Jurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:

Transkripsi

1 APLIKASI DATA MINING MENGGUNAKAN METODE ASSOCIATION RULE DAN ALGORITMA APRIORI BERBASIS WEB PADA PERPUSTAKAAN DI SMA NEGERI 1 BUNGURSARI Tumini 1), Endro Lestanto 2) 1) Program Studi Teknik Informatika, STMIK Cikarang kemuningijo@gmail.com 2) Program Studi Teknik Informatika, STMIK Cikarang lestantoe@gmail.com ABSTRAK Data mining merupakan proses analisa data untuk menemukan suatu pola dari kumpulan data tersebut. Data mining mampu menganalisa data yang besar menjadi informasi berupa pola yang memiliki arti bagi pendukung keputusan. Salah satu teknik data mining yang dapat digunakan adalah association rule atau sering juga disebut market basket analysis. Didefinisikan sebagai salah satu itemset yang dibeli secara bersamaan oleh pelanggan dalam suatu transaksi. Association rule adalah suatu alat yang ampuh untuk pelaksanaan strategi cross-selling. Metode ini dimulai dengan mencari sejumlah frequent itemset dan dilanjutkan dengn pembentukan aturan-aturan asosiasi (association rules). Algoritma apriori adalah sebuah algoritma yang dapat digunakan untuk menemukan sejumlah frequent itemset dari data-data transaksi yang tersimpan dalam basis data. Dalam penelitian ini algoritma apriori digunakan untuk membantu menemukan sejumlah aturan asosiasi dari basis data transaksi peminjaman buku. Dengan mendapatkan pengetahuan dari algoritma ini, dapat dijadikan rujukan bagi pihak sekolah dalam penempatan buku-buku perpustakaan. Kata kunci: Data, Mining, Association, Rule, Apriori, Perpustakaan 1. Pendahuluan Perpustakaan dapat dirumuskan sebagai suatu unit kerja dari sebuah lembaga pendidikan yang berupa tempat penyimpanan koleksi buku-buku pustaka untuk menunjang proses pendidikan. Perpustakaan adalah tempat untuk mengembangkan informasi dan pengetahuan yang dikelola oleh suatu lembaga pendidikan, sekaligus sebagai sarana edukatif untuk membantu memperlancar cakrawala pendidik dan peserta didik dalam kegiatan belajar mengajar. Perpustakaan merupakan sarana penyedia informasi, sumber ilmu penggetahuan, dan saran penunjang bagi proses belajar mengajar bagi para pengguna untuk mendapatkan informasi yang diinginkan. SMA Negeri 1 Bungursari sebagai salah satu sekolah di daerah Purwakarta memiliki sebuah perpustakaan yang digunakan oleh siswa maupun guru dan staf untuk memperoleh informasi yang diinginkan terutama dari buku. Perpustakaan tersebut menyediakan berbagai macam bahan pustaka seperti buku pelajaran, buku-buku bacaan, bukubuku dongeng, majalah ilmiah, maupun ensiklopedia. Dari sekian banyak bahan pustaka yang terdapat pada perpustakaan tersebut ada beberapa yang boleh dipinjam dan ada yang hanya boleh dibaca ditempat. Ruang perpustakaan merupakan sarana yang penting dalam penyelenggaraan perpustakaan karena dalam ruang ini segala aktivitas dan program perpustakaan dirancang dan diselenggarakan. Suatu perpustakaan bukan hanya menyediakan ruang kemudian mengisi dengan koleksi tetapi juga harus memperhatikan lokasi perpustakaan, aspek penataan ruang, penataan perabot dan perlengkapan, alur petugas dan penerangan. Khusus untuk penataan buku pada rak perpustakan seharusnya diatur sedemikian rupa untuk memberi kemudahan kepada semua pengunjung saat mencari sebuah atau beberapa buku. Saat ini penempatan buku yang ada diperpustakaan SMA Negeri 1 Bungursari belum menggunakan suatu metode apapun, sehingga masalah yang paling sering terjadi adalah pengunjung merasa kesulitan dalam mencari beberapa buku yang saling berkaitan. Untuk memudahkan proses pencarian dan peminjaman buku perpustakaan, buku-buku diberi label kode buku sesuai jenis buku tersebut. Tetapi cara tersebut belum mengatasi permasalahan yang ada, karena pengunjung tetap saja membutuhkan waktu yang lama dalam mencari buku yang saling berkaitan. Sehingga di perlukan suatu solusi yang dapat mengatasi masalah tersebut, yaitu memudahkan dalam pencarian buku dengan cara menggunakan suatu metode dalam penempatan buku. Dalam penempatan sebuah buku, petugas secara manual menentukan penempatan buku berdasarkan kode buku yang terdapat dalam buku tersebut. Sehingga kadang petugas membutuhkan waktu yang lama pada proses ini. Sehingga petugas biasanya hanya asal dalam mengembalikan buku, tidak sesuai tempatnya. Hal ini tentu saja akan berimbas kepada pengunjung yang akan kesulitan dalam mencari sebuah buku. Diperlukan sebuah sistem dalam memudahkan petugas dalam menempatkan sebuah buku pada rak yang sesuai. Dengan sistem ini petugas Copyright@2017 STMIK Cikarang 47

