ALGORITMA K-MEANS UNTUK PENINGKATAN MODEL SEGMENTASI DATA ASET TETAP PADA PT. XYZ

Abstract

Abstrak. Pengelolaan aset tetap merupakan salah satu elemen penting dalam operasional suatu Organisasi ataupun perusahaan, termasuk di PT. XYZ. Namun demikian, metodologi manual sering menimbulkan tantangan seperti inefisiensi, kesalahan klasifikasi, dan kekurangan analitis yang menghambat dalam pengambilan keputusan yang sangat strategis. Penelitian ini berusaha untuk menerapkan algoritma K-Means dalam peningkatan model segmentasi data aset tetap, dengan penekanan terkonsentrasi pada pengoptimalan parameter nilai K, yang bertujuan meningkatkan ketepatan hasil pengelompokan. Berbagai studi sebelumnya, termasuk yang dilakukan oleh Yuan & Yang (2019), Ahmed et al. (2020), dan Ikotun et al. (2023), menunjukkan bahwa algoritma K-Means telah digunakan secara luas, namun, masih ada kekurangan dalam pengoptimalan parameter dan penerapannya pada data aset tetap. Penelitian ini mengadopsi metodologi eksperimental yang memanfaatkan data aset tetap dari PT. XYZ sebagai objek penelitian. Algoritma K-Means diterapkan untuk mengkategorikan data berdasarkan karakteristik tertentu, seperti kategori aset, umur ekonomis, kondisi dan tingkat pemanfaatan. Hasil penelitian menunjukkan bahwa pendekatan ini mampu meningkatkan efisiensi proses pengelolaan aset tetap yang diperoleh nilai Davies Bouldin Index (DBI) = 0,395 melalui pengujian parameter dengan nilai K Optimal = 4. Dengan demikian, penelitian ini memberikan kontribusi teoretis dalam pengembangan algoritma K-Means dan manfaat praktis bagi perusahaan dalam pengelolaan aset tetap mereka.