Rekomendasi merupakan saran atau pemberitahuan tentang sesuatu yang dapat dipercaya dan dianggap benar dalam suatu kondisi. Dimana kondisi ini diperlukan pada sebuah perpustakaan untuk membantu mahasiswa dalam mencari buku atau pendukung yang sesuai dengan kebutuhan. Untuk membantu permasalahan yang dihadapi oleh mahasiswa karenanya, akan dibuat aplikasi dengan memanfaatkan data histori dari transaksi peminjaman buku pada perpustakaan Universitas Trunojoyo Madura periode tahun 2015. Adanya aplikasi ini akan sedikit membantu mahasiswa dalam mencari pendukung belajar yang tepat. Metode yang digunakan dalam aplikasi ini adalah Association Rules untuk mencari hubungan kombinasi yang sering muncul dari suatu item algoritma Frequent Pattern Growth digunakan untuk menentukan himpunan data yang sering muncul (Frequent Itemset) dalam sebuah kumpulan data transaksi peminjaman buku pada perpustakaan. Dari hasil uji coba penelitian ini ditemukan bahwa, semakin banyak data transaksi yang diolah maka akan semakin banyak pula kombinasi itemset yang akan terbentuk sehingga waktu yang diperlukan sistem untuk menghasilkan rekomendasi akan semakin lama. Namun, semakin besar nilai minimum support yang diinputkan, maka kombinasi yang terbentuk akan semakin sedikit dan apabila nilai minimum support yang diinputkan semakin kecil maka kombinasi yang terbentuk akan semakin besar. Kata kunci : Rekomendasi, Association Rules, Algoritma Fp-Growth

Recommendations constitute advice or a notice about anything that can be trusted and considered properly in a condition. Where this condition is needed on a library to assist students in finding a book or support as needed. To help the problems faced by the students, therefore, be made an application to take advantage of the historical data on library book lending transactions Trunojoyo University period in 2015. The existence of this application will be of little help students in finding appropriate learning support. The method used in this application is the Association Rules to seek relationship combinations that often arises from an item Frequent Pattern Growth algorithm used to determine the set of data that often appears (frequent itemset) in a transaction data set on a book-lending library. From the test results of this study found that, the more data is processed, the transaction will be more combination itemset will be formed so that the time required to produce a recommendation system will be longer. However, the larger the minimum support value is entered, then the combination is formed will be less and if the minimum value of the input support smaller then the combination is formed will be even greater. Keywords : Recommendation, Association Rules, Fp-Growth Algorithm

Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal