IMPLEMENTATION OF DATA ANALYSIS HOTEL RATING LEVELS IN BALI USING THE K-MEANS ALGORITHM AND DECISION TREE

Hamdani Hamdani, Dedy Hartama

Abstract


Abstract: The service dramatically affects the number of guests staying at the hotel. Bali is the most visited tourist area by foreign tourists. Therefore, improved service is crucial for determining the rating level of a hotel. This research aims to combine two data mining algorithms: clustering and classification. This research is expected to contribute to hospitality in improving the best services for tourists, especially in the City of Bali.  Clustering algorithms are used to group the best number of hotels based on the four clusters selected from the k-means clustering algorithm. The classification algorithm using C4.5 determines the factors most dominant in determining the hotel rating level based on the gain ratio. The data used in this study results from observations on the website agoda.com in Bali of 51 data. The results of this study explained that cluster_0 is the highest-rated cluster, with a total number of 19 hotels found in claster_0. Data cluster0 is used for classification analysis using a decision tree, and the most dominant factor is the service factor, with an accuracy of 80%.

           
Keywords: data mining; kmeans; decision tree; hotel; bali;

 

 

Abstrak: Pelayanan sangat mempengaruhi jumlah pengunjung yang menginap dihotel. Bali merupakan daerah wisata paling banyak dikunjungi oleh wisatawan mancanegara. Oleh karena itu, peningkatan pelayanan sangat penting untuk penentuan level rating dari hotel. Tujuan dari penelitian ini untuk menggabungkan dua algoritma data mining yaitu clustering dan klasifikasi. Dengan penelitian ini diharapkan dapat memberikan kontribusi bagi perhotelan dalam meningkatkan pelayanan yang terbaik bagi wisatawan khususnya di Kota Bali.  Algoritma Clustering digunakan untuk mengelompokkan dari jumlah hotel yang terbaik berdasarkan empat cluster yang dipilih dari algoritma clustering berupa k-means. Algoritma klasifikasi menggunakan C4.5 digunakan untuk mengetahui faktor apa yang paling dominan dalam menentukan level rating hotel berdasarkan gain ratio. Data yang digunakan dalam penelitian ini hasil observasi di website agoda.com di bali sebanyak 51 data. Hasil dari penelitian ini menjelaskan dataset cluster_0 merupakan cluster rating tertinggi dengan jumlah 19 hotel yang terdapat di cluster_0. Data cluster_0 digunakan untuk analisis klasifikasi menggunakan decesion tree, didapat faktor yang paling dominan adalah faktor layanan dengan nilai akurasi sebesar 80%.

 

Kata kunci: data mining; kmeans; decision tree; hotel; bali;

 


Full Text:

PDF

References


B. Charbuty and A. Abdulazeez, “Classification Based on Decision Tree Algorithm for Machine Learning,” Journal of Applied Sci-ence and Technology Trends, vol. 2, no. 01, pp. 20–28, Mar. 2021, doi: 10.38094/jastt20165.

M. P. Utami and H. Hardianti, “Rancangan Destination Branding Kabupaten Wajo: Strategi Mem-bangun Citra Destinasi Wisata Un-tuk Peningkatan Daya Tarik Pari-wisata,” Jurnal Pariwisata Ta-wangmangu, vol. 2, no. 1, pp. 17–27, 2024.

T. Hidayat and B. E. Putro, “Ana-lisis Karakteristik Konsumen Hotel ‘X’ dengan Menggunakan Metode K-Means Clustering,” Jurnal Media Teknik dan Sistem Industri, vol. 4, no. 2, p. 53, Sep. 2020, doi: 10.35194/jmtsi.v4i2.995.

Y. Lee and D. Y. Kim, “The deci-sion tree for longer-stay hotel guest: the relationship between ho-tel booking determinants and geo-graphical distance,” International Journal of Contemporary Hospi-tality Management, vol. 33, no. 6, pp. 2264–2282, 2020, doi: 10.1108/IJCHM-06-2020-0594.

A. W. H. Fasa, D. Andriani, I. Ha-ribudiman, and M. Berliandaldo, “Analisis Strategi Pengembangan Smart Destinations: Perspektif Service-Dominant Logic,” Altasia Jurnal Pariwisata Indonesia, vol. 5, no. 2, pp. 76–91, 2023.

