Tel-UTel-U

International Journal on Information and Communication Technology (IJoICT)International Journal on Information and Communication Technology (IJoICT)

Pertumbuhan sektor pariwisata di Jawa Barat menuntut strategi pengembangan yang optimal. Penelitian ini bertujuan untuk mengelompokkan wilayah di Jawa Barat berdasarkan karakteristik destinasi wisatanya menggunakan algoritma K-Medoid. Algoritma ini dipilih karena keunggulannya dalam menghasilkan kluster yang optimal dan ketahanannya terhadap pencilan. Data mengenai karakteristik destinasi wisata di Jawa Barat dianalisis menggunakan algoritma K-Medoid dan metode Elbow untuk menentukan jumlah kluster yang optimal. Evaluasi dilakukan menggunakan Davies-Bouldin Index. Hasilnya, terbentuk tiga kluster dengan karakteristik yang berbeda. Kluster pertama, Potensi Menengah dan Pencapaian Menengah, terdiri dari 1 wilayah dengan potensi wisata perkemahan yang belum dioptimalkan. Kluster kedua, Potensi Tinggi dan Pencapaian Sedang, terdiri dari 25 wilayah dengan keragaman atraksi dan jumlah kunjungan yang tinggi. Terakhir, kluster ketiga, Potensi Menengah dan Pencapaian Tinggi, terdiri dari 1 wilayah dengan atraksi sejarah dan budaya yang populer serta tingkat kunjungan yang tinggi. Evaluasi model menunjukkan skor Davies Bouldin Index sebesar 0,08, yang mengindikasikan kualitas pengelompokan yang baik. Penelitian ini diharapkan memberikan wawasan bagi pemerintah dan pemangku kepentingan terkait dalam merumuskan kebijakan pengembangan pariwisata yang tepat sasaran di Jawa Barat. Algoritma K-Medoid membantu mengidentifikasi pola tertentu, memberikan pemahaman lebih dalam mengenai perbedaan wilayah dalam hal pariwisata.

Penelitian ini berhasil mengidentifikasi pola dalam data destinasi wisata di Jawa Barat dan mengelompokkannya menjadi tiga kluster menggunakan algoritma K-Medoid.Kabupaten Sukabumi termasuk dalam kluster 0, sedangkan 25 kabupaten/kota lainnya berada dalam kluster 1, dan Kota Bogor menjadi satu-satunya anggota kluster 2.Evaluasi model menggunakan Davies-Bouldin Index menghasilkan skor 0,087, yang menunjukkan kualitas pengelompokan yang baik.

Pertama, perlu dilakukan penelitian perbandingan akurasi antara algoritma K-Medoid dengan algoritma lain seperti K-Prototype, Agglomerative Clustering, atau DBSCAN dalam mengelompokkan destinasi wisata di Jawa Barat untuk mengetahui metode mana yang paling efektif dalam konteks data pariwisata. Kedua, diperlukan studi lanjutan yang menggali faktor-faktor yang memengaruhi pembentukan kluster, seperti aspek ekonomi, infrastruktur, atau kebijakan daerah, melalui pendekatan interdisipliner yang melibatkan ilmu data, geografi, dan ekonomi pariwisata. Ketiga, perlu dikembangkan sistem berbasis waktu nyata yang mampu memperbarui kluster secara dinamis sesuai dengan data kunjungan wisatawan terkini, sehingga hasil pengelompokan tetap relevan dan dapat digunakan untuk pengambilan keputusan jangka pendek oleh pemerintah daerah.

  1. Clustering Biplot on Tourist Visits in Indonesia | International Journal of Engineering and Computer... doi.org/10.30812/ijecsa.v3i1.3890Clustering Biplot on Tourist Visits in Indonesia International Journal of Engineering and Computer doi 10 30812 ijecsa v3i1 3890
  2. Regional Mapping Based on Tourism Destinations in West Java: K-Medoid Clustering Analysis | International... doi.org/10.21108/ijoict.v10i2.1011Regional Mapping Based on Tourism Destinations in West Java K Medoid Clustering Analysis International doi 10 21108 ijoict v10i2 1011
  3. Analisis Clustering K-Means untuk Pemetaan Tingkat Pengangguran Terbuka di Provinsi-Provinsi Indonesia... doi.org/10.31599/WBPYDB62Analisis Clustering K Means untuk Pemetaan Tingkat Pengangguran Terbuka di Provinsi Provinsi Indonesia doi 10 31599 WBPYDB62
Read online
File size446.47 KB
Pages10
DMCAReport

Related /

ads-block-test