Analisa Dan Perbandingan Metode Klasterisasi Untuk Mengelompokkan Koleksi Buku Perpustakaan
DOI:
https://doi.org/10.52436/1.jpti.766Kata Kunci:
Clustering, Google Colab, K-Means, K-Medoids, PerpustakaanAbstrak
Pada penelitian ini akan berfokus pada data buku perpustakaan Universitas Bina Darma. Data tersebut disimpan berupa catalog buku dan hanya diupdate pada setiap pelaporannya pertahun. Dari banyak data catalog buku yang ada pihak perpustakaan kurang memanfaatkan data tersebut sehingga peneliti tertarik menganalisa data buku pada perpustakaan Universitas Bina Darma, adanya proses Analisa pada data akan menggunakan perbandingan dua metode pada perpustakaan Universitas Bina Darma kemudian akan menghasilkan sebuah perbandingan pengelompokan informasi data buku dan kemudian akan dibandingkan menggunakan dua metode pengelompokan klasterisasi pada Perpustakaan Universitas Bina Darma yaitu metode K-Means dan K-Medoids. Penelitian akan menghasilkan perbandingan antara setiap variable dari dataset yang sudah ada yaitu pertama proses general untuk mengeksplorasi variabel tentang buku-buku yang ada dalam data ini secara umum dan menghasilkan 8 perbandingan cluster. Kemudian akan dilanjutkan pada beberapa proses untuk hasil implementasi menggunakan dua metode K-Means dan metode K-Medoids. Kemudian data di preprocessing dengan memanfaatkan software microsoft excel dan google colab. Maka penelitian ini dapat menjadi sebuah pengambil keputusan dan perbandingan cluster dari data Perpustakaan Universitas Bina Darma.
Unduhan
Referensi
H. D. Tampubolon, D. Gultom, L. Y. Hutabarat, F. I. R.H Zer, and D. Hartama, “Penerapan Algoritma K-Means Untuk Mengetahui Tingkat Tindak Kejahatan Daerah Pematangsiantar,” J. Teknol. Inf., vol. 4, no. 1, pp. 146–151, 2020, doi: 10.36294/jurti.v4i1.1263.
E. Ermawati, I. Sriliana, and R. Sriningsih, “Clustering of State Universities in Indonesia Based on Productivity of Scientific Publications Using K-Means and K-Medoids,” BAREKENG J. Ilmu Mat. dan Terap., vol. 17, no. 3, pp. 1617–1630, 2023, doi: 10.30598/barekengvol17iss3pp1617-1630.
N. A. Privandhani and Sulastri, “Clustering Pop Songs Based On Spotify Data Using K-Means And K- Medoids Algorithm,” J. Mantik, vol. 6, no. 2, pp. 1542–1550, 2022.
A. D. Andini and T. Arifin, “Implementasi Algoritma K-Medoids Untuk Klasterisasi Data Penyakit Pasien Di Rsud Kota Bandung,” J. Responsif Ris. Sains dan Inform., vol. 2, no. 2, pp. 128–138, 2020, doi: 10.51977/jti.v2i2.247.
H. Zhang, L. Song, and S. Zhang, “Parallel Clustering Optimization Algorithm Based on MapReduce in Big Data Mining,” IAENG Int. J. Appl. Math., vol. 53, no. 1, 2023.
C. Wang, S. J. Zhao, Z. Q. Ren, and Q. Long, “Place-Centered Bus Accessibility Time Series Classification with Floating Car Data: An Actual Isochrone and Dynamic Time Warping Distance-Based k-Medoids Method,” ISPRS Int. J. Geo-Information, vol. 12, no. 7, 2023, doi: 10.3390/ijgi12070285.
R. K. Purba and E. Bu’ulolo, “Implementasi Algoritma K-Medoids dalam Pengelompokan Mahasiswa yang Layak Mendapat Bantuan Uang Kuliah Tunggal,” INSOLOGI J. Sains dan Teknol., vol. 1, no. 2, pp. 79–86, 2022, doi: 10.55123/insologi.v1i2.195.
G. Wang, “Time Series Symbolization Method for the Data Mining K-Means Algorithm,” Discret. Dyn. Nat. Soc., vol. 2023, 2023, doi: 10.1155/2023/5365673.
A. Jauhari, D. R. Anamisa, and F. A. Mufarroha, “Analysis of Clusters Number Effect Based on K-Means Method for Tourist Attractions Segmentation,” J. Phys. Conf. Ser., vol. 2406, no. 1, pp. 1–8, 2022, doi: 10.1088/1742-6596/2406/1/012024.
N. Mirantika, T. S. Syamfithriani, and R. Trisudarmo, “Implementasi Algoritma K-Medoids Clustering Untuk Menentukan Segmentasi Pelanggan,” J. Nuansa Inform., vol. 17, no. 1, pp. 2614–5405, 2023, [Online]. Available: https://journal.uniku.ac.id/index.php/ilkom.
A. R. Rhamadani, N. N., Fauzi, A., Nurlaelasar, E., & Pratama, “Implementasi algoritma k-means dan k-medoids dalam pengelompokan nilai ujian nasional tingkat smk,” … Innov. …, no. Ciastech, pp. 717–726, 2020.
Y. Kustiyahningsih, E. Rahmanita, E. M. S. Rochman, Imamah, A. Amalina, and M. H. A. Sobri, “Decision Support System of Salt Points Grouping Using K-Means Method,” J. Phys. Conf. Ser., vol. 2406, no. 1, pp. 1–9, 2022, doi: 10.1088/1742-6596/2406/1/012022.
J. Hutagalung, “Pemetaan Siswa Kelas Unggulan Menggunakan Algoritma K-Means Clustering,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 1, pp. 606–620, 2022, doi: 10.35957/jatisi.v9i1.1516.
D. Marlina, N. Lina, A. Fernando, and A. Ramadhan, “Implementasi Algoritma K-Medoids dan K-Means untuk Pengelompokkan Wilayah Sebaran Cacat pada Anak,” J. CoreIT J. Has. Penelit. Ilmu Komput. dan Teknol. Inf., vol. 4, no. 2, p. 64, 2018, doi: 10.24014/coreit.v4i2.4498.
H. Jiawei and K. Micheline, Data mining: concepts and techniques second edition. 2006.
