Perancangan Penempatan Material Cadang di PLN Transmisi Jawa Bagian Barat Melalui Pendekatan Clustering Analysis
DOI:
https://doi.org/10.55826/jtmit.v5i3.1877Keywords:
Material cadang, Clustering analysis, Pengelolaan persediaan, Keandalan jaringan, PLN Transmisi JBBAbstract
Penelitian ini bertujuan menganalisis perencanaan dan penempatan material cadang yang optimal pada PLN Transmisi UIT JBB dengan pendekatan Clustering Analysis. Permasalahan yang diangkat meliputi tingginya biaya persediaan, lamanya lead time distribusi, serta ketergantungan pada pengadaan emergency akibat sistem penempatan material cadang yang belum terstruktur. Metode penelitian menggunakan K-Means Clustering, dengan Elbow Method untuk menentukan jumlah cluster optimal berdasarkan karakteristik aset transmisi, pola kebutuhan material, dan cakupan wilayah operasional setiap UPT. Data yang digunakan merupakan data sekunder PLN UIT JBB, mencakup jumlah gardu induk, kapasitas trafo, panjang saluran transmisi, serta penggunaan material cadang periode 2023–2025. Pengolahan data dilakukan melalui tahap data selection, normalisasi Min-Max Scaling, perhitungan Euclidean Distance, Within-Cluster Sum of Squares (WCSS), dan proses clustering. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah k = 3. Cluster pertama terdiri atas UPT Cilegon dan Cikupa dengan kebutuhan material tinggi; cluster kedua terdiri atas Gandul dan Pulogadung dengan karakteristik aset menengah; sedangkan cluster ketiga terdiri atas Cawang dan Durikosambi dengan kapasitas aset besar dan kepadatan gardu induk tinggi. Strategi penempatan material berbasis clustering melalui centralized warehouse, decentralized warehouse, dan hybrid/support hub mampu meningkatkan efisiensi distribusi material cadang. Model ini menghasilkan efisiensi biaya inventory dan distribusi sebesar 18,7%, pengurangan emergency procurement sebesar 22,4%, serta penurunan lead time sebesar 16,3%. Temuan ini mendukung peningkatan keandalan pemenuhan material, percepatan respons gangguan, pengurangan risiko keterlambatan operasional, penguatan koordinasi antar-UPT, dan optimalisasi supply chain transmisi PLN UIT JBB secara berkelanjutan pada sistem kelistrikan regional yang kompleks dinamis..
References
[1] Sheikh-Zadeh, A., Rossetti, M. D., & Scott, M. A. (2020). Performance-based inventory classification methods for large-Scale multi-echelon replenishment systems. Omega, 101, 102276.
[2] Bhalla, S., Alfnes, E., Hvolby, H. H., & Sgarbossa, F. (2021). Advances in spare parts classification and forecasting for inventory control: A literature review. IFAC-PapersOnLine, 54(1), 982-987.
[3] Chien, C. F., Ku, C. C., & Lu, Y. Y. (2023). Ensemble learning for demand forecast of After-Market spare parts to empower data-driven value chain and an empirical study. Computers & industrial engineering, 185, 109670.
[4] Cantini, A., Peron, M., De Carlo, F., & Sgarbossa, F. (2024). A data-driven methodology for the periodic review of spare parts supply chain configurations. International Journal of Production Research, 62(5), 1818-1845.
[5] Shokri, A., Toliyat, S. M. H., Hu, S., & Skoumpopoulou, D. (2025). Integrating spare part inventory management and predictive maintenance as a digital supply chain solution. Journal of Modelling in Management, 20(3), 1003-1029.
[6] Arani, M., Abdolmaleki, S., Maleki, M., Momenitabar, M., & Liu, X. (2021). A simulation-optimization technique for service level analysis in conjunction with reorder point estimation and lead-time consideration: a case study in sea port. In Advances in Parallel & Distributed Processing, and Applications: Proceedings from PDPTA'20, CSC'20, MSV'20, and GCC'20 (pp. 839-858). Cham: Springer International Publishing.
[7] Irawan, H., Fawzi, M. I., & Hidayat, S. (2025). Integration of K-Means clustering and elbow method for mapping Baccaurea spp. distribution to support agroindustrial development in West Sulawesi. Jurnal Teknik Informatika, 6(1), 45–56.
[8] Heizer, J., Render, B., & Munson, C. (2020). Operations management: Sustainability and supply chain management (13th ed.). Pearson.
[9] IBM. (2024). K-means clustering. IBM.
[10] Mushawir, M., Prasetyo, Y., & Nugroho, A. (2024). Spare part selection for storage in PLN Suku Cadang warehouse using clustering analysis. Journal of Industrial and Logistics Engineering, 12(2), 115–126.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Abu Muslim Al Ashfahany, Mar'atus Sholihah, Erwin Widodo
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
