Pemanfaatan Algoritma FP-Growth dengan Metode Association Rule dalam Manajemen Koleksi Buku Perpustakaan
Abstract
Perpustakaan sebagai pusat informasi memiliki peran yang sangat penting dalam memenuhi kebutuhan masyarakat akan berbagai sumber pengetahuan, baik dalam bentuk koleksi cetak maupun digital. Pengunjung perpustakaan memanfaatkan layanan yang tersedia untuk memperoleh informasi yang relevan sebagai pendukung kegiatan belajar, penelitian, maupun pengembangan wawasan. Seiring dengan meningkatnya jumlah koleksi dan transaksi peminjaman, pengelolaan data perpustakaan menjadi semakin kompleks sehingga diperlukan metode yang mampu mengolah data tersebut menjadi informasi yang bermanfaat dan mendukung proses pengambilan keputusan. Oleh karena itu, penelitian ini menerapkan teknik data mining menggunakan algoritma FP-Growth dengan metode Association Rule untuk menemukan pola hubungan antar buku yang sering dipinjam secara bersamaan. Hasil analisis diharapkan mampu memberikan pengetahuan baru mengenai kecenderungan perilaku peminjaman pengguna sehingga dapat dimanfaatkan sebagai dasar dalam pengelolaan koleksi perpustakaan secara lebih efektif dan efisien. Informasi yang diperoleh dapat membantu pihak perpustakaan dalam mengoptimalkan penataan koleksi, menyusun strategi pengadaan buku, serta memberikan rekomendasi buku yang lebih tepat sesuai kebutuhan pengguna. Selain itu, penerapan metode ini juga mendukung peningkatan efisiensi pengelolaan koleksi dan pemanfaatan data transaksi yang sebelumnya hanya berfungsi sebagai arsip menjadi sumber informasi yang bernilai. Dengan demikian, hasil penelitian diharapkan mampu meningkatkan kualitas layanan perpustakaan, memperkaya pengalaman pengguna dalam memperoleh informasi yang relevan, serta mendukung pengembangan sistem perpustakaan yang lebih efektif, adaptif, dan berbasis data sehingga mampu memberikan pelayanan yang lebih optimal kepada seluruh pengguna
References
Suharti, “Pengembangan Koleksi Untuk Memenuhi Kebutuhan Informasi Di Direktorat Perpustakaan Universitas Islam Indonesia,” Bul. Perpust., vol. 57, pp. 55–72, 2017.
R. N. Rahayu, “Covid-19 dan Perpustakaan: Sebuah Literature Review,” Media Pustak., vol. 28, no. 1, pp. 49–60, 2021, doi: 10.37014/medpus.v28i1.992.
A. S. R. Harsono, A. Fuady, and K. Saddhono, “Pengaruh Strategi Know Want To Learn (KWL) Dan Minat Membaca Terhadap Kemampuan Membaca Intensif Siswa SMP Negeri Di Temanggung,” Basastra J. Penelit. Bahasa, Sastra Indones. dan Pengajarannya, vol. 1, no. 3, pp. 53–64, 2012.
P. Suharso, I. P. Arifiyana, and M. D. Wasdiana, “Layanan Perpustakaan Perguruan Tinggi dalam Menghadapi Pandemi Covid-19,” Anuva J. Kaji. Budaya, Perpustakaan, dan Inf., vol. 4, no. 2, pp. 271–286, 2020, doi: 10.14710/anuva.4.2.271-286.
D. Y. Hardiyanti, H. Novianti, and A. Rifai, “Penerapan Algoritma Fp-Growth Pada Sistem,” J. Comput. Eng. Syst. Sci., vol. 3, no. 1, pp. 75–77, 2018.
R. Yanto and H. Di Kesuma, “Pemanfaatan Data Mining Untuk Penempatan Buku Di Perpustakaan Menggunakan Metode Association Rule,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 4, no. 1, pp. 1–10, 2017, doi: 10.35957/jatisi.v4i1.83.
R. A. Johan, R. Himilda, and N. Auliza, “Penerapan Metode Association Rule Untuk Strategi Penjualan Menggunakan Algoritma Apriori,” J. Tek. Inform., vol. 2, no. 2, pp. 1–7, 2019, doi: 10.52046/j-tifa.v2i2.268.
M. Kaushik, R. Sharma, S. A. Peious, M. Shahin, S. Ben Yahia, and D. Draheim, “A Systematic Assessment of Numerical Association Rule Mining Methods,” SN Comput. Sci., vol. 2, no. 5, 2021, doi: 10.1007/s42979-021-00725-2.
R. Agrawal, T. Imieliński, and A. Swami, “Mining association rules between sets of items in large databases,” in Proceedings of the 1993 ACM SIGMOD international conference on Management of data, New York, NY, USA: ACM, Jun. 1993, pp. 207–216.
J. Han, J. Pei, and Y. Yin, “Mining frequent patterns without candidate generation,” SIGMOD Rec. (ACM Spec. Interes. Gr. Manag. Data), vol. 29, no. 2, pp. 1–12, 2000, doi: 10.1145/335191.335372.
V. Annapoorna, M. Rama Krishna Murty, J. S. V. S. Hari Priyanka, and S. Chittineni, “Comparative analysis of frequent pattern mining for large data using FP-Tree and CP-Tree methods,” Adv. Intell. Syst. Comput., vol. 701, pp. 59–67, 2018, doi: 10.1007/978-981-10-7563-6_7.
T. Andi and E. Utami, “Association rule algorithm with FP growth for book search,” IOP Conf. Ser. Mater. Sci. Eng., vol. 434, no. 1, 2018, doi: 10.1088/1757-899X/434/1/012035.
X. Yang, X. Lin, and X. Lin, “Application of Apriori and FP-growth algorithms in soft examination data analysis,” J. Intell. Fuzzy Syst., vol. 37, no. 1, pp. 425–432, 2019, doi: 10.3233/JIFS-179097.
F. S. Sasonoputri and R. Wahyusari, “Penerapan Algoritma Apriori Untuk Menemukan Pola Peminjaman Buku Di Perpustakaan,” Simetris, vol. 16, no. 1, p. 23, 2022.
A. Bhandari, A. Gupta, and D. Das, “Improvised apriori algorithm using frequent pattern tree for real time applications in data mining,” Procedia Comput. Sci., vol. 46, no. Icict 2014, pp. 644–651, 2015, doi: 10.1016/j.procs.2015.02.115.
Copyright (c) 2026 Ahnaf Febriyan Fachri, Muhammad Bachtyar Rosyadi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