2 dapat dengan mudah mengembalikan buku sesuai kode buku yang tertera dibuku tersebut ke dalam rak dengan urutan yang sesuai. Solusi untuk mengurangi atau bahkan menghilangkan masalah yang ada dapat di gunakan metode dalam pengembangan sistem penempatan buku pada perpustakaan tersebut. Salah satunya dengan metode Data Mining. Terdapat banyak metode dalam data mining. Salah satu metode yang seringkali digunakan dalam teknologi data mining adalah metode asosiasi atau association rule. Metode asosiasi merupakan teknik untuk menemukan pola yang menggambarkan kekuatan hubungan fitur dalam data. Pola yang ditemukan biasanya mempresentasikan bentuk aturan implikasi. Tujuannya untuk menemukan pola yang menarik dengan cara yang efisien. Pada penelitian ini penulis menerapkan metode asosiasi dengan algoritma apriori terhadap data peminjaman buku pada perpustakaan SMA Negeri 1 Bungursari Purwakarta untuk membantu menerapkan data mining sebagai rekomendasi penempatan rak buku di perpustakaan. Dengan ini sistem penempatan buku menjadi lebih efektif dan efisien. Selain itu memberikan rekomendasi buku lain yang saling berkaitan ketika peminjam hendak meminjam. 2. Landasan Teori 2.1 Pengertian Data Mining Data mining merupakan disiplin ilmu yang mempelajari metode untuk mengekstrak pengetahuan atau menemukan pola dari suatu data. Data mining sering juga disebut knowledge discovery in database (KDD), adalah kegiatan yang meliputi pengumpulan, pemakaian data historis untuk menemukan keteraturan, pola atau hubungan dalam set data berukuran besar. Data mining adalah suatu teknik untuk menemukan poladan kaitan antar item data dalam database[1]. Menurut (Tan,2008) Data mining adalah proses untuk mendapatkan informasi yang berguna dari gudang basis data yang besar. Data mining juga dapat diartikan sebagai pengekstrakan informasi baru yang diambil dari bongkahan data besar yang membantu dalam pengambilan keputusan [2]. Data mining juga meliputi langkahlangkah menentukan variabel atau fitur yang penting untuk dipakai dalam klasifikasi dan regresi. Data mining memegang peran penting dalam bidang industri, keuangan, cuaca, ilmu dan teknologi. Data mining berkenaan dengan pengelolaan data dalam skala besar[3]. Data mining adalah proses yang memperkerjakan satu atau lebih teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan (knowledge) secara otomatis. Knowledge Discovery in Databases (KDD) adalah metode saintifik pada data mining [4]. Gambar 2. 1 Proses Data Mining 2.2 Aturan Asosiasi (Association Rule) Pada Data Mining Aturan asosiasi berguna untuk menemukan hubungan penting yang tersembunyi diantara set data yang besar. Hubungan yang sudah terbuka direpresentasikan dalam bentuk aturan asosiasi (association rule) atau set aturan item yang sering muncul [3]. Association rule merupakan sebuah ekspresi implikasi yang berbentuk X Y, dimana X dan Y merupakan disjoint itemset (X Y)=ϕ[5]. Dalam association rule, kita dapat menghitung support dan confidence. Confidence menyatakan seberapa sering item-item dalam Y muncul dalam transaksi yang berisi X. Secara formal dapat dinyatakan dengan persamaan sebagai berikut: Dimana s adalah support dan c adalah confidence. Support yaitu suatu ukuran yang menunjukkan seberapa besar tingkat dominasi suatu item dari keseluruhan transaksi. Confidence yaitu suatu ukuran yang menunjukkan hubungan antar 2 item secara conditional. 2.3 Konsep Algoritma Apriori Pendekatan dengan algoritma apriori berusaha untuk secara efisien menemukan jumlah itemset frekuen[3]. Itemset frekuen adalah iteset yang memenuhi ambang batas minsup. Sehingga jika sebuah itemset itu frekuen maka semua subset dari itemset tersebut pasti juga frekuen. Misalnya ada data diperpustakaan {Matematika, Fisika, Kimia} adalah itemset frekuen, maka semua transaksi yang berisi {Matematika, Fisika, Kimia} dan subsetnya, yaitu {Matematika, Fisika}, {Matematika, Kimia}, {Fisika, Copyright@2017 STMIK Cikarang 48

