<![CDATA[Penelitian ini dilatarbelakangi oleh tingginya tingkat pembatalan reservasi hotel yang berdampak signifikan terhadap pendapatan dan operasional industri perhotelan. Tujuan penelitian adalah memprediksi pembatalan reservasi hotel menggunakan algoritma XGBoost untuk meningkatkan akurasi prediksi dan mendukung pengambilan keputusan manajerial. Metode yang digunakan adalah studi eksperimental dengan data historis reservasi hotel dari Kaggle, yang melalui tahap preprocessing (pembersihan, seleksi, dan transformasi data), pembagian data latih dan uji, serta klasifikasi menggunakan XGBoost. Hasil penelitian menunjukkan bahwa XGBoost mencapai akurasi hingga 94,15%, dengan precision 98%, recall 85%, dan F1-score 91%. Faktor utama yang memengaruhi pembatalan adalah riwayat pembatalan sebelumnya, perubahan reservasi, dan jumlah permintaan khusus. Implikasi penelitian ini adalah memberikan solusi berbasis data mining yang efektif untuk meminimalkan risiko pembatalan serta meningkatkan efisiensi manajemen reservasi hotel. colsample.]]>
Copyrights © 2025
