TY  - THES
Y1  - 2025/07/22/
TI  - EVALUASI ALGORITMA XGBOOST MENGGUNAKAN HYPERPARAMETER DEFAULT DAN HYPERPARAMETER TUNING DALAM MEMPREDIKSI PEMBATALAN BOOKING HOTEL
PB  - Universitas AMIKOM Yogyakarta
ID  - universitasamikomyogyakarta31453
N2  - Pembatalan booking hotel merupakan salah satu tantangan yang dihadapi
industri perhotelan karena dapat memengaruhi pendapatan dan efisiensi
operasional. Penelitian ini bertujuan untuk membangun model prediksi pembatalan
booking hotel menggunakan algoritma XGBoost, yang dikenal unggul dalam
klasifikasi dan efisiensi komputasi. Data yang digunakan berasal dari platform
Kaggle dengan total 36.285 data dan 17 fitur, yang kemudian melalui tahapan preprocessing
mencakup
data
cleaning,
encoding,
feature
selection,
normalisasi,
dan

balancing

menggunakan SMOTEENN. Model awal dibangun menggunakan
pengaturan hyperparameter default, kemudian ditingkatkan melalui proses tuning
dengan GridSearchCV untuk menemukan kombinasi hyperparameter terbaik.
Evaluasi model dilakukan menggunakan classification report, confusion matrix,
learning curve, dan AUC-ROC. Hasil penelitian menunjukkan bahwa model
dengan tuning hyperparameter memberikan performa lebih baik dibanding model
default, dengan akurasi sebesar 0.97 pada model default dan 0.99 pada model
dengan tuning hyperparameter. Peningkatan juga terjadi pada nilai precision, recall,
dan F1-score untuk kedua kelas, di mana masing-masing metrik meningkat dari
0.97 menjadi 0.99 setelah dilakukan tuning hyperparameter. Selain itu, nilai AUC
dari kedua model mencapai 0.99, yang menunjukkan kemampuan klasifikasi yang
sangat baik. Hasil penelitian ini menunjukkan bahwa model yang dikembangkan
memiliki potensi untuk diterapkan di bidang perhotelan, khususnya sebagai alat
bantu prediktif bagi manajer hotel dalam mengantisipasi dan mengurangi risiko
kerugian akibat pembatalan booking.
M1  - bachelor
KW  - Machine Learning
KW  -  Pembatalan Booking Hotel
KW  -  XGBoost
KW  -  Hyperparameter Tuning
AV  - restricted
A1  - Nagara, Dimas Pramudya
UR  - https://eprints.amikom.ac.id/id/eprint/31453/
ER  -