Implementasi Algoritma K-Means Untuk Rekomendasi Pengadaan Buku
DOI:
https://doi.org/10.29408/jit.v8i1.28134Keywords:
K-Means Algorithm, Data Mining, Book Collection, Book AcquisitionAbstract
One of the main challenges faced by libraries is determining the procurement of book collections that align with the needs and interests of borrowers. At the Sragen Regency Archives and Library Service, book procurement is often based on intuition or unstructured requests, resulting in many books that are less popular among visitors. This leads to a low number of book borrowings, meaning the library cannot provide optimal services. Based on this issue, the author attempts to cluster the book borrowing data for the year 2023 from the Sragen Regency Archives and Library Service by age group, book categories, number of borrowings, number of titles, and number of copies using data mining techniques with the k-means clustering algorithm. For the initial data processing, the author uses the Min-Max normalization method. After normalization, k-means is calculated with 3 clusters, followed by finding the optimal cluster using the elbow method, silhouette, and gap statistics. The results of the optimal cluster are compared with the results from the Dunn Index method. The research identifies three clusters: Cluster 1 contains book groups with low interest, consisting of 7 categories: General Works, Social Sciences, Language, Pure Sciences, Applied Sciences, Arts and Sports, History and Geography; Cluster 2 contains book groups with moderate interest, consisting of 2 categories: Philosophy and Psychology, Religion; and Cluster 3 contains the book group with the highest interest, consisting of 1 category: Literature
References
N. Badriyah dan M. Walid, “Penentuan Bidang Minat Tugas akhir Mahasiswa Teknik Informatika Universitas Islam Madura Menggunaka Metode K-Means,” JINTEKS (Jurnal Informatika Teknologi dan Sains), vol. 5, no. 4, hlm. 566–572, 2023.
A. Saputra Dinata, “Penerapan Algoritma Naive Bayes Dalam Pengadaan Buku Referensi Pada Perpustakaan SMA Negeri 1 Trimurjo Berbasis Web,” Indonesian Journal of Science, Technology and Humanities, vol. 1, no. 2, hlm. 80–90, 2023.
M. Iqbal, N. Khoirunnisa, dan M. I. Ramdhani, “Rancang Bangun Sistem Informasi Manajemen dan Klasterisasi Pengadaan Buku Perpustakaan Kabupaten Subang (SIPERSU) Menggunakan Algoritma K-Means,” Jurnal Review Pendidikan dan Pengajaran, vol. 7, no. 3, hlm. 8508–8518, 2024.
P. Y. Mau, D. Chrisinta, dan E. Binsasi, “Implementasi Data Mining Dalam Menentukan Penambahan Koleksi Buku di Perpustakaan: Algoritma K-Means Clustering,” Journal of Mathematics, Computations, and Statistics, vol. 7, no. 1, hlm. 122–132, 2024.
A. M. Nur, M. Saiful, H. Bahtiar, dan M. T. Hidayat, “Penerapan Algoritma K-Means Clustering Dalam Mengelompokkan Smartphone Yang Rekomendasi Berdasarkan Spesifikasi,” Infotek: Jurnal Informatika dan Teknologi, vol. 7, no. 2, hlm. 478–488, Jul 2024, doi: 10.29408/jit.v7i2.26283.
Suhartini, L. K. Wijaya, dan N. A. Pratiwi, “Penerapan Algoritma K-Means Untuk Pendataan Obat Berdasarkan Laporan Bulanan Pada Dinas Kesehatan Kabupaten Lombok Timur,” Infotek : Jurnal Informatika dan Teknologi, vol. 3, no. 2, hlm. 147–156, Jul 2020.
V. Putri, “Normalisasi Data Dengan Menggunakan Model Min Max Untuk Klasifikasi Nasabah Potensial Pada Bidang Pembelian Properti Menggunakan Algoritma K-Nearest Neighbor,” Informasi dan Teknologi Ilmiah (INTI), vol. 11, no. 3, hlm. 111–119, 2024.
