PENGINTEGRASIAN SISTEM RESERVASI BERBASIS KECERDASAN AGENT UNTUK OPTIMASI OCCUPANCY HOTEL

Prosiding Seminar Nasional Aplikasi Sains & Teknologi (SNAST) 2014 Yogyakarta, 15 November 2014

ISSN: 1979-911X

PENGINTEGRASIAN SISTEM RESERVASI BERBASIS KECERDASAN AGENT UNTUK OPTIMASI OCCUPANCY HOTEL Hernawan Sulistyanto1, Azhari SN2

1

Program Studi Informatika, Fak. Komunikasi dan Informatika, Univ. Muhammadiyah Surakarta 2 Program Studi Ilmu Komputer, FMIPA, Universitas Gadjah Mada Yogyakarta e-mail :[email protected],[email protected]

ABSTRACT By increasing the number of hotels today, the improvements to the technology side is very potential to provide the improved management quality in hotel occupancy. Occupancy modeling representation will be a fairly complex issue because of the presentation linked to the occurrence of some other processes, such as the reservation arrival, cancellation, duration of stay, no-show, group reservation, seasonality, and others. Summarily, problem that currently appears is not the limitations of labor or capital, but rather than the provision of information in the management of the reservation. Accessing of information should provide easy access to information by providing an integrated reservation data from various information resources through a hotels network. Departing from this problem it is proposed a software engineering to integrate the number of existing reservation system at some hotels. It is guided by a vision for realizing of human agents that interact with a computerized assistant, is known as intelligent agents (IA’s). A framework of intelligent agents to integrate the hotel reservation system is built in order to represent the performance of the system. Each IA will support a task or defined work functions, automate to do and calling services from other IA. IA’s model perception, reasoning, action and communication ability with other agents on humanly job functions. An Intelligent Agents based framework to integrate hotel reservations is designed in order to represent the system performance. The creation of reservation integration is expected to manage the placement of guests at hotel’s rooms according to their preferences. Keywords - intelligent agents, hotel occupancy, reservation integration PENDAHULUAN Tingkat hunian hotel (hotel occupancy) merupakan salah satu komponen dalam manajemen pendapatan hotel (hotel revenue management). Zakhary dkk. (2009) menyampaikan bahwa pengelolaan pendapatan dimaksudkan untuk memaksimalkan pendapatan pada pengelolaan dari sejumlah suplai yang terbatas. Sistem manajemen pendapatan telah banyak diadopsi dalam industri perhotelan. Semakin banyaknya jumlah hotel yang ada saat ini maka perbaikan pada sisi teknologi sangat berpotensi besar untuk memberikan peningkatan kualitas didalam pengelolaan hunian hotel. Hunian hotel menggambarkan perbandingan antara kamar yang terhuni terhadap seluruh kamar yang dimiliki hotel (Zakhary dkk, 2009). Pemodelan bagi representasi hunian hotel telah menjadi sebuah persoalan yang cukup rumit dikarenakan penyajiannya terkait dengan kejadian beberapa proses lain, seperti reservasi kedatangan (arrival reservation), pembatalan (cancelation), durasi tinggal (length of stay), no-show, pemesanan kelompok (group reservation), musiman (seasonality) dan lain-lain. Kedatangan tamu hotel terutama didorong oleh dua proses yang berlawanan, yaitu pemesanan reservation dan cancelation. Seorang tamu hotel yang potensial biasanya akan membuat reservasi beberapa hari atau beberapa minggu sebelum hari H kedatangan. Biasanya tingkat arrival reservation semakin tinggi manakala hari kedatangan semakin dekat. Sebuah penolakan permintaan reservasi akan dilakukan oleh hotel ketika hotel tidak mampu lagi menyediakan kamar kosong bagi calon tamunya. Namun sebaliknya, reservasi juga dapat dibatalkan setiap saat sebelum kedatangan. Peluang pembatalan pun akan mempunyai tingkat kemungkinan yang tinggi ketika mendekati hari kedatangan. Aktivitas reservasi akan diakhiri dengan terjadinya booking. Total booking pada suatu saat τ sebelum hari kedatangan t sesuai dengan Li dan Liu (2011), Zakhary dkk. (2009) serta Koulayev (2009) adalah reservasi total setelah dikurangi cancelations yang dibuat pada hari kedatangan tertentu (sehingga sama dengan jumlah pemesanan dikurangi total cancelations dibuat sampai saat ini τ). Zakhary dkk. A-307


