Perbandingan Algoritma Support Vector Machine (SVM) dan Decision Tree untuk Sistem Rekomendasi Tempat Wisata

Rian Oktafiani(1*), Rianto Rianto(2)
(1) Magister Teknologi Informasi, Universitas Teknologi Yogyakarta
(2) Magister Teknologi Informasi, Universitas Teknologi Yogyakarta
(*) Corresponding Author



Abstrak


Industri pariwisata Indonesia berkembang dari tahun ke tahun. Daerah Istimewa Yogyakarta merupakan salah satu provinsi yang memiliki banyak destinasi wisata. Pertumbuhan internet dan teknologi informasi juga menjadi faktor dalam industri pariwisata Indonesia. Dengan adanya informasi mengenai pariwisata di internet, dapat memudahkan wisatawan untuk mencari informasi. Namun, karena jumlah informasi yang sangat banyak akan membuat wisatawan kebingungan untuk menentukan tujuan wisata. Selain itu, wisata lokal memiliki potensi yang cukup tinggi untuk membantu perekonomian daerah, namun saat ini belum dieksplorasi secara maksimal. Sistem rekomendasi dan kemampuan klasifikasi tempat wisata diperlukan untuk memberikan akurasi rekomendasi yang baik. Untuk menentukan jumlah fitur yang paling menguntungkan untuk klasifikasi lokasi wisata, Teknik Principal Component Analysis (PCA) digunakan dalam penelitian ini untuk membandingkan metodologi Support Vector Machine (SVM) dan Decision Tree (DT). Hasilnya menunjukkan bahwa, dengan nilai akurasi 98.97% penerapan PCA dengan nilai n=5 dan berada pada perbandingan Split Data 75% : 25%, pendekatan SVM memiliki performa lebih baik daripada metode Decision Tree. Metode Decision Tree juga memiliki performa yang baik, dengan menggunakan PCA dengan nilai n=5, Decision Tree memiliki akurasi 96.55% yang berada pada perbandingan Split Data 85% : 15%.


Kata Kunci


Decision Tree; Principal Component Analysis; Support Vector Machine; Sistem Rekomendasi Wisata


Teks Lengkap:

PDF


Referensi


[1] Badan Pusat Statistik, “Jumlah Kunjungan Wisman ke Indonesia Oktober 2022,” Badan Pusat Statistik , Dec. 01, 2022. https://www.bps.go.id/pressrelease/2022/12/01/1879/jumlah-kunjungan-wisman-ke-indonesia-pada-oktober-2022-mencapai-678-53-ribu-kunjungan-dan-jumlah-penumpang-angkutan-udara-domestik-pada-oktober-2022-naik-10-08-persen.html#:~:text=Selama%20Januari–Oktober%202022%2C%20jumlah,periode%20yang%20sama%20tahun%202021. (accessed Jan. 30, 2023).

[2] Bappeda DI Yogyakarta, “Jumlah Wisatawan,” Dataku Bappeda DI Yogyakarta, Dec. 01, 2022. http://bappeda.jogjaprov.go.id/dataku/data_dasar/index/214-jenis-objek-wisata?id_skpd=23 (accessed Jan. 30, 2023).

[3] R. A. Hamid et al., “How smart is e-tourism? A systematic review of smart tourism recommendation system applying data management,” Comput Sci Rev, vol. 39, no. 1, p. 100337, Feb. 2021, doi: 10.1016/j.cosrev.2020.100337.

[4] I. P. G. H. Saputra and L. A. A. R. Putri, “Sistem Rekomendasi Perjalanan Wisawa Berbasis Expert System dan Algoritma Genetika,” Jurnal Resistor, vol. 5, no. 1, pp. 47–54, Apr. 2022, doi: 10.31598/jurnalresistor.v5i1.761.

[5] S. Sauda and M. R. Ramadhan, “Implementasi Memory-Based dan Model-Based Collaborative Filtering pada Sistem Rekomendasi Sepeda Gunung,” Syantax Literate: Jurnal Ilmiah Indonesia, vol. 7, no. 6, pp. 7836–7848, Jun. 2022, doi: 10.36418/syntax-literate.v7i6.7559.

[6] Murniyati, T. Yusnitasari, E. Kurniasari, and D. Pernadi, “Clustering Relationship Berdasarkan Bobot Pembentuk Social Trust Network Untuk Sistem Rekomendasi Pada Media Sosial Instagram,” Jurnal Ilmiah Informatika Komputer, vol. 27, no. 3, pp. 216–228, Dec. 2022, doi: 10.35760/ik.2022.v27i3.7557.

