Penerapan Algoritma Apriori untuk Mengetahui Pola Penempatan Buku dan Rekomendasi Persediaan Buku di Perpustakaan Daerah Kota Salatiga

Abstract

Data mining merupakan teknik penggalian informasi dengan mencari pola dari data dalam jumlah besar sehingga menghasilkan sebuah pengetahuan baru. Dengan memanfaatkan data peminjaman Perpustakaan Daerah Kota Salatiga, proses pencarian pola dilakukan dengan menerapkan algoritma Apriori agar dapat diketahui keterkaitan antar buku yang sering dipinjam dalam transaksi. Pengetahuan baru diperoleh berdasarkan hasil perhitungan algoritma yang diimplementasikan menggunakan aplikasi Rapid Miner. Informasi yang didapat dari pengolahan yaitu mengetahui kecenderungan pengunjung dalam melakukan peminjaman buku yang digunakan untuk memberikan rekomendasi pengadaan buku dan kebijakan tata letak buku berdasarkan intensitas peminjaman dalam rangka menunjang aktifitas transaksi peminjaman buku. Dari hasil analisa terhadap data transaksi peminjaman buku tahun 2018 yang menggunakan nilai minimum support sebesar 2% dan minimum confidence sebesar 40% didapatkan rekomendasi stok dan saran tata letak buku terhadap klasifikasi buku AT, CB, CJ, CI, dan CR. Dimana aturan asosiasi terbaiknya memiliki nilai confidence 48% terhadap klasifikasi buku CR dengan tipe anggota A.

Data mining is a technique of extracting information by looking for patterns from large amounts of data to produce a new knowledge. By utilizing the loan data of the Regional Library of Salatiga, the pattern search process is carried out by applying the Apriori Algorithm to find out the interrelationships between books that are often borrowed in transactions. New knowledge is obtained based on the results of algorithm calculations implemented using the Rapid Miner application. Information obtained from processing is to find out the tendency of visitors to borrow books that are used to provide recommendations for the procurement of books and book layout policies based on loan intensity in order to support the activities of book lending transactions. From the results of the analysis of the book loan transaction data in 2018 which uses a minimum support value of 2% and a minimum confidence of 40%, there are stock recommendations and book layout suggestions on book’s classification of AT, CB, CJ, CI, and CR. Where the best association rules have 48% confidence in the classification of CR books with type A members.