Clustering Data Produksi Untuk Identifikasi Pola Perakitan Hardware Menggunakan K-Means

Abstract

Penelitian ini bertujuan mengidentifikasi pola pengelompokan komponen perakitan komputer menggunakan metode K-Means Clustering. Dataset yang digunakan mencakup CPU, motherboard, RAM, GPU, PSU, dan casing. Proses penelitian meliputi eksplorasi data, pembersihan data, imputasi nilai hilang, encoding kategorikal, normalisasi, serta rekayasa fitur seperti total TDP dan rasio daya PSU. Hasil clustering menunjukkan pembentukan empat kelompok utama, yaitu komponen low-end, mid-range, high-end, dan cluster RAM yang berdiri sendiri. Temuan ini membuktikan bahwa K-Means efektif dalam memetakan karakteristik hardware dan dapat digunakan sebagai dasar sistem rekomendasi perakitan PC.