M. Imam Budi Laksamana
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Prediksi Jumlah Kunjungan Wisatawan Kabupaten Lombok Barat Menggunakan Algoritma Long Short Term Memory M. Imam Budi Laksamana; Ema Utami; Hanif Al Fatta
TAFAQQUH Vol. 6 No. 2 (2021): Tafaqquh : Jurnal Hukum Ekonomi Syariah dan Ahwal Syahsiyah
Publisher : STIS DAFA MATARAM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70032/4k3jrv73

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.