v1255 implementasi data mining dengan metode association rules
advertisement
IMPLEMENTASI DATA MINING DENGAN METODE ASSOCIATION RULES UNTUK MENGELOLAH DATA PENEMPATAN BUKU DI PERPUSTAKAAN DAERAH PROVINSI SUMATERA UTARA Rini Hartati Br. Samosir Program Studi Sistem Informasi Sekolah Tinggi Teknik Harapan Medan Jl. HM Joni No. 70 Medan [email protected] ABSTRAK Perpustakaan merupakan salah satu tempat penyedia layanan kepustakaan yang dapat di manfaatkan untuk kegiatan proses belajar mengajar. Koleksi buku yang terdapat pada perpustakaan cukup banyak, terkadang hal tersebut membingungkan pengunjung perpustakaan yang ingin meminjam buku. Untuk memudahkan proses peminjaman buku pada perpustakaan tersebut perlu adanya sistem yaitu sistem perekomendasi untuk siswa yaitu menggunakan metode data mining association rule mining dengan membandingkan. Hal tersebut bertujuan untuk menentukan tata letak buku-buku yang sering dipinjam bersamaan pada transaksi peminjaman buku sebelumnya dan buku yang paling sering dipinjam di Perpustakaan Daerah Provinsi Sumatera Utara. Berdasarkan permasalahan diatas maka dibangun sebuah sistem Perancangan dengan memanfaatkan visual basic.net sebagai software pendukung untuk merancang sistem. Database yang digunakan adalah Mysql. Metode yang digunakan Assosiation Rules. Assosiation Rules yaitu (aturan asosiasi) atau affinity analysis (analisis afinitas) berkenaan dengan studi tentang “apa bersama apa”.Hasil dari sistem tersebut yaitu sebuah informasi rekomendasi buku dengan membandingkan kinerja Assosiation Rules. Kata kunci : Data Mining, Perpustakaan, Assosiation Rules. ABSTRACT Library is one of literature service providers that can be utilized for teaching and learning process. The collection of books found in the library quite a lot, sometimes it is confusing for visitors who want to borrow library books. To facilitate the process of borrowing a library book on the need for a system that is the recommenders system for students is using data mining association rule mining to compare. It aims to determine the layout of the books that were often borrowed simultaneously on lending transactions previous book and the book most frequently borrowed in the Regional Library of North Sumatra Province. Based on the above issues then built a system design by leveraging visual basic.net as supporting software to design the system. The database used is MySQL. The method used Association Rules. Association Rules, namely (association rules) or affinity analysis (analysis of affinity) with respect to the study of "what together what" The results of such a system is an information book recommendations by comparing the performance of Association Rules. Keywords : Data Mining, Libraries, Association Rules. 1. PENDAHULUAN Pemanfaatan data yang ada di dalam sistem informasi untuk menunjang kegiatan pengambilan keputusan di Perpustakaan Daerah Provinsi sumatera Utara. di dalam pengolahan data penempatan buku di perpustakaan, tidak cukup hanya mengandalkan data operasional saja, diperlukan suatu analisis data untuk menggali potensi-potensi informasi yang ada. Para pengambil keputusan berusaha untuk memanfaatkan gudang data yang sudah dimiliki untuk menggali informasi yang berguna membantu mengambil keputusan, hal