<![CDATA[Penelitian ini bertujuan untuk memperoleh model terbaik dari Elman Recurrent Neural Network dalam memprediksi kunjungan wisatawan mancanegara di Provinsi Bali. ERNN merupakan salah satu jenis jaringan recurrent yang terdiri dari lapisan tambahan yang kemudian masuk lagi sebagai input. Variabel input yang digunakan yaitu lag-lag dari variabel jumlah kunjungan wisatawan berdasarkan ACF atau PACF yang signifikan, data dipartisi menjadi 60% data training dan 40% data testing. Penentuan model terbaik dilakukan dengan menentukan banyak neuron tersembunyi yang menghasilkan model ERNN dengan nilai MAPE terkecil. Estimasi bobot model dilakukan dengan algoritma backprobagation. Fungsi pembelajaran untuk menentukan bobot-bobot menggunakan adaptive learning rate (traingdx). Evaluasi model dilakukan dengan menguji error data training hasil pemodelan, model dianggap sudah baik jika bersifat white noise dengan melihat plot ACF dan PACF. Hasil penelitian menunjukkan bahwa model terbaik dari Elman RNN adalah dengan 12 variabel input, 1 neuron tersembunyi, dan 1 variabel output dengan nilai MAPE pada data training adalah 5,6216% dan untuk data testing adalah 8,4568%, yang artinya model ini baik digunakan untuk proses prediksi. Hasil prediksi menunjukkan penurunan jumlah kunjungan wisatawan pada pertengahan tahun 2020 dan cenderung meningkat mulai dari pertengahan 2021 hingga akhir 2024.Kata kunci : Elman Recurrent Neural Network; prediksi; wisatawan]]>
Copyrights © 2025
