DATA MINING PENGGANTIAN SPARE PART KERETA MRT DENGAN ALGORITMA APRIORI

Abstract

Abstrak
Transportasi umum di DKI Jakarta salah satunya adalah Monorail Rapid Trainsit (MRT). PT. MRT Jakarta merupakan perusahaan daerah yang bertujuan menyediakan sarana transportasi publik yang nyaman, berkualitas, serta meningkatkan taraf hidup penggunanya. Perusahaan ini sudah beroperasi selama dua tahun, terhitung sejak Bulan Maret 2019. Saat ini Divisi SCM PT. MRT Jakarta menentukan keputusan pembelian material berdasarkan reorder point dengan allowance cukup besar (melebihi 30% dari jumlah kebutuhan material) sehingga menjadi kurang efektif dan efisien dari segi biaya material maupun biaya penyimpanan sehingga dalam dua tahun keberjalanannya, arus kas perusahaan tidak membaik secara signifikan dari tahun pertama. Perlunya menganalisis data penggantian material untuk membantu pengambilan keputusan dengan menerapkan data mining karena data mining dapat mencari pola atau informasi relevan yang tersembunyi dalam sumber data (dataset) menggunakan metode khusus. Hasil penelitian ini berupa spare part mana yang perlu diganti dari tiap rangkaian kereta (trainset) dalam waktu tertentu dan material mana yang dibeli bersamaan demi mengatasi masalah inventori yang berlebihan.
Kata kunci: Data Mining, Apriori, Spare Part, MRT Jakarta, Brake Shoe, Main Contact Strip

Abstract
One of the public transportation in the Capital Jakarta is the Monorail Rapid Trainsit (MRT). PT. MRT Jakarta is a regional company that aims to provide comfortable, quality public transportation facilities, as well as improve the standard of living of its users. This company has been operating for two years, starting from March 2019. Currently the SCM Division of PT. MRT Jakarta determines the decision to purchase materials based on a reorder point with a large enough allowance (exceeding 30% of the total material requirement) so that it becomes less effective and efficient in terms of material costs and storage costs so that in the two years running, the company's cash flow has not improved significantly from last year. first. The need to analyze material replacement data to assist decision making by applying data mining because data mining can search for patterns or relevant information hidden in data sources (datasets) using special methods. The results of this research are in the form of which spare parts need to be replaced from each train set within a certain time and which materials are purchased together in order to overcome the problem of excess inventory.
Keywords: Data Mining, Apriori, Spare Part, MRT, Brake Shoe, Main Contact Strip