ini mendorong munculnya cabang ilmu baru untuk mengatasi masalah penggalian informasi atau pola yang penting atau menarik dari data dalam jumlah besar yang disebut dengan Data Mining. Hasil pengamatan data yang ada sebelumnya hingga sekarang, ternyata tiap data memiliki format atau pola data yang sama dan mengalami peningkatan jumlah distribusi dari tahun ke tahun. Untuk mendapatkan informasi tersebut secara lebih cepat dan efisien perlu kiranya suatu bantuan teknologi informasi, dalam hal ini yaitu data mining. Target data yang akan di-mining adalah data penempatan buku Perpustakaan Daerah Provinsi sumatera Utara. Sistem yang dihasilkan diharapkan dapat diterapkan pada Perpustakaan Daerah Provinsi sumatera Utara. agar petugas dapat dengan mudah melakukan penempatan buku bedasarkan kriteria jenis buku, pengarang dan tahun terbit, klasifikasi buku pada perpustakaan dapat memudahkan para petugas perpustakaan untuk mencari dan mengkelompokkan jenis buku bedasarkan data yang ada.Sistem ini dirancang untuk menempatkan tata letak buku dan peminjaman buku dalam waktu bersamaan. Data mining merupakan metode pencarian informasi (pengetahuan) baru yang terkandung dalam data yang sangat besar. Dalam data mining terdapat beberapa metode yaitu prediksi, klasifikasi, pengklusteran dan asosiasi. Salah satu metode yang akan digunakan dalam membangun aplikasi ini adalah metode Assocition Rule. Association rule mining adalah suatu prosedur untuk mencari hubungan antar item dalam suatu data set yang ditentukan. Pada dasarnya Association rule meliputi dua tahapan, yaitu mencari kombinasi yang paling sering terjadi dan mendefenisikan Condition dan Result. Pemilihan metode ini didasarkan pada informasi yang ingin diperoleh yaitu informasi yang bersifat klasifikasi. Keuntungan dalam metode ini adalah efektif dalam menganalisis sejumlah besar atribut dari data yang ada dan mudah dipahami oleh pengguna akhir. Pada metode Association terdapat nilai Support dan Confidence dimana Support, adalah suatu ukurang yang menunjukan seberapa besar tingkat dominasi suatu item atau ItemSet dari s=keseluruhan transaksi. Sedangakan Confidence, suatu ukuran yang menunjukan hubungan antar dua item secara conditional. Informasi yang diberikan dalam Association rule adalah dalam bentuk “if-then” atau “jika maka”. Aturan ini dihitung dari data yang sifatnya probabilistik analisis asosiasi, dikenal juga sebagai salah satu metode data mining yang menjadi dasar dari berbagai metode data mining lainnya. Salah satu tahap dari analisis asosiasi yang disebut analisis pola frekuensi tinggi (frequent pattert mining) menarik perhatian banyak peneliti untuk menghasilkan algoritma yang efisien. Penting tidaknya suatu association rule dapat diketahui dengan dua parameter, support (penunjang) yaitu prosentase kombinasi item tersebut, dan confitence (nilai kepastian) yaitu kuatnya hubungan antar item dalam association rule. Associsation analysis didefinisikan suatu proses untuk menemukan semua aturan assosiatif yang memenuhi syarat minimum untuk support (minimum support) dan syarat minimum untuk confidence (minimum confidence). Berdasarkan permasalahan yang ada pada Perpustakaan Daerah Provinsi Sumatera Utara, maka dilakukan penelitian melalui pembuatan skripsi dalam bentuk pembuatan aplikasi yang diberi judul: “Implementasi Data Mining Dengan Metode Association Rules Untuk Mengelola Data Penempatan Buku di Perpustakaan Daerah Provinsi sumatera Utara”. 