CLUSTERING K- MEANS ANALYSIS. (Studi Kasus : Koleksi Perpustakaan) Warnia Nengsih 1) 1)

Transkripsi

1 CLUSTERING K- MEANS ANALYSIS (Studi Kasus : Koleksi Perpustakaan) Warnia Nengsih 1) 1) Department of Computer Politeknik Caltex Riau Indonesia warnia@pcr.ac.id Commented [h1]: Jika cumin 1 author tidak perlu diberi nomor. Apakah formatnya sudah mengikuti format SNTIKI? Pls checked Abstrak Koleksi perpustakaan merupakan salahsatu indikator untuk menentukan kualitas sebuah perpustakaan.semakin lengkap koleksi dan memenuhi kebutuhan pengunjungnya menjadi magentik tersendiri akan keberadaan perpustakaan tersebut. Tentunya pengelola perpustakaan harus memperhatikan aspek pengadaaan koleksi ini. Untuk mewujudkan pengadaan koleksi sehingga keefektifan dan konsep tepat guna bisa diperoleh maka perlu adanya analysis pengadaan kebutuhan koleksi perpustakaan. Penelitian ini menggunakan teknik k-means clustering untuk menentukan koleksi apa yang diminati oleh pengunjung sehingga membantu dalam penentuan kebijakan pengadaan koleksi. Berdasarkan kriteria pengunjung dan kecenderungan peminjaman koleksi diperoleh cluster koleksi audio visual, koleksi referensi dan koleksi serial. Koleksi-koleksi tersebut merupakan jenis koleksi yang paling diminati oleh pengunjung sehingga penambahan koleksi kategori ini menjadi skala prioritas, sementara koleksi umum dan koleksi digital memiliki minat pengunjung yang rendah. Commented [h2]: Sebaiknya hasil yang diperoleh dibuat dengan data yang lebih rinci Keywords: K-means,clustering, pengadaaan koleksi, perpustakaan A. Pendahuluan Pengadaan koleksi yang tepat sasaran pada sebuah perpustakaan menjadi sebuah keharusan. Sehingga pengadaan koleksi tidak hanya sebagai upaya untuk menambah kuantitas saja tetapi juga harus dlihat dari aspek kualitas dan aspek kemanfaatannya. salahsatu teknik data mining yang memberikan deskripsi cluster sebuah item. Sehingga hasil simulasi memberikan pengetahuan tentang kebijakan pengadaan koleksi pada sebuah perpustakaan. Aspek tepat gunanya harus disesuaikan dengan kebutuhan pengunjung dan harus disesuaikan dengan kebutuhan budaya serta karakteristik dari pengguna. Kesulitan dalam menentukan jenis koleksi apa yang seharusnya perlu menjadi prioritas untuk diperbanyak atau tidak, harus menjadi pengetahuan penting bagi para pengelola perpustakaan. Pengelola perpustakaan harus memiliki pengetahuan berdasarkan data pengunjung, sehingga tidak terjadi kesalahan dalam pengadaan. Dalam rangka mewujudkan hal tersebut perlu adanya analisis lebih dalam dengan menggunakan k- means clustering. K-Means clustering merupakan B. Dasar Teori 1. Koleksi perpustakaan Koleksi perpustakaan merupakan salahsatu indikator kualitas sebuah perpustakaan. Perpustakaan yang mempunyai koleksi dengan kuantitas dan jenis koleksi yang beragam menjadi sebuah keharusan, karena seyogyanya konsep perpustakaan sebagai media untuk memperoleh ilmu. Bagaimanapun bentuk dan formatnya jika item-item tersebut dimanfaatkan dan mempunyai nilai guna bagi pengunjung perpustakaan, maka definisi tersebut sudah mengarah pada koleksi perpustakaan. Ade Kohar (2003 : 6) mengatakan, Koleksi perpustakaan adalah yang mencakup berbagai

