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

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

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

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%

Rian Oktafiani a,*, Rianto Riantob

https://teknosi.fti.unand.ac.id/index.php/teknosi/issue/view/24

Universitas Teknologi Yogyakarta

31 Agustus 2023

Fajar bagus W

PDF

Indonesia

Text