2. Metode Penelitian 2. 1 Metode Pengumpulan Data Dalam penelitian ini, metode pengumpulan data-data yang dibutuhkan dilakukan dengan cara melakukan observasi ke PERPUSTAKAAN PROVINSI SUMATERA UTARA. Dimana data yang dibutuhkan berupa data tentang pengelolaan data pengadaan BUKU berupa data jumlah perminat pembaja buku. 2.2 Metode Analisis Data Metode penelitian yang dilakukan dalam pengelolaan dan menganalisa data adalah metode Association rules yang digunakan sebagai sistem aturan asosiasi. Association adalah Menurut Asriningtias dan Mardhiyah, (2014). Association rules (aturan asosiasi) atau affinity analysis (analisis afinitas) berkenaan dengan studi tentang “apa bersama apa”. Sebagai contoh dapat berupa berupa studi transaksi di supermarket, isalnya seseorang yang membeli susu bayi juga membeli sabun mandi. Pada kasus ini berarti susu bayi bersama dengan sabun mandi. Karena awalnya berasal dari studi tentang database transaksi pelanggan untuk menentukan kebiasaan suatu produk dibeli bersama produk apa, maka aturan asosiasi juga sering dinamakan market basket analysis. Aturan asosiasi ingin memberikan informasi tersebut dalam bentuk hubungan “if-then” atau “jikamaka”. Aturan ini dihitung dari data yang sifatnya probabilistik. Ada beberapa algoritma yang sudah dikembangkan mengenai aturan asosiasi, namun ada satu algoritma klasik yang sering dipakai yaitu algoritma apriori. Ide dasar dari algoritma ini adalah dengan mengembangkan frequent itemset. Dengan menggunakan satu item dan secara rekursif mengembangkan frequent itemset dengan dua item, tiga item dan seterusnya hingga frequent itemset dengan semua ukuran. Untuk mengembangkan frequent set dengan dua item, dapat menggunakan frequent set item. Alasannya adalah bila set satu item tidak melebihi support minimum, maka sembarang ukuran itemset yang lebih besar tidak akan melebihi support minimum tersebut. Secara umum, mengembangkan set dengan fc-item menggunakan frequent set dengan k-1 item yang dikembangkan dalam langkah sebelumnya. Setiap langkah memerlukan sekali pemeriksaan ke seluruh isi database. Dalam asosiasi terdapat istilah antecedent dan consequent, antecedent untuk mewakili bagian “jika” dan consequent untuk mewakili bagian “maka”. Dalam analisis ini, antecedent dan consequent adalah sekelompok item yang tidak punya hubungan secara bersama. S = ∑ (Ta + Tc) ............(21) ∑ (T) Keterangan: S =Support ∑ (Ta + Tc) =Jumlah Transaksi Yang Mengandung Antecendent dan Consequence ∑ (T) = Jumlah Transaksi C = ∑ (Ta + Tc) ................(22) ∑ (Ta) Keterangan: C = Confident C = ∑ (Ta + Tc) =Jumlah Transaksi Yang Mengandung Antecendent dan Consequence ∑ (Ta) = Jumlah Transaksi Yang Mengandung Antecendent Gambar 2.1. Antecendent dan Consequence Sumber : Asriningtias dan Mardhiyah, JURNAL INFORMATIKA Vol. 8, No. 1, (2014) Langkah pertama algoritma apriori adalah, support dari setiap item dihitung dengan menscan database. Setelah support dari setiap item didapat, item yang memiliki support lebih besar dari minimum support dipilih sebagai pola frekuensi tinggi dengan panjang 