2. Layanan Referensi
Layanan bantuan penelusuran litearure, kamus, ensiklopedia, majalah koleksi daerah dan sebagainya.
3. Layanan Internet
Layanan akses informasi global melalui fasilitas online internet, baik diakses sendiri oleh pengguna jasa maupun dibantu oleh operator.
4. Layanan Mobil Unit Perpustakaan
Layanan mobil unit perpustakaan keliling di 12 Kecamatan, 17 titik layanan.
II.2 Landasan Teori
Berikut adalah materi atau teori apa saja yang digunakan dalam penelitian.
II.2.1 Data Mining
Data mining merupakan bidang dari beberapa bidang keilmuan yang menyatukan teknik dari pembelajaran mesin, pengenalan pola, statistic, database
dan visualisasi untuk penanganan permasalahan pengambilan informasi dari data yang besar [2]. Data mining dibagi menjadi beberapa kelompok berdasarkan tugas
yang dapat dilakukan, yaitu : 1.
Asosiasi Association Tugas asosiasi adalah menemukan atribut yang sering muncul dalam waktu yang
bersamaan. Atau dalam dunia bisnis dikenal dengan analisis keranjang belanja [7]. 2.
Deskriptif Deskriptif bertujuan untuk menggambarkan pola dan kecenderungan di dalam data,
kemudian memberikan penjelasan pola dan kecenderungan tersebut. 3.
Klasifikasi Classification Klasifikasi adalah proses penemuan model atau fungsi yang membedakan kelas
data atau konsep untuk dapat memperkirakan kelas dari suatu objek. 4.
Pengklusteran Clustering Penglkusteran merupakan pengelompokan ,pengamatan atau memperhatikan dan
membentuk kelas objek-objek yang memiliki kemiripan. 5.
Prediksi Prediction
Tujuan dari prediksi adalah untuk memperkirakan nilai di masa mendatang menggunakan nilai dari hasil prediksi.
6. Estimasi
Tujuan dari estimasi adalah untuk menghasilkan suatu model yang menyediakan nilai dari variabel target sebagai nilai prediksi. Selanjutnya pada peninjauan
berikutnya estimasi nilai dari variabel target dibuat berdasarkan nilai variabel prediksi. Variabel target estimasi lebih ke arah numeric daripada ke arah kategori.
II.2.2 Tahapan Data Mining
Istilah data mining dan knowledge discovery in database KDD sering kali digunakan secara bergantian untuk menjelaskan proses penggalian informasi
tersembunyi dalam suatu basis data yang besar [7]. Proses KDD secara garis besar dapat dijelaskan sebagai berikut.
1. Data Selection
Pemilihan seleksi data dari sekumpulan data operasional perlu dilakukan sebelum tahap penggalian informasi dalam KDD dimulai. Data hasil seleksi yang akan
digunakan untuk proses data mining, disimpan dalam suatu berkas, terpisah dari basis data operasional [7].
2. Cleaning
Sebelum proses data mining dapat dilaksanakan, perlu dilakukan proses cleaning pada data yang menjadi fokus KDD. Proses cleaning mencakup antara lain
membuang duplikasi data, memeriksa data yang inkonsisten, dan memperbaiki kesalahan pada data, seperti kesalahan cetak tipografi. Juga dilakukan proses
enrichment, yaitu proses “memperkaya” data yang sudah ada dengan data atau
informasi lain yang relevan dan diperlukan untuk KDD, seperti data atau informasi eksternal [7].
3. Data mining
Data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu. Teknik, metode, atau algoritma
dalam data mining sangat bervariasi. Pemilihan metode atau algoritma yang tepat sangat bergantung pada tujuan dan proses KDD secara keseluruhan [7].