Volume : 4, Nomor : 1, Oktober 2016 Majalah Ilmiah

Informasi dan Teknologi Ilmiah

ISSN: 2339-210X

PENERAPAN ALGORITMA APRIORI DALAM MEMPREDIKSI

PERSEDIAAN BUKU PADA PERPUSTAKAAN SMA DWI
TUNGGAL TANJUNG MORAWA
Domma Lingga
Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan
Jl. Sisingamangaraja No.338 Simpang Limun Medan
http : //www.stmik-budidarma.ac.id // Email : dumawatilingga@gmail.com

ABSTRAK
Apriori adalah suatu algoritma yang sudah sangat dikenal dalam melakukan pencarian frequent
itemset dengan menggunakan teknik association rule. Algoritma Apriori menggunakan knowledge mengenai
frequent itemset yang telah dikenal sebelumnya, untuk memproses data yang berhubungan dengan peminjaman
buku diperpustakaan untuk diolah menjadi informasi yang berguna. Untuk memudahkan siswa untuk
memiinjam buku diperpustakaan SMA Dwi Tunggal maka dirancang penerapan algoritma apriori dalam
memprediksi buku pada perpustakaan Dwi Tunggal. Dan sistem ini dirancang dengan menggunakan data
mining Algoritma Apriori untuk menemukan pola kombinasi itemset dan association rule untuk menemukan
rule yang dapat memprediksi persediaan buku diperpustakaan dengan bantuan software Tanagra.Dengan
adanya sistem ini siswa/i tidak kesulitan meminjam buku sesuai dengan keperluan siswa sehingga akan tercipta
proses peminjaman yang nyaman dan cepat.

Kata kunci : Apriori , Data Mining, Persediaan Buku.

1. Pendahuluan 1. Bagaimana menerapkan algoritma apriori untuk

1.1 Latar Belakang mendapatkan item set peminjaman buku dengan
Data Mining juga disebut sebagai frekuensi tinggi.
serangkaian proses untuk menggali nilai 2. Bagaimana menemukan aturan asosiatif dengan
tambah berupa pengetahuan yang selama ini menggunakan algoritma apriori dalam
tidak diketahui secara manual dari suatu mendapatkan kombinasi buku untuk
kumpulan data (Pramudiono, 2007). Penggunaan memprediksi persediaan buku?
teknik data mining diharapkan dapat 3. Bagaimana mengimplementasikan algoritma
memberikan pengetahuan-pengetahuan yang apriori untuk memprediksi persediaan buku
sebelumnya tersembunyi di dalam gudang data dengan bantuan software tanagra .
sehingga menjadi informasi yang berharga.
Teknik data mining untuk menemukan aturan 1.3 Batasan Masalah
asosiatif atau hubungan antara item disebut Agar pembahasan tidak lepas dari latar
dengan association rule mining. Salah satu belakang dan perumusan masalah, maka penulis
algoritma yang dapat digunakan untuk membatasi masalah yang dibahas yaitu sebagai
menemukan association rule adalah algoritma berikut:
apriori. Keluaran dari data mining bisa 1. Menggunakan algoritma apriori untuk
dipakai untuk memperbaiki pengambilan menemukan pola kombinasi itemsets dan
keputusan dimasa depan. association rule untuk menemukan rules yang
Apriori adalah suatu algoritma yang dapat memprediksi persediaan buku
sudah sangat dikenal dalam melakukan diperpustakaan.
pencarian frequent itemset dengan menggunakan 2. Data yang digunakan dalam pengolahan data adalah
teknik association rule. Algoritma apriori dimulai tahun 2010.
menggunakan knowledge mengenai frequent 3. Pengujian data menggunakan tools data mining
itemset yang telah diketahui sebelumnya, untuk yaitu Tanagra versi 1.4.50.
memproses informasi selanjutnya. Pada algoritma
apriori untuk menentukan kandidat-kandidat 1.4 Tujuan dan Manfaat Penelitian
yang mungkin muncul dengan cara 1.4.1 Tujuan
memperhatikan minimum support (Efori Buulolo, Beberapa tujuan yang ingin dicapai dalam
2013). penelitian ini yaitu sebagai berikut:
1. Menerapkan algoritma apriori untuk mendapatkan
1.2 Perumusan Masalah item set peminjaman buku dengan frekuensi
Beberapa Rumusan Permasalahan yang akan tinggi.
dibahas dalam skripsi ini adalah :

Penerapan Algoritma Apriori Dalam Memprediksi Persediaan Buku Perpustakaan SMA DWI TUNGGAL 32
Tanjung Morawa. Oleh : Domma Lingga
 Volume : 4, Nomor : 1, Oktober 2016
2. Menemukan aturan asosiatif dengan
menggunakan algoritma apriori dalam
mendapatkan kombinasi buku untuk memprediksi
persediaan buku
3. Mengimplementasikan algoritma apriori utnuk
memprediksi persediaan buku dengan bantuan
software tanagra.
1.4.2 Manfaat
Beberapa manfaat dari penelitian ini adalah
sebagai berikut:
1. Mengaplikasikan algoritma apriori dalam
memprediksi persediaan buku di perpustakaan
SMA Dwi Tunggal Tanjung Morawa
2. Memudahkan pihak SMA Dwi Tunggal Tanjung
Morawa untuk mengetahui jenis item buku yang
sering muncul atau dipinjam diantara banyak
transaksi peminjama buku secara bersamaan.
3. Membantu pihak SMA Dwi Tunggal Tanjung
Morawa dalam memperbaiki pengambilan
keputusan untuk persedian buku di
perpustakaannya.
2. Landasan Teoritis
2.1 Data Mining
Data Mining merupakan analisis dari
peninjauan kumpulan data untuk menemukan
hubungan yang tidak diduga dan meringkas data
dengan cara yang berbeda dengan sebleumnya,
yang dapat dipahami dan bermanfaat bagi pemilik
data. (Larose, 2005). Data Mining meruapkan
bidang dari beberapa bidang keilmuan yang
menyatukan teknik dari pembelajaran mesin,
pengenalan pola, statistik, database dan visualisasi
utuk penanganan permasalahan pengambilan
informasi dari database yang besar. (Larose, 2005)
Data mining adalah kegiatan menemukan
pola yang menarik dari data dalam jumlah
besar, data dapat disimpan dalam database,
data warehouse, atau penyimpanan informasi
lainnya. Data mining berkaitan dengan bidang ilmu
– ilmu lain, seperti database system, data
warehousing, statistik, machine learning,
information retrieval, dan komputasi tingkat
tinggi. Selain itu, data mining didukung oleh
ilmu lain seperti neural network, pengenalan
pola, spatial data analysis, image database,
signal processing (Han, 2006). Data mining
didefinisikan sebagai proses menemukan pola-
pola dalam data. Proses ini otomatis atau
seringnya semi otomatis (Witten, 2005). Pola
yang ditemukan harus penuh arti dan pola
tersebut memberikan keuntungan, biasanya
keuntungan secara ekonomi. Data yang dibutuhkan
dalam jumlah besar.
Penerapan Algoritma Apriori Dalam Memprediksi Persediaan Buku Perpustakaan SMA DWI TUNGGAL
Tanjung Morawa. Oleh : Domma Lingga
Majalah Ilmiah
Informasi dan Teknologi Ilmiah
ISSN: 2339-210X
2.2. Tahap-Tahap Data mining
Sebagai suatu rangkaian proses, data
mining dapat dibagi menjadi beberapa tahap
yang diilustrasikan di Gambar . Tahap-tahap
tersebut bersifat interaktif, pemakai terlibat
langsung atau dengan perantaraan knowledge base.
Tahap-tahap data mining ada 6 yaitu :
1. Pembersihan data (data cleaning)
2. Integrasi data (data integration)
3. Seleksi Data (Data Selection)
4. Transformasi data (Data Transformation)
5. Proses mining
6. Evaluasi pola (pattern evaluation),
2.3 Support dan Confidence
a. Support, suatu ukuran yang menunjukkan
seberapa besar tingkat dominasi suatu item atau
itemset dari keseluruhan transaksi.
b. Confidence, suatu ukuran yang menunjukkan
hubungan antar dua item secara conditional. (Dian
Wirdasari, Ahmad Calam, 2011)
2.4 Metode – Metode Data Mining
2.4.1 Metode Association Rules
Aturan asosiasi (association rules) atau
analisis afinitas (affinity analysis) berkenaan
dengan tentang ‘apa bersama apa’. Ini bisa berupa
studi transaksi di supermarket misalnya orang
yang membeli susu bayi juga membeli sabun
mandi. Algoritma aturan asosiasi akan
menggunakan data latihan, sesuai dengan
pengertian data mining, untuk menghasilkan
pengetahuan. Pengetahuan apakah yang hendak
dihasilkan dalam aturan asosiasi? Pengetahuan
untuk mengetahui item-item belanja yang sering
dibeli secara bersamaan dalam suatu waktu.
Aturan asosiasi yang berbentuk “if... then...” atau
“jika...maka...” merupakan pengetahuan yang
dihasilkan dari fungsi aturan asosiasi (Dian
Wirdasari, Ahmad Calam, 2011)
2.4.1.1 Tahapan Association Rule
Analisis asosiasi dikenal juga sebagai salah
satu teknik data mining yang menjadi dasar dari
berbagai teknik data mining lainnya. Khususnya
salah satu tahap dari analisis asosiasi yang disebut
analisis pola frequensi tinggi (frequent pattern
mining) menarik perhatian banyak peneliti untuk
menghasilkan algoritma yang efisien (Kennedi
Tampubolon et al, 2013). Metodologi dasar
analisis asosiasi terbagi menjadi dua tahap:
1. Analisa pola frekuensi tinggi
Tahap ini mencari kombinasi item yang
memenuhi syarat minimum dari nilai support
dalam database.
33
 Volume : 4, Nomor : 1, Oktober 2016 Majalah Ilmiah
Informasi dan Teknologi Ilmiah
ISSN: 2339-210X