1 atau sering disingkat 1-itemset. Singkatan k-itemset berarti satu set yang terdiri dari k-item. Iterasi kedua menghasilkan 2 item set yang tiap set-nya memiliki dua item. Pertama dibuat kandidat 2 item set dari kombinasi semua 1 item set. Lalu untuk tiap kandidat 2 item set ini dihitung support-nya dengan menscan database. Support artinya jumlah transaksi dalam database yang mengandung kedua item dalam kandidat 2 item set. Setelah support dari semua kandidat 2 item set didapatkan, kandidat 2 item set yang memenuhi syarat minimum support dapat ditetapkan sebagai 2 item set yang juga merupakan pola frekuensi tinggi dengan panjang 2. Secara ringkas algoritma apriori sebagai berikut : Creat L1 = set of supported itemsets of cardinality one set k to 2 while (LK-1_=0){Create ck from Lk-1 Prune all the itemsets in ck that are not Supported,to create Lk Increase k by 1} The set of all supported itemsets is L1 UL2 U... Ulk Gambar 2.2. Algoritma Apriori Sumber : Asriningtias dan Mardhiyah, JURNAL INFORMATIKA Vol. 8, No. 1, (2014) 3. Pembahasan dan Hasil 3.1 Perhitungan Association Rules Pencarian Association Rules adalah suatu proses yang sistematik dari pengembangan kebutuhan. Analisis kebutuhan merupakan cara yang efektif untuk mengidentifikasi masalahmasalah yang muncul dalam sebuah penelitian. Dalam analisis kebutuhan perlu dilakukan suatu perencanaan, pengumpulan data dan analisis data Analisa data dilakukan setelah data terkumpul dan sesuai dengan kebutuhan sistem ini. Oleh sebab itu, untuk menghasilkan kesimpulan berdasarkan aturan (rule) pada analisis data, diperlukan data transaksi yang telah dibeli konsumen. Analisis data tersebut dilakukan berdasarkan teknik aturan asosiasi menggunakan algoritma Asosition Rule dengan beberapa iterasi atau langkah-langkah. Data yang diambil merupakan data transaksi peminjaman Buku pada tahun 2016 pada perpustakaan Daerah Provinsi sumatera utara Medan. Data tersebut adalah data yang mewakili keseluruhan data transaksi sebanyak 25 transaksi peminjaman dan dapat dilihat pada Tabel 3.1. dibawah ini: Tabel 3.1 Data Transaksi No. Item Yang Di Pinjam 1 Ilmu kedokteran,Ilmu ekonomi,Agama islam 2 Ilmu Teknik,Ilmu Politik,Alkitab 3 Pertanian,Ilmu Ekonomi,Teologi Kristen 4 Kesejahteraan rumah tangga,Ilmu Hukum,Moral kristen 5 Manajemen,Administrasi Negara,Teologi Sosial Kristen 6 Teknologi kimia,Statistik umum,agama2 lain & perbandingan agama 7 Bagunan,ilmu politik,Agama Islam 8 Statistik umum,Ilmu kedokteran,ilmu politik 9 Pertanian,ilmu ekonomi,ilmu hukum 10 Manajemen,Administrasi Negara,Agama Islam 11 Bagunan,Statistik Umum, agama2 lain & perbandingan agama 12 Ilmu Teknik,Ilmu Ekonomi,Agama Islam 13 Ilmu Kedokteran,Ilmu Ekonomi,Agama islam 14 Ilmu Teknik,Ilmu Hukum,Teologi Sosial Kristen 15 Pertanian,Ilmu Ekonomi,Teologi Kristen 16 Agama Islam,Ilmu ekonomi,Pertanian beberapa Buku atau item yang dipinjam oleh anggota perpustakaan di Perpustakaan Daerah provinsi sumatera Utara Medan. Untuk itu item yang dibeli diberikan kode Buku untuk mempermudah dalam pencarian rule seperti tabel berikut: No Nama Buku Agama 1. Agama islam 2. Alkitab 3. Teologi Kristen 4. Moral Kristen 5. Teologi Sosial Kristen 6. Agama-agama lain & Perbandingan agama Ilmu-Ilmu Sosial 17 Agama Islam,Pertanian,Statistik