Clustering Data Pengunjung UPT Perpustakaan, Penerbitan dan Percetakan Universitas Negeri Padang Menggunakan Algoritma K-Means
DOI:
https://doi.org/10.31004/jptam.v7i3.11826Keywords:
Data Pengunjung, Klastering, K-Means, RapidMiner, Data MiningAbstract
UPT Perpustakaan, Penerbitan dan Percetakan Universitas Negeri Padang merupakan salah satu contoh perpustakaan di Universitas Negeri Padang yang merniliki banyak koleksi buku dan peminat pengunjung yang beragam, kelengkapan buku yang tersedia bagi pengunjung dan kenyamanan saat membaca serta pencarian buku sangat mempengaruhi jumlah pengunjung. Banyak pengguna fungsi pencarian yang dapat diakses untuk memahami informasi yang tersembunyi di dalam data tersebut. Atribut data yang akan digunakan adalah bulan kunjungan, fakultas, dan golongan koleksi yang dipinjam. Hasil dan pengolahan data pengunjung ini bertujuan untuk membantu pihak UPT Perpustakaan, Penerbitan dan Percetakan Universitas Negeri Padang agar memudahkan dalam proses perencanaan untuk meningkatkan mutu perpustakaan. Penggalian data diperlukan untuk mengekstrak informasi yang tersembunyi di dalam database yang ada. Data mining adalah proses interaktif dan fleksibel yang dapat digunakan untuk membuat model baru atau murni yang dapat divalidasi secara menyeluruh terhadap berbagai macam database. Algoritma K-Means dan aplikasi RapidMiner digunakan dalam teknik pengelompokan penelitian ini. Dengan menerapkan algoritma k-means pada proses klasterisasi data UPT Perpustakaan, Penerbitan, dan Percetakan Universitas Negeri Padang, maka dapat diidentifikasi dan ditentukan jumlah cluster yang sesuai serta parameter-parameternya berdasarkan karakteristik masing-masing cluster. Dari penelitian dihasilkan 3 cluster yang diantaranya untuk cluster pertama (C1) pada kedelapan fakultas dan dari bulan januari 2022 hingga desember 2022, pengunjung banyak meminjam koleksi golongan 0 (Karya Umum) dan 100 (Filsafat dan Psikologi). Cluster kedua (C2) pada kedelapan fakultas dan dari bulan januari 2022 hingga desember 2022, pengunjung banyak meminjam koleksi golongan 800 (Kesusatraan) , 900 (Sejarah, Geografi) , dan FIC (Karya Fiksi). Antara Januari 2022 dan Desember 2022, pengunjung klaster ketiga (C3) dari delapan fakultas meminjam banyak koleksi dalam kategori 500 (Sains dan Matematika), 600 (Teknologi dan Ilmu Terapan), dan 700 (Seni, Hiburan, dan Olahraga). Serta untuk cluster keempat (C4) pada kedelapan fakultas dan dari bulan januari 2022 hingga desember 2022, pengunjung banyak meminjam koleksi golongan 200 (Agama), 300 (Ilmu Sosial), dan 400 (Bahasa).
References
D. Aprillia, D. A. Baskoro, L. Ambarwati dan I. W. S. Wicaksana, “ Belajar Data Mining dengan RapidMiner” , Jakarta, 2013.
Dony Prisma. 2012. "Karakteristik Pemustaka Perpustakaan" https://donyprisma.wordpress.com/2012/07/24/karakteristik-pemakai perpustakaan, diakses 20 april 2018
Fina Nasari dan Charles Jhony Maoto Sianturi, 2016. "Penerapan Algoritma K- Means Clustering untuk Pengelompokkan Penyebaran Diare Di Kabupaten Langkat". Jurnal. Medan: Program Studi Sistem Informasi, Universitas Potensi Utama.
Ginanjar Abdurrahman. 2016. "Clustering Data Ujian Tengah Semester (UTS) Data Mining Menggunakan Algoritma K-Means". Jurnal Jember: Jurusan Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember.
Ge, Z., Song, Z., Ding, S.X. and Huang, B., (2017). Data mining and analytics in the process industry: The role of machine learning. IEEE Access, 5, pp.20590-20616.
