ANALISA POLA PEMINJAMAN BUKU DI PERPUSTAKAAN UNTUK MENGATUR TATA LETAK BUKU MENGGUNAKAN ALGORITMA FP-GROWTH

  • Hasna Rasyidah Universitas Mercu Buana
Keywords: Data mining, FP-Growth, Perpustakaan, Tata letak buku

Abstract

Perpustakaan merupakan suatu tempat yang menyediakan berbagai referensi dan informasi. Berbagai buku sampai majalah telah di sediakan. Dalam hal ini, tata letak buku di suatu perpustakaan merupakan hal yang penting untuk diperhatikan. Penelitian ini bertujuan untuk menemukan buku-buku apa saja yang mungkin akan dipinjam secara bersamaan oleh pengunjung. Dengan menggunakan algoritma FP-Growth pada metode aturan asosiasi data mining, pihak manajemen perpustakaan dapat mengambil keputusan untuk mengatur tata letak buku dengan melihat pola yang akan terbentuk. Data yang digunakan untuk penelitian ini adalah data transaksi perpustakaan untuk bulan Januari – Mei 2019 dengan jumlah 5026 data. Untuk penelitian kali ini, penulis menggunakan seluruh data untuk dilakukan testing. Tools yang digunakan untuk melakukan pengolahan data ini adalah RapidMiner dengan atribut yang mencakup tanggal transaksi, ID Number, Genre Buku. Berdasarkan analisis data ini, semua aturan yang dihasilkan memiliki nilai rasio diatas 1.00 sehingga data sudah akurat dan dapat digunakan untuk referensi pengaturan tata letak buku di Perpustakaan.

References

[1] R. M. Anggraeni, “Perbandingan Algoritma Apriori dan Algoritma FP-Growth untuk Perekomendasi Pada Transaksi Peminjaman Buku di Perpustakaan Universitas Dian Nuswantoro,” Tek. Inform., pp. 1–6, 2014.
[2] A. Junaidi, “Implementasi Algoritma Apriori dan FP-Growth Untuk Menentukan Persediaan Barang,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 8, no. 1, pp. 61–67, 2019.
[3] A. Thoriq Muhammad and B. Nurhadiyono, “Penerapan Data Mining Pada Data Transaksi Penjualan Untuk Mengatur Penempatan Barang,” 2014.
[4] A. Ikhwan, D. Nofriansyah, and Sriani, “Penerapan Data Mining dengan Algoritma Fp-Growth untuk Mendukung Strategi Promosi Pendidikan ( Studi Kasus Kampus STMIK Triguna Dharma ),” Saintikom, vol. 14, no. 3, pp. 211–226, 2015.
[5] F. T. Waruwu, E. Buulolo, E. Ndruru, K. Kunci, A. Apriori, and R. Penyakit, “KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) IMPLEMENTASI ALGORITMA APRIORI PADA ANALISA POLA DATA PENYAKIT MANUSIA YANG DISEBABKAN OLEH ROKOK,” vol. I, pp. 176–182, 2017.
[6] G. Gunadi and D. I. Sensuse, “Penerapan Metode Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Buku Dengan Menggunakan Algoritma Apriori Dan Frequent Pattern Growth ( Fp-Growth ) :,” Telematika, vol. 4, no. 1, pp. 118–132, 2012.
[7] N. A. Hasibuan et al., “Implementasi Data Mining Untuk Pengaturan Layout,” vol. 4, no. 4, pp. 6–11, 2017.
[8] W. Aprianti, K. A. Hafizd, and M. R. Rizani, “Implementasi Association Rules dengan Algoritma Apriori pada Dataset Kemiskinan,” Limits J. Math. Its Appl., vol. 14, no. 2, p. 57, 2017.
[9] R. Yanto and H. Di Kesuma, “Pemanfaatan Data Mining Untuk Penempatan Buku Di Perpustakaan Menggunakan Metode Association Rule,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 4, no. 1, pp. 1–10, 2017.
[10] M. Fauzy, R. K. W Saleh, and I. Asror, “Penerapan metode association rule menggunakan algoritma apriori pada simulasi prediksi hujan wilayah kota bandung,” J. Ilm. Teknol. Inf. Terap., vol. 2, No.2, no. 2, pp. 221–227, 2016.
[11] D. Sukma and D. Fitrianah, “Data Mining Analysis with Association Rules Method to Determine the Result of Fish Catch using FP-Growth Algorithm,” Int. J. Comput. Appl., vol. 181, no. 15, pp. 7–15, 2018.
[12] I. Astrina, M. Z. Arifin, and U. Pujianto, “Penerapan Algoritma FP-Growth dalam Penentuan Pola Pembelian Konsumen pada Kain Tenun Medali Mas,” Matrix J. Manaj. Teknol. dan Inform., vol. 9, no. 1, p. 32, 2019.
[13] F. Fitriyani, “Implementasi Algoritma Fp-Growth Menggunakan Association Rule Pada Market Basket Analysis,” J. Inform., vol. 2, no. 1, 2016.
Published
2021-04-26