PENERAPAN METODE MARKET BASKET ANALYSIS DAN ALGORITMA FOLD-GROWTH UNTUK PENEMPATAN BUKU PADA PERPUSTAKAAN

Astri Vitria Amanda, - (2015) PENERAPAN METODE MARKET BASKET ANALYSIS DAN ALGORITMA FOLD-GROWTH UNTUK PENEMPATAN BUKU PADA PERPUSTAKAAN. Skripsi thesis, Universitas Pembangunan Nasional Veteran Jakarta.

	Text AWAL.pdf Download (1MB)
	Text ABSTRAK.pdf Download (110kB)
	Text BAB 1.pdf Download (898kB)
	Text BAB 2.pdf Restricted to Repository UPNVJ Only Download (1MB)
	Text BAB 3.pdf Restricted to Repository UPNVJ Only Download (1MB)
	Text BAB 4.pdf Restricted to Repository UPNVJ Only Download (1MB)
	Text BAB 5.pdf Download (861kB)
	Text DAFTAR PUSTAKA.pdf Download (845kB)
	Text RIWAYAT HIDUP.pdf Restricted to Repository UPNVJ Only Download (90kB)
	Text LAMPIRAN.pdf Restricted to Repository UPNVJ Only Download (1MB)

Abstract

Dalam survey yang telah dilakukan terhadap pengunjung perpustakaan Universitas Pembangunan Nasional “Veteran” Jakarta, 81% pengunjung seringkali merasa kesulitan dalam mencari buku yang dibutuhkan. Oleh karena itu, perlu adanya sistem yang digunakan oleh pihak perpustakaan dalam penentuan pola penempatan buku berdasarkan buku yang paling sering dipinjam secara bersamaan oleh pengunjung, sehingga pola penempatan buku pada rak menjadi optimal serta memudahkan pengunjung dalam pencarian buku yang akan dipinjam secara bersamaan. Dengan memanfaatkan ketersediaan data yang besar dapat dilakukan teknik penggalian data atau Data Mining dengan menggunakan metode Market Basket Analysis serta diproses dengan Algoritma FOLD-Growth yang merupakan hasil gabungan dari algoritma FOLDARM (Fast Online Dynamic Association Rule Mining) dan FP-Growth (Frequent Pattern Growth). Algoritma FOLD-Growth memiliki proses penggalian data yang lebih cepat dibandingkan dengan algoritma sebelumnya, yaitu algoritma FP-Growth dan Apriori. Pengujian dilakukan terhadap data transaksi peminjaman buku sebanyak 71 transaksi yang diujikan terhadap lima buah nilai minimum support (10%, 15%, 20%, 25% dan 30%) dan lima buah nilai minimum confidence (10%, 20%, 30%, 40% dan 50%). Hasil Kombinasi yang dapat digunakan ialah dengan minimum support 10% dan minimum confidence 10%, dengan jumlah kombinasi sebanyak empat aturan. Pemilihan kombinasi minimum support dan minimum confidence ini dimaksudkan agar hasil yang didapat lebih banyak.

Item Type:	Thesis (Skripsi)
Additional Information:	[No. Panggil: 1110511007] [Ketua Penguji: Titin Pramiyati] [Penguji I: Theresia Wati] [Penguji II (Pembimbing): Iin Ernawati]
Uncontrolled Keywords:	Perpustakaan, Data Mining, Market Basket Analysis, FOLD-Growth
Subjects:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Ilmu Komputer > Program Studi Informatika (S1)
Depositing User:	Daniel Parlindungan
Date Deposited:	27 Nov 2019 06:55
Last Modified:	27 Nov 2019 06:55
URI:	http://repository.upnvj.ac.id/id/eprint/3424

Actions (login required)

View Item