Pengelompokkan Jumlah Pengunjung Perpustakaan di DKI Jakarta Menggunakan Metode k-Means

Main Article Content

Esi Farisan Kaisi Rahmat
Rizki Tri Prasetio

Abstract

Perpustakaan adalah suatu ruangan pengoleksian buku yang berfungsi sebagai wahana pendidikan, penelitian, informasi dan rekreasi untuk meningkatkan kecerdasan dan keberdayaan bangsa. Salah satu jenis perpustakaan adalah perpustakaan daerah yang berkedudukan di tiap provinsi di Indonesia misalnya di DKI Jakarta. Banyaknya pengunjung perpustakaan yang tercatat pada daftar buku pengunjung perpustakaan dapat diolah menjadi sebuah data yang menghasilkan informasi profil pengunjung perpustakaan dan alamat pengunjung perpustakaan. Apabila dilakukan pengolahan data pada sumber data tersebut maka dapat diketahui berbagai informasi yang bermanfaat dalam membantu pengelompokkan jumlah pengunjung perpustakaan. Oleh sebab itu, diperlukan pengelompokkan jumlah pengunjung perpustakaan dengan menggunakan teknik data mining clustering dan metode K-Means. K-Means merupakan salah satu metode Clustering nonhierarki yang mempartisi data ke dalam bentuk satu atau lebih cluster sehingga data dengan karakteristik yang sama dikelompokkan dalam satu cluster yang sama pula. Dari 276 data dibentuk 2 cluster yang telah dievaluasi menggunakan Davies Bouldin Index dengan nilai 0.363 yang mana cluster 0 menjadi cluster rendah dengan jumlah anggota sebanyak 74 data sedangkan cluster 1 menjadi cluster tinggi dengan jumlah anggota 202 data

Article Details

Section
Articles

References

Arumsari, R., & Krismayani, I. (2016). Peran Perpustakaan Keliling Dalam Menumbuhkan Minat Baca Masyarakat Desa Kepek Kecamatan Saptosari Kabupaten Gunungkidul. https://ejournal3.undip.ac.id/index.php/ jip/article/view/15333

Bakker, E., & Penelitian, A. O. (2020). Implementasi Data Mining Clustering Data Perpustakaan Menggunakan Algoritma K- Means untuk Menentukan Penambahan Koleksi Buku di Perpustakaan UPY. 22–25. http://prosiding.senadi.upy.ac.id/i ndex.php/senadi/article/view/118

Dan, P. (2019). Pengelompokan dan pemetaan derajat kesehatan kota bengkulu dengan metode k- means clustering. 7(1), 91–97. http://ejournal.unib.ac.id/index.p hp/rekursif/article/view/7097

Mahmuda, F., Sitorus, M. A. R., Widyastuti, H., & Kurniawan, D. E. (2017). Clustering Profil Pengunjung Perpustakaan ( Studi Kasus Perpustakaan BP Batam ). Journal Of Applied Informatics and Computing, 1(1), 14–21. http://jurnal.polibatam.ac.id/index

.php/JAIC/article/view/476

Setiawan, R. (2016). Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru ( Studi Kasus?: Politeknik Lp3i Jakarta ). J. Lentera Ict, 3(1), 76–92.

Yanto, D., Probolinggo, L., Loyal, C., & Loyal, K. (2019). Analisis RFM dan Algoritma K-Means untuk Clustering Loyalitas Customer. 9(1), 0–8.

http://ejournal.upm.ac.id/index. php/energy/article/view/459