Penerapan metode GA-Kmeans untuk pengelompokan pengguna pada Bapersip Provinsi Jawa Timur
<p>Badan Perpustakaan dan Kearsipan Provinsi Jawa Timur tidak hanya berperan sebagai institusi pengelola dan penyedia jasa informasi, namun juga berperan penting dalam pengembangan budaya dan minat baca masyarakat, sesuai dengan ditetapkannya program pemerintah yaitu “Jawa Timur Membaca dan Te...
Main Authors: | , , |
---|---|
Format: | Article |
Language: | Indonesian |
Published: |
Lembaga Penelitian dan Pengabdian kepada Masyarakat (LP2M)
2012-09-01
|
Series: | Jurnal Teknik ITS |
Subjects: | |
Online Access: | http://ejurnal.its.ac.id/index.php/teknik/article/view/1852 |
Summary: | <p>Badan Perpustakaan dan Kearsipan Provinsi Jawa Timur tidak hanya berperan sebagai institusi pengelola dan penyedia jasa informasi, namun juga berperan penting dalam pengembangan budaya dan minat baca masyarakat, sesuai dengan ditetapkannya program pemerintah yaitu “Jawa Timur Membaca dan Tertib Arsip 2014”. Berdasarkan data statistik peminjaman pada Bapersip serta data jumlah penduduk Surabaya dapat disimpulkan bahwa perbandingan jumlah buku yang dipinjam dengan jumlah masyarakat Surabaya hanya 1:76, yang mengindikasikan bahwa tingkat kesadaran minat baca masyarakat Surabaya masih rendah. Salah satu hal yang dapat dilakukan untuk meningkatkan minat baca masyarakat Surabaya adalah dengan meningkatkan intensitas kunjungan dan aktifitas peminjaman pada perpustakaan.</p> Peningkatan aktifitas peminjaman dapat dilakukan dengan meningkatkan kualitas layanan Bapersip yang lebih personal kepada pengguna. Oleh sebab itu, dilakukan klasterisasi dari demografis pengguna serta perilaku pengguna untuk lebih memahami kelompok-kelompok pengguna. Metode yang digunakan dalam klasterisasi ini adalah menggunakan GA-Kmeans. Metode ini dipilih karena dapat menghasilkan kinerja yang lebih optimal dibandingkan dengan menggunakan metode Kmeans sederhana, melalui penentuan initial centroid yang lebih optimal. Hasil pengelompokan yang diperoleh menunjukkan bahwa nilai <em>total within cluster variation</em> dari pengelompokan yang telah dioptimasi dengan algoritma genetika bernilai lebih kecil dibandingkan pengelompokan menggunakan algoritma K-means sederhana. <br /> |
---|---|
ISSN: | 2301-9271 2337-3539 |