9. Untuk setiap large itemset L, kita cari himpunan

bagian L yang tidak kosong untuk setiap
himpunan bagian tersebut, dihasilkan rule dengan
bentuk aB(L-a) jika supportnya (L) dan
2. Pembentukan aturan assosiatif supportnya (a) lebih besar dari minimum support.
Setelah semua pola frekuensi tinggi ditemukan,
barulah dicari aturan assosiatif yang memenuhi 2.5 Algoritma Apriori
syarat minimum untuk confidence dengan Apriori adalah suatu algoritma yang
menghitung confidence aturan asosiasi “ jika A sudah sangat dikenal dalam melakukan
maka B “. Nilai confidence dari aturan “ jika A pencarian frequent itemset dengan menggunakan
maka B teknik association rule. Algoritma apriori
menggunakan knowledge mengenai frequent
2.4.2 Langkah-Langkah Proses Perhitungan itemset yang telah diketahui sebelumnya, untuk
Association Rule memproses informasi selanjutnya. Pada algoritma
Proses perhitungan association rule terdiri apriori untuk menentukan kandidat-kandidat
dari beberapa tahap adalah sebagai berikut yang mungkin muncul
(Kennedi Tampubolon et al, 2013): dengan cara memperhatikan minimum support
1. Sistem men-scan database untuk mendapat (Efori Buulolo, 2013).Penerapan algoritma apriori
kandidat 1-itemset (himpunan item yang terdiri dapat diilustrasikan melalui gambar berikut:
dari 1 item) dan menghiung nilai supportnya.
Kemudian nilai supportnya tersebut dibandingkan
dengan minimum support yang telah ditentukan,
jika nilainya lebih besar atau sama dengan
minimum support maka itemset tersebut termasuk
dalam large itemset.
2. Itemset yang tidak termasuk dalam large itemset
tidak diikutkan dalam iterasi selanjutnya ( di
prune).
3. 3. Pada iterasi kedua sistem akan menggunakan
hasil large itemset pada iterasi pertama (L1) untuk
membentuk kandidat itemset kedua (L2). Pada
iterasi selanjutnnya sistem akan menggunakan
hasil large itemset pada iterasi selanjutnnya akan
menggunakan hasil large itemset pada iterasi
sebelumnya (Lk-1) untuk membentuk
kandidat itemset bertikut (Lk). Sistem akan
menggabungakan (join) Lk-1 dengan Lk-1 untuk
mendapatkan Lk, seperti pada iterasi sebelumnya
sistem akan menghapus (prune) kombinasi itemset
yang tidak termasuk dalam large itemset.
4. Setelah dilakukan operasi join, maka pasangan
itemset baru hasil proses join tersebut dihitung Gambar 2.1 Ilustrasi Algoritma Apriori
supportnya. Sumber : (Efori uololo, 2013)
5. Proses pembentuk kandidat yang terdiri dari
proses join dan prune akan terus dilakukan hingga 3. Analisa dan Perancangan
himpunan kandidat itemsetnya null, atau sudah 3.1. Analisa
tidak ada lagi kandidat yang akan dibentuk. Sistem peminjaman buku pada perpustakaan
6. Setelah itu, dari hasil frequent itemset tersebut SMA Dwi Tunggal Tanjung Morawa masih
dibentuk association rule yang memenuhi nilai manual, artinya semua yang berhubungan dengan
support dan confidence yang telah ditentukan. aktifitas peminjaman buku di catat pada sebuah
7. Pada pembentukan association rule, nilai yang buku. Salah satu output dari sistem peminjaman
sama dianggap sebagai satu nilai. buku adalah data peminjaman buku. Proses
8. Assosiation rule yang terbentuk harus memenuhi memprediksi persediaan buku selama ini masih
nilai minimum yang telah ditentukan. sebatas hanya melihat langsung buku apa yang
sering dipinjam anggota langsung dari buku