2 format bahan sesuai dengan perkembangan dan kebutuhan alternatif para pemakai perpustakaan terhadap media rekam informasi. Beragam jenis koleksi perpustakaan adalah : a. Koleksi umum Koleksi umum bisa berbentuk cetak dan tercetak tidak terbatas untuk semua bidang, namun bisa dipinjamkan dan tidak harus diakses dilingkungan perpustakaan. b. Koleksi Referensi Koleksi yang bisa berbentuk cetak dan tercetak tidak terbatas untuk semua bidang, dengan jumlah yang terbatas dan sifat yang terbatas sehingga hanya bisa digunakan oleh pengunjung di area perpustakaan seperti kamus, ensiklopedia, biografi. c. Koleksi Fiksi /non fiksi Merupakan koleksi buku yang pada umumnya termasuk ke dalam kategori koleksi umum d. Koleksi serial Seperti jurnal, buletin, terbitan berkala, komik serial,majalah, surat kabar atau laporan berkala dan sebagainya e. Koleksi audio visual Seperti film, format CD,gambar, mp3, mp4,video, lukisan, piringan hitam dan sebagainya. f. Koleksi digital Seperti e-book, e-journal dan sebagainya Koleksi yang lengkap biasanya identik dengan pengunjung pada perpustakaan tersebut. Semakin lengkap dan banyak jenis koleksi menjadi daya magnet bagi pengunjung di samping hal-hal lain tentunya seperti faktor kenyamanan dan faktor pelayanan. Namun koleksi merupakan faktor internal yang harus menjadi perhatian manajemen perpustakaan sehingga tercapainya tujuan perpustakaan. Pemilihan koleksi dan jumlah harus berdasarkan kriteria data pengunjung perpustakaan tersebut, sehingga pengadaan koleksi tidak sebatas pengadaan biasa, namun pengadaan dilakukan sesuai dengan kebutuhan. Maka seyogyanya pengadaan tersebut harus menyesuaikan dengan prilaku pengunjung yang sudah ada. Kegiatan ini disebut juga dengan pengembangan koleksi. Ada dua hal penting yang harus diperhatikan dalam pengembangan koleksi yaitu kegiatan pemilihan dan pengadaan. Tentunya dua kegiatan ini tetap mengacu pada konsep sesuai dengan kebutuhan pengunjung. Sejumlah kegiatan yang berkaitan dengan penentuan dan koordinasi kebijakan seleksi, menilai kebutuhan pemakai, pemakaian koleksi, evaluasi koleksi, identifikasi kebutuhan koleksi, seleksi bahan pustaka, perencanaan kerjasama sumberdaya koleksi, pemeliharaan koleksi, dan penyiangan koleksi perpustakaan itu merupakan definisi dari konsep pengembangan koleksi Menurut Ade Kohar (2003 : 6), Menurut buku Perpustakaan Perguruan Tinggi (2004 : 26), Tujuan pengembangan koleksi perpustakaan perlu dirumuskan dan disesuaikan dengan kebutuhan sivitas akademika di perguruan tinggi agar perpustakaan dapat secara terencana mengembangkan koleksinya. Hal itu berarti bahwa pengadaan koleksi harus disesuaikan dengan karakter, budaya dan kebutuhan penggunanya. Menurut Sutarno NS (2006 : 118), manfaat pengembangan koleksi antara lain : 1. Membantu menetapkan metode untuk menilai bahan pustaka yang harus dibeli. 2. Membantu merencanakan bentuk-bentuk kerja sama dengan perpustakaan lain, seperti pinjam Commented [h3]: Perhatikan format penulisan refferensi di SNTIKI, biasanya cukup Kohar (2003) tanpa halaman. 6 untuk menyatakan halamannya.