Umum 18 Ilmu Ekonomi,Agama Islam,Ilmu Kedokteran 19 Pertanian,Ilmu Ekonomi,Agama islam 20 Pertanian,Statistik Umum,Teologi Kristen 21 Aneka Hukum Publik,Agama Islam,Ilmu Ekonomi 22 Pertanian,Ilmu Ekonomi,Bahasa Indonesia 23 Seni Lukis,Ilmu Teknik,Ilmu Hukum 24 Statistik umum,Agama2 lain & perbandingan agama,Bagunan 25 Seni Lukis,Ilmu Hukum,Bahasa Indonesia Pengelompokkan Daftar Buku Berdasarkan Data Transaksi Dari Tabel 3.1 terdapat 25 transaksi yang masing- masing transaksi peminjaman terdapat 7. Statisti umum 8. Ilmu politik 9. Ilmu ekonomi 10. Ilmu Hukum 11. Admisitrasi Negara Teknologi (Ilmu Terapan) 12. Ilmu Kedokteran 13 Ilmu Teknik 14 pertanian 15 Kesejahteraan rumah tangga 16 Manajemen 17 Teknologi kimia 18 bagunan Filsafat 19 Metafisika 20 Epistemologi 21 Fenomena Paranormal 22 Psikologi 23 Logika 48 Musik 24 Etika 49 Seni Lukis Karya Umum Analisis Pencarian Pola Frekuensi Tinggi Dari Tabel 3.2 Misalkan diberikan nilai minimum support = 15% (ะค=3 dari 50 transaksi) dan kemudian dilakukan pencarian nilai support pada masing-masing item dengan rumus : 25 Ilmu Pengetahuan Umum 26 Buku 27 Sistem – Sistem 28 Pengelolaan data Komputer 29 Program Komputer Langkah 1: 30 Organisasi Umum Mencari C1 (Kandidat 1-itemset) seperti berikut : Ilmu Hukum 31 Ilmu International 32 Hukum Konstitusional dan administratif 33 Aneka ragam hukum publik 34 Hukum Sosial 35 Hukum Pidana 36 Hukum Perdata Bahasa 37 Bahasa Indonesia 38 Tabel 3.3 C1 (Kandidat 1-itemset) Itemset Agama Islam Support 22 % Alkitab 2% Teologi Kristen 6% Moral Kristen 2% Teologi Sosial Kristen 4% Agama-agama lain & Perbandingan agama 6% Statistik umum 12% Bahasa Inggris Ilmu politik 6% 39 Bahasa Jerman Ilmu ekonomi 22% 40 Bahasa Itali Ilmu Hukum 8% 41 Bahasa Latin Admisitrasi Negara 4% Ilmu Kedokteran 8% Ilmu Teknik 8% pertanian 16% Kesejahteraan rumah tangga 2% Manajemen 4% Teknologi kimia 2% bagunan 6% Geografis Dan Sejarah 42 Sejarah Umum Asia 43 Biografi 44 Sejarah Dunia Purba 45 Geografi Dan Kisah Perjalanan Kesenian 46 Seni Grafik 47 Fotografi Langkah 2 : Berdasarkan Tabel 3.3 yang berisi item-item dengan support yang dimilikinya, selanjutnya cari L1={large 1-itemset} dengan memilih item yang memenuhi nilai minimum support ≥15% seperti pada tabel 3.4. dibawah ini : Tabel 3.4 L1 (Large 1-itemset) Itemset Agama Jumlah Support 6 14% Pembentukan Aturan Asosiasi (Association Rule) Setelah semua pola frekuensi tinggi ditemukan, barulah dicari aturan asosiasi yang memenuhi syarat minimum untuk confidence aturan asosiatif A → B minimal confidence = 60%, nilai confidence dari aturan A→ B diperoleh dengan rumus berikut : Islam,Ilmu ekonomi Agama 3 6% Dari kombinasi 2 itemset yang telah ditemukan dapat dilihat besarnya nilai support, confidence dari calon aturan asosiasi seperti tampak pada tabel dibawah ini. Islam,Ilmu Tabel 3.6 : Aturan Asosiasi Kedokteran Agama 3 6% Islam,pertanian Pertanian,Ilmu 5 10% Ekonomi Langkah 3 Proses selanjutnya yaitu menghasilkan kandidat 2itemsets atau C2, dengan melalui tahap join (gabung) yaitu dengan mengkombinasikan Buku atau item yang ada pada Tabel 3.4 maka akan dihasilkan Tabel 3.5: Support_count adalah jumlah kombinasi item yang ada pada transaksi peminjaman Buku, yang berarti seberapa sering kombinasi item tersebut