ANALISA KONSISTENSI POLA PEMINJAMAN BUKU MENGGUNAKAN ALGORITMA FP-GROWTH (STUDI KASUS:UPT PERPUSTAKAAN UNIVERSITAS SEBELAS MARET).

(1)

i

ANALISA KONSISTENSI POLA PEMINJAMAN BUKU

MENGGUNAKAN ALGORITMA FP-

GROWTH

(STUDI KASUS:UPT PERPUSTAKAAN UNIVERSITAS

SEBELAS MARET)

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu Program Studi Informatika

Disusun Oleh :

MIRANDA NUR QOLBI APRILINA

M0511034

PROGRAM STUDI INFORMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SEBELAS MARET

SURAKARTA

(2)

(3)

(4)

iv

MOTTO

“It's the moment you think you can't, that you can” ― Celine Dion

"Live as if you were to die tomorrow. Learn as if you were to live forever."

— Mahatma Gandhi

"The future depends on what you do today." — Mahatma Gandhi

"Berhenti lari dari kenyataan hidupmu. Berhenti cemas atas penilaian orang lain, dan mulailah berbuat baik sebanyak mungkin."

— Tere Liye

(5)

v

HALAMAN PERSEMBAHAN

Skripsi ini dipersembahkan untuk :

- Ibu, ibu, ibu, Ayah

- Adikku

- Keluarga besarku

- Keluarga besar S1 Informatika

- Keluarga besar UPT TIK UNS

(6)

vi

KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadirat Allah SWT karena atas limpahan rahmat dan karunia-Nya, penulis dapat menyelesaikan skripsi untuk syarat mencapai gelar strata satu Program Studi Informatika UNS yang berjudul “Analisa Konsistensi Pola Peminjaman Buku Menggunakan Algoritma FP-Growth (Studi Kasus:UPT Perpustakaan Universitas Sebelas Maret)”. Penulis menyadari akan keterbatasan yang dimiliki dalam penyusunan skripsi ini, sehingga banyak bantuan dari berbagai pihak yang diberikan kepada penulis selama penulisan skripsi. Semoga Allah SWT membalas kebaikan pihak-pihak tersebut. Penulis mengucapkan terimakasih kepada :

1. Bapak Prof. Ir. Ari Handono Ramelan, M.Sc. (Hons), Ph.D selaku Dekan Fakultas MIPA Universitas Sebelas Maret Surakarta.

2. Bapak Drs. Bambang Harjito, M.App. Sc., Ph.D. selaku Kepala Program Studi Informatika, atas bimbingan, pengarahan, dan perhatian yang diberikan

3. Bapak Dr. Wiranto, M.Kom., M.Cs. selaku Dosen Pembimbing I yang telah meluangkan waktu untuk memberikan bimbingan, pengarahan, dan motivasi dalam penyusunan skripsi.

4. Bapak Drs. Widodo, M.Soc.Sc. selaku Dosen Pembimbing II yang telah meluangkan waktu untuk memberikan bimbingan dan pengarahan di bidang perpustakaan selama penyusunan skripsi.

5. Bapak Drs. YS. Palgunadi, M.Sc. dan Bapak Ristu Saptono S.Si.,M.T. selaku penguji yang telah memberikan masukan, kritik, dan saran selama penyusunan skripsi.

Semoga penelitian yang telah dilakukan penulis dapat bermanfaat bagi para pembaca dan pihak terkait.

Surakarta, 15 Desember 2015

(7)

vii

ANALISA KONSISTENSI POLA PEMINJAMAN BUKU MENGGUNAKAN ALGORITMA FP-GROWTH (STUDI KASUS:

UPT PERPUSTAKAAN UNIVERSITAS SEBELAS MARET)

Miranda Nur Qolbi Aprilina

Program Studi Informatika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret

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.

(8)

viii

ANALYSIS Of The CONSISTENCY Of LOANING BOOKS PATTERNS USING FP-GROWTH ALGORITHM (Case Study: THE TECHNICAL SERVICE UNIT OF LIBRARY AT SEBELAS MARET UNIVERSITY)

Miranda Nur Qolbi Aprilina

Program Study of Informatics, Mathematic and Science Faculty

Sebelas Maret University

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.

