Klasifikasi Pola Peminjam Buku Bedarsarkan Profesi Menggunakan Algoritma NaÃ¯ve Bayes

Febri Rosita Dewi; Ade Eviyanti; Arif Senja Fitriani; Ika Ratna Indra Astutik

doi:10.32664/smatika.v15i02.1661

Penulis

Febri Rosita Dewi Universitas Muhammadiyah Sidoarjo, Indonesia
Ade Eviyanti Universitas Muhammadiyah Sidoarjo, Indonesia
Arif Senja Fitriani Universitas Muhammadiyah Sidoarjo, Indonesia
Ika Ratna Indra Astutik Universitas Muhammadiyah Sidoarjo, Indonesia

DOI:

https://doi.org/10.32664/smatika.v15i02.1661

Kata Kunci:

Klasifikasi, Minat Baca, Naive Bayes, Perpustakaan, Profesi

Abstrak

Sebagai pusat literasi dan pembelajaran, perpustakaan menghadapi tantangan dalam memahami pola peminjaman buku untuk memenuhi kebutuhan pengguna yang beragam. Masalah utama yang dihadapi adalah kurangnya analisis berbasis data dalam mengoptimalkan layanan dan koleksi perpustakaan. Penelitian ini bertujuan untuk mengklasifikasikan pola peminjaman buku berdasarkan profesi dengan menerapkan algoritma Naive Bayes, memanfaatkan data dari Dinas Perpustakaan Sidoarjo tahun 2023. Data terdiri dari 4476 transaksi dengan atribut seperti profesi, kategori buku, dan tingkat minat baca. Penelitian ini dilaksanakan melalui beberapa fase, yaitu pengumpulan data, preprocessing, pemrosesan menggunakan algoritma Gaussian dan Multinomial Naive Bayes, serta evaluasi model. Dengan pengujian pada berbagai rasio data (90:10, 80:20, 75:25, dan 50:50), hasil menunjukkan bahwa Gaussian Naive Bayes memberikan akurasi tertinggi sebesar 97% pada skenario random dataset. Temuan utama menunjukkan bahwa profesi pelajar, mahasiswa, dan ibu rumah tangga mendominasi kategori minat baca tinggi, sedangkan dokter dan peneliti memiliki minat baca yang lebih rendah. Kontribusi unik penelitian ini terletak pada penerapan analisis berbasis data untuk mendukung pengelolaan perpustakaan. Hasil penelitian memberikan wawasan strategis untuk pengembangan layanan berbasis data yang lebih responsif, optimalisasi koleksi sesuai kebutuhan profesi, serta peningkatan efektivitas program literasi. Penelitian ini diharapkan menjadi langkah awal dalam memanfaatkan teknologi data mining untuk mengatasi tantangan modern dalam pengelolaan perpustakaan.

Referensi

[1] W. Nasihuddin, “Peran Perpustakaan Sebagai Media Literasi Digital Masyarat,” Jurnal Politik dan Sosial Kemasyarakatan 11, 2019.

[2] N. S. N. Arimbi, “Pelayanan dan Fasilitas Perpustakaan Umum Daerah Sidoarjo (Perpusda),” Jatim News. Accessed: Jul. 03, 2024. [Online]. Available: https://jatim.news/2024/05/04/pelayanan-dan-fasilitas-perpustakaan-umum-daerah-sidoarjo-perpusda/

[3] A. R. Abdillah and F. N. Hasan, “Analisis Sentimen Terhadap Kandidat Calon Presiden Berdasarkan Tweets Di Sosial Media Menggunakan Naive Bayes Classifier,” SMATIKA JURNAL, vol. 13, no. 01, pp. 117–130, Jul. 2023, doi: 10.32664/smatika.v13i01.750.

[4] E. Martantoh and N. Yanih, “Implementasi Metode Naïve Bayes Untuk Klasifikasi Karakteristik Kepribadiaan Siswa Di Sekolah MTS Darussa’adah Menggunakan PHP MySQL Implementation of Naive Bayes Method for Classification of Student’s Personality Characteristics at MTS Darussa’adah School Using PHP Mysql,” 2022.

[5] R. A. Anggraini, G. Widagdo, A. S. Budi, and M. Qomaruddin, “Penerapan Data Mining Classification untuk Data Blogger Menggunakan Metode Naïve Bayes,” Jurnal Sistem dan Teknologi Informasi (JUSTIN), vol. 7, no. 1, p. 47, Jan. 2019, doi: 10.26418/justin.v7i1.30211.

[6] T. Y. Yanto and F. Maedjaja, “Implementasi Data Mining Untuk Menganalisis Pola Peminjaman Buku Perpustakaan Dengan Menggunakan Metode Apriori,” Jurnal InFact Sains dan Komputer, vol. 8, no. 02, 2023.

