Pemanfaatan Sistem Informasi yang terkomputerisasi di Universitas Raharja
sangat penting pada era teknologi informasi ini. Dengan adanya Sistem Informasi
yang terkomputerisasi, semua proses pengolahan data penting dapat tersusun
dengan rapi sehingga dapat mempermudah dalam penyimpanan dan pencarian
data. Masalah yang dihadapi user pada sistem persediaan barang di gudang
karena kurangnya dukungan sistem yang mampu mempermudah dalam
mengambil keputusan terhadap ketersediaan barang. Sistem berjalan saat ini
masih manual dengan menggunakan google sheet. Masih memakai form
permintaan barang dan akan dilakukan pencatatan dengan memakai kartu stok dan
dimasukkan ke dalam penghitungan di google sheet. Untuk itu agar anggaran yang
tersedia dapat dioptimalkan sesuai dengan kebutuhan yang ada dan tepat sasaran
perlu perencanaan pengadaan barang yang matang. Segmentasi/pemetaan
pemakaian barang dikatakan penting untuk mengetahui tingkat prioritas
kebutuhan barang dan dapat digunakan sebagai acuan dalam pengadaan barang.
Skala prioritas kebutuhan dalam pengadaan barang adalah suatu proses untuk
memetakan jenis barang berdasarkan kebutuhannya dengan mempertimbangkan
jenis barang yang diperlukan dan anggaran yang tersedia. Penelitian ini
menggunakan metode clustering dengan algoritma K-Means dengan
menggunakan aplikasi RapidMiner. K-Means Clustering adalah pengelompokan
data sesuai dengan kesamaan karakteristiknya dari cluster-cluster yang
berbeda-beda karakteristik. Metode ini mempartisi data ke dalam suatu kelompok
sehingga data berkarakteristik yang sama dimasukkan ke dalam satu kelompok
yang sama dan data yang berkarakteristik berbeda dikelompokkan ke dalam
kelompok yang lain. Uji coba klaster data langsung di aplikasi RapidMiner.
Dataset yang digunakan adalah data gudang dari tahun 2020 sampai tahun 2021.
Penghitungan jarak tiap-tiap pusat klaster (centroid) dengan menggunakan
RapidMiner dan dengan menggunakan algoritma k-means dengan rumus
Euclidean Distance. Berdasarkan uji validitas dengan menggunakan Elbow
Method dari k yang berjumlah 8 klaster, maka k=3 lah yang dianggap paling baik
karena membentuk siku yang lancip. Hasil visualisasi clustering dengan
menggunakan kurva x,y menunjukkan bahwa pemakaian stok terbanyak ada pada
cluster 2 di kategori 2 dan 8 yaitu Souvenir dan Percetakan akan tetapi hanya pada
barang tertentu saja. Sedangkan pada cluster 0 dan 1 terlihat pemakaian yang
merata dan sering digunakan yaitu pada kategori 1, 3, 4, 5, 6 dan 7.
Kata Kunci : Stok barang, Clustering, K-Means, RapidMiner, Euclidean

Distance, Elbow Method