Peramalan Kedatangan Wisatawan ke Suatu Negara Menggunakan Metode Support Vector Machine (SVM)
DOI:
https://doi.org/10.37859/coscitech.v3i3.4211
Abstrak
Industri pariwisata adalah salah satu ekosistem yang paling menjanjikan untuk sektor ekonomi di seluruh dunia. Sektor pariwisata yang kuat secara langsung memberikan berkontribusi positif pada pendapatan nasional negara, memerangi pengangguran dan meningkatkan keseimbangan pembayaran. Perkembangan pariwisata dapat dilihat dari adanya peningkatan kedatangan ke suatu negara, berdasarkan data yang diperoleh dari UNWTO dari tahun 1995-2019 mengalami peningkatan dan penurunan. Peningkatan dan penurunan jumlah wisatawan secara tiba-tiba akan memberikan dampak positif dan negatif. Maka penelitian ini akan meramalkan kedatangan wisatawan ke suatu negara menggunakan metode Support Vector Machine (SVM). Berdasarkan penelitian ini didapatkan bahwa bahwa di dapat SVM Confidence sebesar 86,3%, memiliki nilai Mean Absolute Percentage Error (MAPE) sebesar 56.00% dan nilai Root Mean Square Error (RMSE) sebesar 11126.36 dari keseluruhan data yaitu 53 negara. Dan dilakukan forecasting terhadap 5 negara dengan kunjungan jumlah wisatawan terbanyak. Di dapatkan hasil yang sangat baik yaitu SVM Confidence sebesar 99,13%, memiliki nilai MAPE sebesar 2,78% dan nilai RMSE sebesar 2783,57.
Unduhan
Referensi
H. H. Liu, L. C. Chang, C. W. Li, and C. H. Yang, “Particle swarm optimization-based support vector regression for tourist arrivals forecasting,” Comput. Intell. Neurosci., vol. 2018, 2018, doi: 10.1155/2018/6076475.
A. Ete, M. Fitrianawati, and M. Arifin, “Forecasting the Number of Tourist Arrivals to Batam by applying the Singular Spectrum Analysis and the Arima Method,” Adv. Soc. Sci. Educ. Humanit. Res., vol. 317, pp. 119–126, 2019, doi: 10.2991/iconprocs-19.2019.24.
H. Setiawan, H. Mukhtar, and Soni, “Aplikasi Pengenalan Situs Bersejarah di Kota Pekanbaru dengan Augmented Reality Markerless Berbasis Android,” J. FASILKOM, vol. 9, no. 2, pp. 387–395, 2019.
T. O. Purba, H. Mukhtar, and Y. Fatma, “Pengenalan Monumen-Monumen Bersejarah Di Kota Pekanbaru Menggunakan Augmented Reality ( AR ) Berbasis Android,” Proseding SemNas CTiA, vol. 1, no. 1, pp. 1–4, 2019.
R. Putra, A. Hafid, E. Arribe, and H. Mukhtar, “Rancang bangun aplikasi rekomendasi akomodasi dan informasi pariwisata berbasis android di kota pekanbaru,” Fasilkom, vol. 9, no. 3, pp. 41–46, 2019.
H. F. Amran, H. Mukhtar, J. Al Amien, and M. I. Akbar, “Digitalisasi Cagar Budaya Kota Pekanbaru menggunakan web,” Fasilkom, vol. XII, no. II, pp. 75–79, 2022.
R. C. Yahya, H. Mukhtar, R. Hayami, and M. Unik, “Rancang Bangun Aplikasi Pemetaan Digital Pada Universitas Muhammadiyah Riau,” J. Comput. Sci. Inf. Technol., vol. 1, no. 1, pp. 28–35, 2020.
R. A. Pratama and A. Rosyidie, “Social Impacts of Tourism Industry Caused By Agricultural Land Use Change in Tourism Infrastructure Development in Ubud Region, Gianyar Regency, Province of Bali, Indonesia,” ASEAN J. Hosp. Tour., vol. 15, no. 1, p. 12, 2017, doi: 10.5614/ajht.2017.15.1.3.
S. Ibnou-Laaroussi, H. Rjoub, and W. K. Wong, “Sustainability of green tourism among international tourists and its influence on the achievement of green environment: Evidence from North Cyprus,” Sustain., vol. 12, no. 14, pp. 1–24, 2020, doi: 10.3390/su12145698.
R. K. Mishra, S. Urolagin, J. A. A. Jothi, N. Nawaz, and H. Ramkissoon, “Machine Learning based Forecasting Systems for Worldwide International Tourists Arrival,” Int. J. Adv. Comput. Sci. Appl., vol. 12, no. 11, pp. 55–64, 2021, doi: 10.14569/IJACSA.2021.0121107.
