Pengelompokan data peminjaman buku di perpustakaan SMA 5 Muhammadiyah dengan menggunakan metode K-Means Clustering

Sultan Reza Aditya Nurrahman, Muhammad (2024) Pengelompokan data peminjaman buku di perpustakaan SMA 5 Muhammadiyah dengan menggunakan metode K-Means Clustering. S1 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T1_2000018182_JUDUL__240624123542.pdf Download (5MB)
	Text (BAB I) T1_2000018182_BAB_I__240624123543.pdf Download (215kB)
	Text (BAB II) T1_2000018182_BAB_II__240624123543.pdf Restricted to Registered users only Download (573kB) | Request a copy
	Text (BAB III) T1_2000018182_BAB_III__240624123543.pdf Restricted to Registered users only Download (334kB) | Request a copy
	Text (BAB IV) T1_2000018182_BAB_IV__240624123543.pdf Restricted to Registered users only Download (790kB) | Request a copy
	Text (BAB V) T1_2000018182_BAB_V__240624123543.pdf Restricted to Registered users only Download (139kB) | Request a copy
	Text (Daftar Pustaka) T1_2000018182_DAFTAR_PUSTAKA__240624123544.pdf Restricted to Registered users only Download (204kB) | Request a copy

Abstract

Penurunan jumlah peminjaman buku di Perpustakaan SMA 5 Muhammadiyah sejak
pandemi COVID-19 telah menjadi masalah signifikan. Meskipun telah dilakukan pengadaan buku baru, upaya ini belum cukup efektif dalam meningkatkan minat peminjaman. Oleh karena itu, diperlukan pengolahan data peminjaman buku sebagai Upaya untuk menaikan minat baca. Penelitian ini menggunakan metode K-Means Clustering untuk membantu perpustakaan menganalisis dan merencanakan pengadaan buku yang lebih efisien dan tepat sasaran.
Proses pengelompokan data akan menggunakan metode K-Means Clustering. Dengan dimulai dari tahap pertama adalah pengolahan data, yang mencakup pengumpulan data peminjaman buku dan pra-pemrosesan data, termasuk tahap importing library, reading data, cleaning, selecting, dan transforming data. Transformasi data dilakukan dengan menggabungkan antar judul, genre, dan penulis menjadi satu keterangan dan membuat ID baru berdasarkan keunikan dari ketiga data tersebut. Setelah itu, dilakukan tahap normalisasi data untuk memastikan semua fitur berada dalam skala yang sama. Jumlah klaster yang optimal ditentukan menggunakan metrik evaluasi seperti Silhouette Score, Davies-Bouldin Score, dan
Calinski-Harabasz Score. Setelah jumlah klaster ditentukan, algoritma K-Means mengelompokan data ke dalam beberapa klaster berdasarkan karakteristik peminjaman buku. Data yang telah dikelompokkan kemudian divisualisasikan menggunakan bar chart untuk mempermudah proses representasi pengetahuan dengan melihat karakteristik tiap klaster.
Hasil pengelompokan data peminjaman buku menggunakan 3 klaster terbukti optimal, dengan Silhouette Score mencapai 0,791. Skor ini mendekati 1, menandakan kualitas klaster yang sangat baik. Selain itu, tingkat kestabilan 3 klaster ini juga sangat baik, dibuktikan dengan metriks Davies-Bouldin Score yang menghasilkan score sebesar 0,626 dan Calinski-Harabasz Score sebesar 615,093. Adapun untuk pengelompokan menggunakan 3 cluster menghasilkan cluster dengan buku paling diminati dengan buku didominasi genre religi, cukup diminati dengan buku didominasi genre drama dan romance, dan kurang diminati didominasi buku bergenre drama dan Umum. Dari hasil ini diharapkan dapat memudahkan perpustakaan dalam merencanakan pengadaan buku yang lebih efektif dan efisien.

Item Type:	Thesis (S1)
Keyword:	Data mining; data perpustakaan; KMeans Clustering
Subjects:	T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General)
Divisi / Prodi:	Faculty of Industrial Technology (Fakultas Teknologi Industri) > S1-Informatics Engineering (S1-Teknik Informatika)
Depositing User:	userperpus2 userperpus2
Date Deposited:	02 Jul 2024 02:44
Last Modified:	02 Jul 2024 02:44
URI:	http://eprints.uad.ac.id/id/eprint/64982

Actions (login required)

View Item