Kebutuhan bahan garam oleh PT. Elitestar Primajaya adalah hal yang utama, karena selama ini Perusahaan hanya mengandalkan inventori atau stok gudang untuk memenuhi kebutuhan produksinya. Maka dibuatlah aplikasi berupa SMS Gateway untuk memberi informasi kebutuhan produksi garam ke petani, untuk itu dengan adanya SMS Gateway ke Petani garam atau Pemasok diharapkan mampu meningkatkan kebutuhan garam yang masuk. Untuk Penjualannya, Perusahaan tetap menggunakan SMS Gateway untuk memberikan info mengenai ketersediaannya garam jadi ke Pelanggan. SMS ke Pemasok disertai dengan Peramalan. Metode peramalan yang digunakan adalah metode Radial Basis Function (RBF) dengan penentuan hidden node menggunakan K-Means Cluster. Metode ini merupakan salah satu metode pembelajaran baru dari jaringan syaraf tiruan yang memiliki tingkat akurasi yang baik dibandingkan dengan metode konvensional lainnya. Hal ini yang akan mempengaruhi performa dari desain yang dibuat dan dengan pemanfaatan metode ini, didapat keakuratan berdasarkan nilai MAPE (Mean Absolute Percentage Error) dan MSE (Mean Square Error). Sedangkan metode K-Means digunakan karena ketepatan penentuan nilai centroid yang akurat, mudah dan penentuannya awalnya secara random. Dari hasil pengujian sistem menghasilkan 4 cluster dengan nilai MAPE 13.042% dan MSE 0.004 dan hasil peramalan periode berikutnya sebesar 3853.039 ton.

Material needs salt by PT. Elitestar Primajaya is the main thing, as long as these companies rely on inventory or warehouse stock to meet production needs. Then be made to the application in the form of SMS Gateway to provide information to the farmer needs the production of salt, for it with the SMS Gateway to Farmers salt or Supplier is expected to increase the demand for salt intake. For Sales, Company continue to use the SMS Gateway to provide information about the availability of salt so to Customer. SMS to Suppliers accompanied by Forecasting. Forecasting method is the method of Radial Basis Function (RBF) to the determination of hidden nodes using the K-Means Cluster. This method is one of the new learning method of neural network which has a good degree of accuracy compared with other conventional methods. This will affect the performance of a design is created and with the use of this method, the accuracy obtained by the value of MAPE (Mean Absolute Percentage Error) and MSE (Mean Square Error). While the K-Means method is used for determining the accuracy of a centroid value accurate, easy and random initial determination. From the results of testing the system generates 4 clusters with a value of 13,042% MAPE and MSE 0004 and the results of forecasting the next period of 3853,039 tons.