Claim Missing Document
Check
Articles

Found 1 Documents
Search

Penerapan Algoritma Apriori Dalam Data Mining Untuk Memprediksi Pola Pengunjung Pada Objek Wisata Taman Pelangi Rumpin Bogor Muhamad Panji Riyansyah
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.12893

Abstract

Sektor pariwisata Indonesia yang semakin kompetitif menuntut pengelola destinasi memahami perilaku pengunjung untuk meningkatkan pengelolaan operasional, pemanfaatan fasilitas, dan strategi pemasaran. Taman Pelangi atau Telaga Pelangi Payang di Rumpin, Bogor, menyediakan berbagai wahana rekreasi keluarga, meliputi kolam pemancingan, ATV, kereta mini, outbound, arena bermain anak, flying fox, kolam renang, dan spot foto. Namun, data transaksi kunjungan belum dimanfaatkan secara optimal sehingga masih terjadi antrean pada wahana populer dan rendahnya pemanfaatan fasilitas lain. Penelitian ini menerapkan algoritma Apriori dalam kerangka Cross-Industry Standard Process for Data Mining untuk mengidentifikasi pola pengunjung melalui association rule mining. Data diperoleh dari kuesioner terhadap 75 pengunjung dan catatan transaksi pengelola. Dataset dibersihkan, ditransformasikan menggunakan one-hot encoding, kemudian diolah dengan Python menggunakan minimum support 10% dan minimum confidence 60%. Analisis menghasilkan 19 aturan asosiasi. Hubungan kuat ditemukan pada Outbound menuju Spot Foto dengan confidence 86,67% dan lift 1,85; Outbound menuju Kolam Pemancingan dengan confidence 80% dan lift 2,14; Kereta Mini menuju Arena Bermain Anak dengan confidence 77,27% dan lift 2,51; serta Outbound menuju ATV dengan confidence 66,67% dan lift 2,94. Tiga pola pengunjung teridentifikasi, yaitu aktivitas berurutan fisik-santai-dokumentasi, kunjungan keluarga, dan kombinasi wahana favorit. Pengujian black box, white box, dan user response menunjukkan sistem berbasis Python dan Streamlit berjalan baik. Temuan ini mendukung penyusunan paket bundling, optimalisasi tata letak dan kapasitas fasilitas, serta promosi wisata yang lebih tepat sasaran.