ANALISIS METODE PERCEPTRON UNTUK PREDIKSI KUNJUNGAN WISATAWAN MANCANEGARA

Abstract

ABSTRAK

Prediksi kunjungan wisatawan mancanegara (wisman) sangat penting untuk membantu pihak investor, pengelola pariwisata, maupun instansi yang terkait. Prediksi ini dibutuhkan untuk memantau dan mengantisipasi tren kunjungan wisman. Penelitian ini menggunakan metode perceptron untuk memprediksi kunjungan wisman yang berkunjung di Indonesia berdasarkan 19 pintu masuk kebangsaan diantaranya yaitu : Ngurah Rai, Soekarno – Hatta, Batam, Tanjung Uban, Polonia, Juanda, Husein Sastranegara, Tanjung Balai Karimun, Tanjung Pinang, Tanjung Priok, Adi Sucipto, Minangkabau, Entikong, Adi Sumarmo, Sultan Syarif Kasim II, Sepinggan, Sam Ratulangi, Bandara Internasional Lombok, dan  Makassar.Metode perceptron merupakan bentuk Jaringan Syaraf Tiruan yang digunakan untuk mengklasifikasikan suatu tipe pola tertentu yang sering dikenali dengan pemisahan linear. Perceptron menggunakan laju pembelajaran untuk membantu proses pembelajaran, dan threshold untuk nilai batas pembelajaran. Hasil analisis dan uji coba penelitian menunjukkan hasil peramalan yang baik. Hal ini dapat dilihat dari nilai peramalan yang dihasilkan mendekati nilai yang sebenarnya dan nilai MSE yang kecil.

Kata kunci : Prediksi, wisman, perceptron, jaringan syaraf tiruan.

ABSTRACT

Prediction tourist arrivals (tourists) are very important to help investors, tourism operators, as well as related agencies. This prediction is needed to monitor and anticipate the trend of foreign tourists visit. This research uses perceptron method to predict the visits of foreign tourists visiting Indonesia based on 19 entrances of nationalities such as: Ngurah Rai, Soekarno - Hatta, Batam, Tanjung Uban, Polonia, Juanda, Husein Sastranegara, Tanjung Balai Karimun, Tanjung Pinang, Tanjung Priok, Adi Sucipto, Minangkabau, Entikong, Adi Sumarmo, Sultan Syarif Kasim II, Sepinggan, Sam Ratulangi, Lombok International Airport, and Makassar. Perceptron method is a form of Artificial Neural Network used to classify a particular type of pattern that is often recognized by linear separation. Perceptron uses learning rate to help the learning process, and threshold for learning boundary value. The results of the analysis and experimental studies show good forecasting results. It can be seen from the value generated forecasting approach the actual value and the value of MSE is small.

Keywords : Predictions, tourists, perceptron, artificial neural networks