PENERAPAN ALGORITMA ADABOOST UNTUK OPTIMASI PREDIKSI KUNJUNGAN WISATAWAN KE BALI DENGAN METODE DECISSION TREE
Main Article Content
Abstract
Bali merupakan salah satu pulau di Indonesia yang memiliki keindahan alam yang cukup memukau. Dimana pariwisata berkontribusi penuh terhadap perekonomian warga yang ada di Bali. Semenjak terjadinya pandemi covid 19 yang berkepanjangan, mengakibatkan turunnya perekonomian masyarakat di Bali pada umumnya. Hal ini disebabkan kunjungan wisatawan yang berkurang secara signifikan tiap harinya. Prediksi kunjungan wisatawan menjadi suatu hal yang penting bagi pemerintah ataupun industry pariwisata untuk memberikan kebijakan-kebijakan yang berhubungan dengan perekonomian masyarakat Bali. Metode Decission Tree Regression(DTR) merupakan salah satu metode yang digunakan untuk memprediksi kunjungan wisatawan. Metode ini merupakan salah satu metode regresi yang bisa digunakan untuk data time series serta mudah digunakan. Namun DTR memiliki kelemahan yang rentan terhadap over fitting dan sensitif terhadap derau. DTR kemudian digabungkan dengan ensemble learning untuk meningkatkan stabilitas dan akurasi prediksi. Salah satu metode ensemble yang bisa digunakan yakni ADABOOST. Pada penelitian ini dilakukan optimasi prediksi kunjungan wisatawan ke Bali dengan metode Decision tree, dan dihasilkan nilai MAE yang lebih baik setelah dilakukan optimasi dengan Adaboost yaitu sebesar 59492.583.
Article Details
This work is licensed under a Creative Commons Attribution 4.0 International License.
Penulis yang mempublikasikan naskah pada jurnal ini setuju tentang hal-hal berikut ini: 1. Penulis memegang hak cipta untuk proses, prosedur, atau artikel yang dideskripsikan pada naskah dan memberikan hak kepada jurnal untuk pertama kali mempublikasikan naskah dibawah Creative Commons Attribution License yang memperbolehkan orang lain untuk menyebarkan hasil penelitian dengan pengakuan hak cipta penulis dan jurnal. 2. Penulis memegang hak untuk mempublikasikan kembali semua atau sebagian hasil penelitian pada naskah lain tetapi tidak memberikan hak kepada pihak ketiga lain untuk mencetak dan mempublikasikan ulang hasil penelitian yang sama. 3. Penulis diperbolehkan dan disarankan untuk menginformasikan naskah yang telah terbit secara online (seperti pada repository institusi atau website milik penulis) yang akan meningkatkan produktivitas rujukan dan sitasi dari naskah yang telah terbit.
JUSIM (Jurnal Sistem Informasi Musirawas) by jurnal.univbinainsan.ac.id/index.php/jusim is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
[2] T. T. Sukraini, “Peramalan Kunjungan Wisatawan Ke Uluwatu Dengan Menggunakan Model Autoregressive Integrated Moving Average,” Matrix Jurnal Manajemen Teknologi dan Informatika, vol. 6, no. 1, p. 47, 2017.
[3] “Badan Pusat Statistik Provinsi Bali.” Accessed: Jan. 10, 2024. [Online]. Available: https://bali.bps.go.id/
[4] A. A. Rizal and S. Hartati, “Prediksi Kunjungan Wisatawan di Pulau Lombok dengan Menerapkan Recurrent Neural Network dengan Algoritma Training Extended Kalman Filter.,” Jurnal Ilmiah ILMU KOMPUTER, vol. X, no. 1, pp. 7–18, 2017.
[5] R. Latifah, E. Setia Wulandari, and dan Priadhana Edi Kreshna, “Model Decision Tree untuk Prediksi Jadwal Kerja menggunakan Scikit-Learn,” 2019.
[6] A. Taufiqurrahman, A. G. Putrada, and F. Dawani, “Decision Tree Regression with AdaBoost Ensemble Learning for Water Temperature Forecasting in Aquaponic Ecosystem,” in 6th International Conference on Interactive Digital Media, ICIDM 2020, Institute of Electrical and Electronics Engineers Inc., Dec. 2020. doi: 10.1109/ICIDM51048.2020.9339669.
[7] T. A. Assegie, R. L. Tulasi, and N. K. Kumar, “Breast cancer prediction model with decision tree and adaptive boosting,” IAES International Journal of Artificial Intelligence, vol. 10, no. 1, pp. 184–190, 2021, doi: 10.11591/ijai.v10.i1.pp184-190.
[8] M. Li, X. Fu, and D. Li, “Diabetes Prediction Based on XGBoost Algorithm,” in IOP Conference Series: Materials Science and Engineering, Institute of Physics Publishing, Mar. 2020. doi: 10.1088/1757-899X/768/7/072093.
[9] N. Purnama, “Comparison of Deep Neural Network Architectural Models for Predicting Tourist Visits to Bali during the Pandemic Period,” J. Intell. Comput. Health Inform, vol. 3, no. 2, p. 2022, doi: 10.26714/jichi.v3i2.11168.
[10] A. Taufiqurrahman, A. G. Putrada, and F. Dawani, “Decision Tree Regression with AdaBoost Ensemble Learning for Water Temperature Forecasting in Aquaponic Ecosystem,” in 6th International Conference on Interactive Digital Media, ICIDM 2020, Institute of Electrical and Electronics Engineers Inc., Dec. 2020. doi: 10.1109/ICIDM51048.2020.9339669.
[11] A. Rohman, “PENERAPAN ALGORITMA C4.5 BERBASIS ADABOOST UNTUK PREDIKSI PENYAKIT JANTUNG.”