3 antar perpustakaan, kerjasama dalam pengadaan, dan sebagainya. 3. Membantu identifikasi bahan pustaka yang perlu dipindahkan ke gudang atau dikeluarkan dari koleksi. 4. Membantu dalam merencanakan anggaran jangka panjang dengan menetapkan prioritasprioritas dan garis besar sasaran pengembangan. 5. Membantu memilih cara terbaik untuk pengadaan. Berikut merupakan langkah-langkah pada k-means start Tentukan jumlah cluster Pusat cluster Hitung nilai euclidean Semua kegiatan untuk menambah atau mengadakan koleksi dengan melakukan pemilihan dan penilaian koleksi disebut dengan pengembangan koleksi. Menurut buku Perpustakaan Perguruan Tinggi (2004 : 25), kebijakan pengembangan koleksi didasari atas beberapa asas yaitu : Kelompokkan obyek berdasar jarak minimum Nilai sudah diperoleh Belum 1. Relevan dengan kebutuhan pengguna 2. Berorientasi kepada kebutuhan pengguna 3. Kelengkapan 4. Kemutakhiran 2. Algoritma K-Means K-means merupakan salahsatu algoritma pada teknik clustering di dalam data mining, clustering merupakan teknik unsupervised yang tidak memerlukan data training dan data testing. Pada algoritma ini akan ditentukan terlebih dahulu jumlah cluster yang untuk kategori data dan pemilihan centroid point tidak harus ditentukan dan dibatasi, hal ini berarti bahwa boleh memilih sembarang objek untuk penentuan titik tengah cluster. Sudah end Gambar 1. Flowchart algoritma K-Means clustering Seperti yang terlihat pada gambar 1 maka algoritma k-means clustering sebagai berikut : 1. Menentukan jumlah cluster. 2. Menentukan pusat baru cluster 3. Menghitung jarak terdekat dengan menggunakan nilai euclidean. 4. Menampilkan hasil berdasarkan jarak yang terendah yang dihasilkan. 5. Jika belum ditemukan hasil yang sesuai, iterasi akan dilanjutkan, namun jika sudah ditemukan, hasil akan dilanjutkan. Commented [h4]: Pengertian ini menurut siapa? Untuk menghindari plagiarism lengkapi dengan refferensi

4 Adapun formula untuk mencari nilai euclidean adalah : dimana : d ij = Jarak objek P = Dimensi data X ik X jk = Koordinat dari obyek i = Koordinat dari obyek j Terdapat enam cluster yang ditentukan diantaranya cluster 1 (koleksi umum),cluster 2 (Koleksi referensi),clsuter 3 (koleksi fiksi), cluster 4 (koleksi serial),cluster 5(koleksi audio visual), cluster 6 (koleksi digital). Sehingga dari hasil simulasi diperoleh analisa jenis koleksi yang menjadi fokus untuk pengadaan serta jenis koleksi apa yang tak perlu ditambah. Berikut meruapakan flowchart sistem : Mulai Sementara untuk mencari nilai pusat cluster baru dapat menggunakan rumus Data Pengunjung perpustakaan K-means clustering C. Implementasi dan Hasil Pengadaan kebutuhan koleksi perpustakaan, jenis koleksi apa yang perlu ditambah dan yang tidak perlu ditambah,sehingga pengadaan koleksi sesuai dengan kebutuhan pengunjung pada perpustakaan. Analisa menggunakan k-means clustering akan membantu pengelola perpustakaan dalam mendefinisikan kebutuhan untuk tercapainya nilai tepat guna dan tepat sasaran. Pada penelitian ini data yang diolah berdasarkan data pengunjung perpustakaan. Simulasi berdasarkan usia, gender, pekerjaan dan level pendidikan pengunjung. Dari data pengunjung dan empat variabel tersebut akan ditentukan bahwa pengunjung dengan kriteria tertentu lebih dominan untuk melakukan peminjaman jenis koleksi tertentu. Hasil Pengolahan Selesai Gambar 2. Flowchart sistem Tabel 1 menunjukkan data pengunjung perpustakaan yang akan diolah dengan menggunakan k-means clustering, simulasi berdasarkan empat variabel yang berkaitan dengan pengunjung perpustakaan

