APLIKASI DATA MINING MENGGUNAKAN METODE ASSOCIATION RULE DAN ALGORITMA APRIORI
BERBASIS WEB PADA PERPUSTAKAAN
DI SMA NEGERI 1 BUNGURSARI
ABSTRAK
Data mining merupakan proses analisa data untuk menemukan suatu pola dari kumpulan data tersebut. Data mining mampu
menganalisa data yang besar menjadi informasi berupa pola yang memiliki arti bagi pendukung keputusan. Salah satu teknik
data mining yang dapat digunakan adalah association rule atau sering juga disebut market basket analysis. Didefinisikan sebagai
salah satu itemset yang dibeli secara bersamaan oleh pelanggan dalam suatu transaksi. Association rule adalah suatu alat yang
ampuh untuk pelaksanaan strategi cross-selling. Metode ini dimulai dengan mencari sejumlah frequent itemset dan dilanjutkan
dengn pembentukan aturan-aturan asosiasi (association rules). Algoritma apriori adalah sebuah algoritma yang dapat digunakan
untuk menemukan sejumlah frequent itemset dari data-data transaksi yang tersimpan dalam basis data. Dalam penelitian ini
algoritma apriori digunakan untuk membantu menemukan sejumlah aturan asosiasi dari basis data transaksi peminjaman buku .
Dengan mendapatkan pengetahuan dari algoritma ini, dapat dijadikan rujukan bagi pihak sekolah dalam penempatan buku-buku
perpustakaan.
Kimia}, {Matematika}, {Fisika}, {Kimia} tentu yang dipinjam dalam satu transaksi data akan di asosiasi
merupakan itemset frekuen. berdasarkan jenis buku yang paling banyak dipinjam
Set data transaksi yang berisi k item berpotensi untuk diperpustakaan. Data yang digunakan berasal dari database
membangkitkan sebanyak [3]. Sehingga jika perpustakaan yang terdiri dari tabel koleksi buku, tabel
anggota dan tabel peminjaman untuk mencari keterkaitan
terdapat 5 item, kemungkinan jumlah yang bisa terbentuk
antar tabel. Tidak semua atribut yang kira-kira berguna dan
adalah 31 macam, karena itu algoritma apriori diperlukan
sebaranya tidak terlalu acak, karena data yang terlalu acak
untuk mengurangi komputasi yang dilakukan. Pencarian
akan membuat proses mining memakan waktu lama dan
itemset frekuen ditentukan dengan menghitung support
tingkat hubunganya pun rendah. Data peminjaman yang
count untuk setiap kandidat itemset. Untuk melakukannya,
akan dicari hubungannya meliputi id_peminjam,
kita harus membandingkan setiap kandidat pada setiap
kode_buku, id_transaksi.
transaksi. Jika sebuah kandidat ternyata ada dalam sebuah
transaksi, nilai support count-nya akan dinaikkan satu.
Perbandingan yang harus dilakukan adalah sebanyak 3.2 Sumber Data
Data yang digunakan berasal dari perpustakaan SMA
, dimana N adalah jumlah transaksi, M Negeri 1 Bungursari berupa database perpustakaan yang
adalah jumlah kandidat, dan w adalah lebar transaksi terdiri dari tiga tabel, yaitu data buku, data transaksi dan
maksimal. Sehingga akan menghasilkan perbandingan data detail transaksi.
yang sangat banyak.
Flowchart langkah algoritma apriori 1. Tabel Buku
Data buku adalah data koleksi buku yang di data
2.4 Perpustakaan ketika masuknya buku-buku koleksi diperpustakaan dan di
Perpustakaan dapat dirumuskan sebagai suatu unit susun oleh pihak pustakawan pada perpustakaan dan dapat
kerja dari sebuah lembaga pendidikan yang berupa tempat dipinjam ataupun dibaca siswa yang berkunjung
penyimpanan koleksi buku-buku pustaka untuk menunjang keperpustakaan.
proses pendidikan. Perpustakaan adalah tempat untuk
mengembangkan informasi dan pengetahuan yang dikelola
oleh suatu lembaga pendidikan, sekaligus sebagai sarana
edukatif untuk membantu memperlancar cakrawala
pendidik dan peserta didik dalam kegiatan belajar
mengajar. Perpustakaan merupakan sarana penyedia
informasi, sumber ilmu penggetahuan, dan saran penunjang
bagi proses belajar mengajar bagi para pengguna untuk
mendapatkan informasi yang diinginkan.
Perpustakaan adalah suatu unit kerja dari suatu
lembaga tertentu yang mengelola bahan-bahan pustaka, Gambar 3.1 Tabel Buku
baik berupa buku-buku maupun bukan berupa buku
(nonbook material) yang diatur secara sistematis menurut
aturan tertentu sehinggga dapat digunakan sebagai sumber 2. Tabel Transaksi
informasi oleh setiap pemakainya[4]. Menurut soetopo, Data Transaksi meliputi data id transaksi, tanggal
perpustakaan sekolah atau perguruan tinggi adalah peminjaman dan, id peminjam.
perpustakaan yang diselenggarakan di sekolah atau
perguruan tinggi yang bermaksud menunjang program
belajar mengajar di lembaga pendidikan formal[4].
Pepustakaan merupakan salah satu subsistem dari suatu
sistem yang ada di lembaga induknya dimana perpustakaan
tadi berada[4].
3. Tabel Detail Transaksi performasi dari sistem data mining karena data yang
Data detail transaksi adalah data detail peminjaman ditangani akan berkurang jumlah dan kompleksitasnya.
pada perpustakaan tersebut. Meliputi id detail transaksi,
id_transaksi, kode_buku, dan jumlah_pinjam. 2. Data integration (integrasi data)
Integrasi data merupakan penggabungan data dari
suatu database yang memiliki beberapa tabel. Tabel koleksi
buku, tabel anggota dan tabel peminjaman disimpan dalam
satu database. Integrasi data dilakukan pada atribut-aribut
yang mengidentifikasikan entitas-entitas dengan satu
atribut unik yaitu ID.