(9)

ix

BAB 1 PENDAHULUAN ... 1

1.1. Latar Belakang ... 1

1.2. Rumusan Masalah ... 5

1.3. Batasan Masalah ... 5

1.4. Tujuan Penelitian ... 6

1.5. Manfaat Penelitian ... 6

1.6. Sistematika Penulisan ... 6

BAB 2 TINJAUAN PUSTAKA ... 8

2.1. Dasar Teori ... 8

2.1.1. Data Mining ... 8

2.1.2. Association Rule ... 11

2.1.3. Analisa Konsistensi Pola ... 25

2.1.4. Pengukuran Pusat Data ... 26

2.1.5. Perpustakaan ... 27

2.2 Penelitian Terkait ... 35

BAB 3 METODOLOGI PENELITIAN... 41

3.1. Kerangka Kerja ... 41

(10)

x

3.1.2. Preprocessing ... 42

3.1.3. Proses Pengolahan Data Menggunakan Association Rule dan Algoritma FP-Growth ... 46

BAB 4 HASIL DAN PEMBAHASAN... 53

4.1. Pengumpulan Data ... 53

4.2. Preprocessing ... 54

4.3. Proses Pengolahan Data ... 56

4.4. Analisa Konsistensi Pola Peminjaman Buku ... 57

4.5. Pembahasan ... 57

4.5.1. Analisa Pola/Rule Bulan dari Tahun 2012-2015 ... 57

4.5.2. Analisa Pola/Rule Semester dari Tahun 2012-2015 ... 58

4.5.3. Analisa Pola/Rule Tahun 2012-2014 ... 59

BAB 5 PENUTUP ... 73

5.1. Kesimpulan ... 73

5.2. Saran ... 73

DAFTAR PUSTAKA ... 75

LAMPIRAN 1 ... 78

LAMPIRAN 2 ... 184

LAMPIRAN 3 ... 289

LAMPIRAN 4 ... 351

(11)

xi

DAFTAR TABEL

Tabel 2.1 Data 9 Transaksi yang Terjadi Pada AllElectronics (Jiawei, Han;

Kamber, Micheline, 2006) ... 15

Tabel 2.2 Data 9 Transaksi yang Terjadi Pada AllElectronics (Jiawei, Han; Kamber, Micheline, 2006) (Lanjutan) ... 16

Tabel 2.3 Nilai Frekuensi untuk Setiap Item ... 16

Tabel 2.4 Penjelasan Mengenai Asal Nilai Support Count I2,I3,I4, dan I5 ... 17

Tabel 2.5 Transaksi Setelah Diurutkan Nilai Frekuensi dari Tiap Item ... 17

Tabel 2.6 Pembangkitan Conditional Pattern Base, Conditional FP-Tree dan Pembentukan Frequent Pattern ... 23

Tabel 2.7 Rule dan Nilai Support yang Dihasilkan dari Proses Pembangkitan Conditional Pattern Base, Conditional FP-Tree, dan Pencarian Frequent Pattern ... 23

Tabel 2.8 Hasil Menghitung Nilai Confidence dan Lift untuk Tiap Kemungkinan Rule ... 24

Tabel 2.9 Daftar Keseluruhan Hasil Seleksi Berdasarkan Nilai Confidence dan Lift. ... 25

Tabel 2.10 Kategorisasi Main Classes (Suwarno, 2007) ... 33

Tabel 2.11 Rincian Perbedaan Penelitian Novta Miraldi dkk (2014) dengan Penelitian Baru ... 37

Tabel 2.12 Kesimpulan Terkait Penelitian Mengenai Association Rule, FP-Growth, dan Lift ... 38

Tabel 2.13 Rincian Perbedaan Penelitian Suryati Ali (2014) dengan Penelitian Baru ... 39

Tabel 2.14 Penelitian Terkait Perbandingan Algoritma Apriori dan FP-Growth . 40 Tabel 3.1 Contoh Penghilangan Redundansi Data ... 44

Tabel 3.2 Contoh Proses Kategorisasi Judul Buku ... 45

Tabel 3.3 Contoh Pengecekan dan Penghilangan Redundansi Kategori Buku ... 45

Tabel 3.4 Contoh Pembentukan Transaksi Peminjaman... 46

Tabel 3.5 Hasil Akhir Preprocessing ... 46

(12)

xii

Tabel 3.7 Daftar Nilai Support count untuk Tiap Kode Kategori Buku ... 47

Tabel 3.8 Pengurutan Kategori Buku Berdasarkan Nilai Support Count Terbesar ... 48

Tabel 3.9 Pengurutan Kategori Buku Pada Setiap Transaksi ... 48

Tabel 3.10 Pencarian Frequent Patterns ... 49

Tabel 3.11 Pencarian Frequent Patterns (Lanjutan) ... 50

Tabel 4.1 Jumlah Data Mentah Tiap Bulan (2012-2015) ... 53

Tabel 4.2 Jumlah Data Mentah Tiap Semester (2012-2015) ... 54

Tabel 4.3 Jumlah Data Mentah Tiap Tahun (2012-2015) ... 54

Tabel 4.4 Jumlah Data Transaksional Hasil Preprocessing Tiap Bulan (2012-2015) ... 54