5 Tabel 1 data pengunjung perpustakaan Dari data tersebut tentukan jumlah cluster kemudian tentukan pusat cluster acak. Tabel 3 Jarak setiap data pada pusat cluster 6, ,1962 4, , , , , ,2361 1, , , , , , , , , ,4495 2, , , , ,1623 2, , , , , , , , , , ,2426 3, , , , , ,4142 2, , , , , ,4721 3, , , , ,6904 3, , , , ,4641 2, , , , , ,4772 4, , , , , , , , , ,1623 2, , , , ,1231 3, , , , , ,4721 3, , , , ,1962 3, , , , , , , , ,1623 2, , , , , ,4641 2, , , , , , , , , ,4142 1, , , ,2361 2, , , , , ,2361 1, , , , Tabel 2 Pusat cluster acak Berikut merupakan hasil cluster sementara, pada tabel 4 terlihat tujuh data pada cluster 1, delapan data pada cluster 2, satu data pada cluster 3, enam data pada cluster 4, dua data pada cluster 5. Berdasarkan data pusat cluster baru, selanjutnya menentukan jarak terdekat setiap cluster seperti yang ditunjuk pada tabel 2

6 Tabel 4 Hasil cluster sementara Iterasi dilanjutkan sampai ditemukan hasil cluster yang sama. Tabel 5 Hasil cluster akhir Tabel 5 merupakan hasil cluster akhir setelah melalui beberapa iterasi, diperoleh sembilan kriteria masuk ke dalam cluster 5 (koleksi audio visual), tujuh kriteria masuk ke dalam cluster 4 (koleksi serial) dan terdapat delapan kriteria masuk ke dalam cluster 2 (koleksi referensi ). Sehingga dari hasil k means clustering diperoleh analisis bahwa pengadaan koleksi lebih fokus pada jenis koleksi audio visual, koleksi serial dan koleksi referensi serta koleksi umum. Koleksi fiksi dan koleksi digital tidak perlu dilakukan penambahan karena minat pengunjung untuk jenis koleksi ini sangat kecil. D. Kesimpulan Pengunjung dengan kriteria tertentu lebih dominan untuk melakukan peminjaman jenis koleksi tertentu. Terdapat sembilan kriteria yang masuk ke dalam c5 (koleksi audio visual), tujuh kriteria yang masuk ke dalam c4( koleksi serial) dan delapan kriteria yang masuk ke dalam c2 ( koleksi referensi). Koleksi fiksi

7 dan koleksi digital tidak perlu dilakukan penambahan karena minat pengunjung untuk jenis koleksi ini sangat kecil. DAFTAR PUSTAKA [1] Darmono Manajemen dan Tata Kerja Perpustakaan Sekolah. Jakarta: Grasindo. [2] Garcia-Molina, Hector; Ullman, JD., & Widom, Jennifer Database systems the complete book, International edition. New Jersey, Prentice Hall. [3] Bafadal, Ibrahim Pengelolaan Perpustakaan Sekolah. Jakarta: Bumi Aksara. [4] Pal, Shankar K & Mitra, Pabitra Pattern Recognition algorithms for data mining. CRC Press. [5] Yusuf, Pawit M dan Suhendar, Yaya Pedoman Penyelenggaraan Perpustakaan Sekolah. Jakarta: Kencana. [6] Wright, Peggy, Knowledge Discovery In Databases: Tools and Techniques, [7] Tan, Pang-Ning,; Steinbach,Michael; Kumar,Vipin. Data Mining Cluster Analysis: Basic Concepts and Algorithms. wwwusers.cs.umn.edu/ ~kumar /dmbook/-16k. [8] J. A. Hartigan (1975) Clustering Algorithms. Wiley. J. A. Hartigan and M. A. Wong (1979). A K-Means Clustering Algorithm. Applied Statistics 28 (1): [9] Teknomo, Kardi. Numerical Example of K- Means Clustering, an/numericalexample.htmnu [10] Berkhin, Pavel. Survey on clustering data mining techniques, g_survey.pdf [11] William, Graham, Data Mining Cluster, 6_2005/ maths3346-clusters-2x2.pdf