Prediksi Jumlah Kunjungan Wisatawan Kabupaten Lombok Barat Menggunakan Algoritma Long Short Term Memory (LSTM)
Abstract
Kabupaten Lombok Barat merupakan salah satu wilayah di Indonesia yang memiliki daya tarik tersendiri bagi wisatawan lokal maupun internasional. Salah satu sektor yang paling terdampak besar terhadap intensitas kunjungan wisata adalah hotel. Untuk meningkatkan diperlukan upaya yang tepat untuk memelihara objek wisata sehingga dapat menjadi daya tarik bagi wisatawan. Dalam upaya pemeliharaan objek wisata, Dinas Pariwisata Lombok Barat perlu melakuakan analisa dan prediksi kedatangan wisatawan lokal maupun internasional, dalam prosesnya analisa dan prediksi, pemerintah kabupaten Lombok Barat melakukan pengumpulan data kunjungan wisatawan dari setiap pintu masuk objek wisata yang dimana pada prosesnya memerlukan waktu yang cukup lama dan membutuhkan sumber daya manusia yang cukup tinggi. Untuk mengatasi permasalahan tersebut dilakukan proses prediksi menggunakan sistem komputasi dengan machine learning agar nantinya waktu yang dibutuhkan dalam analisa dan prediksi menjadi lebih singkat dan kebutuhan akan sumber daya manusia yang tinggi bisa teratasi. Metode yang akan diterapkan dalam prediksi adalah Long Short Term Memory (LSTM), atribut dan nilai yang digunkan dalam model LSTM adalah nilai input layer 1, lalu nilai epochs 100 dan batch size 1, berdasarkan hasil pengujian yang dilakukan pada penelitian ini, Long Short Term Memory (LSTM) memiliki performa yang kurang baik dalam memprediksi jumlah kunjungan wisata kabupaten Lombok Barat menggunakan data rentang waktu bulanan dari tahun 2017-2021, hal ini dibuktikan dengan hasil uji evaluasi yang dilakukan dengan mencari nilai Root Mean Square Error (RMSE), dimana hasil model prediksi akan dikatakan baik jika memiliki nilai error yang lebih kecil. dimana nilai Root Mean Square Error (RMSE) yang dihasil dalam penelitian ini cukup tinggi yaitu 10479,30.References
R. Hammad, A. Zuli Amrullah, dan P. Irfan, “Optimasi Neural Network Dengan Menggunakan Algoritma Genetika Untuk Prediksi Jumlah Kunjungan Wisatawan (Neural Network Optimization Using Genetic Algorithm For Prediction Number of Tourist Visits),†vol. 3, no. 4, hal. 227–235, 2022.
[2] S. Hadi dan A. Eikman, “Kontribusi Pajak Hotel Dan Restoran Sebelum Dan Sesudah Pandemi Covid 19 Terhadap Pendapatan Asli Daerah (PAD) Kabupaten Lombok Barat,†J. Ilmu Sos. dan Pendidik., vol. 5, no. 4, hal. 2598–9944, 2021, doi: 10.36312/jisip.v5i4.2642/http.
[3] I. Budastra, “Dampak Sosial Ekonomi Covid-19 Dan Program Potensial Untuk Penanganannya: Studi Kasus Di Kabupaten Lombok Barat Socio-Economic Impacts Of Covid-19 And Potential Programs For Mitigation: A Case Study In Lombok Barat District Oleh,†2020.
[4] A. Arfan dan L. ETP, “Perbandingan Algoritma Long Short-Term Memory dengan SVR Pada Prediksi Harga Saham di Indonesia,†PETIR, vol. 13, no. 1, hal. 33–43, Mar 2020, doi: 10.33322/petir.v13i1.858.
[5] R. Wang dan Z. Zuo, “Stock Price Prediction with Long-short Term Memory Model,†in Proceedings - 2021 3rd International Conference on Machine Learning, Big Data and Business Intelligence, MLBDBI 2021, 2021, hal. 274–279, doi: 10.1109/MLBDBI54094.2021.00058.