3.4 Rancangan
1. Data cleaning
Cleaning data merupakan proses menghilangkan
noise dan data yang tidak konsisten atau data yang tidak
relevan. Pada umumnya data yang diperoleh, baik dari
database suatu perusahaan maupun hasil eksperimen,
memiliki isian-isian yang tidak sempurna seperti data yang
hilang, data yang tidak valid atau juga hanya sekedar salah
ketik. Gambar 3.4 Matriks Peminjaman
Dalam tahap ini semua data yang akan digunakan
baik data koleksi buku, data anggota maupun data Dari data tersebut tabel peminjaman dapat
peminjman buku dibersihkan dari record data yang tidak diasosiasikan sesuai id_transaksi, kemudian dengan
mempunyai atribut lengkap. Selain pembersihan record algoritma apriori kita dapat menentukan item yang frekuen
data yang tidak valid, juga dilakukan penghapusan atribut sesuai treshold yang sudah ditentukan. Sehingga kita dapat
yang tidak dipakai, misalnya atribut notes, abstrak dan lain- mendapatkan aturan kombinasi beberapa buku yang
lain. Pembersihan data juga akan mempengaruhi dipinjam.
4.4 Hasil
Menampilkan data hasil data mining peminjaman
perpustakaan sehingga menghasilkan kombinasi buku yang
saling berkaitan dalam sebuah transaksi peminjaman
Gambar 4.1 Input Data Buku
DAFTAR PUSTAKA
Darmono. (2007). Perpustakaan Sekolah Pendekatan
Aspek MAnajemen dan Tata Kerja. Jakarta: Grasindo.
Ginanjar, T. (2014). Rahasia Membangun Website Toko
Online Berpenghasilan Jutaan Rupiah. Yogyakarta:
Ifahmedia.
Hermawati, F. A. (2013). Data Mining. Yogyakarta: CV
ANDI.
Hidayat, A. N. (2015). Belajar HTML kelas Ringkas .
Hidayat, A. N. (2015). Belajar HTML kelas Ringkas .
Yogyakarta: Bisakimia.
Irwansyah, E., & Moniaga, J. V. (Pengantar Teknologi
Informasi). Rahasia Membangun Website Toko
Gambar 4.4 Tampil Hasil Online Berpenghasilan Jutaan Rupiah. Jakarta:
Deepublish.
Kurniawan, E. (2012). Pemrograman Web Dinamis dengan
ASP.NET 4.5. Yogyakarta: CV ANDI OFFSET.
5. Kesimpulan Dan Saran Madcons. (2011). Membongkar Misteri Adobe
Dreamweaver CS6 dengan PHP dan MySQL.
5.1 Kesimpulan Yogyakerta: CV ANDI OFFSET.
Dari uraian pada bab-bab yang sudah dibahas Mahatmyo, A. (2014). Sistem Informasi Akuntasi Suatu
dapat ditarik kesimpulan: Pengantar. Yogyakarta: Deepublish.
1) Dengan metode association rule dan algoritma apriori Nofriansyah, D. (2012). Konsep Data Mining Sistem
dapat digunakan untuk menentukan pola peminjaman Pendukung Keputusan. Yogyakarta: CV BUDI
buku pada perpustakaan, sehingga dapat UTAMA.
dimanfaatkan dalam penerapan rak buku. Oktavian, D. P. (2010). Menjadi Programer Jempolan
2) Sistem yang dibangun dapat membantu dalam Menggunakan PHP. Yogyakarta: Mediakom.
menentukan pola peminjaman perpustakaan yang Prasetyo, E. (2012). Data Mining Konsep dan Aplikasi
umumnya masih dilakukan secara manual, sehingga menggunakan Matlab. Yogyakarta: CV ANDI.
penempatan rak buku sesuai dengan pola Rosa, A. S., & Salahudin, M. (2013). Rekayasa Perangkat
peminjaman. Lunak Terstruktur dan Berorientasi Objek. Bandung:
3) Sistem ini dapat memberikan informasi yang efektif Infotika.
untuk petugas perpustakaan dalam penempatan rak Santoso, B. (2007). Data Minig Teknik Pemanfaatan Data
buku. untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu.
Sulistyawan, Rubianto, & Rahmad Saleh. (2008).
Modifikasi Blog Multiply dengan CSS. Jakarta: PT
5.2 Saran ELEX Media Komputindo.
Pengembangan sistem ini adalah dari sistem Suntoyo, A. (2007). Ajax Membangun Web dengan
manual atau berdasarkan basis pengetahuan ke sistem Teknologi Asyncronous Javascrpit dan XML.
komputerisasi yang dibangun atas dasar pertimbangan dari Yogyakarta: CV ABDI.
permasalahan-permasalahan yang akan datang. Supriyanto, W., & Muhsin, A. (2008). Teknologi Informasi
1) Diperlukan penelitian lebih lanjut untuk Perpustakaan. Yogyakarta: Kanisius.
membandingkan hasil pola dan menentukan teori yang Wahyono, T. (2007). Building dan Maintenance PC Server.
menghasilkan prediksi yang lebih baik. Jakarta: PT ELex Media Komputindo.
2) Untuk mendapatkan hasil yang baik diperlukan sumber Widodo, P. P., & Herlawati. (2011). Menggunakan UML (
data yang lengkap. Oleh sebab itu diharapkan pada Unfied Modeling Language). Bandung: Infotika
proses penyimpanan data dilakukan secara elektronik, Bandung.