F. A. Tanjung, A. P. Windarto, M. Fauzan, M. P. Studi, S. Informasi, dan S. Tunas Bangsa, “Penerapan Metode K-Means Pada Pengelompokkan Pengangguran Di Indonesia,” Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK), vol. 6, no. 1, hlm. 61–74, 2021, [Daring]. Tersedia pada: https://tunasbangsa.ac.id/ejurnal/index.php/jurasik
A. Atira dan B. Nurina Sari, “Penerapan Silhouette Coefficient, Elbow Method dan Gap Statistics untuk Penentuan Cluster Optimum dalam Pengelompokkan Provinsi di Indonesia Berdasarkan Indeks Kebahagiaan,” Jurnal Ilmiah Wahana Pendidikan, vol. 9, no. 17, hlm. 76–86, 2023, doi: 10.5281/zenodo.8282638.
N. Thamrin dan A. W. Wijayanto, “Analisis Cluster dengan Menggunakan Hard Clustering dan Soft Clustering untuk Pengelompokkan Tingkat Kesejahteraan Kabupaten/Kota di Pulau Jawa,” Indonesian Journal of Statistics and Its Applications, vol. 5, no. 1, hlm. 141–160, Mar 2021, doi: 10.29244/ijsa.v5i1p141-160.
M. S. ’Priadana dan D. ’Sunarsi, Metode Penelitian Kuantitatif. Tangerang: Pascal Books, 2021.
D. J. Sitanggang, E. Buulolo, dan S. Aripin, “Normalisasi Data Dengan Model Min Max Untuk Klasifikasi Calon Mahasiswa Yang Layak Memperoleh KIP Kuliah Dengan Algoritma K-Nearest Neighbor,” Informasi dan Teknologi Ilmiah (INTI), vol. 11, no. 3, hlm. 88–95, 2024.
Hidayatullah, S. Martha, dan S. Aprizkiyandari, “Analisis K-Means Menggunakan Metode Dunn Index Dalam Menentukan Jumlah Cluster Optimal (Studi Kasus: Indikator Pendidikan SMA di Indonesia Tahun 2022),” Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster), vol. 13, no. 3, hlm. 303–310, 2024.
M. T. Jatipaningrum, S. E. Azhari, dan K. Suryowati, “Pengelompokan Kabupaten Dan Kota Di Provinsi Jawa Timur Berdasarkan Tingkat Kesejahteraan Dengan Metode K-Means Dan Density-Based Spatial Clustering Of Applications With Noise,” Jurnal Derivat, vol. 9, no. 1, hlm. 70–81, 2022.
D. Prasetiyo, W. Lestati, dan V. Atina, “Penerapan Clustering Dengan K-Means Untuk Pemilihan Menu Favorit Di Tetra Coffeeshop,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 11, no. 3, hlm. 201–218, 2024.
Aris Sudianto, Lalu Kerta Wijaya, Jumawal Jumawal, and Mahpuz Mahpuz, “Penerapan Aplikasi Warung Media Berbasis Android Guna Meningkatkan Promosi dan Penjualan,” Infotek Jurnal Informatika dan Teknologi, vol. 7, no. 1, pp. 267–275, Jan. 2024, doi: https://doi.org/10.29408/jit.v7i1.24482.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Infotek: Jurnal Informatika dan Teknologi
This work is licensed under a Creative Commons Attribution 4.0 International License.
Semua tulisan pada jurnal ini menjadi tanggung jawab penuh penulis. Jurnal Infotek memberikan akses terbuka terhadap siapapun agar informasi dan temuan pada artikel tersebut bermanfaat bagi semua orang. Jurnal Infotek ini dapat diakses dan diunduh secara gratis, tanpa dipungut biaya sesuai dengan lisense creative commons yang digunakan.
Jurnal Infotek is licensed under a Creative Commons Attribution 4.0 International License.
Statistik Pengunjung