[7] D. A. Pratiwi and A. Qoiriah, “Sistem Rekomendasi Wedding Organizer Menggunakan Metode Content-Based Filtering Dengan Algoritma Random Forest Regression,” Journal of Informatics and Computer Science (JINACS), vol. 3, no. 03, pp. 231–239, Dec. 2021, doi: 10.26740/jinacs.v3n03.p231-239.

[8] O. Somantri, W. E. Nugroho, and A. R. Supriyono, “Penerapan Feature Selection Pada Algoritma Decision Tree Untuk Menentukan Pola Rekomendasi Dini Konseling,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 4, no. 2, pp. 272–279, Dec. 2022, doi: 10.30865/json.v4i2.5267.

[9] Erfin Nur Rohma, “Comparison of the Social Welfare Data Classification Algorithm for Bantul Regency,” Jurnal PROCESSOR, vol. 17, no. 2, pp. 91–100, Oct. 2022, doi: 10.33998/processor.2022.17.2.1222.

[10] Y. Anggraiwan and B. Siregar, “Klasifikasi Harga Mobil Menggunakan Metode Decision Tree Algoritma C4.5,” Computatio: Journal of Computer Science and Information Systems, vol. 6, no. 2, pp. 70–79, Dec. 2022, doi: 10.24912/computatio.v6i2.19994.

[11] J. Ma’sum, A. Febriani, and D. Rachmawaty, “Penerapan Metode Klasifikasi Decision Tree Untuk Memprediksi Kelulusan Tepat Waktu,” Journal of Industrial Engineering and Technology, vol. 2, no. 1, pp. 61–74, Jan. 2022, doi: 10.24176/jointtech.v2i1.7432.

[12] H. Paul, A. S. Wiguna, and H. Santoso, “Penerapan Algoritma Support Vector Machine Dan Naive Bayes Untuk Klasifikasi Jenis Mobil Terlaris Berdasarkan Produksi Di Indonesia,” JATI: Jurnal Mahasiswa Teknik Informatika, vol. 7, no. 1, pp. 39–44, Jan. 2023, doi: 10.36040/jati.v7i1.5555.

[13] A. Achmad, A. Adnan, and M. Rijal, “Klasifikasi Penyakit Pernapasan berbasis Visualisasi Suara menggunakan Metode Support Vector Machine,” Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan), vol. 6, no. 1, pp. 78–83, Oct. 2022, doi: 10.47970/siskom-kb.v6i1.330.

[14] N. L. W. S. R. Ginantra, C. P. Yanti, G. D. Prasetya, I. B. G. Sarasvananda, and I. K. A. G. Wiguna, “Analisis Sentimen Ulasan Villa di Ubud Menggunakan Metode Naive Bayes, Decision Tree, dan K-NN,” Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI), vol. 11, no. 3, pp. 205–215, Dec. 2022, doi: 10.23887/janapati.v11i3.49450.

[15] H. Mukhtar, R. Gunawan, A. Hariyanto, Syahril, and Wide Mulyana, “Peramalan Kedatangan Wisatawan ke Suatu Negara Menggunakan Metode Support Vector Machine (SVM),” Jurnal CoSciTech (Computer Science and Information Technology), vol. 3, no. 3, pp. 274–282, Dec. 2022, doi: 10.37859/coscitech.v3i3.4211.

[16] Y. A. Singgalen, “Analisis Performa Algoritma NBC, DT, SVM dalam Klasifikasi Data Ulasan Pengunjung Candi Borobudur Berbasis CRISP-DM,” Building of Informatics, Technology and Science (BITS), vol. 4, no. 3, pp. 1634–1646, Dec. 2022.

[17] A. Munir, E. P. Atika, and A. D. Indraswari, “Analisis Sentimen pada review hotel menggunakan metode pembobotan dan klasifikasi,” JNANALOKA, vol. 3, no. 1, pp. 33–38, Mar. 2022, doi: 10.36802/jnanaloka.2022.v3-no1-33-38.

[18] Ardi Ramdani, Christian Dwi Sofyan, Fauzi Ramdani, Muhamad Fauzi Arya Tama, and Muhammad Angga Rachmatsyah, “Algoritma Klasifikasi Data Mining Untuk Memprediksi Masyarakat Dalam Menerima Bantuan Sosial,” Jurnal Ilmiah Sistem Informasi, vol. 1, no. 2, pp. 39–47, Jul. 2022, doi: 10.51903/juisi.v1i2.363.

[19] M. Rafif, “Yogyakarta Tourism Place,” Kaggle, Apr. 20, 2021. https://www.kaggle.com/datasets/mrafif/yogyakarta-tourism-place (accessed Jan. 05, 2023).

