ABSTRAK
Perpustakaan sebagai institusi pengelola koleksi karya yang bertujuan untuk memberikan pelayanan kepada pemustaka senantiasa berusaha meningkatkan kualitas pelayanannya, termasuk UPT Perpustakaan UNS. UPT Perpustakaan UNS merupakan perpustakaan perguruan tinggi yang bertugas memberikan layanan kepada civitas akademika UNS. Dalam usaha meningkatkan kualitas pelayanannya, UPT ini mengalami kendala, yaitu sulit mengetahui kecenderungan minat buku civitas akademika UNS, sehingga pengelola kesulitan mengembangkan perpustakaan sesuai dengan kebutuhan civitas akademika. Setiap hari, UPT Perpustakaan dapat melayani lebih dari 500 transaksi peminjaman, jika diakumulasikan dalam satu tahun UPT ini memiliki ribuan data transaksi yang hanya tersimpan dalam database aplikasi UNSLA. Data transaksi tersebut masih dapat diolah menjadi informasi yang bermanfaat, termasuk menyelesaikan permasalahan yang dialami oleh UPT Perpustakaan UNS. Database transaksi peminjaman tersebut diolah dengan menggunakan pendekatan data mining. Teknik data mining yang digunakan adalah Association Rule (support, confidence, lift ratio). Algoritma Association Rule yang digunakan adalah FP-Growth. Data transaksi diolah berdasarkan bulan, semester, dan tahun. Dari hasil penelitian diperoleh beberapa kesimpulan diantaranya : pertama, Frekuensi pola/rule yang diperoleh dari hasil olahan data transaksi peminjaman buku tidak selalu sama untuk setiap bulannya. Kedua, Kategori buku alternatif yang kemungkinan besar sering dipinjam oleh peminjam adalah buku dengan kategori Sosial dan Ilmu Terapan. Kata Kunci: Data mining, Association Rule, FP-Growth , Lift Ratio, Perpustakaan
ABSTRACT
The library as an institution who manages the collection of work that aims to provide service to the visitors are always trying to improve the quality of its services, including the technical service unit of library at Sebelas Maret University (UPT Perpustakaan UNS). UPT Perpustakaan UNS is an university library in charge of providing services to civitas academica UNS. In an effort to improve the quality of service, UPT experienced constraints, it is difficult to know the trend of the interesting book of civitas academica UNS, so the manager difficulties in developing the library in accordance with the needs of the civitas academica. Every day, UPT Perpustakaan can serve more than 500 loan transactions, if accumulated in one year this UPT has thousands of transaction data that is only stored in database applications UNSLA. The transaction data can still be processed into useful information, including resolving the problems that experienced by UPT Perpustakaan UNS. The lending transactions processed database by using a data mining approach. Data mining techniques used are Association Rule (support, confidence, lift ratio). Association Rule algorithm used is Frequent Pattern Growth (FP-Growth). Transaction data are processed by month, semester, and year. The research results obtained from the results of that first, the frequency of the pattern/rule obtained from processed data book-borrowing transactions are not always the same for every month. Second, the category of books most likely alternatives are often borrowed by the borrower is a book by category of social and applied sciences.
Keywords: Data mining, Association Rule, FP-Growth, Lift Ratio, Library
