IMPLEMENTASI ALGORITMA K-MEANS UNTUK KLASTERISASI MINAT MEMBACA ANAK PADA PERPUSTAKAAN SUDUT BACA OPERA

Bowo Krismarta; Fajar Septian

Authors

Bowo Krismarta Universitas Pamulang
Fajar Septian Universitas Pamulang

Keywords:

Reading Interest, Library, Data Mining, K-Means, Clustering

Abstract

The Opera Reading Corner Library has ±600 book titles in several categories. In order for the books in the library to be utilized optimally there must be a system that manages the collection of books because from the process of selecting a collection of books it can be seen which books should be added or reduced in stock so as not to build up. stock.K-means Clustering is one of the methods in Data mining to process non hierarchical Clustering data where data is grouped into one or more Clusters and is one of the methods carried out with a partition system. This study classifies book reader data into two Clusters, namely high reading interest and low reading interest. Attributes used in[A1]Data processing includes the amount of book borrower data and the number of books borrowed. The results obtained for the book category data that are in the most desirable Cluster, this will later be used as evaluation material for the librarian in increasing the collection of books in the Opera Reading Corner library.

References

Ani, H., Nofriansyah, D., & Mariami, I. (2021). Implementasi Data Mining Untuk Pengelempokan Buku Di Perpustakaan Yayasan Nurul Islam Indonesia Baru Dengan Metode K-means Clustering. Jurnal Cyber Tech, 1(1).

Bakker, E. (2020, April). Implementasi Data mining Clustering Data Perpustakaan Menggunakan Algoritma K-means untuk Menentukan Penambahan Koleksi Buku di Perpustakaan UPY. In Seri Prosiding Seminar Nasional Dinamika Informatika (Vol. 4, No. 1).

Fakhri, D. A., & Defit, S. (2021). Optimalisasi Pelayanan Perpustakaan terhadap Minat Baca Menggunakan Metode K-means Clustering. Jurnal Informasi dan Teknologi, 160-166.

Fitriani, S., Kom, M. S., Kom, M., Kom, A. S., & Kom, M. (2021). Implementasi Data mining Dalam Pengelompokkan Minat Baca Pengunjung Pada Perpustakaan STMIK Triguna Dharma MedanMenggunakan Metode K-means. Jurnal Cyber Tech, 1(2).

Iryani, L. (2020). Penerapan Datamining Menentukan Minat Baca Mahasiswa Di Perpustakaan Universitas Bina Darma Palembang Menggunakan Metode Clustering. INTECOMS: Journal of Information Technology and Computer Science, 3(1), 82-89.

Khormarudin, A. N. (2016). Teknik Data mining: Algoritma K-means Clustering. J. Ilmu Komput, 1-12.

Nuroini, I., Putri, C. S., & Pertiwi, M. G. (2020). Pengembangan Sistem Perpustakaan Sebagai Upaya Meningkatkan Minat Baca Dalam Menghadapi Era 4.0 Di Desa Masangan Wetan, Sukodono, Sidoarjo. Jurnal Abdi Bhayangkara, 2(01), 10-20.

Pratiwi, D., Hartini, S., & Marlina, S. (2018). Rancang Bangun Sistem Informasi Perpustakaan Pada Sekolah SMK Yadika 13 Tambun Utara Berbasis Web. Paradigma, 20(1), 53-58.

Prayoga, E., & Suryaningrum, K. M. (2018). Implementasi Algoritma Huffman Dan Run Length Encoding Pada Aplikasi Kompresi Berbasis Web. Jurnal Ilmiah Teknologi Infomasi Terapan, 4(2).

Rosman, E., Ikhsan, F. K., & Pernanda, A. Y. (2022). Klasterisasi Minat Baca Mahasiswa Menggunakan Metode K-means. JURTEII: Jurnal Teknologi Informasi, 1(2), 33-43.

Setiawan, R. (2017). Penerapan Data mining Menggunakan Algoritma K-means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru (Studi Kasus: Politeknik Lp3i Jakarta). Jurnal Lentera Ict, 3(1), 76-92.

Zakir, A. (2022). Implementasi Algoritma K-means Untuk Clustering Judul Skripsi Universitas Harapan Medan. Jurnal Media Informatika, 4(1), 40-47.