[20] M. Choirunnisa, N. Hidayat, and E. Susanto, “Implementasi Metode Support Vector Machine Dengan Query Expansion Pada Klasifikasi Review Di Situs Traveloka,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 5, pp. 1860–1865, May 2021, Accessed: Jan. 31, 2023. [Online]. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/9036

[21] S. Widaningsih, “Penerapan Data Mining untuk Memprediksi Siswa Berprestasi dengan Menggunakan Algoritma K Nearest Neighbor,” JATISI (Jurnal Teknik Informatika dan Sistem Informasi), vol. 9, no. 3, pp. 2598–2611, Sep. 2022, doi: 10.35957/jatisi.v9i3.859.

[22] B. N. Azmi, A. Hermawan, and D. Avianto, “Analisis Pengaruh PCA Pada Klasifikasi Kualitas Air Menggunakan Algoritma K-Nearest Neighbor dan Logistic Regression,” JUSTINDO: Jurnal Sistem dan Teknologi Informasi, vol. 7, no. 2, pp. 94–103, Aug. 2022, doi: 10.32528/justindo.v7i2.8190.

[23] A. Dinanti and J. Purwadi, “Analisis Performa Algoritma K-Nearest Neighbor dan Reduksi Dimensi Menggunakan Principal Component Analysis,” Jambura Journal of Mathematics, vol. 5, no. 1, pp. 155–165, Feb. 2023, doi: 10.34312/jjom.v5i1.17098.

[24] M. F. Azhari and F. A. Fitriani, “Coronary Heart Disease Risk Prediction Using Binary Logistic Regression Based on Principal Component Analysis,” Enthusiastic : International Journal of Applied Statistics and Data Science, vol. 2, no. 1, pp. 47–55, May 2022, doi: 10.20885/enthusiastic.vol2.iss1.art6.

[25] J. Kusuma, A. Jinan, M. Z. Lubis, R. Rubianto, and R. Rosnelly, “Komparasi Algoritma Support Vector Machine Dan Naive Bayes Pada Klasifikasi Ras Kucing,” Generic: Jurnal Ilmu Komputer dan Teknologi Informasi, vol. 14, no. 1, pp. 8–12, Jan. 2022, Accessed: Jan. 31, 2023. [Online]. Available: http://generic.ilkom.unsri.ac.id/index.php/generic/article/view/122

[26] D. E. Safitri and A. S. Fitrani, “Implementasi Metode Klasifikasi Dengan Algoritma Support Vector Machine Kernel Gaussian Rbf Untuk Prediksi Partisipasi Pemilu Terhadap Demografi Kota Surabaya,” Indonesian Journal of Business Intelligence (IJUBI), vol. 5, no. 1, p. 36, Jun. 2022, doi: 10.21927/ijubi.v5i1.2259.

[27] I. Arfyanti, M. Fahmi, and P. Adytia, “Penerapan Algoritma Decision Tree Untuk Penentuan Pola Penerima Beasiswa KIP Kuliah,” Building of Informatics, Technology and Science (BITS), vol. 4, no. 3, pp. 1196–1201, Dec. 2022, doi: 10.47065/bits.v4i3.2275.

[28] M. Wibowo and R. Ramadhani, “Perbandingan Metode Klasifikasi Data Mining Untuk Rekomendasi Tanaman Pangan,” Jurnal Media Informatika Budidarma, vol. 5, no. 3, pp. 913–921, Jul. 2021, doi: 10.30865/mib.v5i3.3086.

[29] K. A. Rokhman, B. Berlilana, and P. Arsi, “Perbandingan Metode Support Vector Machine Dan Decision Tree Untuk Analisis Sentimen Review Komentar Pada Aplikasi Transportasi Online,” Journal of Information System Management (JOISM), vol. 3, no. 1, pp. 1–7, Jan. 2021, doi: 10.24076/JOISM.2021v3i1.341.

[30] M. Mayasari, D. I. Mulyana, and M. B. Yel, “Komparasi Klasifikasi Jenis Tanaman Rimpang Menggunakan Principal Component Analiysis, Support Vector Machine, K-Nearest Neighbor Dan Decision Tree,” Jurnal Teknik Informatika Kaputama(JTIK), vol. 6, no. 2, pp. 644–655, Jul. 2022, Accessed: Jul. 24, 2023. [Online]. Available: https://jurnal-backup.kaputama.ac.id/index.php/JTIK/article/view/878


Artikel Statistik

Abstrak telah dilihat : 891 kali
PDF telah dilihat : 493 kali

Refbacks

  • Saat ini tidak ada refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

Alamat Redaksi :
Departemen Sistem Informasi, Fakultas Teknologi Informasi
Universitas Andalas
Kampus Limau Manis, Padang 25163, Sumatera Barat

email: teknosi@fti.unand.ac.id

  Jumlah Pengunjung :

 

Creative Commons License
This work by JSI-Unand and licensed under a CC BY-SA 4.0 International License.