Pemanfaatan Metode Decision Tree dengan Algoritma C4.5 Untuk Prediksi Potensi Kunjungan Wisatawan
DOI:
https://doi.org/10.30865/json.v5i3.6684Keywords:
Data Mining, Decision Tree C4.5, Tourism, Prediction, StrategyAbstract
This research aims to predict potential tourism visits in Pati Regency, Indonesia, utilizing data mining methods, specifically the Decision Tree with the C4.5 algorithm. The significance of the tourism sector in a region's economy and sustainability, along with the potential of data in formulating more effective and targeted strategies and decisions, motivated this objective. The initial experiment results demonstrated the superior performance of the Decision Tree C4.5 method in predicting potential tourism visits in Pati Regency, with an accuracy of 96.42%, precision of 96.42%, and recall of 96.66%. This performance exceeded the Naive Bayes method, which yielded an accuracy of 82.14%, precision of 84.49%, and recall of 83.07%. The research highlights the potential of data mining methods in the tourism sector, especially for predicting tourism visits. The results are expected to assist stakeholders in formulating more effective strategies and decisions, contributing positively to the wider development of the tourism sector.References
E. Prasetyo, Data Mining: Mengolah Data Menjadi Informasi Menggunakan Matlab, 1st ed. Yogyakarta: ANDI, 2015.
V. R. Hananto, BUKU AJAR Kecerdasan Bisnis. Surabaya: Institut Bisnis dan Informatika Stikom Surabaya, 2017.
Priati, DATA WAREHOUSE & DATA MINING. Depok: Politeknik Imigrasi, 2021.
A. Purwanto, A. Primajaya, and A. Voutama, “Penerapan Algoritma C4.5 Dalam Prediksi Potensi Tingkat Kasus Pneumonia Di Kabupaten Karawang,†Jurnal Sistem dan Teknologi Informasi (Justin), vol. 8, no. 4, p. 390, Oct. 2020, doi: 10.26418/justin.v8i4.41959.
S. Ucha Putri, E. Irawan, F. Rizky, S. Tunas Bangsa, P. A. -Indonesia Jln Sudirman Blok No, and S. Utara, “Implementasi Data Mining Untuk Prediksi Penyakit Diabetes Dengan Algoritma C4.5,†Januari, vol. 2, no. 1, pp. 39–46, 2021.
Suwandi, E. Gustami, and K. Puji Astuti, “KLASIFIKASI BARANG MENGGUNAKAN ALGORITMA C4.5 DALAM PENENTUAN PREDIKSI STOK BARANG PADA PT AEROFOOD INDONESIA,†Reputasi: Jurnal Rekayasa Perangkat Lunak, vol. 3, no. 2, 2022, [Online]. Available: http://jurnal.bsi.ac.id/index.php/reputasi
D. Damayanti, “Implementasi Algoritma C4.5 Prediksi Produksi Komoditas Tanaman Perkebunan Berdasarkan Luas Lahan,†TIN: Terapan Informatika Nusantara, vol. 2, no. 10, pp. 571–579, Mar. 2022, doi: 10.47065/tin.v2i10.1026.
F. J. Pa’o and H. Hendry, “Decision Tree dalam Menganalisis Data Pengunjung Wisata Danau Poso untuk Pengambilan Keputusan,†Jurnal Sistem Komputer dan Informatika (JSON), vol. 2, no. 3, p. 261, May 2021, doi: 10.30865/json.v2i3.2895.
A. S. Chan, “Jurnal Ilmiah Informatika (JIF) Prediksi Kedatangan Wisatawan Pada Pariwisata Kota Batam Dengan Menggunakan Teknik Knowledge Data Discovery,†Jurnal Ilmiah Informatika (JIF), vol. 6, no. 1, 2018, [Online]. Available: http://ejournal.upbatam.ac.id/index.php/jif
A. Kallio and J. Tuimala, “Data Mining,†Encyclopedia of Systems Biology, 2013.
C. C. Aggarwal, Data Mining: The Textbook. Cham: Springer International Publishing, 2015.
R. K. Dinata and N. Hasdyna, Machine Learning. Lhokseumawe: UNIMAL PRESS, 2020.
I. Mubarog, A. Setyanto, and H. Sismoro, “Sistem Klasifikasi pada Penyakit Breast Cancer dengan Menggunakan Metode Naïve Bayes Classification System in Breast Cancer Using the Naïve Bayes Method,†Citec Journal, vol. 6, no. 2, 2019.
A. H. Nasrullah, “IMPLEMENTASI ALGORITMA DECISION TREE UNTUK KLASIFIKASI PRODUK LARIS,†vol. 7, no. 2, 2021, [Online]. Available: http://ejournal.fikom-unasman.ac.id
K. F. Irnanda, D. Hartama, and A. P. Windarto, “Analisa Klasifikasi C4.5 Terhadap Faktor Penyebab Menurunnya Prestasi Belajar Mahasiswa Pada Masa Pandemi,†JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 1, p. 327, Jan. 2021, doi: 10.30865/mib.v5i1.2763.
S. Febriani and H. Sulistiani, “ANALISIS DATA HASIL DIAGNOSA UNTUK KLASIFIKASI GANGGUAN KEPRIBADIAN MENGGUNAKAN ALGORITMA C4.5,†Jurnal Teknologi dan Sistem Informasi (JTSI), vol. 2, no. 4, pp. 89–95, Dec. 2021.
H. M. Sani, C. Lei, and D. Neagu, “Computational complexity analysis of decision tree algorithms,†in Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), Springer Verlag, 2018, pp. 191–197. doi: 10.1007/978-3-030-04191-5_17.
F. Fatmawati and N. Narti, “Perbandingan Algoritma C4.5 dan Naive Bayes Dalam Klasifikasi Tingkat Kepuasan Mahasiswa Terhadap Pembelajaran Daring,†JTIM : Jurnal Teknologi Informasi dan Multimedia, vol. 4, no. 1, pp. 1–12, May 2022, doi: 10.35746/jtim.v4i1.196.
V. Junita and F. Abdurrachman Bachtiar, “Klasifikasi Aktivitas Manusia menggunakan Algoritme Decision Tree C4.5 dan Information Gain untuk Seleksi Fitur,†Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 10, pp. 9426–9433, 2019, [Online]. Available: http://j-ptiik.ub.ac.id
P. B. N. Setio, D. R. S. Saputro, and B. Winarno, “Klasifikasi dengan Pohon Keputusan Berbasis Algoritme C4.5,†PRISMA, Prosiding Seminar Nasional Matematika, vol. 3, pp. 64–71, 2020, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/
