PENERAPAN DECISION TREE REGRESSOR DALAM PENGEMBANGAN BUSINESS INTELLIGENCE UNTUK PREDIKSI PERGERAKAN WISATAWAN JAWA TIMUR
DOI:
https://doi.org/10.58486/jsr.v8i2.362Abstract
Kemajuan teknologi dan analisis data sangat penting bagi kemajuan industri pariwisata di Jawa Timur. Penelitian ini bertujuan untuk menerapkan Decision Tree Regression (DTR) dalam pengembangan Business Intelligence (BI) untuk menganalisis dan meramalkan pergerakan wisatawan di wilayah tersebut. Dengan menggunakan data dari tahun 2018 hingga 2022, termasuk data pergerakan wisatawan, warisan budaya, dan destinasi wisata dari berbagai kota di Jawa Timur, penelitian ini menggunakan DTR untuk analisis, dengan tujuan membuat model prediksi untuk pola wisatawan di masa depan. Hasil penelitian menunjukkan bahwa model DTR untuk pergerakan wisatawan domestik mencapai MAE optimal sebesar 0,843 dan MAPE optimal sebesar 6,11%, sedangkan model untuk pergerakan wisatawan internasional mencapai MAE optimal sebesar 2,309 dan MAPE optimal sebesar 44,20%. Temuan ini menunjukkan potensi dari model DTR yang dikembangkan untuk memberikan wawasan berharga bagi para pemangku kepentingan yang terlibat dalam perencanaan dan manajemen sektor pariwisata di Jawa Timur. Selain itu, penelitian ini juga berkontribusi pada peningkatan BI untuk pariwisata, membentuk dasar untuk strategi pariwisata yang lebih cerdas dan berkelanjutan di wilayah tersebut.References
Dhebys Suryani, Rokhimatul Wakhidah, and A.
Latifudin, “PERAMALAN JUMLAH PENGUNJUNG
WISATAWAN MANCANEGARA MENGGUNAKAN
METODE FUZZY TIME SERIES DI JAWA TIMUR,”
J. Inform. Polinema, vol. 8, no. 2, pp. 43–48, Mar. 2022,
doi: 10.33795/jip.v8i2.525.
A. Mulyani, “VISUALISASI DATA
TICKETING SERVICEDESK DENGAN
DASHBOARD PADA PT BRANTAS ABIPRAYA
(PERSERO),” vol. 7, 2023.
S. Angreini and E. Supratman, “Visualisasi
Data Lokasi Rawan Bencana Di Provinsi Sumatera
Selatan Menggunakan Tableau,” J. Nas. Ilmu Komput.,
vol. 2, no. 2, pp. 135–147, Nov. 2021, doi:
47747/jurnalnik.v2i2.528.
M. R. Atsani, G. Tyas Anjari, and N. Mega
Saraswati, “Pengembangan Business Intelligence Di
Rumah Sakit (Studi Kasus: RSUD Prof. Dr. Margono
Soekarjo Purwokerto),” Telematika, vol. 12, no. 2, pp.
–138, Aug. 2019, doi:
35671/telematika.v12i2.839.
T. Tumini and E. S. Subekti, “Implementasi
Business Intelligence Untuk Menganalisis Data Proses
Manufaktur Menggunakan Google Data Studio,” J. Ilm.
Tek. Inform. Dan Komun., vol. 3, no. 3, pp. 143–151,
E. H. Saragih, I. P. A. Bayupati, and G. A. A.
Putri, “Pengembangan Business Intelligence Dashboard
untuk Monitoring Aktivitas Pariwisata (Studi Kasus:
Dinas Pariwisata Provinsi Bali),” J. Teknol. Inf. Dan Ilmu
Komput., vol. 8, no. 6, pp. 1159–1168, Nov. 2021, doi:
25126/jtiik.2021863755.
D. Trisnawarman and M. C. Imam,
“BUSINESS INTELLIGENCE FRAMEWORK FOR
PERFORMANCE MEASUREMENT IN HIGHER
EDUCATION STUDY PROGRAMS,” J. Muara Sains
Teknol. Kedokt. Dan Ilmu Kesehat., vol. 4, no. 2, p. 249,
Oct. 2020, doi: 10.24912/jmstkik.v4i2.8877.
D. H. Depari, Y. Widiastiwi, and M. M.
Santoni, “Perbandingan Model Decision Tree, Naive
Bayes dan Random Forest untuk Prediksi Klasifikasi
Penyakit Jantung,” Inform. J. Ilmu Komput., vol. 18, no.
, p. 239, Dec. 2022, doi: 10.52958/iftk.v18i3.4694.
D. Septhya et al., “Implementasi Algoritma
Decision Tree dan Support Vector Machine untuk
Klasifikasi Penyakit Kanker Paru: Implementation of
Decision Tree Algorithm and Support Vector Machine
for Lung Cancer Classification,” MALCOM Indones. J.
Mach. Learn. Comput. Sci., vol. 3, no. 1, pp. 15–19, May
, doi: 10.57152/malcom.v3i1.591.
A. S. Wibowo and A. Andri, “Dashboard
Business Intelligence Vusialisasi Data Akreditasi Sekolah
Pada SMP Negeri 1 Sembawa,” J. Nas. Ilmu Komput.,
vol. 2, no. 4, pp. 249–256, Nov. 2021, doi:
47747/jurnalnik.v2i4.536.
T. Tommy and A. M. Husein, “Model Prediksi
Prestasi Mahasiswa Berdasarkan Evaluasi Pembelajaran
Menggunakan Pendekatan Data Science,” Data Sci.
Indones. DSI, vol. 1, no. 1, pp. 14–20, 2021.
A. Meimela, “Prediksi Jumlah Kunjungan
Wisatawan Mancanegara ke Indonesia,” Media Wisata,
vol. 19, no. 1, pp. 34–41, May 2021, doi:
36276/mws.v19i1.64.
L. S. Ihzaniah, A. Setiawan, and R. W. N.
Wijaya, “Perbandingan Kinerja Metode Regresi KNearest Neighbor dan Metode Regresi Linear Berganda
pada Data Boston Housing,” Jambura J. Probab. Stat.,
vol. 4, no. 1, pp. 17–29, May 2023, doi:
34312/jjps.v4i1.18948.
A. T. Nurani, A. Setiawan, and B. Susanto,
“Perbandingan Kinerja Regresi Decision Tree dan
Regresi Linear Berganda untuk Prediksi BMI pada
Dataset Asthma,” J. Sains Dan Edukasi Sains, vol. 6, no.
, pp. 34–43, May 2023, doi: 10.24246/juses.v6i1p34-43.
A. Nurfadilah, W. Budi, E. Kurniati, and D.
Suhaedi, “Penerapan Metode Moving Average untuk
Prediksi Indeks Harga Konsumen,” vol. 21, no. 1, 2022.
