KLASTERISASI DATA MINING JENIS BOOKING PADA HOTEL THE HIVE

research
  • 23 Oct
  • 2024

KLASTERISASI DATA MINING JENIS BOOKING PADA HOTEL THE HIVE

Penelitian ini bertujuan untuk membantu manajemen hotel The Hive dalam
mengelola data pengunjung berdasarkan jenis booking yang digunakan selama periode
Januari hingga Desember 2023. Dengan menggunakan perangkat lunak RapidMiner
dan metode K-Means clustering, penelitian ini mengelompokkan data tamu hotel ke
dalam beberapa kategori berdasarkan kesamaan karakteristik booking. Metode
penelitian mencakup observasi, pengumpulan data primer dari pihak hotel, dan
pengolahan data menggunakan teknik K-Means clustering. Data awal terdiri dari 12
variabel dengan total 3587 baris data, yang kemudian diseleksi dan dibersihkan untuk
memastikan kualitas hasil clustering yang optimal. Hasil penelitian menunjukkan
bahwa tamu hotel dapat dikelompokkan ke dalam tiga cluster utama: cluster rendah,
sedang, dan tinggi, dengan tingkat akurasi yang baik berdasarkan metrik seperti
Euclidean Distance dan Davies Bouldin Index. Temuan utama penelitian ini adalah
identifikasi pola booking tamu hotel yang memungkinkan manajemen untuk
meningkatkan kualitas layanan, personalisasi layanan, optimalisasi harga, dan
pengelolaan kapasitas secara lebih efisien. Selain itu, hasil clustering dapat membantu
dalam merancang strategi pemasaran yang lebih efektif dan meningkatkan kepuasan
serta loyalitas tamu. Penelitian ini menyarankan pengembangan lebih lanjut dalam
bentuk aplikasi yang dapat digunakan untuk memudahkan pengolahan data serta
penggunaan algoritma yang berbeda untuk hasil yang lebih komprehensif.

Unduhan

 

REFERENSI

(Febrian et al., 2022)Annisa, K., Ginting, B. S., & Syar, M. A. (2022). Penerapan Data
Mining Pengelompokan Data Pengguna Air Bersih Berdasarkan Keluhannya
Menggunakan Metode Clustering Pada Pdam Langkat. Jurnal Sistem
Informasi Kaputama (JSIK), 6(2), 165–179.
https://doi.org/10.59697/jsik.v6i2.167
Annur, H. (2022). Penerapan Algoritma Naïve Bayes Berbasis Backward Elimination
Untuk Prediksi Pemesanan Kamar Hotel. Jurnal Ilmiah Ilmu Komputer
Banthayo Lo Komputer, 1(1), 1–5. https://doi.org/10.37195/balok.v1i1.99
Atma, Y. A., & Montesori, S. (2022). Analisis Data Mining Untuk Menentukan Profit
Perusahaan Menggunakan Metode K-Means. Device : Journal of Information
System, Computer Science and Information Technology, 3(2), 29–36.
https://doi.org/10.46576/device.v3i2.2699
Febrian, A., Nana Suarna, & Gifthera Dwilestari. (2022). Penerapan Algoritma KMeans Untuk Mengelompokkan Data Pengiriman Paket Di Kantor Pos
Cirebon. Jurnal Teknologi Technoscientia, 15(1), 23–27.
https://doi.org/10.34151/technoscientia.v15i1.3858
Gustientiedina, G., Adiya, M. H., & Desnelita, Y. (2019). Penerapan Algoritma KMeans Untuk Clustering Data Obat-Obatan. Jurnal Nasional Teknologi Dan
Sistem Informasi, 5(1), 17–24. https://doi.org/10.25077/teknosi.v5i1.2019.17-
24
Mulyawan, Bahtiar, A., Dwilestari, G., Basysyar, F. M., & Suarna, N. (2021). Data
mining techniques with machine learning algorithm to predict patients of heart
disease. IOP Conference Series: Materials Science and Engineering, 1088(1),
012035. https://doi.org/10.1088/1757-899x/1088/1/012035
Purba, W., Siawin, W., & . H. (2019). Implementasi Data Mining Untuk
Pengelompokkan Dan Prediksi Karyawan Yang Berpotensi Phk Dengan
Algoritma K-Means Clustering. Jurnal Sistem Informasi Dan Ilmu Komputer
Prima(JUSIKOM PRIMA), 2(2), 85–90.
https://doi.org/10.34012/jusikom.v2i2.429
Sari, R. W., & Hartama, D. (2018). Data Mining : Algoritma K-Means Pada
Pengelompokkan Wisata Asing ke Indonesia Menurut Provinsi. Seminar
Nasional Sains & Teknologi Informasi (SENSASI), 322–326

Cari

Bidang Ilmu

Kategori

Kiriman Terbaru