Komprasi Algoritma Decision Tree, SVM dan ANN untuk Reservasi Hotel
DOI:
https://doi.org/10.47701/dutacom.v16i1.2647Keywords:
Machine Learning, Decision Tree, SVM, ANNAbstract
Hotel adalah tempat peristirahatan sementara yang menyediakan fasilitas akomodasi dan layanan lainnya seperti kamar tidur, kamar mandi, restoran, kolam renang, spa, dan pusat kebugaran yang dikelola oleh perusahaan dengan melakukan pembayaran sesua ketentuan. Machine learning merupakan cabang dari kecerdaan buatan yang cara bekerjanya belajar dari pemikiran manusia dengan menggunakan algoritma matematika. Penelitian ini menggunakan Decission Tree, SVM, dan ANN. Tujuan penelitian membandingkan akurasi dari Decission Tree, SVM, dan ANN dalam identifikasi Reservasi Hotel. Hasil penelitian didapatkan Algortima Decision Tree didapatkan nilai akurasi sebesar 85.7%, Support Vector Machine (SVM), sebesar 82.71%, dan Artificial Neural Network (ANN) 80.48%.
References
Antonio, N., Almeida, A. de, & Nunes, L. (2017). Predicting hotel booking cancellations to decrease uncertainty and increase revenue. Tourism & Management Studies, 13(2), 25–39. https://doi.org/10.18089/tms.2017.13203
Antonio, N., de Almeida, A., & Nunes, L. (2019). Hotel booking demand datasets. Data in Brief, 22, 41–49. https://doi.org/10.1016/j.dib.2018.11.126
Diyah, I., Arifah, C., Nusantara, U. B., & Surabaya, U. N. (2022). Job Replacementartifical Intelligencedi Industri Jasa: Tinjauan Pustaka Sistematis. Jurnal Ilmu Manajemen, 10(3), 911–929.
Handayani, F., Sari Kusuma, K., Leoni Asbudi, H., Guines Purnasiwi, R., Kusuma, R., Sunyoto, A., & Mega Pradnya, W. (2021). JEPIN (Jurnal Edukasi dan Penelitian Informatika) Komparasi Support Vector Machine, Logistic Regression Dan Artificial Neural Network dalam Prediksi Penyakit Jantung. 7(3), 329–334.
Kuntoro, A. Y., Asra, T., Sistem, S., Fakultas, I., Informatika, T., Mandiri, U. N., Timur, J., Studi, P., Komputer, T., Teknik, F., Bina, U., Informatika, S., Studi, P., Perangkat, R., Fakultas, L., Informatika, T., Bina, U., & Informatika, S. (2022). Klasifikasi Keluhan
Pengguna Kai Access Untuk Pemesanan. JIKA (Jurnal Informatika) Universitas Muhammadiyah Tangerang, 161–169.
Lee, M. (2018). Modeling and forecasting hotel room demand based on advance booking information. Tourism Management, 66, 62–71. https://doi.org/10.1016/j.tourman.2017.11.004
Nawassyarif, Yuli Santika, N. D. S. (2022). RANCANG BANGUN APLIKASI RESERVATION HOTEL BERBASIS WEB (STUDI KASUS HOTEL TAMBORA SUMBAWA). JINTEKS (Jurnal Informatika Teknologi Dan Sains), 4(2), 87–93.
Putra, M. S. T., & Azhar, Y. (2021). Perbandingan Model Logistic Regression dan Artificial Neural Network pada Prediksi Pembatalan Hotel. JISKA (Jurnal Informatika Sunan Kalijaga), 6(1), 29–37. https://doi.org/10.14421/jiska.2021.61-04
Ramdan, D. S. (2014). Komparasi Antara Algoritma Support Vector Machine Dan Artificial Neural Network Untuk Pemodelan Data Time Series. Tedc, 8(2), 154–159.
Roihan, A., Sunarya, P. A., & Rafika, A. S. (2020). Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper. IJCIT (Indonesian Journal on Computer and Information Technology), 5(1), 75–82. https://doi.org/10.31294/ijcit.v5i1.7951
Strandberg, R., & Laas, J. (2019). A comparison between Neural networks, Lasso regularized Logistic regression, and Gradient boosted trees in modeling binary sales. https://www.diva-portal.org/smash/get/diva2:1319871/FULLTEXT02
Tuhenay, D., & Mailoa, E. (2021). Perbandingan Klasifikasi Bahasa Menggunakan Metode Naïve Bayes Classifier ( Nbc ) Dan Support Vector Machine ( Svm ) Comparison of Language Classification Using Naive Bayes Classifier ( Nbc ) and Support Vector Machine ( Svm ) Method. 4(2), 105–111. https://doi.org/10.33387/jiko
Zein, A. (2021). Kecerdasan Buatan Dalam Hal Otomatisasi Layanan. Jurnal Ilmu Komputer JIK, 4(2), 16–25. https://jurnal.pranataindonesia.ac.id/index.php/jik/article/download/96/49
