<![CDATA[Sistem reservasi hotel konvensional yang digunakan di masa lalu digantikan oleh perusahaan teknologi inovatif yang disebut dengan Online Travel Agent (OTA) seperti Traveloka, Tiket.com dan lainnya. Namun, adanya sistem reservasi online ini munculnya suatu permasalahan dimana tingginya tingkat pembatalan reservasi. Penelitian ini bertujuan menganalisis data dengan menggunakan aplikasi RapidMiner dan algoritma C4.5, penggunaan algoritma tersebut pada penelitian ini dapat membantu pihak OTA untuk memahami karakteristik customer yang cenderung membatalkan reservasi mereka dan memperkirakan peluang pembatalan reservasi di masa depan, serta mengatasinya. Data yang digunakan pada penelitian ini berasal dari situs kaggle dengan jumlah atribut/fitur sebanyak 28 fitur/atribut (27 atribut reguler dan 1 atribut sebagai label) dan terdiri dari 56.474 baris. Dari hasil modeling dan pengujian didapatkan rule dan pohon keputusan yang dapat dijadikan aturan dalam menentukan customer yang membatalkan reservasi. Hasil pohon keputusan menunjukan bahwa terdapat 10 fitur/atribut yang memiliki pengaruh besar terhadap pembatalan reservasi kamar hotel oleh customer dan atribut previous_cancellations merupakan atribut pertama yang dipertimbangkan untuk memahami karakteristik pembatalan tersebut. Pengujian model menggunakan K-Fold Cross Validation pada penelitian ini menghasilkan nilai akurasi sebesar 72.68% .]]>
Copyrights © 2023