ISSN: 1979-911X

(2009) juga menyampaikan bahwa kedatangan (arrival) adalah merupakan jumlah bersih tamu yang check-in pada t hari tertentu. Sementara itu, hunian (occupancy) adalah jumlah kamar yang ditempati pada t hari tertentu. Bisa juga diukur sebagai persentase dari kapasitas kamar hotel. Disamping adanya reservation dan cancelation, masih terdapat beberapa variable lain yang ikut berperan dalam menentukan tingkat occupancy hotel. Walk-in customers adalah pelanggan (dalam hal ini calon tamu hotel) yang check-in tanpa reservasi. Misalnya mereka hanya muncul di hotel dan seketika meminta kamar untuk hari ini. Disisi lain terdapat pula beberapa calon tamu potensial, yang telah memesan kamar, namun tidak muncul pada hari kedatangan. Ini disebut no-shows customer. Setiap kamar disediakan untuk dapat ditempati selama beberapa malam. Ini disebut lama menginap (length of stay, LOS). Setelah tamu tiba, ia mungkin bisa check-out sebelum check-out yang diharapkan, yang menyebabkan understay. Dia juga bisa check-out setelah check-out yang diharapkan, yang menyebabkan melebihi masa tinggal (overstay). Strategi yang umumnya diterapkan oleh pihak hotel dalam rangka mendorong tercapainya occupancy yang maksimal adalah dengan mengimplementasikan strategi over-booking. Hal ini mengartikan bahwa hotel akan mengizinkan reservasi melebihi kapasitas kamar hotel yang tersedia dalam rangka untuk mengantisipasi adanya beberapa reservasi yang akan dibatalkan. Strategi ini mulanya diharapkan dapat meningkatkan persentase hunian hotel. Namun, ada sisi lain bahwa jika ternyata calon tamu dengan pemesanan valid yang tiba lebih banyak dari pada kamar yang tersedia maka hotel akan menuai masalah besar dengan adanya tamu yang tidak mendapatkan kamar sesuai reservasi yang telah dibuat. Salah satu alternatif solusinya adalah dengan melakukan rebooking tamu tambahan di hotel tetangga ("walking the guests") meskipun kemudian berpeluang akan mengimplikasikan biaya tambahan yang diminta oleh hotel tetangga tersebut. Secara keseluruhan paper ini diorganisasikan kedalam beberapa bagian. Bagian awal memaparkan beberapa faktor yang ikut berperan dalam menentukan occupancy hotel. Selanjutnya visi dan motivasi dibangunnya framework berbasis kecerdasan agent disampaikan pada bagian berikutnya. Bagian metode mendeskripsikan desain dari framework yang sedang diimplementasikan. Pada bagian akhir paper ini dinyatakan suatu kesimpulan singkat mengenai kepentingan adanya framework untuk mengintegrasikan sistem reservasi. Terdapat beberapa faktor yang diperkirakan mempunyai peran untuk mempengaruhi tingkat occupancy hotel yang meliputi musiman (seasonality), reservasi, cancelation, dan reservasi kelompok (group reservation) (Zakhary dkk., 2009) . Musiman merupakan salah satu faktor utama yang bisa dipertimbangkan mempengaruhi tingkat permintaan kamar. Sebagian besar hotel memiliki periode-periode kunjungan tertentu, seperti periode sibuk (high season) di mana tingginya permintaan akan mendorong hingga hunian penuh, dan periode-periode sepi (low season) dengan terdapat banyak kamar yang kosong. Melalui penguasaan permintaan pada periode tinggi dan rendah, harga dan alokasi kamar dapat mencapai optimalisasi pendapatan secara lebih efisien. Ada beberapa hotel bahkan memiliki tingkat musiman yang lain, misalnya memiliki tingkat musiman ketiga yang disebut very low season. Dengan demikian secara konkret jenis musiman yang dimiliki oleh hotel-hotel pada umumnya terdiri atas tiga kategori, yaitu high season, low season, dan very low season. Rerata musiman menurut Zakhary dkk. (2009) dapat direpresentasikan dengan menggunakan kurva rerata musiman yang mengikuti persamaan-persamaan (1), (2), dan (3) berikut ini.

s avg (t ) = s avg (t ) =

1 NH

1 NL

∑

t l ∈S H

s(t l ) ; t ∈ S H ......................... Avg ( s (τ ))

s (t l ) ; t ∈ S L ............................ ∑ t l ∈S L Avg ( s (τ ))

1 s avg (t ) = N VL

∑

t l ∈SVL

s(t l ) ; t ∈ SVL Avg ( s(τ ))

......................

