Implementasi Data Mining Dengan Menggunakan Algoritma FP-Growth Untuk Analisa Pola Peminjaman Buku Di Perpustakaan Universitas Jambi
DOI:
https://doi.org/10.33998/jakakom.2025.5.2.2295Kata Kunci:
FP-Growth; Phyton; Google Colab; Pola Peminjaman Buku; Kelompok Buku; Universitas JambiAbstrak
Penelitian ini menganalisis data transaksi peminjaman buku di Perpustakaan Universitas Jambi, tujuannya untuk mendapatkan pola peminjaman buku. Dengan menggunakan algoritma FP-Growth metode association rules, ini salah satu cara penggalian informasi atau pola penting dengan cara menemukan pola frekuensi tinggi antara himpunan itemset. Pola peminjaman buku dapat membantu pustakawan dalam mengambil keputusan untuk mengelola perpustakaan. Data yang digunakan adalah data transaksi peminjaman buku pada tahun 2022 sebanyak 2978 transaksi. Hasil perhitungan dengan bantuan pemogramman phyton menghasilkan 14 rules kelompok buku terasosiasi dengan memilih nilai minimum support 0.005 dan nilai minimum confidence 0.1. Adapun rules yang dihasilkan yaitu Manajemen dan Ekonomi (0.006), Budidaya dan Ekonomi (0.014), Ekonomi dan Budidaya (0.014), Psikologi dan Pendidikan (0.013), Karya Umum dan Pendidikan (0.026), Pendidikan dan Karya Umum (0.026), Matematika dan Pendidikan (0.005), Matematika dan Sains (0.006), Matematika dan Ekonomi (0.006), Sosial dan Hukum (0.007), Politik dan Hukum (0.012), Politik dan Sosial (0.005), Fiksi dan Bahasa (0.005), Bahasa dan Fiksi (0.005). Rules ini dapat digunakan untuk pertimbangan penataan letak buku, pertimbangan pertambahan stok buku dan keputusan strategis lainnya yang dibutuhkan oleh perpustakaan untuk meningkatkan kualitas layanan perpustakaan.
Unduhan
Referensi
A. Sudirman, Manajemen Perpustakaan, 1st ed. Riau, 2019.
M. Kadafi, “Penerapan Algoritma FP-GROWTH untuk Menemukan Pola Peminjaman Buku Perpustakaan UIN Raden Fatah Palembang,” MATICS, vol. 10, no. 2, p. 52, Mar. 2018, doi: 10.18860/mat.v10i2.5628.
E. Kurniawan, “IMPLEMENTASI DATA MINING DALAM ANALISA POLA PEMINJAMAN BUKU DI PERPUSTAKAAN MENGGUNAKAN METODE ASSOCIATION RULE,” JURTEKSI (Jurnal Teknologi dan Sistem Informasi), vol. 5, no. 1, pp. 89–96, Mar. 2018, doi: 10.33330/jurteksi.v5i1.324.
M. Hafizh, T. Novita, D. Guswandi, H. Syahputra, and L. Mayola, “Implementasi Data Mining Menggunakan Algoritma Fp-Growth Untuk Menganalisa Transaksi Penjualan Ekspor Online,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 5, no. 3, pp. 242–249, Jul. 2023, doi: 10.47233/jteksis.v5i3.847.
R. Burhanudin Akbar et al., “IMPLEMENTASI ALGORITMA FP-GROWTH UNTUK PENENTUAN REKOMENDASI PRODUK UMKM BERDASARKAN FREKUENSI PEMBELIAN,” 2023. [Online]. Available: https://ejurnal.teknokrat.ac.id/index.php/teknoinfo/index
I. Astrina, M. Z. Arifin, and U. Pujianto, “Penerapan Algoritma FP-Growth Dalam Penentuan Pola Pembelian Konsumen Pada Kain Tenun Medali Mas,” 2019.
L. F. Lhaura Van, K. Anggraini, and S. Miftahul Jannah, “ALGORITMA FP-GROWTH DALAM MENEMUKAN POLA PEMINJAMAN BUKU PERPUSTAKAAN”.
M. Rusli and efrizal Sany, Algoritma Dan Pemogramman, I. Lombok Tengah: PPPI, 2021.
L. Sitorus, Algoritma Dan Pemograman, 1st ed. Yogjakarta: CV Andi Offset, 2015.
Kusrini and E. T. Luthfi, Algoritma Data Mining, I. Yogjakarta: Penerbit Andi, 2009.
Carudin, Marisa, Murnawan, and F. Reba, Buku Ajar Data Mining, 1st ed. jambi: Sonpedia Publishing Indonesia, 2024.
D. Mice, “Implementasi Data Mining Dengan Algoritma FP-Growth Untuk Mendukung Satrategi Promosi Pendidikan (Studi Kasus : Universitas Islam Kuantan Singingi),” Universitas Islam Kuantan Singingi, riau, 2022.
A. M. Siregar and A. Pusphabhuana, Data Mining : Pengolahan Data Menjadi Informasi Dengan RapidMiner, 1st ed. Surakarta: CV Oase Group, 2019.
E. Munanda and S. Monalisa, “PENERAPAN ALGORITMA FP-GROWTH PADA DATA TRANSAKSI PENJUALAN UNTUK PENENTUAN TATALETAK BARANG 1,” Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, vol. 7, no. 2, pp. 173–184, 2021.
D. Yunika Hardiyanti, H. Novianti, and A. Rifai, “PENERAPAN ALGORITMA FP-GROWTH PADA SISTEM INFORMASI PERPUSTAKAAN,” 2018.
Renaldi Dram and Edy, Menjelajahi Bahasa Phyton Dengan Google Colab. Bandung: Guapedia, 2024.
M. P. Satija, DDC Teori Dan Praktik Persepuluhan Dewey , 1st ed. Semarang: CV Sarana Gracia, 2021.
Abdiansah, Pemogramman Dasar Phyton 3.0 Teori Dan Implementasi, 1st ed. Palembang: Bening Media Publishing, 2022.
P. Naik and G. Naik, Conceptualizing Phyton In Google COLAB. Bilaspur, India: Shaswhat Publication, 2021.
T. Monisya Afriyanti and E. Retnoningsih, “Sistem Rekomendasi Buku Perpustakaan Menggunakan Algoritma Frequent Pattern Growth Library Book Recommendation System using Frequent Pattern Growth Algorithm.”
