Perpustakaan perguruan tinggi berperan penting dalam mendukung kegiatan akademik. Namun, pergeseran perilaku mahasiswa ke arah akses informasi digital menyebabkan layanan perpustakaan fisik kurang dimanfaatkan secara optimal. Berdasarkan data pemanfaatan layanan perpustakaan Universitas Bhayangkara Jakarta Raya, ditemukan adanya perbedaan data antara frekuensi kunjungan dan peminjaman buku. Penelitian ini bertujuan untuk mengelompokkan anggota perpustakaan berdasarkan tingkat keaktifan menggunakan algoritma K-means Clustering, dengan variabel frekuensi kunjungan dan peminjaman. Penelitian ini menggunakan pendekatan kuantitatif dengan metode data mining. Keunikan penelitian ini terletak pada penerapan metode K-means Clustering dengan mempertimbangkan dua variabel perilaku pengguna perpustakaan secara bersamaan, yaitu frekuensi kunjungan dan peminjaman, yang belum banyak dikaji secara bersamaan dalam penelitian sebelumnya. Data yang digunakan adalah data sekunder histori kunjungan dan peminjaman buku yang berasal dari sistem perpustakaan selama periode Mei–Desember 2024. Tahapan analisis data terdiri dari data preparation, pemodelan menggunakan algoritma K- Means Clustering, serta evaluasi model menggunakan Davies Bouldin Index (DBI) untuk menilai kualitas cluster. Hasil analisis menunjukkan bahwa jumlah cluster optimal adalah sebanyak tiga cluster, dengan nilai DBI sebesar 0,628 yang menunjukkan kualitas pemisahan cluster cukup baik. Segmentasi yang dihasilkan terbagi menjadi tiga kelompok utama, yaitu Anggota Aktif Peminjam, Anggota Aktif Non-Peminjam, dan Anggota Pasif. Cluster 0 terdiri dari anggota dengan intensitas kunjungan dan peminjaman tinggi, Cluster 1 berisi anggota yang jarang berkunjung maupun meminjam, dan Cluster 2 berisi anggota dengan kunjungan tinggi namun frekuensi peminjaman rendah. Segmentasi ini dapat dijadikan dasar dalam menyusun portofolio kinerja perpustakaan serta membantu pihak pengelola dalam merancang strategi pelayanan yang lebih tepat sasaran sesuai karakteristik pengguna.

S12144

INF 0171 2025

Bekasi

Tersedia