(1) (2) (3)

dimana SH, SL dan SVL adalah hari-hari dalam setahun yang meliputi high season, low season, dan very low season yang mana ditentukan oleh manajer hotel. Ukurannya adalah NH, NL dan NVL. Sementara itu s(t) adalah total reservasi yang tiba untuk hari kedatangan t (dengan telah mengindahkan cancelations yang terjadi). Sedangkan Avg(s(τ)) adalah rerata s(t) selama tahun. A-308


ISSN: 1979-911X

Reservasi merepresentasikan jumlah pemesanan yang datang dengan waktu untuk hari kedatangan tertentu Zakhary (2009), Feldman (2010). Sedangkan menurut McTavis dan Sankaranarayanan (2010) reservasi merupakan suatu proses yang bertujuan untuk memilih sebuah hotel terbaik yang berada di lokasi yang prima dengan fasilitas modern, lingkungan yang bersih, dan harga yang terjangkau. Proses ini biasanya dikerjakan dengan mendasarkan pada beberapa kriteria tertentu yang ditetapkan oleh calon tamu hotel yang umumnya akan meliputi rating bintang hotel, harga (rate) per kamar per malam, lokasi, jenis fasilitas, dan lain-lain. Reservasi ini merupakan komponen yang paling menantang dalam pemodelan oleh karena ketergantungannya pada dua indeks waktu, yaitu hari reservasi (yaitu hari kamar yang dipesan) dan hari kedatangan (hari ditujukan untuk tamu check-in). Diasumsikan bahwa B (i, t) menjadi jumlah yang diharapkan dari pemesanan untuk hari kedatangan t yang dipesan persis i hari sebelum kedatangan. (dalam arti B (0, t) merupakan jumlah yang diharapkan dari walk-in tamu.) sehinggga B (i, t) dapat disebut dengan kurva pemesanan. Karena sifat keacakan dari proses pemesanan, maka kurang lebih reservasi B (i, t) benar-benar akan terjadi, sebagaimana dari kalangan calon tamu akan berpotensi untuk datang dan ada yang tidak. Dengan demikian, dapat diasumsikan bahwa pemesanan mengikuti suatu distribusi binomial dengan probabilitas p yang dapat direpresentasikan dengan persamaan (4) berikut ini.

B(i, t ) = Np ............... (4) dimana N adalah ukuran populasi potensial pemesanan yang mungkin bisa datang untuk pemesanan dan kedatangan tanggal tertentu, dan p adalah probabilitas bahwa pemesanan akan terwujud. Persamaan di atas bertujuan untuk menjaga fakta bahwa rata-rata percobaan binomial ini harus sama dengan B(i, t) (karena menurut definisi B (i, t) adalah jumlah yang diharapkan dari pemesanan). Masalah utama di sini adalah untuk memaksimalkan B (i, t) dimana untuk setiap kali kedatangan t hanya memiliki satu realisasi kurva pemesanan B(-, t). Namun adanya variasi fluktuasi musiman tidak akan banyak merubah bentuk kurva booking sampai pada batas tertentu. Artinya, sebenarnya bentuknya akan sedikit berubah manakala terjadi kondisi musim yang ekstrim. Untuk memisahkan pengaruh bentuk dari level maka diasumsikan dengan persamaan (5) dibawah ini. B(i, t ) = s(t ) B' (i)

.....................

(5)

∞

dimana B’(i) adalah kurva reservasi ternormalisasi (diasumsikan bernilai 1, yaitu

∑ B(i) = 1

yang

i =0

mana menyajikan bentuk/kondisi kurva booking tanpa menghiraukan besarannya). Variable s(t) menyajikan level atau besaran kurva booking. Hal ini kurang lebih merepresentasikan bagaimana pengaruh musiman mempengaruhi level kurva booking, yaitu dengan penggeseran ke atas atau ke bawah dalam suatu perilaku multiplikasi. Guna mengestimasi kuantitasnya, maka dilakukan rerata pada hari-hari yang terjadi booking dalam musiman yang berturutan:

1 Bˆ ' H (i) = NH

∑

t∈S H

R(i, t )

∑

∞

R( j , t ) j =1

..........................

