SISTEM PENDUKUNG KEPUTUSAN PENGADAAN BUKU PERPUSTAKAAN STIKOM SURABAYA MENGGUNAKAN

METODE K-MEANS CLUSTERING

Arief Rahman Susanto05410100197

Latar belakang masalah

Pada proses pengadaan koleksi buku baru, perpustakaan STIKOM Surabaya masih mengalami permasalahan.

Perumusan masalah

Bagaimana membuat aplikasi yang dapat melakukan pengelompokan kategori buku berdasarkan kategori DDC, angkatan studi mahasiswa dan jumlah peminjaman mulai 1 Januari 2011 sampai dengan 31 Desember 2011 menggunakan metode k-means.

Bagaimana membuat aplikasi yang dapat memberikan rekomendasi untuk bagian pembelian tentang kategori buku baru yang harus dipasok ke dalam perpustakaan STIKOM Surabaya berdasarkan jumlah pinjaman.

Batasan masalah

Sistem informasi yang dibuat merupakan aplikasi berbasis desktop.

Sistem yang dibuat tidak membahas transaksi peminjaman buku.

Sistem yang dibuat hanya memberikan informasi buku pada anggota intern perpustakaan STIKOM.

Data transaksi peminjaman diambil dari data yang sudah ada pada periode 1 Januari 2011 sampai dengan 31 Desember 2011.

Data angkatan studi mahasiswa diambil dari angkatan 2008-2011. Data mahasiswa diambil dari program studi Sistem Informasi. Aplikasi ini tidak menangani transaksi pembelian buku baru yang

sudah pernah dipesan sebelumnya. Batasan DDC menyesuaikan dengan yang ada di perpustakaan

STIKOM.

Tujuan

Berdasarkan perumusan masalah yang ada maka tujuan dari tugas akhir ini adalah:

Membuat aplikasi yang dapat melakukan pengelompokan kategori buku berdasarkan kategori DDC, angkatan studi mahasiswa dan jumlah peminjaman mulai 1 Januari 2011 sampai dengan 31 Desember 2011 menggunakan metode k-means.

Membuat aplikasi yang dapat memberikan rekomendasi untuk bagian pembelian tentang kategori buku baru yang harus dipasok ke dalam perpustakaan STIKOM Surabaya berdasarkan jumlah pinjaman.

Flowchart Algoritma K-MeansStart

Xi = Jumlah peminjam

sesuai dengan DDC dan angkatan

Menentukan jumlah cluster yang diinginkan =

jumlah topik DDC

Jumlah cluster

Titik tengah sesuai jumlah

topik DDC

Menghitung Jarak

Data Habis?

Menentukan titik tengah centroid sesuai jumlah topik

DDC

Data jarak

Menentukan group berdasar jarak terpendek

Group Hitung centroid tiap group

Group habis?

Keanggotaan dalam group

berubah?End

Tidak

Ya

Tidak

Ya

Tidak

Ya

Sistem Flow Lama Menentukan Buku yang Akan Dibeli

START

Mengambil data usulan Usulan

Bagian Perpustakaan Sistem Informasi Perpustakaan

Data usulan buku

Memilih jenis buku yang akan dibeli

Daftar buku yang akan dibeli

END

Data usulan buku

Sistem Flow Menentukan Buku yang Akan Dibeli

START

Menghitung jumlah peminjam

Jumlah peminjam

Tanggal dalam periode habis?

Jumlah peminjam

Proses clustering K-Means

DDC

Angkatan

Angkatan dan DDC yang

direkomendasikan

Hasil angkatan dan DDC yang

direkomendasikan

END

Jumlah peminjam

Tidak

Ya

Petugas perpustakaan

Transaksi pinjaman

2011

Semester dan DDC yang

direkomendasikan

Hasil semester dan DDC yang

direkomendasikan

Program

Kesimpulan

Aplikasi Sistem Pendukung Keputusan Pengadaan Buku Perpustakaan STIKOM Surabaya Menggunakan Metode K-Means Clustering mampu menghasilkan output berupa data-data DDC yang sudah dikelompokkan berdasarkan cluster-cluster yang terbentuk serta memberikan informasi tahun angkatan terbanyak yang melakukan transaksi peminjaman pada cluster-cluster tersebut.

Dari hasil uji coba yang telah dilakukan dengan menggunakan data yang sama tetapi diolah dengan nilai-nilai parameter yang berbeda dapat menghasilkan pengelompokan data yang berbeda pula, hal ini disebabkan DDC tersebut ada kemungkinan berpindah pada kelompok lain, ini menunjukkan bahwa sistem sudah berjalan dengan benar.

Dari hasil uji coba dan analisa yang dilakukan membuktikan bahwa aplikasi yang dibuat dapat memberikan rekomendasi kepada manajemen perpustakaan dalam menentukan DDC apa yang paling diminati oleh tahun angkatan tertentu, sehingga diharapkan bisa memberikan solusi bagi manajemen perpustakaan dalam pengadaan buku baru.

Data yang dihasilkan dari hasil uji coba tiap cluster digunakan untuk rekomendasi DDC pada tiap angkatan. Data tersebut antara lain:

Cluster pertama adalah DDC Management of Production untuk angkatan 2009.

Cluster kedua adalah DDC Java Programming untuk angkatan 2010.

Cluster ketiga adalah DDC Algoritma untuk angkatan 2011. Cluster keempat adalah DDC Java Progamming untuk angkatan

2008.