<![CDATA[Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma Random Forest dan XGBoost dalam mengklasifikasikan preferensi pengunjung destinasi wisata di Kabupaten Kendal. Data diperoleh melalui kuesioner yang mencakup atribut usia, jenis kelamin, asal, transportasi, harga tiket, fasilitas, dan akses. Tahapan penelitian meliputi pembagian data menggunakan train-test split dengan proporsi 80:20 serta penanganan ketidakseimbangan data menggunakan teknik SMOTE pada data pelatihan. Proses pemodelan dilakukan dengan optimasi parameter menggunakan GridSearchCV untuk memperoleh model terbaik dari masing-masing algoritma. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score pada data uji, serta diperkuat dengan Stratified K-Fold Cross Validation (k=5) untuk memastikan stabilitas dan kemampuan generalisasi model. Hasil penelitian menunjukkan bahwa Random Forest memperoleh akurasi sebesar 89,55%, sedangkan XGBoost menghasilkan akurasi yang lebih tinggi yaitu 90,30%. Hasil cross-validation juga menunjukkan bahwa XGBoost memiliki performa yang lebih stabil dibandingkan Random Forest. Analisis feature importance menunjukkan bahwa atribut usia menjadi faktor paling berpengaruh, diikuti oleh akses, asal, dan harga tiket. Hasil penelitian ini diharapkan dapat menjadi dasar dalam perumusan strategi pengembangan dan promosi pariwisata berbasis data. Kata kunci – Random Forest, XGBoost, Klasifikasi, Preferensi Wisata]]>
Copyrights © 2026
