Naufal, Muhammad Farhan (2017) Peramalan Jumlah Wisatawan Mancanegara Yang Datang Ke Indonesia Berdasarkan Pintu Masuk Menggunakan Metode Support Vector Machine (SVM). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5213100045-Undergraduate_Theses.pdf - Published Version Download (3MB) | Preview |
Abstract
Pariwisata merupakan salah satu dari beberapa industri besar di dunia dan merupakan faktor penting dalam perkembangan ekonomi global . Perkembangan pariwisata semakin pesat dengan disertai kebutuhan manusia untuk berekreasi yang semakin meningkat. Berbagai sarana dan prasarana penunjang kegiatan pariwisata bermunculan, tumbuh dan berkembang dengan pesat. Pariwisata di Indonesia sendiri merupakan sektor ekonomi yang cukup penting dan menempati urutan ketiga dalam hal penerimaan devisa. Banyaknya potensi kekayaan alam dan budaya yang tersebar secara berlimpah menjadikan setiap daerah Indonesia memiliki objek wisata yang dapat menarik para wisatawan baik lokal maupun mancanegara.
Indonesia dikenal sebagai Negara yang memiliki kepulauan terbesar di dunia dengan beragam keindahan alam. Dengan begitu, Indonesia dapat dengan mudah menarik para wisatawan terutama bagi para wisatawan mancanegara yang ingin lebih mengenal Indonesia. Tetapi jumlah wisatawan dapat berubah sewaktu-waktu pada dampak yang dapat diakibatkan oleh suatu kondisi tertentu. Dan dalam upaya untuk meminimalisir jumlah wisatawan yang tidak tentu tersebut, maka dalam penelitian ini akan diramalkan jumlah wisatawan mancanegara yang datang ke Indonesia berdasarkan 6 pintu masuk dari 19 pintu masuk utama. Pada 19 pintu masuk hanya dipilih 6 dikarenakan untuk membatasi penelitian. Dimana hasil peramalan dan prediksi yang akurat dari perkiraan jumlah wisatawan mancanegara di masa depan dapat memberikan strategi yang tepat bagi industri pariwisata.
Pada penelitian ini, digunakan metode SVM untuk meramalkan jumlah wisatawan mancanegara yang datang ke Indonesia dari 6 pintu masuk. Pintu masuk dipilih berdasarkan hasil klasterisasi K-means yang dibagi menjadi 3 klaster yakni tinggi, sedang dan rendah. Masing-masing klaster kemudian hanya dipilih dua sebagai contoh yang diambil dari nilai tertinggi dan terendah berdasarkan rata-rata jumlah wisman. Penggunaan SVM sendiri memiliki kelebihan yaitu dapat menangani permasalahan linier dan non-linier. Sehingga dapat dilakukan untuk melakukan peramalan data time series dengan berbagai macam pola yang ada. Selain itu, tidak hanya memprediksi permasalahan non-linier tetapi juga menawarkan akurasi yang cukup baik.
Hasil yang diperoleh dari uji coba penelitian ini menunjukkan bahwa model peramalan secara keseluruhan tergolong baik. Rata-rata akurasi dari 6 model memiliki MAPE sekitar 10% dengan nilai terkecil yakni 4.50% pada pintu masuk Ngurah Rai. Selain itu, hasil dari SVM juga memiliki akurasi perubahan arah data atau Directional Change Accuracy (DCA) yang cukup baik. Hal ini dibuktikan dengan hasil rata-rata DCA secara keseluruhan sebesar 62.64% dengan nilai tertinggi yakni 64.01% pada pintu masuk Husein Sastranegara. Dengan adanya informasi tersebut, diharapkan sektor industri pariwisata terkait dapat membentuk suatu kebijakan terhadap peningkatan pelayanan atau fasilitas yang dapat meminimalisir penurunan jumlah wisatawan.
======================================================================
Tourism is one of the few major industries in the world and is an important factor in the development of the global economy. The more rapid development of tourism with accompanying human needs for recreation increases. Various facilities and infrastructure supporting tourism activities emerge, grow and thrive. Tourism in Indonesia itself is a fairly important economic sector and ranks third in terms of foreign exchange earnings. The number of potential natural and cultural wealth are scattered abundantly made in every area of Indonesia has attractions that can attract both local and foreign travelers.
Indonesia is known as the country that has the largest archipelago in the world with a variety of natural beauty. That way, Indonesia can easily attract tourists, especially for foreign tourists who want to get to know Indonesia. But the number of tourists may change at any time on the impact that can be caused by a certain condition. And in an effort to minimize the number of tourists who are not necessarily, then in this study will be predicted the number of foreign tourists who come to Indonesia based on 6 entrances of the 19 main entrance. At 19 entrances only 6 were chosen due to restricting the research. Where forecasting results and accurate prediction of the estimated number of foreign tourists in the future can provide appropriate strategies for the tourism industry.
In this research, SVM method is used to predict the number of foreign tourists who come to Indonesia from 6 entrances. The entrance is selected based on the cluster of K-means cluster which is divided into 3 clusters ie high, medium and low. Each cluster is then selected only two as an example taken from the highest and lowest values based on the average number of foreign tourists. The use of SVM itself has the advantage of being able to handle linear and non-linear problems. So it can be done to forecast time series data with a variety of existing patterns. In addition, not only predict non-linear problems but also offer fairly good accuracy.
The results obtained from this research trial show that the overall forecasting model is good. The average accuracy of 6 models has a MAPE of about 10% with the smallest value of 4.50% at the entrance of Ngurah Rai. In addition, the results of SVM also have a pretty good accuracy of Directional Change Accuracy (DCA). This is evidenced by the overall average DCA result of 62.64% with the highest score of 64.01% at the entrance of Husein Sastranegara. Given this information, it is expected that the relevant tourism industry sector can form a policy towards the improvement of services or facilities that can minimize the decline in the number of tourists.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Peramalan, Wisatawan Mancanegara, SVM, MAPE, DCA, Forecasting, Foreign Tourists |
| Subjects: | Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics) T Technology > T Technology (General) |
| Divisions: | Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Muhammad Farhan Naufal |
| Date Deposited: | 15 Aug 2017 01:43 |
| Last Modified: | 15 Aug 2017 01:43 |
| URI: | http://repository.its.ac.id/id/eprint/42181 |
Actions (login required)
 |
View Item |