muncul pada transaksi. Tabel 3.5 C2 (Kandidat 2-itemset) Itemset Support Agama Islam,Ilmu ekonomi 14% Agama Islam,Ilmu Kedokteran 6% Agama Islam,pertanian 6% Pertanian,Ilmu Ekonomi 10% Ite ms et Confidence Support Jika meminjam Agama Islam maka akan meminja m Ilmu ekonomi 6/11 54,54% Jika meminja m Agama Islam maka akan meminj am Ilmu Kedokter an 3/11 27,27% Jika meminja m Agama Islam maka akan meminj am pertanian 3/11 27,27% Jika meminja m 5/8 62,5% Pertanian maka akan meminj am Ilmu Ekonomi Anggota Data Anggota Info. Anggota Implementasi Data Minning Dengan Metode Asosition Rule Untuk Mengolah Data Dan Penempatan Buku Di Perpustakaan Di SMU Harapan Medan a. Aturan Asosiasi Final Aturan asosiasi final terurut berdasarkan minimal support dan minimal confidence yang telah ditentukan, dapat dilihat pada tabel dibawah ini Info. Buku Tabel 3.7 : Aturan Asosiasi Itemse t Support Data Item/Buku Admin Pola Transaksi Peminjaman Buku Support Dari Tiap Item Kombinasi 2 Item Set Minimal Support 2 itemset 30% Pembentukan Aturan Asosiasi Aturan Asosiasi Final Confidence = 60 % Support Jika meminjam Agama Islam maka akan meminja Ilmu ekonomi 50 % 54,54% Jika meminjam Pertanian maka akan meminjam Ilmu Ekonomi 50% 62,5% Pimpinan Gambar 3.1 Data Flow Diagram Konteks Pada sistem tersebut terdapat 3 (Tiga) entity utama yang berhubungan dengan sistem, yaitu Admin dan Anggota Admin bertugas untuk mengelolah data-data yang dibutuhkan oleh sistem, dan Anggota bertugas memberikan data-data yang dibutuhkan oleh admin untuk di kelola sistem dan melihat info laporan setelah data dikelola. 3.3 Implementasi Sistem 1. Tampilan Interface Sistem 1. Form Utama 3.2 Disain Diagram Diagram alir data adalah gambaran system secara logika yang menggambarkan arus data dalam perancangan sistem. Diagram alir data merupakan alat yang cukup baik dalam menggambarkan arus data didalam sistem dengan struktur yang jelas. Aliran sistem yang direncanakan ini dapat dilihat dalam Diagram Alir Data sebagai berkut : Form utama ini akan tampil sewaktu user menjalankan aplikasi. Pada form utama ini juga terdapat beberapa pilihan sub menu dari menu file, diantaranya adalah data item, data itemset dan data proses AsositionRule 1. Data Flow Diagram Konteks Gambar 4.1 Form Utama 2. Form Item Form item akan tampil jika user mengclick pada menu file dan sub menu item, data item berfungsi untuk dimana seorang pemakai aplikasi ini dapat memanage data item-item seperti menambah, mengedit, menghapus dan mencari data item, data item ini adalah yang nantinya akan direlasikan ke dalam itemset sebagai transaksi peminjaman buku item kepada anggota. 4. Hasil Pengujian Metode Association Rule Hasil pengujian ini akan tampil sewaktu user mengclick menu file dan sub menu Asosition Rule proses, pada tampilan ini akan ditampilkan, output ini berdasarkan data-data dari itemset yang diinputkan, dimana dalam output ini proses-proses yang dilakukan adalah : 1. 2. 3. Gambar 4.2 Form Item 3. Form ItemSet Form item akan tampil jika user mengclick pada menu file dan sub menu itemset, data itemset berfungsi untuk dimana seorang pemakai aplikasi ini dapat memanage data itemset seperti menambah, mengedit, menghapus dan mencari data itemset, data itemset ini adalah transaksi peminjaman buku yang terjadi setiap harinya kepada anggota, dan di dalam form itemset ini data item yang sebelumnya akan direlasikan untuk melakukan peminjaman buku item, berikut adalah tampilan data form itemset. Gambar 4.3 Form ItemSet 4. 