Analisis Prediksi Jumlah Pengunjung Suncity Waterpark Sidoarjo Menggunakan Metode Regresi Linier Berganda

Ardiansyah, Mochammad Ilham (Universitas Nahdlatul Ulama Sidoarjo)
Kurniati, Neny (Universitas Nahdlatul Ulama Sidoarjo)
Editya, Arda Surya (Universitas Nahdlatul Ulama Sidoarjo)

Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi
Vol 14, No 2: Agustus 2025

Suncity Waterpark Sidoarjo is a leading destination in Sidoarjo that experiences visitor fluctuations due to seasonal and promotional factors. Accurate visitor prediction is essential for effective resource management, service quality, and planning. This study aims to analyze and predict daily visitor numbers using Multiple Linear Regression, and compares its performance with K-Nearest Neighbors (K-NN) and Decision Tree methods. The dataset consists of 212 daily records over a specific period, including key variables such as holidays, promotions, extracurricular events, and regular visitor numbers. The research process includes data collection, preprocessing, model development, and evaluation using Root Mean Square Error (RMSE). Results show that Multiple Linear Regression achieved the lowest RMSE value of 3.532, outperforming K-NN and Decision Tree. The findings conclude that Multiple Linear Regression is the most effective method for predicting visitor numbers.Keywords: Data Mining; Tourism; Visitor Prediction; Multiple linear regression; Root Mean Square Error AbstrakSuncity Waterpark Sidoarjo merupakan destinasi unggulan di Sidoarjo yang mengalami fluktuasi pengunjung akibat faktor musiman dan promosi. Prediksi pengunjung yang akurat sangat penting untuk manajemen sumber daya, kualitas layanan, dan perencanaan yang efektif. Penelitian ini bertujuan untuk menganalisis dan memprediksi jumlah pengunjung harian menggunakan Regresi Linier Berganda, dan membandingkan kinerjanya dengan metode           K-Nearest Neighbors (K-NN) dan Decision Tree. Dataset terdiri dari 212 catatan harian selama periode tertentu, termasuk variabel-variabel utama seperti hari libur, promosi, kegiatan ekstrakurikuler, dan jumlah pengunjung rutin. Proses penelitian meliputi pengumpulan data, praproses, pengembangan model, dan evaluasi menggunakan Root Mean Square Error (RMSE). Hasil penelitian menunjukkan bahwa Regresi Linier Berganda mencapai nilai RMSE terendah sebesar 3,532, mengungguli K-NN dan Decision Tree. Temuan tersebut menyimpulkan bahwa Regresi Linier Berganda merupakan metode yang paling efektif untuk memprediksi jumlah pengunjung.