Gojun Shi, Bingkun Gao, Li Zhang. “The Optimized K-means Algorithms for Improving Randomly-initialed Midpoints”. 2013 2nd International Conference on Measurement, Information and Control. 2013:1212-1216.
Lhorend Mutiara Pratiwi 2017 "Penerapan K-means Clustering untuk memprediksi minat nasabah pada PT Asuransi Jiwa Bersama 1912 Bumiputera Prabumulih Jurnal Palembang.
Novaliendry, D., Hendriyani, Y., Yang, C. H., & Hamimi, H. (2015). The optimized K-means clustering algorithms to analyzed the budget revenue expenditure in Padang. International Conference on Electrical Engineering, Computer Science and Informatics (EECSI), 2(August), 61–66. https://doi.org/10.11591/eecsi.v2i1.771
N.N,“WhyRapidMiner,”RapidMiner,[Online].Available:https://rapidminer.com/why-rapidminer/. [Diakses 30 Mei 2023].
Prayoga, Y., Tambunan, H. S., & Parlina, I. (2019). Penerapan Clustering Pada Laju Inflasi Kota Di Indonesia Dengan Algoritma K-Means. Brahmana: Jurnal Penerapan Kecerdasan Buatan, 1(1), 24-30.
Ramadhani, R., Hendriyani, Y., & Pendahuluan, I. (2021). Prediksi Prestasi Siswa Berbasis Data Mining Menggunakan Algoritma Decision Tree ( Studi Kasus?: SMKN 2 Padang ) ( Studi Kasus?: SMKN 2 Padang )
R. Gustrianda and D. I. Mulyana, “Penerapan Data Mining Dalam Pemilihan Produk Unggulan dengan Metode Algoritma K-means Dan K-Medoids,” J. Media Inform. Budidarma, vol. 6, no. 1, p. 27, 2022, doi: 10.30865/mib.v6i1.3294.
S. Angra dan S. Ahuja, “Analysis of Student’s Data Using Rapid Miner,” Journal on Today’s Ideas – tommorow’s Technologies, vol.4, pp. 49-58, 2016.
Sardi, H. Y., Budayawan, K., New, T., Pendidikan, P., Informatika, T., Teknik, F., & Negeri, U. (2020). Klasifikasi Tingkat Kelulusan Mahasiswa Elektronika Menggunakan Algoritma Naïve Bayes Classifier ( Studi Kasus?: Pendidikan Teknik Informatika FT-UNP ) P - ISSN?: 2302-3295. 8(4).
Santoso. 2007, "Data Mining Teknik Pemanfaatan Dara untuk Keperluan Bisnis". Yogyakarta: Graha Ilmu Sugiyono 2017, "Metode Penelitian Kombinasi (Mixed Methods)", Bandung Alfabeta
Saputro, D. T., & Sucihermayanti, W. P. (2021). Penerapan Klasterisasi Menggunakan K-Means untuk Menentukan Tingkat Kesehatan Bayi dan Balita di Kabupaten Bengkulu Utara. Jurnal Buana Informatika, 12(2), 146–155. https://doi.org/10.24002/jbi.v12i2.4861
Sugiyono. 2017. “Metode Penelitian Kombinasi (Mixed Methods)”. Bandung: Alfabeta
Sumadi Suryabata. 2012. “ Metodologi Penelitian”. Jakarta: Rajawali Pers.
Suyanto, 2017. "Data Mining untuk Klasifikasi dan Klasterisasi Data", Bandung Informatika.
Wibowo, T., Novaliendry, D., (2023). Optimizing Patient Medical Records Grouping through Data Mining and K-Means Clustering Algorithm ( A Case Study at RSUD Mohammad Natsir Solok ).
Yi-feng XU, Chun-ming Chen, Yun-qing XU. “An improved K-means clustering algorithm[J]”. Computer applications and software. March 2008, Vol.25 No.3:275-277
Yunita, F. (2018). Penerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru. Sistemasi, 7(3), 238. https://doi.org/10.32520/stmsi.v7i3.388
Universitas Negeri Padang. 2014. “Buku Pedoman Penulisan Tugas Akhir/Skripsi”Padang: Universitas Negeri Padang.
Downloads
Published
How to Cite
Issue
Section
Citation Check
License
Copyright (c) 2023 Nanda Karmila Sari, Yeka Hendriyani
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
