eprintid: 31453
rev_number: 24
eprint_status: archive
userid: 12
dir: disk0/00/03/14/53
datestamp: 2025-12-03 04:26:12
lastmod: 2025-12-03 04:26:12
status_changed: 2025-12-03 04:26:12
type: thesis
metadata_visibility: show
creators_name: Nagara, Dimas Pramudya
creators_nim: 21.11.4040
contributors_name: Verawati, Ike
corp_creators: Universitas AMIKOM Yogyakarta
title: EVALUASI ALGORITMA XGBOOST MENGGUNAKAN HYPERPARAMETER DEFAULT DAN HYPERPARAMETER TUNING DALAM MEMPREDIKSI PEMBATALAN BOOKING HOTEL
ispublished: pub
subjects: 000.000.006
divisions: if
full_text_status: restricted
keywords: Machine Learning, Pembatalan Booking Hotel, XGBoost, Hyperparameter Tuning
abstract: 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.
date: 2025-07-22
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   Nagara, Dimas Pramudya  (2025) EVALUASI ALGORITMA XGBOOST MENGGUNAKAN HYPERPARAMETER DEFAULT DAN HYPERPARAMETER TUNING DALAM MEMPREDIKSI PEMBATALAN BOOKING HOTEL.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/31453/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31453/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31453/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31453/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31453/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31453/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31453/7/Daftar%20Pustaka.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31453/8/Sourcecode%20-%2021.11.4040.zip
document_url: https://eprints.amikom.ac.id/id/eprint/31453/9/Publikasi.pdf