Abstrak Latar belakang penelitian ini adalah meningkatnya kebutuhan akan layanan transportasi yang efisien, di mana rental mobil menjadi solusi praktis bagi individu dan perusahaan. Namun, perusahaan menghadapi tantangan dalam mengelola armada dan menentukan keputusan pembelian kendaraan yang tepat. Oleh karena itu, penelitian ini bertujuan untuk menganalisis pengelompokkan unit kendaraan berdasarkan data penyewaan yang dikumpulkan. Metode yang digunakan adalah K-Means Clustering, yang memungkinkan pengelompokan data berdasarkan karakteristik serupa. Hasil penelitian menunjukkan bahwa empat cluster optimal berhasil diidentifikasi, dengan Davies-Bouldin Index (DBI) terendah sebesar 0,834135. Setiap cluster mewakili kategori unit berdasarkan lama sewa dan anggaran, memberikan wawasan berharga bagi perusahaan dalam manajemen pengelolaan armada kendaraan secara efektif dalam memberikan rekomendasi unit yang sesuai dengan kebutuhan pelanggan. Penelitian ini menekankan pentingnya penerapan metode K-Means sebagai alat bantu untuk perusahaan dalam menentukan jenis mobil yang banyak tersewa sehingga memudahkan dalam pengecekkan perawatan armada. Selain itu penerapan metode K-Means juga membantu dalam memberikan rekomendasi unit kepada pelanggan sesuai dengan anggaran yang diinginkan This research is motivated by the increasing need for efficient transportation services, where car rentals have become a practical solution for individuals and companies. However, companies face challenges in managing their fleet and making appropriate vehicle purchase decisions. Therefore, this study aims to analyze the grouping of vehicle units based on collected rental data. The method used is K-Means Clustering, which allows data grouping based on similar characteristics. The research results indicate that four optimal clusters were successfully identified, with the lowest Davies-Bouldin Index (DBI) of 0.834135. Each cluster represents a unit category based on rental duration and budget, providing valuable insights for companies in effectively managing their vehicle fleet and providing unit recommendations that suit customer needs. This study emphasizes the importance of applying the K-Means method as a tool for companies in determining the types of cars that are in high demand, making it easier to check fleet maintenance. In addition, the application of the K-Means method also helps in providing unit recommendations to customers according to their desired budget
Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.