<![CDATA[Kunjungan wisatawan mancanegara ke Indonesia memiliki peran penting bagi pertumbuhan ekonomi dari segi sektor pariwisata. Data kunjungan wisatawan merupakan data runtun waktu yang dapat digunakan untuk meprediksi dimasa mendatang. Jaringan syaraf tiruan merupakan salah satu metode yang dapat digunakan untuk memprediksi data nonlinier. Radial Basis Function Neural Network (RBF) adalah model jaringan syaraf yang mentransformasikan input secara nonlinier dengan menggunakan fungsi aktivasi Gaussian pada lapisan tersembunyi sebelum diproses secara linier di lapisan output. RBFNN merupakan salah satu metode yang baik digunakan pada peramalan kunjungan wisatawan karena dapat memberikan nilai akurasi yang tinggi. Kecepatan proses pelatihan jaringan sangat diperlukan, oleh karena itu perlu dilakukan berbagai kombinasi fungsi pelatihan untuk mempercepat konvergensi pelatihan jaringan. Pada penelitian ini model RBFNN dikembangkan dengan kombinasi fungsi pelatihan levenberg-marquadrt (trainlm), gradient descent with momentum and adaptive learning rate (traingdx) dan regulasi bayesian (trainbr). Penelitian ini menggunakan data kunjungan wisatawan mancanegara di Indonesia dari bulan Januari 2008 hingga Januari 2020 dan jumlah kunjungan wisatawan sebagai variabel input Arsitektur jaringan metode RBFNN menggunakan 2 neuron pada input layer, 8 neuron pada hidden layer, dan 1 neuron pada output layer dengan nilai spread 1, Hasil menunjukan bahwa model terbaik untuk peramalan kunjungan wisatawan menggunakan fungsi pelatihan levenberg-marquadrt (trainlm). Nilai MSE pelatihan diperoleh sebesar 0,0088 dengan kecepatan konvergesi pelatihan selama 1 menit 16 detik dan nilai MAPE pengujian sebesar 5,2559% dengan akurasi jaringan sebesar 94,7441%.]]>
Copyrights © 2023