Penerapan Algoritma Apriori Dalam Memprediksi Persediaan Buku Perpustakaan SMA DWI TUNGGAL 34
Tanjung Morawa. Oleh : Domma Lingga
Volume : 4, Nomor : 1, Oktober 2016
transaksi peminjaman buku perpustakaan secara
manual yaitu mencari secara satu per satu. Untuk
mencapai tujuan yang diinginkan didalam
penelitian ini, maka data peminjaman tersebut di
export ke dalam bentuk Microsoft excel.
3.2 Pembahasan
Proses pembentukan pola kombinasi itemsets
dan pembuatan rules dimulai dari analisis data.
Data yang digunakan adalah data transaksi
penjualan obat, kemudian dilanjutkan dengan
pembentukan pola kombinasi itemsets dan dari
pola kombinasi itemsets yang menarik terbentuk
association rules.
3.2.1Analisis Data
Dengan studi kasus pada perpustakaan SMA
Dwi Tunggal 2 Tanjung Morawa, dapat
dilakukan analisa terhadap data khusus data
peminjaman buku dengan salah satu tujuan
adalah untuk menemukan pola kombinasi
peminjaman buku dan hubungan antar item judul
buku didalam transaksi. Berikut ini adalah tabel
3.1 yaitu sampel data antara bulan Juli 2013 – Juli
2014 yang akan dijadikan sampel untuk analisis
dan juga untuk pengujian.
3.2.2 Penerapan Algoritma Apriori
Tahap dalam menganalisa data dengan
algoritma apriori pada peminjaman buku dimulai
dengan menyeleksi dan membersihkan data-data
yang akan dianalisis, kemudian dicari semua jenis
item judul buku yang ada didalam list peminjaman
buku, selanjut dicari jumlah setiap item yang ada
pada semua data transaksi peminjaman buku.
Pola hubungan yang dibentuk dari data
peminjaman buku adalah dimulai dari
pembentukan pola kombinasi satu itemset, dari
pola kombinasi satu itemsets, terbentuk lah pola
kombinasi dua itemsets, dari pola kombinasi
dua itemsets terbentuk lagi pola kombinasi tiga
itemsets, dan dari pola kombinasi tiga itemsets
terbentuk pola kombinasi empat itemsets,
kemudian dari pola kombinasi empat itemset
terbentuk pola kombinasi lima itemsets.
Pembentukan pola kombinasi didasarkan pada
nilai support minimal, Jika nilai support minimal
terpenuhi dan pola kombinasi itemsets yang ada
lebih dari pada satu pola kombinasi, maka pola
kombinasi itemsets yang berikutnya bisa bentuk.
Setelah selesai pembuatan pola maka langkah
selanjutnya pembentuk rules association, rules
yang akan dihasilkan dibentuk dari pola
kombinasi itemsets yang memenuhi support
minimal.
Penerapan Algoritma Apriori Dalam Memprediksi Persediaan Buku Perpustakaan SMA DWI TUNGGAL
Tanjung Morawa. Oleh : Domma Lingga
Majalah Ilmiah
Informasi dan Teknologi Ilmiah
ISSN: 2339-210X
4. Algoritma Dan Implementasi
4.1 Algoritma
Algoritma adalah urutan langkah logis
tertentu untuk memecahkan suatu masalah. Yang
ditekankan adalah urutan langkah logis, yang
berarti algoritma harus mengikuti suatu urutan
tertentu, tidak boleh melompat-lompat. Alur
pemikiran dalam menyelesaikan suatu pekerjaan
yang dituangkan secara tertulis. Yang ditekankan
pertama adalah alur pikiran, sehingga algoritma
seseorang dapat juga berbeda dari algoritma
orang lain. Sedangkan penekanan kedua adalah
tertulis, yang artinya dapat berupa kalimat,
gambar, atau tabel tertentu. Adapun algoritma
yang digunakan adalah sebagai berikut :
4.2 Implementasi
Implementasi data mining menggunakan
algoritma apriori pada penelitian skripsi ini
menggunakan tools aplikasi Tanagra Versi 1.4.50.
Implementasi ini memiliki format tabular data
transaksi.
5. Kesimpulan Dan Saran
5.1 Kesimpulan
Berdasarkan hasil pengujian dan analisis
dari penerapan algorItma apriori dalam
memprediksi persediaan buku pada perpustakaan
SMA Dwi Tunggal Tanjung Morawa maka dapat
di tarik kesimpulan sebagai berikut:
1. Penerapan algoritma apriori dapat digunakan
untuk menyelesaikan permasalahan dalam
menemukan pola peminjaman buku yang
menghasilkan pola kombinasi sebagai acuan
dalam memprediksi jumlah buku pada
perpustakaan.
2. Pola data peminjaman yang dihasilkan dengan
min support 30 persen(%), min confidence 70
persen(%) adalah pola kombinasi lima items.
3. Dari data hasil pengujian yang telah diperoleh,
dapat diketahui buku apa saja yang sering muncul
di dalam proses peminjaman buku. Dengan
demikian informasi ini dapat memudahkan pihak
perpustakaan SMA Dwi Tunggal Tanjung
Morawa dalam memambah stok buku nantinya.
5.2 Saran
Berdasarkan hasil penelitian ini, ada
beberapa saran yang dapat dilakukan guna
pengembangan penelitian ini untuk menjadi lebih
baik, di antaranya sebagai berikut:
1. Data yang digunakan dalam pengolahan
sebaiknya dikelompokkan berdasarkan jenis dan
penerbit buku, karena adanya tingkat
perkembangan penerbitan buku yang pesat.
2. Disarankan untuk menggunakan min support
35
 Volume : 4, Nomor : 1, Oktober 2016 Majalah Ilmiah
Informasi dan Teknologi Ilmiah
ISSN: 2339-210X

