STMIKBINSASTMIKBINSA

Jurnal Sistem Informasi dan Sistem KomputerJurnal Sistem Informasi dan Sistem Komputer

Kemajuan dunia pariwisata dalam kehidupan zaman sekarang sudah sangat lazim ditemui di setiap negara di dunia. Meningkatkan kualitas pariwisata merupakan hal yang sangat penting bagi setiap negara, mengingat pariwisata merupakan salah satu sumber pemasukan negara. Oleh karena itu, salah satu parameter yang sangat penting akan hal ini adalah mengetahui jumlah pengunjung atau wisatawan setiap waktu, serta dapat memanfaatkan data historis yang ada untuk memprediksi jumlah wisatawan di waktu yang akan datang. Pada penelitian ini akan dilakukan prediksi/forecasting jumlah wisatawan dan penumpang di airport menggunakan metode Seasonal Auto Regressive Integrated Moving Average (SARIMA), Long-short Term Memory (LSTM), dan Prophet pada dua dataset time series dengan frekuensi bulanan. Dari tiga model forecasting tersebut, diperoleh hasil masing-masing lalu dikomparasi, model SARIMA merupakan model yang paling baik performanya dengan nilai RMSE dan MSE yang paling kecil.

Prediksi atau forecasting pada kedua dataset time series.jumlah pengunjung Taiwan dari Indonesia, dan jumlah kedatangan penumpang di Changi Airport menggunakan tiga model forecasting yaitu SARIMA, LSTM, dan Prophet, dapat diketahui dari hasil komparasi nilai RMSE dan MSE yang diujikan pada data uji, model SARIMA memiliki performa yang paling baik di antara tiga model tersebut, dengan nilai RMSE dan MSE yang paling kecil.Hal ini menunjukkan bahwa SARIMA lebih efektif dalam menangani data time series dengan pola musiman dan fluktuasi yang kompleks.

Penelitian lanjutan dapat mengkaji penerapan model hybrid SARIMA-LSTM untuk meningkatkan akurasi prediksi, terutama dalam menangani data dengan variasi musim yang sangat dinamis. Selain itu, eksplorasi penggunaan data time series dengan frekuensi harian atau mingguan dapat memberikan insight lebih dalam tentang fluktuasi kecil yang tidak terdeteksi dalam analisis bulanan. Ide lainnya adalah memperluas studi ke sektor pariwisata di wilayah berbeda untuk menguji adaptabilitas model di berbagai konteks geografis dan budaya yang memiliki pola perilaku pengunjung berbeda.

  1. Predicting housing sales in Turkey using ARIMA, LSTM and hybrid models | Journal of Business Economics... doi.org/10.3846/jbem.2019.10190Predicting housing sales in Turkey using ARIMA LSTM and hybrid models Journal of Business Economics doi 10 3846 jbem 2019 10190
  2. Time Series Forecasting of Temperatures using SARIMA: An Example from Nanjing - IOPscience. time series... doi.org/10.1088/1757-899X/394/5/052024Time Series Forecasting of Temperatures using SARIMA An Example from Nanjing IOPscience time series doi 10 1088 1757 899X 394 5 052024
  1. #sektor pariwisata#sektor pariwisata
  2. #kontribusi sektor#kontribusi sektor
Read online
File size989.31 KB
Pages14
Short Linkhttps://juris.id/p-2Qv
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test