[6] F. A. Najib dan N. Nafi’iyah, “Algoritma SVM untuk Memprediksi Pengunjung Wisata Musium di Jakarta Article History ABSTRAK,†2020.
[7] I. A. Tarigan, I. P. A. Bayupati, dan G. A. A. Putri, “Comparison of support vector machine and backpropagation models in forecasting the number of foreign tourists in Bali province,†J. Teknol. dan Sist. Komput., vol. 9, no. 2, hal. 90–95, Apr 2021, doi: 10.14710/jtsiskom.2021.13847.
[8] L. Wiranda dan M. Sadikin, “Penerapan Long Short Term Memory Pada Data Time Series Untuk Memprediksi Penjualan Produk Pt. Metiska Farma,†J. Nas. Pendidik. Tek. Inform., vol. 8, no. 3, hal. 184–196, 2019.
[2] S. Hadi dan A. Eikman, “Kontribusi Pajak Hotel Dan Restoran Sebelum Dan Sesudah Pandemi Covid 19 Terhadap Pendapatan Asli Daerah (PAD) Kabupaten Lombok Barat,†J. Ilmu Sos. dan Pendidik., vol. 5, no. 4, hal. 2598–9944, 2021, doi: 10.36312/jisip.v5i4.2642/http.
[3] I. Budastra, “Dampak Sosial Ekonomi Covid-19 Dan Program Potensial Untuk Penanganannya: Studi Kasus Di Kabupaten Lombok Barat Socio-Economic Impacts Of Covid-19 And Potential Programs For Mitigation: A Case Study In Lombok Barat District Oleh,†2020.
[4] A. Arfan dan L. ETP, “Perbandingan Algoritma Long Short-Term Memory dengan SVR Pada Prediksi Harga Saham di Indonesia,†PETIR, vol. 13, no. 1, hal. 33–43, Mar 2020, doi: 10.33322/petir.v13i1.858.
[5] R. Wang dan Z. Zuo, “Stock Price Prediction with Long-short Term Memory Model,†in Proceedings - 2021 3rd International Conference on Machine Learning, Big Data and Business Intelligence, MLBDBI 2021, 2021, hal. 274–279, doi: 10.1109/MLBDBI54094.2021.00058.
[6] F. A. Najib dan N. Nafi’iyah, “Algoritma SVM untuk Memprediksi Pengunjung Wisata Musium di Jakarta Article History ABSTRAK,†2020.
[7] I. A. Tarigan, I. P. A. Bayupati, dan G. A. A. Putri, “Comparison of support vector machine and backpropagation models in forecasting the number of foreign tourists in Bali province,†J. Teknol. dan Sist. Komput., vol. 9, no. 2, hal. 90–95, Apr 2021, doi: 10.14710/jtsiskom.2021.13847.
[8] L. Wiranda dan M. Sadikin, “Penerapan Long Short Term Memory Pada Data Time Series Untuk Memprediksi Penjualan Produk Pt. Metiska Farma,†J. Nas. Pendidik. Tek. Inform., vol. 8, no. 3, hal. 184–196, 2019.
Published
2021-12-15
How to Cite
Laksamana, M. I. B., Utami, E., & Al Fatta, H. (2021). Prediksi Jumlah Kunjungan Wisatawan Kabupaten Lombok Barat Menggunakan Algoritma Long Short Term Memory (LSTM). TAFAQQUH: Jurnal Hukum Ekonomi Syariah Dan Ahwal Syahsiyah, 6(2), 81-95. Retrieved from https://ejournal.kopertais4.or.id/sasambo/index.php/tafaqquh/article/view/5274
Section
Articles
Copyright (c) Volume 6 No.2 Desember 2021 TAFAQQUH: Jurnal Hukum Ekonomi Syariah Dan Ahwal Syahsiyah
This work is licensed under a Creative Commons Attribution 4.0 International License.
