Industri perhotelan mengalami pertumbuhan yang pesat di seluruh dunia. Semakin banyak orang melakukan perjalanan untuk berbagai tujuan, seperti liburan, bisnis, atau acara khusus. Pertumbuhan ini menciptakan peluang besar bagi hotel untuk meningkatkan pendapatan dan keuntungan. Namun, dengan meningkatnya jumlah hotel, persaingan antar hotel juga semakin ketat. Hotel harus mampu menarik perhatian pelanggan potensial dan mempertahankan tamu yang sudah ada. Untuk mencapai hal ini, hotel perlu mencari cara inovatif dalam meningkatkan layanan dan efisiensi operasionalnya.

Salah satu cara yang efektif untuk mengelola hotel adalah dengan meramalkan tingkat hunian hotel. Peramalan yang akurat dapat membantu hotel dalam pengambilan keputusan strategis, baik untuk jangka panjang maupun jangka pendek. Peramalan ini dapat digunakan untuk mengoptimalkan berbagai aspek operasional, seperti penetapan harga, manajemen staf, dan pengelolaan persediaan. Dengan peramalan yang tepat, hotel dapat mengantisipasi permintaan pasar dan mengatur sumber daya dengan lebih efisien, sehingga meningkatkan kepuasan pelanggan dan keuntungan hotel.

Metode peramalan yang digunakan dalam studi ini adalah Support Vector Machine (SVM) dan Linear Regression. Support Vector Machine (SVM) adalah metode pembelajaran mesin yang dapat digunakan untuk menganalisis data dan mengklasifikasikannya ke dalam dua kategori. SVM awalnya dikembangkan untuk masalah klasifikasi, namun juga dapat diterapkan pada masalah regresi untuk memprediksi nilai numerik. Dalam konteks peramalan data, SVM digunakan baik untuk klasifikasi (misalnya, memprediksi apakah suatu kejadian akan terjadi atau tidak) maupun regresi (misalnya, memprediksi harga saham).

Linear Regression adalah pendekatan analisis untuk memodelkan hubungan antara satu variabel dependen dengan satu atau lebih variabel independen. Tujuan utama dari metode regresi linear adalah untuk memodelkan hubungan linier antara variabel-variabel tersebut agar dapat membuat prediksi atau estimasi. Dalam studi ini, Linear Regression digunakan untuk memprediksi tingkat hunian hotel berdasarkan data historis.

Studi ini menggunakan data tingkat hunian Hotel W dari tahun 2017 hingga 2023. Data tersebut mencakup jumlah kamar yang tersedia dan persentase hunian setiap bulan. Beberapa contoh data yang digunakan adalah sebagai berikut: pada Januari 2017, terdapat 2.201 kamar yang tersedia dengan tingkat hunian sebesar 27,1%; pada Februari 2021, terdapat 1.988 kamar yang tersedia dengan tingkat hunian sebesar 36,6%; dan pada Mei 2023, terdapat 2.201 kamar yang tersedia dengan tingkat hunian sebesar 52,6%.

Algoritma SVM dan Linear Regression diimplementasikan menggunakan perangkat lunak RapidMiner. Dalam simulasi, data dibagi menjadi dua jenis kelompok data pelatihan dan pengujian. Kasus pertama menggunakan 75% data sebagai data pelatihan dan 25% sebagai data pengujian. Kasus kedua menggunakan 85% data sebagai data pelatihan dan 15% sebagai data pengujian.

Hasil simulasi menunjukkan bahwa metode Linear Regression memiliki akurasi yang lebih tinggi dan kesalahan yang lebih kecil dibandingkan dengan metode SVM untuk kedua kasus. Misalnya, dalam kasus kedua, nilai Root Mean Square Error (RMSE) yang dihasilkan oleh metode Linear Regression adalah 0.004, sedangkan SVM menghasilkan nilai RMSE sebesar 0.371. Ini menunjukkan bahwa metode Linear Regression lebih unggul dalam memprediksi tingkat hunian hotel dibandingkan dengan SVM.

Berdasarkan hasil studi ini, dapat disimpulkan bahwa metode Linear Regression memiliki akurasi yang lebih tinggi dan kesalahan yang lebih kecil dibandingkan dengan SVM dalam meramalkan tingkat hunian Hotel W. Implementasi metode peramalan yang akurat dapat membantu hotel dalam mengoptimalkan manajemen sumber daya, meningkatkan efisiensi operasional, dan pada akhirnya, meningkatkan pendapatan dan keuntungan.

Penulis: Bambang Suharto

Informasi detail dari riset ini dapat dilihat pada tulisan kami di:

https://www.scopus.com/record/display.uri?eid=2-s2.0-85195696703&origin=resultslist 

Anshori M.Y. Herlambang T., Asyari V., Arof H., Firdaus A.A., Oktafianto K., Suharto B.: Optimization of Hotel W Management through Performance Comparison of Support Vector Machine and Linear Regression Algorithm in Forecasting Occupancy  . Nonlinear Dynamics and Systems Theory, Volume 24, Issue 3, Pages 228 – 235, 2024