Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Mukti Adi Azhari
Universitas Amikom Yogyakarta
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Data Pariwisata Berkelanjutan Menggunakan Decision Tree dengan Equal Width dan Logaritma Binning : Decision Tree Classification Using Equal Width and Logarithmic Binning for Sustainable Tourism Data Fahri Alviansyah; Mukti Adi Azhari; Attar Raihan Nazhif; Suharto Suharto; Denny Saryanto; Kusrini Kusrini
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 1 (2026): MALCOM January 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i1.2520

Abstract

Pengelolaan data rekomendasi pariwisata memerlukan pemodelan prediktif yang akurat untuk mengklasifikasikan target rekomendasi berdasarkan perilaku wisatawan. Namun, variabel numerik seperti Rekomendasi Score seringkali memiliki distribusi data yang tidak merata (skewed), yang dapat memengaruhi performa algoritma pembelajaran mesin seperti Decision Tree. Penelitian ini bertujuan untuk membandingkan efektivitas dua teknik preprocessing dengan diskritisasi, yaitu Equal Width Binning (EWB) dan Logarithmic Binning (LB), dalam meningkatkan kinerja model klasifikasi. Metodologi penelitian ini mencakup beberapa tahapan preprocessing data, antara lain handling missing value, serta ekstraksi fitur temporal dari data tanggal perjalanan. Data kemudian diproses menggunakan dua skenario binning yang berbeda sebelum dilatih menggunakan algoritma Decision Tree. Hasil penelitian dievaluasi menggunakan metrik Akurasi, Presisi, Recall, dan F1-Score. Hasil perbandingan menunjukkan bahwa Equal Width Binning nilai akurasi sebesar 82 %, dan Logarithmic Binning memberikan nilai akurasi sebesar 90%. Diskritisasi melalui logaritma bining mampu mengurangi kedalaman pohon (tree depth) dan mencegah overfitting, sehingga menghasilkan model yang lebih tangguh dalam memprediksi target rekomendasi pariwisata.
Co-Authors Attar Raihan Nazhif Denny Saryanto Fahri Alviansyah Kusrini Suharto Suharto