(6)

dengan SH adalah kumpulan hari high season (ukurannya adalah NH), R(i,t) menotasikan jumlah reservasi actual dari hari kedatangan (arrival day) t yang dibooking i hari sebelum kedatangan. Sebaliknya pada B(i,t) yang mana adalah pengharapan dan sebuah kuantitas yang tidak diketahui, R(i,t) adalah jumlah reservasi actual dan sebuah kuantitas yang diamati. Perihal untuk low dan very low season dapat dinyatakan dengan cara yang sama pula seperti persamaan (6) di atas. Berkaitan dengan level multiplikator, s(t), dapat diestimasi dengan persamaan (7): ∞

sˆ(t ) = ∑ R(i, t ) .........................

(7)

i =0

' ∞ Dapat dikemukakan bahwa penjumlahan di kedua sisi pada persamaan (4) pada index i diperoleh ' B ( i ) = 1 . Tatkala R(i,t) adalah suatu realisasi dari sebuah karena B (i, t ) = s (t ) i i =0 distribusi yang mempunyai nilai rerata B(i,t) maka persamaan (7) dapat dipertimbangkan sebagai sebuah estimasi dari s(t).

∑

∑

A-309


ISSN: 1979-911X

Pada persamaan (7) sˆ(t ) terestimasi merepresentasikan sebuah ukuran permintaan kamar yang mana menyajikan jumlah dari semua reservasi bagi hari kedatangan t. Reservasi dapat dibatalkan setiap saat sebelum hari kedatangan. Tingkat pembatalan (cancelation) bervariasi mengikuti suatu korelasi waktu hingga kedatangan. Biasanya, peluang cancelation meningkatkan dengan semakin mendekatnya hari kedatangan. Tingkat pembatalan, c(i), adalah fungsi dari jumlah hari i sampai hari kedatangan. Hal ini didefinisikan sebagai fraksi rata-rata pemesanan bersih yang bisa dibatalkan. Sebagai contoh, pada kedatangan hari t, dan berada di hari kei sebelum hari kedatangan. Diasumsikan bahwa pada akhir hari sebelumnya ada H (i + 1, t) pemesanan (atau pemesanan di tangan) untuk hari kedatangan t. Jika c(i) = 5%, maka jumlah yang diharapkan dari pemesanan yang dibatalkan pada hari ini (hari i sebelum kedatangan) adalah 0.05H (i+1, t). Juga, sebagai hasilnya, c(0) merupakan fraksi rata-rata no-show. Tentu saja c(i) hanya memberikan nilai rata-rata. Jumlah sebenarnya yang pada akhirnya dibatalkan adalah sebuah variabel acak sebagai binomial. Reservasi kelompok (Group Reservation) Sejumlah besar perjalanan wisata saat ini biasanya melalui paket tur/wisata. Ini berarti bahwa wisatawan memiliki jadwal yang telah direncanakan dengan tetap tingal di hotel khusus untuk tanggal-tanggal tertentu. Dengan cara ini operator tur dapat mencapai suatu pemesanan terblok di hotel sehingga potensial mendapatkan biaya sewa kamar yang lebih rendah. Permasalahan yang saat ini muncul dalam domain manajemen hotel adalah bukan pada keterbatasan skill tenaga kerjanya atau pun modal, tetapi lebih kepada penyediaan informasi dalam pengelolaan reservasi. Pengaksesan informasi seharusnya memberikan kemudahan dengan penyediaan bentuk data yang terintegrasi dari berbagai sumber daya informasi