Main Article Content

Abstract

Buku adalah kumpulan kertas atau bahan lain yang berisi teks, gambar, atau lampiran yang  digabungkan menjadi satu pada satu ujungnya. Penanda buku yang pertama adalah judul, yaitu judul atau judul artikel, dan biasanya muncul di sampul depan. Judulnya yang singkat, padat, jelas dan biasanya menarik membuat orang tertarik untuk membaca buku tersebut. Terjadi permasalahan pada perpustakaan BPK RI penjaga perpustakaan kesulitan saat membuka kembali catatan data peminjaman buku dan kesulitan mengumpulkan judul buku yang paling banyak dipinjam mengingat banyaknya data peminjam yang terdapat di dalam buku catatan. Tujuan dari penelitian ini adalah untuk menganalisa akurasi dan mengklasifikasikan judul buku favorit berdasarkan catatan peminjaman buku pada perpustakaan kantor pusat BPK RI dan untuk membandingkan algoritma K-Nearest Neighbor (K-NN) dengan Decision Tree (C4.5) dalam menentukan judul buku berdasarkan peminatan. Dataset yang digunakan dalam penelitian ini berjumlah 644 data. Dari 644 data tersebut di proses atau dibagi menjadi data training sebanyak 451 dan data testing sebanyak 193 data menggunakan tools rapidminer. Dari hasil perbandingan algoritma K-Nearest Neighbor (K-NN) memperoleh hasil akurasi sebesar 94,82% sedangkan Decision Tree (C4.5) memperoleh hasil akurasi 95,34%. Dapat disimpulkan bahwa hasil akurasi Decision Tree lebih baik dari pada nilai akurasi K-Nearest Neighbor.

Keywords

Books, K-Nearest Neighbor (K-NN), Decision Tree (C4.5). buku, decision tree (c4.5), k-nearest neighbor (k-nn)

Article Details

How to Cite
sinta, A. A., Tezar Maula, & Agus Budiyantara. (2023). Perbandingan Algoritma K-Nearest Neighbor (K-NN) Dengan Decision Tree (C4.5) Untuk Menentukan Judul Buku Berdasarkan Peminatan pada Perpustakaan Kantor Pusat BPK RI. Jurnal Teknik Informatika Dan Komputer, 2(2), 50–55. https://doi.org/10.22236/jutikom.v2i2.12654

References

  1. Ari Ardiansyah. (2022). penerapan data mining dalam menentukan judul buku berdasarkan peminatan menggunakan algoritma K-Nearest Neighbor (K-NN) pada perpustakaan kantor pusat BPK RI. STMIK Widuri.
  2. Badan Pengawasan Keuangan dan Pembangunan Perpustakaan (BPKP). (2022). Pengertian, Tujuan dan Peran Perpustakaan. https://www.bpkp.go.id/pustakabpkp/index.php?p=pengertian, tujuan
  3. BPK RI. (2022). Peresmian Perpustakaan Riset Bpk Untuk Mendukung Pemahaman Publik Tentang Tata Kelola Dan Akuntabilitas Keuangan Negara. https://www.bpk.go.id/news/peresmian-perpustakaan-riset-bpk-untuk-mendukung-pemahaman-publik-tentang-tata-kelola-dan-akuntabilitas-keuangan-negara
  4. Budiyantara, A., Irwansyah, I., Prengki, E., Pratama, P. A., & Wiliani, N. (2020). Komparasi Algoritma Decision Tree, Naive Bayes Dan K-Nearest Neighbor Untuk Memprediksi Mahasiswa Lulus Tepat Waktu. JITK (Jurnal Ilmu Pengetahuan Dan Teknologi Komputer), 5(2), 265–270. https://doi.org/10.33480/jitk.v5i2.1214
  5. Deepublish Store. (2022). Pengertian Buku, Jenis dan Manfaatnya. https://deepublishstore.com/pengertian-buku/
  6. Hadriani, A., Informatika, T., Pamulang, U., & Selatan, T. (2022). Analisa Data Pola Peminjaman Buku Perpustakaan Dengan Metode Algoritma Asosiasi Apriori. I(1).
  7. Hasanah, F., Suprapti, T., Rahaningsih, N., & Ali, I. (2022). Implementasi Algoritma K-Nearest Neighbor dalam Menentukan Buku Berdasarkan Peminatan. Jurnal Accounting Information System (AIMS), 5(1), 102–111. https://doi.org/10.32627/aims.v5i1.467
  8. Kurniawan, E. (2019). Implementasi Data Mining Dalam Analisa Pola Peminjaman Buku Di Perpustakaan Menggunakan Metode Association Rule. JURTEKSI (Jurnal Teknologi Dan Sistem Informasi), 5(1), 89–96. https://doi.org/10.33330/jurteksi.v5i1.324
  9. Muryono, T. T., Irwansyah, I., & Budiyantara, A. (2020). Penentuan Penerimaan Pegawai Menggunakan Metode Perbandingan Eksponensial (Mpe). Infotech: Journal of Technology Information, 6(2), 57–62. https://doi.org/10.37365/jti.v6i2.98
  10. Muryono, T. T., Taufik, A., & Irwansyah, I. (2021). Perbandingan Algoritma K-Nearest Neighbor, Decision Tree, Dan Naive Bayes Untuk Menentukan Kelayakan Pemberian Kredit. Infotech: Journal of Technology Information, 7(1), 35–40. https://doi.org/10.37365/jti.v7i1.104