Penerapan K-Means Clustering Untuk Segmentasi Dataset Ulasan wisata HolidayIQ
Main Article Content
Abstract
Penelitian ini mengeksplorasi penggunaan algoritma K-means untuk membagi data ulasan tentang pariwisata yang diambil dari platform HolidayIQ. Dataset ini mencakup informasi mengenai minat wisatawan dalam enam kategori berbeda: alam, budaya, relaksasi, petualangan, kehidupan malam, dan belanja. Tujuan utama dari penelitian ini adalah untuk mengelompokkan wisatawan yang memiliki ciri- ciri yang sama, sehingga pola preferensi mereka dapat dianalisis lebih mendalam. Proses pengelompokan dilakukan dengan menerapkan algoritma K-means, dengan penekanan pada identifikasi jumlah kluster yang ideal serta menganalisis karakteristik setiap kluster berdasarkan atribut yang relevan. Hasil penelitian diharapkan dapat memberikan wawasan yang lebih komprehensif bagi pihak pengelola destinasi wisata dalam merancang strategi pemasaran dan pengembangan layanan yang lebih tepat sasaran, serta menjadi acuan dalam pengambilan keputusan berbasis data.
Article Details
References
Alasali, T., Ortakci, Y. (2024). Clustering Techniques in Data Mining: A Survey of Methods, Challenges, and Applications. Journal of Computer Science 9(1), 32- 50. 10.53070/bbd.1421527
Al-Fahmi, B. M. (2023). “Penerapan Metode Data Mining dengan Algoritma K-Means untuk Klasterisasi Destinasi Wisata.” Teknosi: Jurnal Teknologi dan Sistem Informasi. 9(2), 141-149. https://doi.org/10.25077/TEKNOSI.v9i2.2023.141-149
Astiti, S., Harman, R., & Darmansah, D. (2024). Pengelompokan Destinasi Wisata di Batam Berdasarkan Daya Tarik dan Fasilitas Menggunakan Metode K-Means Clustering. Kesatria: Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen), 5(4), 2005-2012.
Atmadja, B. R. (2022). Analisis Sentimen Bahasa Indonesia Pada Tempat Wisata Di Kabupaten Sukabumi Dengan Naive Bayes Classifier. Elkom: Jurnal Elektronika dan Komputer, 15(2), 371-382.
Habiballoh, H., Faqih, A., & Suprapti, T. (2024). Implementasi Algoritma K-Means Dalam Mengelompokan Kabupaten/Kota Di Jawa Barat Berdasarkan Jenis Dan Jumlah Potensi Objek Daya Tarik Wisata. Jurnal Informatika dan Teknik Elektro Terapan, 12(2).
Hailong Chen, Yi Liu and Kaiqi Chen. (2021). Big Data in Tourism: General Issues and Challenges. Journal of Tourism & Hospitality, Vol. 10, 1-6.
Lusianah, N., Purnamasari, A. I., & Nurhakim, B. (2023). Implementasi Algoritma K- Means Dalam Pengelompokan Jumlah Wisatawan Akomodasi Di Jawa Barat. Jurnal Ekonomi, Bisnis dan Manajemen, 2(1), 254-268.
Maria Ulfah. (2022). Penerapan Data Mining Clustering Menggunakan Metode K-Means Dalam Pengelompokan Buku Perpustakaan Politeknik Negeri Balikpapan. Jurnal Fidelity : Jurnal Teknik Elektro, Vol. 4, No. 3, 62-68
Ritonga, A. S., & Muhandhis, I. (2021). Teknik Data Mining Untuk Mengklasifikasikan Data Ulasan Destinasi Wisata Menggunakan Reduksi Data Principal Component Analysis (Pca). Jurnal Ilmiah Edutic: Pendidikan dan Informatika, 7(2), 124-133.
Xiaoling Shu, Yiwan Ye. (2023). Knowledge Discovery: Methods from data mining and machine learning. Journal Social Science Research. Vol. 110, https://doi.org/10.1016/j.ssresearch.2022.102817
Yolandari, NA., et. al. (2025). Analisis Perbandingan K-Means Dan Dbscan Dalam Pengelompokan Data Travel Review Ratings Menggunakan Evaluasi Silhouette Index Dan Davies-Bouldin Index. Jurnal Informatika dan Teknik Elektro Terapan. 13(3), 78-84. https://doi.org/10.23960/jitet.v13i3.6884