<![CDATA[Dalam situasi ini, analisis data menjadi alat yang sangat penting untuk memahami minat membaca pengguna dan mengukur minat mereka terhadap sistem rekomendasi perpustakaan. Untuk menganalisis minat membaca pengguna, algoritma pembelajaran mesin K-means dapat digunakan untuk memberikan informasi yang lebih mendalam dan efektif. Tujuan penelitian ini adalah mengembangkan model clustering menggunakan K-Means untuk menganalisis dan mengklasterkan sistem rekomendasi bagi pengguna perpustakaan melalui top 3 buku pada setiap prodi dengan mengelompokkannya berdasarkan 3 digit pertama NIM (Nomor Induk Mahasiswa). K-Means adalah algoritma clustering yang umum dan mudah dipahami. K-Means clustering adalah algoritma partisi data mining yang populer dan mudah digunakan untuk mengelompokkan data yang tidak berlabel ke dalam kelompok (cluster) berdasarkan kesamaan. Algoritma K-Means bekerja dengan mengelompokkan data berdasarkan jarak ke centroid dan menghitung ulang centroid berdasarkan cluster yang telah terbentuk. Hasil yang didapat dari pengujian yang telah dilakukan dengan metode K-Means adalah didapatkan 16 jumlah cluster berdasarkan pengelompokkan NIM (Nomor Induk Mahasiswa), dari pengelompokan NIM (Nomor Induk Mahasiswa) tersebut menghasilkan rekomendasi buku berupa 3 judul buku dengan frekuensi peminjaman pada setiap pengelompokannya atau clusternya.]]>
Copyrights © 2024
