ALGORITMA SUPPORT VECTOR MACHINE DAN DECISION TREE UNTUK FORECASTING PENDAPATAN HOTEL
Forecasting adalah proses yang serupa, yaitu memperkirakan suatu peristiwa, kejadian, atau kondisi di masa depan dengan menganalisis dan mengolah data dari masa lalu hingga saat ini. Proses ini melibatkan penggunaan informasi sebelumnya secara sistematis dan teratur untuk meminimalkan tingkat kesalahan.
Algoritma Support Vector Machine (SVM) adalah teknik yang digunakan untuk prediksi, baik dalam klasifikasi maupun regresi. Dasar dari SVM adalah prinsip linier classifier, yaitu menangani kasus klasifikasi yang dapat dipisahkan secara linier. Namun, metode ini telah dikembangkan untuk menangani masalah non-linier dengan menggunakan konsep kernel dalam ruang berdimensi tinggi. Dalam ruang berdimensi tinggi, SVM mencari hyperplane yang memaksimalkan jarak (margin) antara kelas data.
Sementara itu Argoritma Decision Tree metode untuk klasifikasi dan prediksi yang mengubah fakta menjadi pohon keputusan yang menggambarkan aturan. Aturan-aturan ini mudah dipahami dengan bahasa alami dan juga dapat diekspresikan dalam bentuk basis data, seperti Structured Query Language (SQL), untuk mencari record dalam data tertentu. Decision Tree berfungsi sebagai struktur untuk membagi kumpulan data besar menjadi himpunan-himpunan record yang lebih kecil dengan menerapkan serangkaian aturan keputusan.
Selanjutnya untuk melakukan forecasting pada pendapatan hotel disini penulis menggunakan tools Rapidminer, Rapid Miner adalah sebuah tools yang digunakan untuk pengolahan data dalam machine learning, data mining, text mining, dan predictive analytics. Dengan menggunaka prinsip dan algoritma data mining, Rapid Miner mengekstrak pola-pola dari dataset yang besar dengan mengkombinasikan metode statistika, kecerdasan buatan dan database. Rapid miner memudahkan penggunanya dalam melakukan perhitungan data yang sangat banyak dengan menggunakan operator-operator. Operator ini berfungsi untuk memodifikasi data. Data dihubungkan dengan node-node pada operator kemudian lalu dihubungkan ke node hasil untuk melihat hasilnya data yang digunakan yaitu data pendapatan hotel dari periode tahun 2018-2024.
Lalu output yang dihasilkan yaitu nilai RMSE dan Akurasi dari setiap Algoritma.
Untuk hasil penelitian dapat dilihat pada link dibawah ini:
http://digilib.unusa.ac.id/data_pustaka-38969.html
Penelitian ini dilakukan oleh Arfian Fansa Putra Pradana, Mahasiswa UNUSA, Prodi Sistem Informasi, Fakultas Ekonomi Bisnis dan Teknologi Digital.
Komentar
Posting Komentar