melalui suatu jaringan hotel. Berangkat dari persoalan ini maka diusulkan suatu framework perangkat lunak untuk mengintegrasikan sejumlah sistem reservasi yang ada di beberapa hotel. Hal ini dilandasi oleh sebuah visi, yaitu agen-agen manusia yang berinteraksi dengan sejumlah asisten terkomputerisasi, yang dikenal dengan agent cerdas (Intelligent Agent, IA). Setiap IA akan mendukung sebuah tugas atau fungsi kerja yang terdefinisikan, mengotomasi yang dapat dilakukan dan menyerukan layanan dari IA lain. IA mampu memodelkan persepsi (perceptual), penalaran (reasoning), tindakan (action) dan kemampuan berkomunikasi dalam perannya melakukan fungsi pekerjaan manusia (Vasudavan dan Fernadez, 2012)(Asadi, Mustapha, dan Sulaiman, 2009)(Feldman, 2010). Oleh karena itu IA mengerti apa yang harus dicari, apa yang harus dilakukan ketika mereka melihatnya, dan siapa yang harus memberitahu, seperti manusia yang mereka modelkan. Selain mendukung aktivitas manusia tradisional, IA juga dapat mengotomatisasi berbagai tugas yang bagi manusia mungkin terlalu mahal atau terbatas (misalnya, terlalu lambat dan kerap lalai). Sehingga dapat dipandang bahwa IA sebagai sumber "tenaga kerja murah" yang dapat memberikan layanan mirip manusia yang berdedikasi selama 24 jam sehari dengan memantau ketersediaan kamar –kamar di hotel-hotel. Framework ini diusulkan dalam rangka untuk memenuhi layanan: 1). Akses Informasi - harus menyediakan kemudahan dalam mengakses kekayaan sumber daya informasi dan layanan yang tersedia melalui jaringan hotel. Secara umum, sumber data harus diintegrasikan dari berbagai sumber untuk membuat penyajian informasi yang disesuaikan dengan kebutuhan individu calon tamu hotel. 2). Monitoring dan Otomasi - untuk memperoleh/mendapatkan informasi tidak perlu adanya proses pelacakan yang rumit. Pengguna perlu untuk disediakan informasi kejadian yang mempengaruhi mereka, sehingga mereka dapat mengambil tindakan yang tepat. 3). Bekerjasama – manusia dan komputer harus bekerja secara efektif sebagai tim sepanjang waktu. Anggota tim harus berbagi pengetahuan dan informasi, dan waspada terhadap keputusan yang berpotensi konflik. 4). Integrasi Sistem - paket perangkat lunak yang dikembangkan secara mandiri harus mudah diintegrasikan kedalam suatu framework sehingga mereka beroperasi secara mangkus, mudah digunakan dan dipelihara. METODE PENELITIAN Tujuan utama perancangan framework ini adalah untuk membangun komunikasi antar sistem-sistem reservasi, membangkitkan automasi layanan, serta meningkatkan pengelolaan operasional. Desain arsitektur dari framework integrasi reservasi disajikan pada Gambar (1) berikut ini.Sebuah framework teoritis dirancang untuk mengelola aktivitas reservasi. Framework ini selanjutnya disebut dengan intelligent reservation assistance (IRA). User yang berinteraksi secara A-310


