IMPLEMENTASI DATA MINING DALAM ANALISA POLA PEMINJAMAN BUKU DI PERPUSTAKAAN MENGGUNAKAN METODE ASSOCIATION RULE

Edi Kurniawan

Abstract


Abstract: The library is one of the most important means to add insight and knowledge to everyone. In general, borrowing transaction data books that exist in a library are only left to accumulate by the library in the database without any utilization or further processing of the data that has long been stored. By utilizing the Data Mining technique using association rules with FP-Growth, these data will be very useful. Because from the data lending books to the library, new information can be gleaned about what books are often borrowed and know the pattern of relationships between books that have been borrowed together so that later it can be used to compile books in accordance with the existing borrowing patterns so that they can facilitate library visitors in the process of finding books. 

Keywords: Data Mining, Association Rule, FP-Growth, Library

 

Abstrak: Perpustakaan merupakan salah satu sarana yang sangat penting untuk menambah wawasan dan keilmuan setiap orang. Pada umumnya data transaksi peminjaman buku yang ada pada sebuah perpustakaan hanya dibiarkan saja menumpuk oleh pihak perpustakaan di dalam database tanpa ada pemanfaatan atau pengolahan lebih lanjut dari data-data yang telah lama tersimpan tersebut. Dengan melakukan pemanfaatan menggunakan Teknik Data Mining metode association rules dengan FP-Growth, data-data tersebut akan jadi sangat bermanfaat. Karena dari data peminjaman buku pada perpustakaan tersebut dapat diggali informasi baru tentang buku-buku apa yang sering dipinjam dan mengetahui pola hubungan antara buku yang telah dipinjam secara bersama-sama sehingga nantinya dapat dimanfaatkan untuk melakukan penyusunan buku sesuai dengan pola peminjaman buku yang ada sehingga dapat mempermudah para pengunjung perpustakaan dalam proses pencarian buku.

 

Kata Kunci : Data Mining, Asociation Rule, FP-Growth, Perpustakaan


Full Text:

PDF

References


Priyanka and Er. Vinod, K. S. 2014. Apriori Algorithm For Mining Frequent Itemsets-A Review. International Journal of Computer Application and Engineering Technology. 3 (3): 232-236.

Donny, M. V. dan Imam, M. 2013. “Aplikasi Association Rule Mining Untuk Menemukan Pola Pada Data Nilai Mahasiswa Matematika ITS. Jurnal Sains dan Seni POMITS. 1 (1): 1-6.

Ali Ikhwan, Dicky N, Sriani. 2014. Penerapan Data Mining dengan Algoritma Fp-Growth untuk Mendukung Strategi Promosi Pendidikan. Jurnal Ilmiah Saintikom. 211-226.

Erwin. 2009. Analisis Market Basket Dengan Algoritma Apriori dan FP-Growth. Jurnal Generic. 4 (2): 26-30.

Syafnur, Afdhal. "Analisis Dengan Metode Klasifikasi Menggunakan Decission Tree Untuk Memprediksi Penentuan Resiko kredit Bank." JURTEKSI 4.1 (2017): 101-106.

Kennedi, T., Hoga, S. dan Bobby, R. 2013. Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat ¬Kesehatan. Informasi dan Teknologi Ilmiah (INTI). 1 (1): 93-106.

Phani, P. J. and Murlidher, M. 2013. A Study on Market Basket Analysis Using a Data Mining Algorittm. International Jour-nal of Emerging Technology and Advanced Engineering. 3 (6): 361-363.

Syahputra, Trinanda, Jufri Halim, and Ery Promo Sintho. "PENERAPAN DATA MINING DALAM MENENTUKAN PILIHAN JURUSAN BIDANG STUDI SMA MENGGUNAKAN METODE CLUSTERING DENGAN TEKNIK SINGLE LINKAGE." JURTEKSI 4.2 (2018): 205-208.




DOI: https://doi.org/10.33330/jurteksi.v5i1.324

Article Metrics

Abstract view : 36 times
PDF - 36 times

Refbacks

  • There are currently no refbacks.


Sekretariat:

Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK ROYAL 

Copyright © LPPM STMIK ROYAL

 

Indexed by: