INVENTORI ANALITIK: PENENTUAN JUMLAH KATEGORISASI RAW MATERIAL PALING OPTIMAL DENGAN MENGGABUNGKAN METODE WEIGHTED K-MEANS DAN FUZZY C MEANS (ALGORITMA PEMBELAJARAN TANPA PENGAWASAN) PADA DATA MULTIDIMENSI KUALITAS BATUBARA

Abstract

Memahami pentingnya peran analitik dalam pengelolaan inventori akan membantu perusahaan meningkatkan wawasan pada aktivitas inventatisirnya yang dapat menjelaskan kekuatan dan kelemahan paling krusial. Pendekatan ini memungkinkan bisnis untuk meningkatkan kendali produktivitas, efisiensi, dan profitabilitas terhadap setiap aktivitas pengelolaan inventory. Mengelola raw material sebagai salah satu aset inventori melibatkan beberapa aspek berwujud seperti (biaya modal, biaya penyimpanan tetap dan tidak tetap), dengan demikian usaha-usaha seperti penentuan berapa jumlah kategorisasi raw material yang harus dibentuk akan mempengaruhi fungsi operasional dan keuangan. Algoritma pengelompokan seperti K-Means dan Fuzzy C Means merupakan teknik yang digemari dalam analisis data statistik dan banyak digunakan dalam bidang pembelajaran mesin dan pengenalan pola. Memanfaatkan teknik ini untuk kategorisasi kualitas batubara sebelum diblending di Run of Mine sebagai raw material akan memberikan perspektif baru pembagian interval nilai kualitas batubara. Peran algoritma ini utamanya adalah membagi populasi data menjadi beberapa kelompok, sehingga data yang memiliki karakteristik yang sama akan disegmentasikan pada kelompok yang sama sedangkan data yang berada di luar karakteristik tersebut akan disegmentasikan pada kelompok data lainnya. Parameter ujinya berupa total variabilitas terkecil (WCSS), kohesi terbesar (Silhouette Coefficient), dan koefisien partisi terbesar. Menggabungkan kedua algoritma ini dan indeks validasinya akan memberikan rekomendasi jumlah kategorisasi kualitas batubara paling efisien dengan pertimbangan parameter paling optimal di setiap tumpukan. Sehingga pada tahap operasional dengan kuantitas yang sama, kategori tumpukan yang baru akan membantu menghemat ruang inventori dan tetap mampu memberikan performa variasi yang tidak jauh berbeda.