3 Kimia}, {Matematika}, {Fisika}, {Kimia} tentu merupakan itemset frekuen. Set data transaksi yang berisi k item berpotensi untuk membangkitkan sebanyak [3]. Sehingga jika terdapat 5 item, kemungkinan jumlah yang bisa terbentuk adalah 31 macam, karena itu algoritma apriori diperlukan untuk mengurangi komputasi yang dilakukan. Pencarian itemset frekuen ditentukan dengan menghitung support count untuk setiap kandidat itemset. Untuk melakukannya, kita harus membandingkan setiap kandidat pada setiap transaksi. Jika sebuah kandidat ternyata ada dalam sebuah transaksi, nilai support count-nya akan dinaikkan satu. Perbandingan yang harus dilakukan adalah sebanyak, dimana N adalah jumlah transaksi, M adalah jumlah kandidat, dan w adalah lebar transaksi maksimal. Sehingga akan menghasilkan perbandingan yang sangat banyak. Flowchart langkah algoritma apriori 2.4 Perpustakaan Perpustakaan dapat dirumuskan sebagai suatu unit kerja dari sebuah lembaga pendidikan yang berupa tempat penyimpanan koleksi buku-buku pustaka untuk menunjang proses pendidikan. Perpustakaan adalah tempat untuk mengembangkan informasi dan pengetahuan yang dikelola oleh suatu lembaga pendidikan, sekaligus sebagai sarana edukatif untuk membantu memperlancar cakrawala pendidik dan peserta didik dalam kegiatan belajar mengajar. Perpustakaan merupakan sarana penyedia informasi, sumber ilmu penggetahuan, dan saran penunjang bagi proses belajar mengajar bagi para pengguna untuk mendapatkan informasi yang diinginkan. Perpustakaan adalah suatu unit kerja dari suatu lembaga tertentu yang mengelola bahan-bahan pustaka, baik berupa buku-buku maupun bukan berupa buku (nonbook material) yang diatur secara sistematis menurut aturan tertentu sehinggga dapat digunakan sebagai sumber informasi oleh setiap pemakainya[4]. Menurut soetopo, perpustakaan sekolah atau perguruan tinggi adalah perpustakaan yang diselenggarakan di sekolah atau perguruan tinggi yang bermaksud menunjang program belajar mengajar di lembaga pendidikan formal[4]. Pepustakaan merupakan salah satu subsistem dari suatu sistem yang ada di lembaga induknya dimana perpustakaan tadi berada[4]. yang dipinjam dalam satu transaksi data akan di asosiasi berdasarkan jenis buku yang paling banyak dipinjam diperpustakaan. Data yang digunakan berasal dari database perpustakaan yang terdiri dari tabel koleksi buku, tabel anggota dan tabel peminjaman untuk mencari keterkaitan antar tabel. Tidak semua atribut yang kira-kira berguna dan sebaranya tidak terlalu acak, karena data yang terlalu acak akan membuat proses mining memakan waktu lama dan tingkat hubunganya pun rendah. Data peminjaman yang akan dicari hubungannya meliputi id_peminjam, kode_buku, id_transaksi. 3.2 Sumber Data Data yang digunakan berasal dari perpustakaan SMA Negeri 1 Bungursari berupa database perpustakaan yang terdiri dari tiga tabel, yaitu data buku, data transaksi dan data detail transaksi. 1. Tabel Buku Data buku adalah data koleksi buku yang di data ketika masuknya buku-buku koleksi diperpustakaan dan di susun oleh pihak pustakawan pada perpustakaan dan dapat dipinjam ataupun dibaca siswa yang berkunjung keperpustakaan. Gambar 3.1 Tabel Buku 2. Tabel Transaksi Data Transaksi meliputi data id transaksi, tanggal peminjaman dan, id peminjam. 3. Rancangan Sistem Dan Aplikasi 3.1 Analisa Kebutuhan Sistem Dalam penulisan tugas akhir ini yang akan dicari adalah hubungan antar jenis buku yang paling banyak dipinjam di perpustakaan SMA Negeri 1 Bungursari, Purwakarta. Untuk mengetahui hubungan antar jenis buku Gambar 3.2 Tabel Transaksi Copyright@2017 STMIK Cikarang 49

4 3. Tabel Detail Transaksi Data detail transaksi adalah data detail peminjaman pada perpustakaan tersebut. Meliputi id detail transaksi, id_transaksi, kode_buku, dan jumlah_pinjam. Gambar 3.3 Tabel Detail Transaksi Pada kebutuhan data yang akan di hubungkan dengan data koleksi, data anggota dan data peminjaman, dengan asumsi bahwa semua siswa yang meminjam buku dalam satu waktu memiliki keterkaitan. 3.3 Data yang Digunakan Dalam penulisan tugas akhir kali ini dicari hubungan beberapa atribut dari data buku, data transaksi dan data detail transaksi. Karena tidak semua tabel digunakan maka perlu dilakukan pembersihan data agar data yang akan diolah benar-benar relevan dengan yang dibutuhkan. Pembersihan ini penting guna meningkatkan performa dalam proses mining. Cara pembersihan dengan menghapus atribut yang tidak terpakai dan menghapus data-data yang tidak lengkap isiannya. atribut yang digunakan terdiri dari atribut pada data koleksi buku, detail transaksi dan data peminjaman. Kemudian semua data tersebut diseleksi berdasarkan minimum threshold yang ditetapkan. performasi dari sistem data mining karena data yang ditangani akan berkurang jumlah dan kompleksitasnya. 2. Data integration (integrasi data) Integrasi data merupakan penggabungan data dari suatu database yang memiliki beberapa tabel. Tabel koleksi buku, tabel anggota dan tabel peminjaman disimpan dalam satu database. Integrasi data dilakukan pada atribut-aribut yang mengidentifikasikan entitas-entitas dengan satu atribut unik yaitu ID. 3. Data selection (seleksi data) Selection data adalah proses menyeleksi atribut pada tabel koleksi buku, tabel anggota dan tabel peminjaman untuk menghilangkan data yang tidak diperlukan untuk proses mining selanjutnya. Untuk menghidari data yang tidak valid ataupun data yang kosong. 3.5 Proses Asosiasi Dengan Algoritma Apriori Aturan asosiasi berguna untuk menemukan hubungan penting yang tersembunyi diantara set data yang besar. Hubungan yang sudah terbuka direpresentasikan dalam bentuk aturan asosiasi (association rule) atau set aturan item yang sering muncul. Dalam hal ini adalah data peminjaman dalam satu transaksi. Ketika seorang siswa meminjam sebuah buku, kemungkinan besar siswa tersebut juga meminjam buku yang lain yang saling berkaitan. Ketika aturan tersebut memiliki banyak kemungkinan akan menyebabkan system tidak efisien. Sehingga diperlukan sebuah algoritma untuk menghindari permasalahan tersebut. Algoritma apriori sangat cocok digunakan bersamaan dengan aturan asosiasi. 3.4 Rancangan 1. Data cleaning Cleaning data merupakan proses menghilangkan noise dan data yang tidak konsisten atau data yang tidak relevan. Pada umumnya data yang diperoleh, baik dari database suatu perusahaan maupun hasil eksperimen, memiliki isian-isian yang tidak sempurna seperti data yang hilang, data yang tidak valid atau juga hanya sekedar salah ketik. Dalam tahap ini semua data yang akan digunakan baik data koleksi buku, data anggota maupun data peminjman buku dibersihkan dari record data yang tidak mempunyai atribut lengkap. Selain pembersihan record data yang tidak valid, juga dilakukan penghapusan atribut yang tidak dipakai, misalnya atribut notes, abstrak dan lainlain. Pembersihan data juga akan mempengaruhi Gambar 3.4 Matriks Peminjaman Dari data tersebut tabel peminjaman dapat diasosiasikan sesuai id_transaksi, kemudian dengan algoritma apriori kita dapat menentukan item yang frekuen sesuai treshold yang sudah ditentukan. Sehingga kita dapat mendapatkan aturan kombinasi beberapa buku yang dipinjam. STMIK Cikarang 50

