KLASIFIKASI ULASAN HOTEL MENGGUNAKAN GRADIENT BOOSTING DECISION TREE
Hotel merupakan sarana yang dibutuhkan pada saat bepergian keluar kota, untuk memilih hotel yang ingin di tempati, melihat ulasan hotel adalah hal yang umum dilakukan, ulasan hotel bisa dilihat di berbagai media sosial maupun pada website khusus yang berfokus pada bidang pariwisata, ulasan hotel sangat berpengaruh terhadap hotel, keputusan manajer hotel bisa dipengaruhi oleh ulasan hotel. Machine learning adalah teknik pengembangan dari AI (Artificial Intelligence) yang banyak di implementasikan pada bidang industri, machine learning dapat melakukan hal seperti memprediksi ulasan hotel, data latih dibutuhkan untuk membuat system machine learning, data latih yang tidak seimbang bisa mempengaruhi hasil prediksi. GBDT (Gradient Boosting Decision Tree) adalah salah satu teknik machine learning yang bisa digunakan untuk klasifikasi, akan tetapi GBDT mengalami kesulitan dalam melakukan prediksi bila data latih yang digunakan tidak seimbang. Oleh karena itu pada penelitian ini dilakukan teknik balancing data untuk menyeimbangkan data latih yang digunakan pada GBDT. Setelah dilakukan pengujian, perbedaan performa model GBDT yang menggunakan balancing dengan yang tidak hanya memiliki perbedaan satu sampai dua persen, performa terbaik di raih oleh model GBDT yang menggunakan balancing dan nilai hyperparameter jumlah pohon 300 dengan nilai macro avg sebesar 0.51%.
APA Style
. (2023).KLASIFIKASI ULASAN HOTEL MENGGUNAKAN GRADIENT BOOSTING DECISION TREE ().Teknik Informatika:FTI
Chicago Style
.KLASIFIKASI ULASAN HOTEL MENGGUNAKAN GRADIENT BOOSTING DECISION TREE ().Teknik Informatika:FTI,2023.Text
MLA Style
.KLASIFIKASI ULASAN HOTEL MENGGUNAKAN GRADIENT BOOSTING DECISION TREE ().Teknik Informatika:FTI,2023.Text
Turabian Style
.KLASIFIKASI ULASAN HOTEL MENGGUNAKAN GRADIENT BOOSTING DECISION TREE ().Teknik Informatika:FTI,2023.Text
