PREDIKSI JUMLAH KEDATANGAN WISATAWAN MANCANEGARA DI INDONESIA BERDASARKAN PINTU MASUK KEDATANGAN UDARA
PREDICTION OF THE NUMBER OF ARRIVALS OF FOREIGN TOURISTS IN INDONESIA BASED ON AIR ARRIVAL ENTRANCES
DOI:
https://doi.org/10.36341/rabit.v9i2.4787Kata Kunci:
Pariwisata, Prediksi, XGBoost, Random Forest, CatboostAbstrak
Indonesia memiliki keanekaragaman dan kekayaan alam yang menjadi daya tarik pariwisata di Indonesia. Pariwisata sebagai salah satu industri yang memberikan devisa tertinggi bagi negara karena memberikan dampak yang positif. Namun, adanya COVID-19 mengakibatkan penurunan jumlah kunjungan karena pembatasan wisatawan mancanegara. Pada Januari hingga November 2021, terjadi penurunan drastis sebesar 61,82% pada jumlah kunjungan wisatawan mancanegara dibanding periode yang sama di tahun 2020. Selain COVID-19, serta dukungan dalam membangun sarana yang menunjang peningkatan jumlah wisatawan mancanegara. Dari kondisi tersebut diperlukan prediksi yang digunakan sebagai dasar perencanaan dan membantu pengambilan keputusan. Tujuan dari penelitian ini adalah untuk mengembangkan model prediksi yang lebih akurat pada penelitian sejenis menggunakan data yang sama dalam memprediksi kunjungan wisatawan mancanegara di Indonesia melalui pintu masuk udara dengan menggunakan metode XGBoost, Random Forest, dan Catboost dengan berfokus pada metrik hasil evaluasi akurasi RMSE, MAE, dan MAPE serta melakukan prediksi pada periode 12 bulan kedepan. Dataset yang digunakan diambil dari Badan Pusat Statistik (BPS) yaitu data kunjungan wisatawan mancanegara berdasarkan pintu masuk kedatangan pada periode Januari 2017 sampai November 2021. Data yang digunakan berbentuk time series dan tidak stasioner. Dari hasil penelitian dapat dilihat berdasarkan hasil evaluasi akurasi bahwa model XGBoost penelitian ini mendapatkan hasil evaluasi akurasi lebih baik dibandingkan dua model lainnya dengan mendapatkan hasil nilai evaluasi akurasi RMSE sebesar 671935.2, MAE 648139.1, dan MAPE 20985.35. Model XGBoost lebih baik dengan nilai kesalahan akurasi yang lebih kecil dibandingkan model Random Forest, Catboost, dan penelitian sejenis yang menggunakan metode ARIMA dengan nilai RMSE 779670.7, MAE 749030.4, dan MAPE 23196.45.
Unduhan
Referensi
T. Kincowati, M. T. Furqon, Dan B. Rahayudi, “Prediksi Jumlah Kunjungan Wisatawan Mancanegara Ke Indonesia Menggunakan Metode Average-Based Fuzzy Time Series Models,†2019. [Daring]. Tersedia Pada: Http://J-Ptiik.Ub.Ac.Id
H. Mukhtar, R. Muhammad, T. Reny Medikawati, Dan Yoze Rizki, “Peramalan Kedatangan Wisatawan Mancanegara Ke Indonesia Menurut Kebangsaan Perbulannya Menggunakan Metode Multilayer Perceptron,†Jurnal Coscitech (Computer Science And Information Technology), Vol. 2, No. 2, Hlm. 113–119, Des 2021, Doi: 10.37859/Coscitech.V2i2.3324.
F. Mu Dan A. Gunaryati, “Prediksi Kunjungan Wisatawan Mancanegara Melalui Pintu Udara Menggunakan Arima, Glmnet, Dan Prophet Prediction Of Foreign Tourist Visits Via Airline Using Arima, Glmnet, And Prophet.â€
S. A. Salimu Dan Y. Yunus, “Prediksi Tingkat Kedatangan Wisatawan Asing Menggunakan Metode Backpropagation (Studi Kasus: Kepulauan Mentawai),†Jurnal Informatika Ekonomi Bisnis, Hlm. 98–103, Des 2020, Doi: 10.37034/Infeb.V2i4.50.
F. Islamiyah, R. Nurafni, E. Kartika, D. Sri, S. Politeknik, Dan N. Malang, “Peramalan Kedatangan Wisatawan Mancanegara Indonesia: Metode Holt’s Winter Exponential Smoothing.â€
A. Meimela, “Prediksi Jumlah Kunjungan Wisatawan Mancanegara Ke Indonesia,†Vol. 19, No. 1, 2021, Doi: 10.36275/Mws.
A. Ramadhani, S. Wahyuningsih, Dan M. Siringoringo, “Forecasting The Number Of Foreign Tourist Visits To Indonesia Used Intervention Analysis With Step Function,†Jurnal Matematika, Statistika Dan Komputasi, Vol. 19, No. 1, Hlm. 146–162, Sep 2022, Doi: 10.20956/J.V19i1.21607.