ISSN: 1979-911X

langsung dengan framework akan bertindak selaku calon tamu hotel. IRA terdiri atas komponenkomponen Presentation layer, Processing layer, dan Data layer. Presentation layer disediakan sebagai user interface dimana calon tamu hotel dapat login untuk memilih kategori kamar yang dikehendaki pada slot waktu tertentu. Analisis keputusan dilaksanakan oleh intelligent agent (IA) pada Processing layer. IA akan mengecek seluruh masukan dalam basis data yang berbeda untuk memastikan bahwa tidak ada bentrokan data. Ketika terdapat seorang tamu yang sedang login maka IA akan mengkompilasi seluruh data kamar yang dimiliki hotel dan selanjutnya akan menawarkan data kamar yang masih kosong pada slot waktu/hari tertentu. Data layer terdiri atas sekumpulan data reservasi yang digunakan oleh IA. Temporary indent Agents interface

User interface

Decision analysis intelligent agent

Res syst A Res syst B

Res syst N

Presentation layer

Processing layer

Data layer

Gambar 1. Desain framework integrasi reservasi Kamar-kamar yang telah dibooking akan “dikunci” sehingga tidak akan bisa dipesan lagi oleh calon tamu lain. Pada kasus khusus dimana terdapat calon tamu yang menghendaki kamar namun sebenarnya seluruh kamar sudah terbooking maka pesanan calon tamu ini akan di tempatkan terlebih dulu pada suatu temporary indent. Manakala terdapat calon tamu yang telah booking untuk hari tertentu namun membatalkan bookingnya sebelum hari kedatangan maka pemesanan yang terdapat dalam temporary indent akan diplotkan kedalam slot waktu reservasi yang dibatalkan tersebut. PEMBAHASAN Paper ini menyajikan sebuah framework dimana manusia dan IA dapat berinteraksi untuk memfasilitasi aliran informasi dan pembuatan keputusan dalam reservasi hotel di dunia nyata. IA berperan pada mekanisme penempatan tamu hotel yang dikerjakan dengan membagi aktivitas komplek reservasi kedalam kelompok-kelompok tugas atau aktivitas elementer. Integrasi reservasi menuntut sebuah solusi tambahan berupa otomasi. Pada pendekatan ini IA menanganinya dengan cara fundamental yang mana memungkinkan beberapa sistem reservasi bekerjasama secara efektif. Dipandang sebagai sebuah teknologi integrasi, pendekatan yang didasarkan pada model berbasis IA menawarkan lebih banyak keuntungan dibandingkan dengan tradisional. Ukuran performa framework IRA ini meliputi: 1) fleksibilitas, yaitu framework berupaya menyediakan layanan yang fleksibel dengan mengijinka calon tamu untuk melakukan penjadwalan ulang (rescheduling) reservasi kamar dan membuat perubahan pada slot waktu booking yang telah ada yang mana akan diidentifikasi sebagai sebuah tugas baru.; 2) kemudahan penggunaan, yaitu pengalokasian kamar dalam slot waktu tertentu dikerjakan oleh IA sehingga menyediakan kenyamanan bagi calon tamu dan pihak operator hotel; 3) kehandalan, yaitu rekomendasi dari slot yang tersedia berdasarkan pada pengumpulan informasi dari basis data yang ada sehingga menyediakan hasil yang akurat.; 4) efektifitas harga, yaitu dengan pengidentifikasian secara akurat dari slot kamar yang tersedia akan menghemat biaya (cost) dalam penjadwalan reservasi. A-311


ISSN: 1979-911X

KESIMPULAN Metode implementasi integrasi sistem reservasi hakikatnya adalah multi-bagian yang mana secara normal menggabungkan multi-faktor baik teknis maupun non-teknis. Pada paper telah dipaparkan bahwa framework yang didesain memungkinkan adanya peningkatan pada unjuk kerja proses bisnis reservasi. Framework pengalokasian kamar bagi calon tamu hotel ini terdiri atas dua komponen utama, yaitu IA dan sistem reservasi yang terintegrasi. IA bertindak sebagai pembuat keputusan didasarkan pada informasi yang diperoleh dari sistem reservasi terintegrasi. Metode pembuatan keputusan untuk menempatkan calon tamu adalah sebuah proses kritis dan dengan penggunaan IA dapat meningkatkan kehandalan dari framework yang didesain. Sebagai sebuah framework teoritis, beberapa keterbatasan nampak terlihat dari arsitektur yang dibangun. Oleh karenanya bagi penelitian mendatang perlu kiranya dilakukan pengembangan yang lebih maju lagi dari framework usulan dan dalam penentuan kegunaan serta efisiensinya seyogyanya melalui beragam metode pengujian yang melibatkan pula umpan balik dari pengguma. UCAPAN TERIMA KASIH Ucapan terimakasih disampaikan kepada Program Studi Informatika Universitas Muhammadiyah Surakarta dan Program Pasca Sarjana Ilmu Kompuuter Universitas Gadjah Mada atas dukungan dalam pelaksanaan penelitian serta penulisan paper ini. DAFTAR PUSTAKA Asadi, R, N. Mustapha, and N. Sulaiman, 2009. A Framework for Intelligent Multi Agent System Based Neural Network Classification Model. In International Journal of Computer Science and Information Security (IJCSIS), Vol. 5, No. 1, pp. 168-174. http//sites.google.com/ISSN 1947-5500. Feldman, J,. 2010. Optimizing Restaurant Reservation Scheduling, Dept. Of Mathematics, Harvey Mudd College, May. Koulayev, S., 2009. Estimating Demand in Search Markets: The Case of Online Hotel Bookings, Working Report of Federal Reserve , Bank of Boston, No. 09-16, 14th December. Pp. 1-44 Li, J and F. Liu, 2011. A Proposed Framework of eWOM and eTrust in Online Hotel Booking: The Influence of An e-Intermediary. IEEE Transaction. McTavis, C. And S. Sankaranarayanan, 2010. Intelligent agent based hotel serach & booking system, IEEE Transaction. Vasudavan, H and J.S. Fernadez, 2012. Intelligent Agent based Consultation Scheduling framework for Institutions of Higher Learning. In International Journal of Innovation, Management and Technology, Vol. 3, No. 4, August, pp. 363-367. Zakhary, A., A.F. Atiya, H. El-Shishiny, N.E. Gayar, 2009. Forecasting Hotel Arrivals and Occupancy Using Monte Carlo Simulation, IEEE Report, April.

A-312

PENGINTEGRASIAN SISTEM RESERVASI BERBASIS KECERDASAN AGENT UNTUK OPTIMASI OCCUPANCY HOTEL

Recommend Documents