5. 6. Menentukan Pola Transaksi Peminjaman buku , yaitu no.transaksi FB1 meminjam item Agama islam, Alkitab, Teologi kristen, no.transaksi FB2 meminjam item Agama2 lain & perbandingan agama, Moral kristen dan Alkitab dan seterusnya. Support dari tiap item Dimana Agama islam supportnya 75%, Alkitab 50%, Teologi kristen 50% dan seterusnya. Kombinasi 2 Itemset dimana Alkitab, Agama2 lain & perbandingan agama jumlah peminjaman buku 4 supportnya 33%, Alkitab, Agama2 lain & perbandingan agama jumlah peminjaman buku 3 supportnya 25% dan seterusnya. Minimal support2 itemset 30% dimana support pada proses sebelumnya yang diatas 30% yang akan ditampilkan. Pembentukan atuan asosiasi dimana akan dibuat aturan JIKA – MAKA Aturan Asosiasi final confidence yang ditampilan >=60% dari proses sebelumnya 4. PENUTUP 4.1 Kesimpulan Berdasarkan uraian yang telah dibahas pada bab-bab sebelumnya, maka dapat diambil beberapa kesimpulan, yaitu: 1. Bahwa perangkat Lunak Implementasi Data Minning Dengan Metode Association Rules Untuk Mengolah Data Dan Penempatan Buku Di Perpustakaan Daerah Provinsi Sumatera Utara berhasil dibangun. 2. Aplikasi ini dapat memberikan informasi kepada kepala perpustakaan, berupa informasi buku apa yang dipinjam bersamaan dan Berurutan buku apa yang akan dipinjam secara berurutan sehingga dapat menghasilkan relasi antar item buku dalam kurun waktu tertentu. 3. Informasi yang didapat bisa membantu kepala perpusatakaan dalam pengambilan kebijakan untuk meningkatkan kualitas pembelian buku baru, penambahan link antara buku-buku yang saling berhubungan. 4. Metode Association Rules ini menghasilkan tujuan yang paling banyak dipinjam. 4.2 Saran Sistem yang dibangun ini masih memiliki kekurangan, baik dari segi fungsionalitas maupun data yang dimiliki. Dalam pembuatan Implementasi Data Minning Dengan Metode Association Rules Untuk Mengolah Data Penempatan Buku Di Perpustakaan Daerah Provinsi Sumatera Utara Buku ini masih banyak hal yang dapat dikembangkan, seperti : 1. Aplikasi yang sudah dibangun, database-nya menggunakan MySQL, hendaknya jika data yang ditangani berjumlah besar dapat dikembang akan database-nya menggunakan Oracle. 2. Aplikasi ini hendaknya dilengkapi dengan fitur backup data, guna menanggulangi jika terjadi data corrupt atau kehilangan data. 5. Daftar Pustaka [1]. Jiawei, H., & Micheline,k. (2012). Data mining: concepts and techniques: chapter 6, mining association rules in large database. Simon fraser university. [2]. Kurniadi. Dede. 2013. perancangan sistem informasi penjelasan diagram context dan data flow diagram. [Online] tersedia : http//dedekurniadi.web.id[23 januari 2015]. [3]. Komputer, Wahana 2012,Visual Basic 2012 Programming, Andi, Yogyakarta. [4]. Nugroho Wandi,ddk, Pengembangan Sistem Rekomendasi Penelusuran Buku dengan Penggalian Association Rule Menggunakan Algoritma Apriori (Studi Kasus Badan Perpustakaan dan Kearsipan Provinsi Jawa Timur) JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 [5]. Supriyanto. Pemrograman Database Menggunakan MySql,Media kita Jakarta 2012