Analisis Metode Klasifikasi Data Naïve Bayes dan SVM Dalam Menentukan Keunikan Hotel
DOI:
https://doi.org/10.52072/jutekinf.v11i1.526Keywords:
Naïve Bayes, SVM, Pariwisata, Text Mining, RekomendasiAbstract
Pada saat ini, sektor pariwisata nasional menjadi primadona baru bagi pembangunan nasional. Kontribusi devisa dan penyerapan tenaga kerja di sektor ini sangat signifikan bagi devisa negara. Bahkan, diperkirakan pada 2019 sudah mengalahkan perolehan devisa dari industri sawit (CPHAI). Pada kasus ini, pemerintah harus meningkatkan pertumbuhan kunjungan wisatawan yang datang ke Indonesia. Salah satu bagian yang perlu diperhatikan oleh pemerintah dalam meningkatkan sektor pariwisata adalah akomodasi hotel. Dalam meningkatkan pelayanan akomodasi hotel, perlu adanya suatu pelayanan yang memuat informasi tentang keunikan hotel tersebut. Layanan yang akan dikembangkan memiliki teknik hubungan dua arah antara pelanggan dan penyedia layanan. Hubungan dua arah ini terjadi dengan mengelompokkan jenis hotel berdasarkan data komentar di google. Tujuan utama dari penelitian ini adalah menganalisis beberapa metode yang sesuai dengan klasifikasi keunikan hotel. Keunikan hotel yang akan diklasifikasikan adalah hotel yang bertema alam, eropa, klasik, foto dan nuansa rumah. Metode yang akan dibandingkan adalah metode Support Vector Machine (SVM) dan metode Naïve Bayes. Pada penelitian ini dapat dihasilkan bahwa akurasi Naïve Bayes lebih tinggi dibandingkan dengan akurasi SVM, perbandingannya adalah 75% dan 62,5%.
Downloads
References
Pariwisata Kini Jadi Andalan Pendulung Devisa Negarahttp://www.kemenpar.go.id/asp/detil.asp?c=16&id=2959
E. Pitoska, "E-Tourism: Penggunaan Internet dan Teknologi Informasi dan Komunikasi dalam Pariwisata: Kasus Unit Hotel di Daerah Pinggiran," Pariwisata di Eropa Tenggara, vol. 2, hlm. 335–344, Desember 2013.
E. Pantano dan LD Pietro, “Dari e-tourism ke ftourism: isu-isu yang muncul dari wisatawan negatif' ulasan online,”Journal of Hospitality and Tourism Technology, vol. 4, tidak. 3, hlm. 211–227, 2013.
D. Li Guo, D. Peng dan L. Ai Ping, “Algoritma Klasifikasi Teks Naive Bayes Baru,”TELKOMNIKA Jurnal Teknik Elektro Indonesia,vol. 12, tidak. 2, hlm. 947-952, 1 Februari 2014.
J. Samodra, S. Sumpeno dan M. Hariadi, “Klasifikasi dokumen teks berbahasa Indonesia dengan menggunakan naive bayes,” dalamSeminar Nasional Pendidikan Elektro, Informatika, dan IT, 2009.
AF Hidayatullah dan Azhari SN, “Analisis sentimen dan klasifikasi kategori terhadap tokoh publik di Twitter,” dalamSeminar Nasional Informatika 2014 (semnasIF 2014), Yogyakarta, 2014.
V. Chandani, RS Wahono dan Purwanto, “Komparasi algoritma klasifikasi machine learning dan seleksi fitur pada analisis sentimen review film,”Jurnal Sistem Cerdas,vol. 1, tidak. 1 Februari 2015.
