🏨 FINAL PROJECT TSDW: Analisis Permintaan Pemesanan Hotel

Kelompok 8

5052241009 Violita Karina Putri

5052241027 Azizah Adilah

5052241032 Aqila Ikhza Kusumawardani

5052241035 Najwa Aulia

Proyek ini bertujuan untuk mendemonstrasikan proses Data Wrangling (pembersihan, transformasi, dan rekayasa fitur) pada dataset permintaan pemesanan hotel. Dilanjutkan dengan analisis eksploratif (EDA) untuk mendapatkan insight mengenai tingkat pembatalan dan perbedaan profil pemesanan antara dua tipe hotel: Resort Hotel dan City Hotel.

Dataset: Hotel Booking Demand Dataset (hotels.csv)

📌 Tujuan Utama Analisis

1. Mengatasi Kualitas Data: Mengidentifikasi dan mengatasi masalah kualitas data (nilai hilang, duplikasi, format yang tidak sesuai).
2. Menganalisis Pembatalan: Variabel manakah (misalnya lead_time, deposit_type, atau booking_changes) yang paling berkorelasi dengan status pembatalan (is_canceled)?
3. Membandingkan Hotel: Bagaimana rata-rata Harga Harian (adr) bervariasi antara City Hotel dan Resort Hotel berdasarkan musim kedatangan?
4. Menangani Missing Values: Bagaimana missing values di kolom company dan agent dapat diolah sedemikian rupa sehingga tetap memberikan insight dalam analisis akhir?

Tujuan Exploratory Data Analysis (EDA)

• Mengukur Proporsi Pembatalan: Melihat distribusi status pemesanan (is_canceled).
• Menganalisis Tren Musiman: Memvisualisasikan total pemesanan berdasarkan bulan kedatangan (arrival_date_month).
• Membandingkan Harga: Melihat distribusi harga harian rata-rata (adr) antara City Hotel dan Resort Hotel.
• Korelasi Lead Time: Membandingkan durasi waktu tunggu (lead_time) antara pemesanan yang dibatalkan dan yang tidak dibatalkan.

📁 Struktur Repositori

Repositori ini mengikuti struktur standar proyek Data Science, memastikan pemisahan data mentah, data bersih, dan notebook analisis:

🛠️ Cara Menjalankan Proyek

1. Clone Repositori:

   git clone [https://github.com/azizahadilaa/final-project.git](https://github.com/azizahadilaa/final-project.git)
   cd final-project-tsdw

2. Instal Dependencies: Instal semua package Python yang diperlukan agar notebook dapat berjalan dengan lingkungan yang sama:

   pip install -r requirements.txt

3. Jalankan Notebook: Buka notebooks/final_project.ipynb di Google Colab atau Jupyter Notebook dan eksekusi setiap cell secara berurutan.