Prediksi Kunjungan Wisatawan dengan Random Forest Berbasis Data Historis dan Eksternal
DOI:
https://doi.org/10.47701/kd7t9e88Keywords:
Prediksi Kunjungan Wisatawan, Random Forest, CRISP-DM, Data Historis, Variabel EksternalAbstract
Prediksi jumlah kunjungan wisatawan menjadi elemen penting dalam perencanaan dan pengelolaan destinasi wisata secara efektif dan efisien. Penelitian ini bertujuan untuk membangun model prediksi jumlah kunjungan wisatawan harian menggunakan algoritma Random Forest dengan memanfaatkan data historis serta variabel eksternal seperti cuaca, hari libur, promosi online, dan event khusus. Dataset yang digunakan diperoleh dari sumber terpercaya, kemudian melalui proses pra-pemrosesan yang mencakup pembersihan data, penanganan data kosong, dan normalisasi. Model dilatih menggunakan pendekatan Cross Industry Standard Process for Data Mining (CRISP-DM), dan dievaluasi menggunakan metrik Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R²). Hasil evaluasi menunjukkan bahwa model memiliki MAE sebesar 103,66, RMSE sebesar 121,09, dan nilai R² sebesar 0,595, yang menunjukkan kinerja prediksi yang cukup baik dan dapat diandalkan. Implementasi model menunjukkan bahwa Random Forest mampu menangkap pola data yang kompleks dan menghasilkan prediksi yang mendekati nilai aktual. Dengan demikian, model ini dapat dimanfaatkan sebagai alat bantu dalam pengambilan keputusan strategis di sektor pariwisata, khususnya dalam perencanaan operasional dan promosi berbasis data.
References
[1] H. Aliansyah And W. Hermawan, “Peran Sektor Pariwisata Pada Pertumbuhan Ekonomi Kabupaten/Kota Di Jawa Barat,” Bina Ekon., Vol. 23, No. 1, 2021, Doi: 10.26593/Be.V23i1.4654.39-55.
[2] Badan Pusat Statistik, “Statistik Pendidikan 2023,” Badan Pus. Stat., Vol. 12, 2023.
[3] Egsaugm, “Pariwisata Indonesia Di Tengah Pandemi,” Egsa.Geo.Ugm.Ac.Id, 2021.
[4] B. Johan, “Analisis Peran Ekonomi Kreatif: Subsektor Kriya, Kuliner, Fesyen, Penerbitan, Dan Seni Rupa Terhadap Ekspor Di Indonesia Tahun 2011-2021,” Parahyangan Econ. Dev. Rev., Vol. 2, No. 1, 2024, Doi: 10.26593/Pedr.V2i1.6996.
[5] S. Atiningsih, Y. Rachmansyah, Y. K. Suparwati, And R. S. Kristanto, “Pemberdayaan Ekonomi Masyarakat Melalui Ekspor Produk Umkm Di Kelurahan Bendan, Kecamatan Banyudono, Kabupaten Boyolali,” J. Kreat. Pengabdi. Kpd. Masy., Vol. 7, No. 1, 2024, Doi: 10.33024/Jkpm.V7i1.12753.
[6] E. Febrianti, “Penerapan Pendidikan Kewirausahaan Konsep Digital Marketing Dalam Strategi Pemasaran Produk Umkm Kurmo Salak Di Kapas Bojonegoro,” Dharmas Educ. J., Vol. 4, No. 1, Pp. 402– 412, 2024, Doi: 10.56667/Dejournal.V4i1.1132.
[7] A. A. Sari, I. T. Saputra, And A. D. Prakoso, “Optimalisasi Proses Digitalisasi Umkm Melalui Aplikasi Marketplace Berbasis Design Thinking,” Vol. 8, No. 2, Pp. 535–544, 2024, Doi: 10.29408/Edumatic.V8i2.27702.
[8] S. Rachmawati And A. Hariyanto, “Faktor-Faktor Yang Mempengaruhi Tingkat Kunjungan Wisata Hutan Pinus Pal 16 Di Desa Cikole, Kabupaten Bandung Barat,” Bandung Conf. Ser. Urban Reg. Plan., Vol. 2, No. 2, 2022, Doi: 10.29313/Bcsurp.V2i2.3257.
[9] M. Sidiq And T. Rohayati, “Perancangan Aplikasi Penjualan Berbasis Web Dengan Metode Prototyping Pada Umkm Sinar Terang Desa Pusakasari Kecamatan Cipaku,” Infotech J., Vol. 9, No. 1, 2023, Doi: 10.31949/Infotech.V9i1.4863.
[10] P. Lou, D. Yu, X. Jiang, J. Hu, Y. Zeng, And C. Fan, “Knowledge Graph Construction Based On A Joint Model For Equipment Maintenance,” Mathematics, Vol. 11, No. 17, 2023, Doi: 10.3390/Math11173748.
[11] R. H. Hirzi, U. Hidayaturrohman, K. Kertanah, M. H. Amaly, And R. Satriawan, “Prediksi Jumlah Wisatawan Menggunakan Metode Random Forest, Single Exponential Smoothing Dan Double Exponential Smoothing Di Provinsi Ntb,” Jambura J. Probab. Stat., Vol. 4, No. 1, 2023, Doi: 10.34312/Jjps.V4i1.17088.
[12] Mawardi, Akhyar, And D. Sufriadi, “Faktor-Faktor Yang Mempengaruhi Kunjungan Wisatawan Ke Kota Sabang,” J. Emt Kita, Vol. 7, No. 2, 2023, Doi: 10.35870/Emt.V7i2.1234.
[13] M. M. Mafa’atiih, “Mplementasi Artificial Intelligence Untuk Memprediksi Harga Sewa Airbnb Menggunakan Metode Random Forest Dan Penerapan Web Application Menggunakan Flask,” 2020.
[14] S. A. El_Rahman, R. A. Alrashed, D. N. Alzunaytan, N. J. Alharbi, S. A. Althubaiti, And M. K. Alhejeelan, “Chronic Diseases System Based On Machine Learning Techniques,” Int. J. Data Sci., Vol. 1, No. 1, 2020, Doi: 10.18517/Ijods.1.1.18-36.2020.
[15] S. Wijayanto, D. A. Prabowo, D. Y. Kristiyanto, And M. Y. Fathoni, “Analisis Sentimen Berbasis Aspek Pada Layanan Hotel Di Wilayah Kabupaten Banyumas Dengan Word2vec Dan Random Forest,” J. Inform. J. Pengemb. It, Vol. 8, No. 1, 2022, Doi: 10.30591/Jpit.V8i1.4186.
