dengan menggunakan metode algoritma k-means clustering. Hasil perhitungan Davies Bouldin Index (DBI) menunjukkan jumlah cluster yang paling optimal adalah 5 cluster dengan nilai DBI 0,288, 5 cluster tersebut adalah cluster 0 sangat jarang digunakan, cluster 1 jarang digunakan, cluster 2 penggunaannya sedang, cluster 3 sering digunakan dan cluster 4 sangat sering digunakan. Barang yang masuk dalam kategori cluster 4 dan cluster 3 direkomendasikan untuk diletakkan di rak terdekat untuk memudahkan dalam pengambilan barang tersebut. Penelitian ini diharapkan dapat membantu mempermudah perusahaan dalam menata barang di gudang

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Clustering, Data Mining, K-Means, Tata Letak: Clustering, Data Mining, K-Means, Layout
Subjects:	000 Karya Umum > 000-009 Ilmu Umum dan Komputer > 004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika 000 Karya Umum > 000-009 Ilmu Umum dan Komputer > 005.73 Struktur Data
Divisions:	Fakultas Teknik dan Komputer > Teknik Informatika
Depositing User:	Users 151 not found.
Date Deposited:	01 Jul 2022 05:21
Last Modified:	25 Nov 2024 06:17
URI:	http://repository.upbatam.ac.id/id/eprint/1730

Actions (login required)

View Item

Downloads