Search engine for discovering works of Art, research articles, and books related to Art and Culture
ShareThis
Javascript must be enabled to continue!

Prediksi Kunjungan Wisatawan Di Kabupaten Bantul Menggunakan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA)

View through CrossRef
Dinas Pariwisata Kabupaten Bantul menghadapi kendala dalam pendataan data tempat wisata karena masih dilakukan secara manual. Penelitian ini bertujuan mengembangkan sistem prediksi berbasis web menggunakan metode Seasonal Autoregressive Integrated Moving Average (SARIMA). Sistem ini dirancang untuk memudahkan pendataan data tempat wisata sekaligus menghasilkan prediksi jumlah pengunjung. Berdasarkan hasil pengujian akurasi menggunakan MAE (Mean Absolute Error) dan MAPE (Mean Absolute Percentage Error). Tempat wisata Kawasan Pantai Parangtritis dan Depok memiliki nilai MAE sebesar 35.157,41 dan MAPE 22,75%, menunjukkan kesalahan prediksi absolut yang cukup besar namun masih wajar mengingat volume kunjungan yang tinggi. Sementara itu, Pantai Samas mencatat nilai MAPE tertinggi sebesar 165,22%, karena fluktuasi data yang membuat prediksi menjadi tidak baik. Sebaliknya, prediksi pada Pantai Goa Cemara, Pantai Kwaru, Kawasan Goa Selarong, dan Kawasan Goa Cerme memiliki nilai MAPE di bawah 15%, menandakan model mampu memberikan hasil prediksi yang cukup baik dengan kesalahan rata-rata kecil. Namun, pada Pantai Pandansimo nilai MAPE mencapai 46,47%, mengindikasikan model belum cukup baik untuk lokasi ini akibat tren data yang tidak stabil. Hasil penelitian menunjukkan bahwa model SARIMA dapat diterapkan ke dalam sistem untuk memprediksi kunjungan wisatawan tetapi dengan tingkat akurasi berbeda-beda di setiap tempat wisata, tergantung pada stabilitas data masing-masing tempat wisata. Kata kunci: Prediksi kunjungan wisatawan, SARIMA, peramalan time series, sistem berbasis web, Dinas Pariwisata Kabupaten Bantul
Title: Prediksi Kunjungan Wisatawan Di Kabupaten Bantul Menggunakan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA)
Description:
Dinas Pariwisata Kabupaten Bantul menghadapi kendala dalam pendataan data tempat wisata karena masih dilakukan secara manual.
Penelitian ini bertujuan mengembangkan sistem prediksi berbasis web menggunakan metode Seasonal Autoregressive Integrated Moving Average (SARIMA).
Sistem ini dirancang untuk memudahkan pendataan data tempat wisata sekaligus menghasilkan prediksi jumlah pengunjung.
Berdasarkan hasil pengujian akurasi menggunakan MAE (Mean Absolute Error) dan MAPE (Mean Absolute Percentage Error).
Tempat wisata Kawasan Pantai Parangtritis dan Depok memiliki nilai MAE sebesar 35.
157,41 dan MAPE 22,75%, menunjukkan kesalahan prediksi absolut yang cukup besar namun masih wajar mengingat volume kunjungan yang tinggi.
Sementara itu, Pantai Samas mencatat nilai MAPE tertinggi sebesar 165,22%, karena fluktuasi data yang membuat prediksi menjadi tidak baik.
Sebaliknya, prediksi pada Pantai Goa Cemara, Pantai Kwaru, Kawasan Goa Selarong, dan Kawasan Goa Cerme memiliki nilai MAPE di bawah 15%, menandakan model mampu memberikan hasil prediksi yang cukup baik dengan kesalahan rata-rata kecil.
Namun, pada Pantai Pandansimo nilai MAPE mencapai 46,47%, mengindikasikan model belum cukup baik untuk lokasi ini akibat tren data yang tidak stabil.
Hasil penelitian menunjukkan bahwa model SARIMA dapat diterapkan ke dalam sistem untuk memprediksi kunjungan wisatawan tetapi dengan tingkat akurasi berbeda-beda di setiap tempat wisata, tergantung pada stabilitas data masing-masing tempat wisata.
Kata kunci: Prediksi kunjungan wisatawan, SARIMA, peramalan time series, sistem berbasis web, Dinas Pariwisata Kabupaten Bantul.