Tabel 4.5 Jumlah Data Transaksional Hasil Preprocessing Tiap Bulan (2012-2015) (Lanjutan)... 55

Tabel 4.6 Jumlah Data Transaksional Hasil Preprocessing Tiap Semester (2012-2015) ... 55

Tabel 4.7 Jumlah Data Transaksional Hasil Preprocessing Tiap Tahun (2012-2015) ... 55

Tabel 4.8 Jumlah Pola/Rule Hasil Olahan Data Tiap Bulan (2012-2015) ... 56

Tabel 4.9 Jumlah Pola/Rule Hasil Olahan Data Tiap Semester (2012-2015) ... 56

Tabel 4.10 Jumlah Pola/Rule Hasil Olahan Data Tiap Tahun (2012-2015) ... 57

Tabel 4.11 Karakteristik Peminjam Pada Semester I Tahun 2013 ... 61

Tabel 4.12 Karakteristik Peminjam Pada Semester I Tahun 2013 (Lanjutan) ... 61

Tabel 4.13 Karakteristik Peminjam Pada Semester I Tahun 2014 ... 62

Tabel 4.14 Karakteristik Peminjam Pada Semester II Tahun 2014 ... 64

(13)

xiii

DAFTAR GAMBAR

Gambar 2.1 Tahapan yang Terdapat dalam Proses Data Mining (Han & Kamber,

2006) ... 10

Gambar 2.2 FP- Tree (Jiawei, Han; Kamber, Micheline, 2006) ... 15

Gambar 2.3 Hasil Pembentukan FP-Tree Setelah Pembacaan Transaksi 1 (T100 {I2,I1,I5}) ... 18

Gambar 2.4 Hasil Pembentukan FP-Tree Setelah Pembacaan Transaksi 2 (T200 {I2,I4}) ... 18

Gambar 2.10 Hasil Pembentukan FP-Tree Setelah Pembacaan Transaksi 8 (T800 {I2,I1,I3,I5}) ... 21

Gambar 2.12 Hasil Akhir Pembentukan FP-Tree ... 22

Gambar 2.13 Box Plot dan Whiskers (Lind et al., 2007)... 27

Gambar 3.1 Kerangka Kerja Penelitian ... 41

Gambar 3.2 Tahap Preprocessing yang Dilakukan Terhadap Data Penelitian ... 43

Gambar 3.3 FP-Tree yang Terbentuk dari 8 Transaksi Peminjaman Buku ... 49

Gambar 3.4 Grafik Hubungan Frekuensi Kemunculan Rules dengan Frekuensi Rules ... 51

Gambar 3.5 Box Plot dan Whiskers untuk Frekuensi Pola Konsisten ... 51

(14)

xiv

Gambar 4.2 Grafik Hubungan Frekuensi Pola/Rule yang dihasilkan pada Semester (2012-2015) ... 59

Gambar 4.3 Grafik Frekuensi Pola/Rule yang dihasilkan pada Tahun 2012-2014 60

Gambar 4.4 Grafik Hubungan Pola dan Frekuensi Kemunculan Pola Semester II Tahun 2013 ... 62

Gambar 4.5 Grafik Hubungan Pola dan Frekuensi Kemunculan Pola Semester I Tahun 2013 ... 63

Gambar 4.6 Grafik Hubungan Pola dan Frekuensi Kemunculan Pola Semester I Tahun 2014 ... 64

Gambar 4.7 Grafik Hubungan Pola dan Frekuensi Kemunculan Pola Semester II Tahun 2014 ... 65

Gambar 4.8 Grafik Hubungan Pola dan Frekuensi Kemunculan Pola Semester I Tahun 2015. ... 66

Gambar 4.9 Grafik Hubungan Pola dan Frekuensi Kemunculan Pola Tahun 2013 ... 68

Gambar 4.10 Grafik Hubungan Pola dan Frekuensi Kemunculan Pola Tahun 2014 ... 69

Gambar 4.11 Grafik Hubungan Karakteristik Peminjam (Pola) Semester I dengan Tahun... 70

Gambar 4.12 Grafik Hubungan Karakteristik Peminjam (Pola) Semester II dengan Tahun... 71

(15)

xv

DAFTAR LAMPIRAN

LAMPIRAN 1 Pola/Rule Hasil Olahan Data Transaksi Peminjaman Buku Tahun 2012 ... 78