dan min confidence yang lebih bervariasi

sehingga pola yang dihasilkan lebih memiliki
kombinasi yang lebih banyak.
3. Sebaiknya dilakukan perbandingan dengan
menggunakan algoritma lain, untuk mengukur
tingkat kinerja dan hasil yang diperoleh, apakah
algoritma apriori sudah baik dalam memprediksi
persediaan buku pada perpustakaan.

Daftar Pustaka
1. Kusrini dan Emha Taufig Luthfi “, Ilmiah
Kursor menuju Solusi Teknologi Informasi
“,Yogyakarta, 2009.
2. Han,“Pengenalan Pola, Spatial data Analysis image
database,Signal Processing“, 2006.
3. Dian Wirdasari dan Ahmad Calam, “ Support dan
Confidence “, 2011.
4. Larose, “ Data Mining Tecnique for Marketing
Sales and Customer support“,2005.
5. Suwarno, “ Pengertian Buku “, 2011.
6. Julsam et al, “ Pengenalan Aplikasi Tanagra “,
2009.
7. Jurnal Kennedi Tampubolon, “ Association Rule “,
2013. [ 8 ]. Jurnal Efori Buulolo, “Data Mining “,
2013.
8. http://id.Wikipedia.org/Wikiperpustakaan/website.h
tml Tanggal 23 agustus 2015.
9. http://id. Sartika 1603/Pengenalan Tanagra.word
press.com/2011.

Penerapan Algoritma Apriori Dalam Memprediksi Persediaan Buku Perpustakaan SMA DWI TUNGGAL 36
Tanjung Morawa. Oleh : Domma Lingga