Related Results

Implementation of Moving Average Filter in SARIMA-ANN and SARIMA-SVR Methods for Forecasting Pneumonia Incidence in Jakarta
Implementation of Moving Average Filter in SARIMA-ANN and SARIMA-SVR Methods for Forecasting Pneumonia Incidence in Jakarta
In this study, we implemented a moving average filter in SARIMA-ANN and SARIMA-SVR to predict Pneumonia incidence in Jakarta. Pneumonia is one of the highest causes of death in chi...
Perilaku Minat Wisatawan Terhadap Ekowisata Hutan Mangrove Baros Bantul
Perilaku Minat Wisatawan Terhadap Ekowisata Hutan Mangrove Baros Bantul
Abstract - The purpose of this study was to determine the behavioral interest of tourists who visited the Baros Bantul Mangrove Forest Ecotourism destination. To this end, field su...
DAMPAK TEKNOLOGI TERHADAP PROSES BELAJAR MENGAJAR
DAMPAK TEKNOLOGI TERHADAP PROSES BELAJAR MENGAJAR
DAFTAR PUSTAKAAditama, M. H. R., & Selfiardy, S. (2022). Kehidupan Mahasiswa Kuliah Sambil Bekerja di Masa Pandemi Covid-19. Kidspedia: Jurnal Pendidikan Anak Usia Dini, 3(...
PROFIL KOMPETENSI DUNIA KERJA BIDANG PERBAIKAN BODI OTOMOTIF DAN TINGKAT RELEVANSINYA DENGAN DUNIA PENDIDIKAN
PROFIL KOMPETENSI DUNIA KERJA BIDANG PERBAIKAN BODI OTOMOTIF DAN TINGKAT RELEVANSINYA DENGAN DUNIA PENDIDIKAN
Penelitian ini bertujuan untuk mendapatkan informasi tentang: (1) profil kompetensi DU/DI bidang perbaikan bodi otomotif, (2) profil kompetensi TPBO pada SMK di Kabupaten Bantul, d...
Transformasi Kesiapan Atlet Korfball Kabupaten Bantul melalui Pendampingan Program Latihan Fisik Menuju PORPROV DIY 2024
Transformasi Kesiapan Atlet Korfball Kabupaten Bantul melalui Pendampingan Program Latihan Fisik Menuju PORPROV DIY 2024
Abstract: The Regional Sports Week (PORDA) of the Special Region of Yogyakarta XVI in 2022 is the first event for the corpsball sport to be competed for the first time in Yogyakart...
Hybrid STL-SARIMA forecasting of reservoir inflows in climate-vulnerable basins: a case study in the Yalong River
Hybrid STL-SARIMA forecasting of reservoir inflows in climate-vulnerable basins: a case study in the Yalong River
Climate-induced hydrological non-stationarity (e.g., intensified drought-flood transitions) challenges inflow forecasting in climate-vulnerable basins like the Yalong River, thereb...
Forecasting PM10 Caused by Bangkok’s Leading Greenhouse Gas Emission Using the SARIMA and SARIMA-GARCH Model
Forecasting PM10 Caused by Bangkok’s Leading Greenhouse Gas Emission Using the SARIMA and SARIMA-GARCH Model
This paper analyzes the relationship between air pollutants and the amount of PM10 measured in Bangkok. It forecasts the amount of PM10 in Bangkok by using the SARIMA and SARIMA-GA...

Back to Top