[7] L. Utari and Y. Ulfah, “Penerapan Metode Naïve Bayes untuk Prediksi Minat Baca Berdasarkan Usia,” vol. 11, pp. 67–74, 2021, doi: 10.36350/jbs.v11i1.

[8] E. Irfiani, Y. Kusnadi, S. Sunarti, and F. Handayanna, “Implementasi Data Mining dalam Mengklasifikasi Minat Baca Pada Perpustakaan Daerah Menggunakan Algoritma C4.5,” JOINS (Journal of Information System), vol. 8, no. 2, pp. 106–114, Nov. 2023, doi: 10.33633/joins.v8i2.8004.

[9] R. N. Ainum, N. Hidayat, and A. A. Soebroto, “Klasifikasi Buku Perpustakaan menggunakan Metode Naive Bayes,” 2022. [Online]. Available: http://j-ptiik.ub.ac.id

[10] R. N. Ainum, N. Hidayat, and A. A. Soebroto, “Klasifikasi Buku Perpustakaan menggunakan Metode Naive Bayes,” 2022. [Online]. Available: http://j-ptiik.ub.ac.id

[11] H. Latipa Sari and I. Yati Beti, “KLIK: Kajian Ilmiah Informatika dan Komputer Penerapan Data Mining Dalam Pengelompokkan Buku Yang Dipinjam Menggunakan Algoritma K-Means,” Media Online), vol. 3, no. 6, pp. 925–933, 2023, doi: 10.30865/klik.v3i6.826.

[12] A. Damuri, U. Riyanto, H. Rusdianto, and M. Aminudin, “Implementasi Data Mining dengan Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sembako,” JURIKOM (Jurnal Riset Komputer), vol. 8, no. 6, p. 219, Dec. 2021, doi: 10.30865/jurikom.v8i6.3655.

[13] I. K. A. Wiraguna, E. Setyati, and E. Pramana, “Prediksi Anak Stunting Berdasarkan Kondisi Orang Tua Dengan Metode Support Vector Machine Dengan Study Kasus Di Kabupaten Tabanan-Bali,” SMATIKA JURNAL, vol. 12, no. 01, pp. 47–54, Jun. 2022, doi: 10.32664/smatika.v12i01.662.

[14] A. Setiawan, R. Febrio Waleska, M. Adji Purnama, and L. Efrizoni, “Sidomulyo barat, Sidomulyo Bar,” 2024. [Online]. Available: http://e-journal.stmiklombok.ac.id/index.php/jireISSN.2620-6900

[15] M. Riyyan, H. Firdaus, J. H. Ronggo Waluyo, T. Timur, and J. Barat, “PERBANDINGAN ALGORITME NAÏVE BAYES DAN KNN TERHADAP DATA PENERIMAAN BEASISWA (Studi Kasus Lembaga Beasiswa Baznas Jabar),” 2022. [Online]. Available: http://e-journal.stmiklombok.ac.id/index.php/jireISSN.2620-6900

[16] A. Felicia Watratan, A. B. Puspita, D. Moeis, S. Informasi, and S. Profesional Makassar, “Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 Di Indonesia,” 2020. [Online]. Available: http://journal.isas.or.id/index.php/JACOST

[17] I. M. A. A. D. Putra, I. M. G. Sunarya, and I. G. A. Gunadi, “Perbandingan Algoritma Naive Bayes Berbasis Feature Selection Gain Ratio dengan Naive Bayes Kovensional dalam Prediksi Komplikasi Hipertensi,” JTIM : Jurnal Teknologi Informasi dan Multimedia, vol. 6, no. 1, pp. 37–49, Apr. 2024, doi: 10.35746/jtim.v6i1.488.

[18] F. Rizki, M. P. Kharisma Putra, M. A. Assuja, and F. Ariany, “Implementasi Deep Leraning Lenet Dengan Augmentasi Data Pada Identifikasi Anggrek,” Jurnal Informatika dan Rekayasa Perangkat Lunak, vol. 4, no. 3, pp. 357–366, Sep. 2023, doi: 10.33365/jatika.v4i3.3652.

[19] R. Darmawan et al., “KLASIFIKASI DIAGNOSA PENYAKIT TIROID MENGGUNAKAN METODE RANDOM FOREST,” 2024. [Online]. Available: http://e-journal.stmiklombok.ac.id/index.php/jireISSN.2620-6900

[20] A. P. J. Dwitama, “DETEKSI UJARAN KEBENCIAN PADA TWITTER BAHASA INDONESIA MENGGUNAKAN MACHINE LEARNING: REVIU LITERATUR,” Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi, vol. 1, no. 1, Aug. 2021, doi: 10.20885/snati.v1i1.5.