5 Gambar 4.2 Input data peminjaman Gambar 3.5 Perhitungan kombinasi 4.3 Penentuan Treshold Penentuan threshold bertujuan untuk membatasi jumlah presentase kemungkinan kombinasi. 4. Hasil Dan Pembahasan Proses data mining ini adalah untuk menampilkan semua data yang akan dijadikan asosiasi untuk mengetahui tingkat keterkaitan buku yang dipinjam siswa diperpustakaan. Untuk membuat data mining dan menampilkan kombinasi buku yang dipinjam berdasarkan jenis buku diperpustakaan menggunakan metode asosiasi. 4.1 Proses Input Jenis Buku Proses ini bertujuan untuk memasukkan jenis-jenis buku yang terdapat dalam perpustakaan. Gambar 4.3 Penentuan threshold Gambar 4.1 Input Data Buku 4.4 Hasil Menampilkan data hasil data mining peminjaman perpustakaan sehingga menghasilkan kombinasi buku yang saling berkaitan dalam sebuah transaksi peminjaman 4.2 Input Data Peminjaman Input data peminjaman menggunakan menu import data peminjaman yang akan disimpan dalam database. STMIK Cikarang 51

6 dengan demikian akan memudahkan dalam pencarian data untuk melakukan proses penemuan knowledge. 3) Walaupun aplikasi ini sangat mudah dijalankan, namun perlu disosialisasikan cara pengoperasiannya. 5. Kesimpulan Dan Saran Gambar 4.4 Tampil Hasil 5.1 Kesimpulan Dari uraian pada bab-bab yang sudah dibahas dapat ditarik kesimpulan: 1) Dengan metode association rule dan algoritma apriori dapat digunakan untuk menentukan pola peminjaman buku pada perpustakaan, sehingga dapat dimanfaatkan dalam penerapan rak buku. 2) Sistem yang dibangun dapat membantu dalam menentukan pola peminjaman perpustakaan yang umumnya masih dilakukan secara manual, sehingga penempatan rak buku sesuai dengan pola peminjaman. 3) Sistem ini dapat memberikan informasi yang efektif untuk petugas perpustakaan dalam penempatan rak buku. 5.2 Saran Pengembangan sistem ini adalah dari sistem manual atau berdasarkan basis pengetahuan ke sistem komputerisasi yang dibangun atas dasar pertimbangan dari permasalahan-permasalahan yang akan datang. 1) Diperlukan penelitian lebih lanjut untuk membandingkan hasil pola dan menentukan teori yang menghasilkan prediksi yang lebih baik. 2) Untuk mendapatkan hasil yang baik diperlukan sumber data yang lengkap. Oleh sebab itu diharapkan pada proses penyimpanan data dilakukan secara elektronik, DAFTAR PUSTAKA Darmono. (2007). Perpustakaan Sekolah Pendekatan Aspek MAnajemen dan Tata Kerja. Jakarta: Grasindo. Ginanjar, T. (2014). Rahasia Membangun Website Toko Online Berpenghasilan Jutaan Rupiah. Yogyakarta: Ifahmedia. Hermawati, F. A. (2013). Data Mining. Yogyakarta: CV ANDI. Hidayat, A. N. (2015). Belajar HTML kelas Ringkas. Hidayat, A. N. (2015). Belajar HTML kelas Ringkas. Yogyakarta: Bisakimia. Irwansyah, E., & Moniaga, J. V. (Pengantar Teknologi Informasi). Rahasia Membangun Website Toko Online Berpenghasilan Jutaan Rupiah. Jakarta: Deepublish. Kurniawan, E. (2012). Pemrograman Web Dinamis dengan ASP.NET 4.5. Yogyakarta: CV ANDI OFFSET. Madcons. (2011). Membongkar Misteri Adobe Dreamweaver CS6 dengan PHP dan MySQL. Yogyakerta: CV ANDI OFFSET. Mahatmyo, A. (2014). Sistem Informasi Akuntasi Suatu Pengantar. Yogyakarta: Deepublish. Nofriansyah, D. (2012). Konsep Data Mining Sistem Pendukung Keputusan. Yogyakarta: CV BUDI UTAMA. Oktavian, D. P. (2010). Menjadi Programer Jempolan Menggunakan PHP. Yogyakarta: Mediakom. Prasetyo, E. (2012). Data Mining Konsep dan Aplikasi menggunakan Matlab. Yogyakarta: CV ANDI. Rosa, A. S., & Salahudin, M. (2013). Rekayasa Perangkat Lunak Terstruktur dan Berorientasi Objek. Bandung: Infotika. Santoso, B. (2007). Data Minig Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu. Sulistyawan, Rubianto, & Rahmad Saleh. (2008). Modifikasi Blog Multiply dengan CSS. Jakarta: PT ELEX Media Komputindo. Suntoyo, A. (2007). Ajax Membangun Web dengan Teknologi Asyncronous Javascrpit dan XML. Yogyakarta: CV ABDI. Supriyanto, W., & Muhsin, A. (2008). Teknologi Informasi Perpustakaan. Yogyakarta: Kanisius. Wahyono, T. (2007). Building dan Maintenance PC Server. Jakarta: PT ELex Media Komputindo. Widodo, P. P., & Herlawati. (2011). Menggunakan UML ( Unfied Modeling Language). Bandung: Infotika Bandung. Copyright@2017 STMIK Cikarang 52