Z. Nabila, A. Rahman Isnain, and Z. Abidin, “Analisis Data Mining Untuk Clustering Kasus Covid-19 Di Provinsi Lampung Dengan Al-goritma K-Means,” Jurnal Teknologi dan Sistem Informasi (JTSI), vol. 2, no. 2, p. 100, 2021, [Online]. Available: http://jim.teknokrat.ac.id/index.php/JTSI

S. S. Ningsih, A. Fauzi, and M. A. Syari, “Pendeteksi Mata Kantuk Pada Pengendara Mobil dan Sepeda Motor Menggunakan Metode Backpropagation,” Pelita Informatika: Informasi dan In-formatika, vol. 11, no. 1, 2022.

F. A. N. Limantara, I. A. Kalpika-wati, N. K. J. Rastitiati, and I. G. N. A. Suprastayasa, “Strategi Meningkatkan Kinerja Karyawan Reservasi di Hotel XYZ Nusa Dua, Bali,” Jurnal Ilmiah Pari-wisata, vol. 27, no. 3, pp. 264–276, 2022.

N. Indriyani, H. S. Tambunan, and Z. A. Siregar, “Analisis Faktor Kepuasan Konsumen Terhadap Produk Roti Pinkan Bakery & Cake dengan Algoritma C4. 5,” JURAL RISET RUMPUN ILMU TEKNIK, vol. 1, no. 2, pp. 76–90, 2022.

F. Salsabila and S. M. Intani, “Im-plementasi Algoritma K-Means Dan C4. 5 Dalam Menentukan Tingkat Penyebaran Covid-19 Di Indonesia,” Jurnal Siliwangi Seri Sains dan Teknologi, vol. 7, no. 1, 2021.

S. Sinaga and A. Mahmud Husein, “Penerapan Algoritma Apriori da-lam Data Mining untuk Mempred-iksi Pola Pengunjung pada Objek Wisata Kabupaten Karo,” 2019.

A. Sulistiyawati and E. Su-priyanto, “Implementasi Algoritma K-means Clustring dalam Penetu-an Siswa Kelas Unggulan,” vol. 15, no. 2, 2021.

I. Pii, N. Suarna, and N. Rahaning-sih, “Penerapan Data Mining Pada Penjualan Produk Pakaian Damey-ra Fashion Menggunakan Metode K-Means Clustering,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 1, pp. 423–430, 2023.

Q. I. Mawarni and E. S. Budi, “Implementasi Algoritma K-Means Clustering Dalam Penilaian Kedisiplinan Siswa,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 3, no. 4, pp. 522–528, 2022.

E. Sutinah et al., “Data Mining Untuk Klasifikasi Tamu Hotel Dengan Algoritma Apriori,” 2019.

B. A. Utami and A. Kafabih, “Sektor Pariwisata Indonesia Di Tengah Pandemi Covid 19,” Jurnal Dinamika Ekonomi Pem-bangunan, vol. 4, no. 1, pp. 383–389, Jan. 2021, doi: 10.33005/jdep.v4i1.198.

I. Utnasari, “Analisis Clustering Dengan K-Means Untuk Penge-lompokkan Penjualan Produk Pada Hotel Newton,” 2021.

A. Wahyuni and S. Anggraini, “Implementasi Algoritma J48 Data Mining Untuk Inovasi Bisinis Per-hotelan Di Masa Pandemi Covid- 19,” Jurnal Ilmu Komputer dan Bisnis, vol. 13, no. 1, pp. 182–192, May 2022, doi: 10.47927/jikb.v13i1.302.

S. Wang, J. Cao, and P. S. Yu, “Deep Learning for Spatio-Temporal Data Mining: A Survey,” Jun. 2019, [Online]. Available: http://arxiv.org/abs/1906.04928

Y. Widayanti, “Meningkatkan hasil belajar peserta didik dengan modul pembelajaran berbasis problem based learning (PBL),” Jurnal Pendidikan Ekonomi Un-diksha, vol. 12, no. 1, pp. 166–174, 2020.




DOI: https://doi.org/10.33330/jurteksi.v10i3.2894

Article Metrics

Abstract view : 27 times
PDF - 20 times

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK ROYAL 

Copyright © LPPM STMIK ROYAL

 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.