M. Yamin, A. Darmawan, and S. Rosyadi, “Analysis of Indonesian Tourism Potentials Through the Sustainable Tourism Perspective in the New Normal Era,” J. Hub. Int., vol. 10, no. 1, pp. 44–58, 2021, doi: 10.18196/jhi.v10i1.10500.
Z. Yamguchi and G. Quetelet, “A Comparative Study of Post-Marriage Nationality of Women in Legal Systems of Different Countries,” Int. J. Sos. Sci. Res. Rev., vol. 3, no. 3, pp. 1–8, 2020, [Online]. Available: http://ijmmu.com
M. Rifaldo, H. Mukhtar, R. M. Taufiq, and Y. Rizki, “Peramalan kedatangan wisatawan mancanegara ke indonesia menurut kebangsaan perbulannya menggunakan metode multilayer perceptron,” J. Comput. Sci. Inf. Technol., vol. 2, no. 1, pp. 113–119, 2021.
F. Petropoulos et al., “Forecasting: theory and practice,” Int. J. Forecast., vol. 38, no. 3, pp. 705–871, 2022, doi: 10.1016/j.ijforecast.2021.11.001.
D. C. W. Wu, L. Ji, K. He, and K. F. G. Tso, “Forecasting Tourist Daily Arrivals With A Hybrid Sarima–Lstm Approach,” J. Hosp. Tour. Res., vol. 45, no. 1, pp. 52–67, 2021, doi: 10.1177/1096348020934046.
A. S. Abdullah, B. N. Ruchjana, I. G. N. M. Jaya, and Soemartini, “Comparison of SARIMA and SVM model for rainfall forecasting in Bogor city, Indonesia,” J. Phys. Conf. Ser., vol. 1722, no. 1, 2021, doi: 10.1088/1742-6596/1722/1/012061.
M. Santoso, R. Sutjiadi, and R. Lim, “Indonesian Stock Prediction using Support Vector Machine (SVM),” MATEC Web Conf., vol. 164, pp. 5–9, 2018, doi: 10.1051/matecconf/201816401031.
R. E. Caraka, H. Yasin, and A. W. Basyiruddin, “Peramalan Crude Palm Oil (CPO) Menggunakan Support Vector Regression Kernel Radial Basis,” J. Mat., vol. 7, no. 1, p. 43, 2017, doi: 10.24843/jmat.2017.v07.i01.p81.
F. Fatkhuroji, S. Santosa, and R. A. Pramunendar, “Prediksi Harga Kedelai Lokal Dan Kedelai Impor Dengan Metode Support Vector Machine Berbasis Forward Selection,” J. Teknol. Inf., vol. 15, no. 1, pp. 61–76, 2019, [Online]. Available: http://research.
L. Assaffat, “Peramalan Beban Listrik Bulanan Sektor Industri Menggunakan Support Vector Machine dengan Variasi Fungsi Kernel,” Pros. Semin. Nas. Int. LPPM Unimus, no. July, pp. 1–7, 2011.
T. Kincowati, M. T. Furqon, and B. Rahayudi, “Prediksi Jumlah Kunjungan Wisatawan Mancanegara Ke Indonesia Menggunakan Metode Average-Based Fuzzy Time Series Models,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 6, pp. 5250–5256, 2019.
K. Dewi, P. P. Adikara, and S. Adinugroho, “Prediksi Indeks Harga Konsumen ( IHK ) Kelompok Perumahan , Air , Listrik , Gas Dan Bahan Bakar Menggunakan Metode Support Vector Regression,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 10, pp. 3856–3862, 2018.
F. I. Sanjaya and D. Heksaputra, “Prediksi Rerata Harga Beras Tingkat Grosir Indonesia dengan Long Short Term Memory,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 7, no. 2, pp. 163–174, 2020, doi: 10.35957/jatisi.v7i2.388.
A. S. Chan, “Prediksi Kedatangan Wisatawan Pada Pariwisata Kota Batam Dengan Menggunakan Teknik Knowledge Data Discovery,” J. Ilm. Inform., vol. 6, no. 01, p. 11, 2018, doi: 10.33884/jif.v6i01.432.
R. E. Cahyono, J. P. Sugiono, and S. Tjandra, “Analisis Kinerja Metode Support Vector Regression (SVR) dalam Memprediksi Indeks Harga Konsumen,” JTIM J. Teknol. Inf. dan Multimed., vol. 1, no. 2, pp. 106–116, 2019, doi: 10.35746/jtim.v1i2.22.
