Claim Missing Document
Check
Articles

Found 3 Documents
Search

Rekomendasi Destinasi Wisata Kota Bandung Menggunakan Algoritma Collaborative Filtering : Rekomendasi Destinasi Wisata Kota Bandung Menggunakan Algoritma Collaborative Filtering Yesika Syalomi Pasaribu; Timotius Selar Sitompul
Mutiara : Jurnal Penelitian dan Karya Ilmiah Vol. 1 No. 6 (2023): Desember: Mutiara : Jurnal Penelitian dan Karya Ilmiah
Publisher : STAI YPIQ BAUBAU, SULAWESI TENGGARA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59059/mutiara.v1i6.736

Abstract

Penelitian ini bertujuan untuk mengembangkan rekomendasi destinasi wisata berbasis collaborative filtering untuk Kota Bandung. Kota Bandung adalah destinasi wisata populer di Indonesia yang menawarkan beragam pilihan wisata. Wisatawan sering menghadapi kesulitan dalam memilih destinasi yang sesuai dengan preferensi mereka. Dalam konteks ini, rekomendasi dapat memberikan bantuan berharga. Penelitian ini menggunakan data pengguna, peringkat yang diberikan oleh pengguna, dan informasi destinasi wisata untuk menghasilkan rekomendasi yang personal dan akurat. Tujuan penelitian adalah membuat rekomendasi destinasi wisata yang efektif menggunakan collaborative filtering, menganalisis dan mengintegrasikan data pengguna, data rating, dan informasi destinasi, serta membangun model rekomendasi yang memberikan rekomendasi yang sesuai dengan preferensi pengguna. Manfaat penelitian ini mencakup membantu wisatawan memilih destinasi wisata yang sesuai, meningkatkan visibilitas tempat wisata, memberikan kontribusi kepada pemilik tempat wisata, dan mendukung pengembangan sektor pariwisata Kota Bandung. Penelitian ini menggunakan algoritma collaborative filtering untuk merekomendasikan destinasi wisata berdasarkan preferensi dan riwayat kunjungan pengguna. Hasil penelitian ini diharapkan dapat memberikan rekomendasi destinasi wisata yang lebih personal dan sesuai dengan preferensi pengguna, meningkatkan pengalaman wisatawan, dan mendukung pengembangan industri pariwisata di Kota Bandung.
Penggunaan Algoritma CNN untuk Mengidentifikasi Jenis Anjing Menggunakan Metode Supervised Learning: Penggunaan Algoritma CNN untuk Mengidentifikasi Jenis Anjing Menggunakan Metode Supervised Learning Rini Andriani; Rizki Risdah Sitorus; Samuel Anaya Putra Zai; Yesika Syalomi Pasaribu
Mutiara : Jurnal Penelitian dan Karya Ilmiah Vol. 1 No. 6 (2023): Desember: Mutiara : Jurnal Penelitian dan Karya Ilmiah
Publisher : STAI YPIQ BAUBAU, SULAWESI TENGGARA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59059/mutiara.v1i6.741

Abstract

Penelitian ini bertujuan membangun model Convolutional Neural Network (CNN) untuk mengklasifikasi 5 jenis anjing populer yaitu Siberian Husky, Samoyed, Dalmatians, Schnauzer dan Bull Terrier berdasarkan citra digital. Metode supervised learning digunakan dengan dataset 250 gambar yang terdiri dari 50 gambar tiap kelas. Data latih sebanyak 90% dan data uji 10%. Model CNN terbaik menghasilkan akurasi 72% dalam mengklasifikasi kelima jenis anjing. Hasil ini menunjukkan CNN cukup handal mengenali perbedaan visual masing-masing ras anjing meski masih perlu peningkatan kualitas data latih.
Prediksi Jumlah Tamu Hotel di Provinsi NTB dengan Metode Monte Carlo Yesika Syalomi Pasaribu
Mutiara : Jurnal Penelitian dan Karya Ilmiah Vol. 2 No. 3 (2024): Juni : Mutiara : Jurnal Penelitian dan Karya Ilmiah
Publisher : STAI YPIQ BAUBAU, SULAWESI TENGGARA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59059/mutiara.v2i3.1326

Abstract

West Nusa Tenggara (NTB) Province is a leading tourism destination in Indonesia, which requires predictions of the number of hotel guests for effective planning and resource management. This research aims to predict the number of hotel guests in NTB in 2025 using the Monte Carlo method, which is able to handle data variability and uncertainty. The data used is the number of guests from 1 to 5 star hotels during 2022. The simulation results show fluctuations in the number of guests throughout 2025 with the highest peak in December, especially in 3 star and 4 star hotels. The Monte Carlo method has proven to be effective in providing accurate predictions. accurate and reliable. The implication of this research is that stakeholders in the NTB hotel and tourism sector can use the results of these predictions for better strategic planning and decision making. This research is limited to data for 2022, so it is recommended that further research use data with a longer time span and consider external factors that influence the number of hotel guests. Combinations of other prediction methods can also be explored to improve the accuracy and reliability of predictions.