A. Fitrianida Lutfiajati Pradhyani, A. Maulana, Dan J. Haerul Jaman, “Prediksi Jumlah Kedatangan Wisatawan Mancanegara Se-Asia Ke Indonesia Berdasarkan Kewarganegaraan Menggunakan Fuzzy Time Series,†2023.
F. D. Pratama, I. Zufria, Dan T. Triase, “Implementasi Data Mining Menggunakan Algoritma Naïve Bayes Untuk Klasifikasi Penerima Program Indonesia Pintar,†Rabit : Jurnal Teknologi Dan Sistem Informasi Univrab, Vol. 7, No. 1, Hlm. 77–84, Jan 2022, Doi: 10.36341/Rabit.V7i1.2217.
Nofriansyah Dicky Dan Nurcahyo Gunadi Widi, Algoritma Data Mining Dan Pengujian. Deepublish, 2019.
D. Nababan, V. Fajar Alexandro Nipu, R. Rizald, B. Baso, Dan D. Arisandi, “Optimalisasi Kinerja Mikrokomputer Raspberry Pi Pada Smart Greenhouse Berbasis Internet Of Things (Iot) Dengan Algoritma Forecasting Moving Average,†Rabit : Jurnal Teknologi Dan Sistem Informasi Univrab, Vol. 8, No. 2, Hlm. 164–172, Jul 2023, Doi: 10.36341/Rabit.V8i2.3452.
“Peramalan Jumlah Kunjungan Wisatawan Mancanegara Ke Indonesia Menggunakan Autoregressive Integrated Moving Average (Arima)â€.
Firdaus M, Aplikasi Ekonometrika Untuk Data Panel Dan Time Series, Vol. Cetakan 7. Bogor: Ipb Press, 2018.
Diana Tri Susetianingtias, Eka Patriya, Dan Rodiah, “Model Random Forest Regression Untuk Peramalan Penyebaran Covid-19 Di Indonesia,†Decode: Jurnal Pendidikan Teknologi Informasi, Vol. 2, No. 2, Hlm. 84–95, Sep 2022, Doi: 10.51454/Decode.V2i2.48.
“Prediksi Curah Hujan Menggunakan Metode Categorical Boosting (Catboost).â€
J. Khatib Sulaiman, M. Dzul Asmi Alhamdi, Dan W. Astuti, “Peramalan Kebutuhan Obat Menggunakan Xgboost Studi Kasus Pada Rumah Sakit Xyz,†Indonesian Journal Of Computer Science Attribution, Vol. 12, No. 5, Hlm. 2023–2757.
M. R. Susila, “Pemodelan Multivariate Kunjungan Wisatawan Mancanegara Ke Indonesia Melalui Pintu Udara, Laut, Dan Darat Yang Melibatkan Dampak Wabah Covid-19,†Barekeng: Jurnal Ilmu Matematika Dan Terapan, Vol. 15, No. 3, Hlm. 467–478, Sep 2021, Doi: 10.30598/Barekengvol15iss3pp467-478.
F. Indra Sanjaya Dan D. Heksaputra, “Prediksi Rerata Harga Beras Tingkat Grosir Indonesia Dengan Long Short Term Memory,†Vol. 7, No. 2, Hlm. 163–174, 2020, [Daring]. Tersedia Pada: Http://Jurnal.Mdp.Ac.Id
A. A. Suryanto, A. Muqtadir, Dan S. Artikel, “Penerapan Metode Mean Absolute Error (Mea) Dalam Algoritma Regresi Linear Untuk Prediksi Produksi Padi Info Artikel: Abstrak,†No. 1, Hlm. 11, 2019.
I. Nabillah Dan I. Ranggadara, “Mean Absolute Percentage Error Untuk Evaluasi Hasil Prediksi Komoditas Laut,†Joins (Journal Of Information System), Vol. 5, No. 2, Hlm. 250–255, Nov 2020, Doi: 10.33633/Joins.V5i2.3900.
##submission.downloads##
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
1. Hak cipta dari semua manuskrip jurnal dipegang oleh RABIT: Jurnal Teknologi dan Sistem Informasi Univrab.
2. Ketentuan hukum formal untuk mengakses artikel digital jurnal elektronik tunduk pada ketentuan lisensi Creative Commons Attribution-ShareAlike (CC BY-NC-SA), yang berarti bahwa RABIT: Jurnal Teknologi dan Sistem Informasi Univrab berhak untuk menyimpan, mentransfer media / format, mengelola dalam bentuk basis data, memelihara, dan menerbitkan artikel.
3. Naskah yang diterbitkan baik cetak maupun elektronik adalah akses terbuka untuk tujuan pendidikan, penelitian, dan perpustakaan. Selain itu, dewan editorial tidak bertanggung jawab atas pelanggaran hukum hak cipta.
