Pengelompokan buku berdasarkan tingkat keterpakaian menggunakan algoritma K-Means Clustering pada MAN 2 Kota Tangerang

INDONESIA

Penurunan angka peminjaman buku di perpustakaan MAN 2 Kota Tangerang menandakan kurang optimalnya pengelolaan koleksi, meskipun banyak judul yang tersedia akan tetapi koleksi belum sepenuhnya memenuhi kebutuhan pengguna. Penelitian ini bertujuan untuk mengukur kinerja pengelompokan buku berdasarkan tingkat keterpakaian menggunakan algoritma K-Means Clustering sebagai solusi untuk mengidentifikasi buku yang sangat diminati dan kurang diminati.

Penelitian ini menggunakan pendekatan data mining dengan tahapan: studi literatur, pengumpulan dan pre-processing data transaksi peminjaman, penerapan algoritma KMeans, serta evaluasi hasil pengelompokan menggunakan metode Silhouette Coefficient. Data diambil dari sistem informasi perpustakaan SLiMS untuk periode 1 Januari 2023 hingga 1 Januari 2024, dengan 768 data transaksi peminjaman. Hasil nilai silhouette coefficient diperoleh sebesar 0,7217 untuk k=2, yang menunjukan bahwa anggota dalam satu cluster memiliki tingkat kemiripan yang tinggi, berbeda dengan anggota cluster lain, serta adanya kohesi dan separasi yang cukup baik antar cluster. Penelitian ini mengelompokan buku menjadi dua kategori, yaitu kurang diminati (cluster 0) dan sangat diminati (cluster 1). Dari hasil pengelompokan tersebut, diketahui bahwa beberapa buku yang sangat diminati hanya tersedia dalam jumlah eksemplar yang sedikit, sedangkan buku yang kurang diminati justru tersedia dalam jumlah yang terlalu banyak.

Secara keseluruhan, penerapan algoritma k-means clustering dalam penelitian ini efektif untuk mengelompokkan koleksi buku berdasarkan tingkat keterpakaian. Selain itu, hasil penelitian ini menunjukkan bahwa teknik data mining dapat membantu perpustakaan dalam menyusun strategi pengembangan koleksi yang lebih efisien dan sesuai dengan kebutuhan pengguna.

ENGLISH

The decline in book borrowing at the MAN 2 Tangerang City library highlights weaknesses in its collection management. Although it offers many titles, the collection does not fully meet user needs. The research aims to evaluate the book classification based on usage levels using the K-Means Clustering algorithm an approach designed to identify both highly popular and less popular books.

Using a data mining method, the research consisted of conducting a literature review, collecting and pre-processing borrowing transaction data, applying the K-Means algorithm, and evaluating the clustering results with the Silhouette Coefficient method. The dataset, drawn from the SLiMS library information system, ranged from January 1, 2023, to January 1, 2024, and included 768 borrowing transactions. The clustering produced a Silhouette Coefficient score of 0.7217 for k=2, indicating strong similarity within clusters and clear separation among them. Books were classified into two categories: less popular (Cluster 0) and highly popular (Cluster 1).

The results show an imbalance some highly popular books were available in only a few copies, while less popular books were overstocked. In general, the research demonstrates that the K-Means clustering algorithm effectively classifies books by their usage level. The findings also show that the data mining technique can support libraries in creating smarter, user-centered collection development strategies.

ARABIC

إن انخفاض معدل استعارة الكتب في مكتبة MAN 2 بمدينة تانجيرانج يدل على أن إدارة المجموعات المكتبية لم تكن بالمستوى المطلوب من الكفاءة، فرغم توفّر العديد من العناوين، إلا أن المجموعات لم تستطع تلبية حاجات القرّاء بشكل كامل. تهدف هذه الدراسة إلى قياس أداء تصنيف الكتب حسب درجة استخدامها، وذلك عبر استخدام خوارزمية التجميع K-Means كحلّ لتحديد الكتب ذات الإقبال العالي وتلك ذات الإقبال المنخفض. وقد اتُبِع في هذه الدراسة منهج تنقيب البيانات الذي مرَّ بعدة مراحل، منها: مراجعة الدراسات السابقة، جمع البيانات الخاصة بمعاملات الاستعارة ومعالجتها مبدئيا، ثم تطبيق خوارزميةK-Means ، وتقييم نتائج التصنيف باستخدام معامل سيلهويت (Silhouette Coefficient) .وقد تم أخذ البيانات من نظام معلومات المكتبةSLiMS ، وذلك للفترة الممتدة من 1 يناير 2023 إلى 1 يناير 2024، حيث بلغ عدد معاملات الاستعارة 768 معاملة. وقد بلغ معامل السيلهويت عند القيمة k=2 ما مقداره 0.7217، مما يدل على أن العناصر في كل عنقود تتّسم بدرجة عالية من التشابه فيما بينها، مع اختلاف واضح عن عناصر العناقيد الأخرى، مما يعكس تماسكًا داخليًا وفصلًا جيدًا بين العناقيد. وقد قسّمت الدراسة الكتب إلى فئتين: الكتب قليلة الإقبال (العنقود 0)، والكتب عالية الإقبال (العنقود 1). وأظهرت النتائج أن بعض الكتب ذات الإقبال العالي لم تتوفر إلا بنُسَخٍ قليلة، بينما توفرت الكتب قليلة الإقبال بعددٍ يزيد عن الحاجة. وبصورة عامة، فإن تطبيق خوارزمية K-Means في هذه الدراسة أثبت فعاليته في تصنيف مجموعات الكتب حسب مستوى استخدامها. كما تشير النتائج إلى أن تقنيات تنقيب البيانات يمكن أن تكون أداةً فعالة لمساعدة المكتبات في وضع استراتيجيات أكثر كفاءة لتطوير المجموعات بما يتناسب مع حاجات المستفيدين الفعلية.