Libianto, M. Sanzabi (2020) Prediksi Jumlah Kunjungan Wisatawan Mancanegara Pada Negara Singapura Menggunakan Algoritme Extreme Learning Machine. Sarjana thesis, Universitas Brawijaya.
Abstract
Pariwisata merupakan salah satu aspek penting penyumbang pemasukan bagi negara, khususnya negara Singapura. Singapura merupakan negara berperingkat ke-2 pada benua asia dan menduduki peringkat ke-13 di dunia pada sektor kepariwisatanya. Pendapatan negeri Singapura salah satunya dihasilkan pada sektor pariwiswatanya yaitu sebesar 14,8%. Lebih dari 16 juta wisatawan mancanegara datang ke Singapura setiap tahunnya. Namun, Jumlah kunjungan wisatawan tersebut mengalami kenaikan dan penurunan setiap bulannya. Perubahan nilai yang fluktuatif tersebut, dapat menyebabkan kurang maksimalnya industri pariwisata yang ada di Singapura, khususnya sektor infrastruktur. Hal tersebut dikarenakan akomodasi yang terbatas dalam menampung banyaknya jumlah wisatawan yang datang. Maka dari itu, diperlukan sebuah prediksi jumlah kunjungan wisatawan pada negara Singapura sehingga menjadi sebuah bahan pertimbangan dalam mempersiapkan akomodasi yang lebih baik. Salah satu algoritme prediksi yang dapat digunakan adalah Extreme Learning Machine (ELM). Dari hasil penelitian yang telah dilakukan, parameter algoritme (ELM) yang optimal adalah jumlah fitur data: 5, ratio data training dan data testing: 80%:20%, dan hidden neuron: 10 dengan data jumlah kunjungan wisatawan pada bulan januari hingga desember pada tahun 2010 sampai dengan 2016, diperoleh nilai error dengan menggunakan MAPE sebesar 7,41%.
English Abstract
Tourism is one of the important aspects contributing to income for the country, especially Singapore. Singapore is ranked 2nd on the Asian continent and ranks 13th in the world in the tourism sector. One of Singapore's state revenue generated in the tourism sector is 14.8%. More than 16 million foreign tourists come to Singapore every year. However, the number of tourist visits has increased and decreased every month. Changes in the value of the fluctuations can lead to less than the maximum tourism industry in Singapore, especially the infrastructure sector. Because the accommodations are limited in accommodating a large number of tourists who come. Therefore, a prediction of the number of tourist visiting to the country of Singapore is needed so that it becomes material for consideration in preparing better accommodation. One prediction algorithm that can be used is Extreme Learning Machine (ELM). From the results of the research that has been done, the optimal algorithm parameters ELM are the number of feature data: 5, the ratio of training data and testing data: 80%: 20%, and hidden neuron: 10 with the data on the number of tourist visits in January to December from 2010 to 2016, the error value obtained using MAPE was 7.41%.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2020/51/052003013 |
| Uncontrolled Keywords: | Pariwisata, Prediksi, Singapura, Extreme Learning Machine, MAPE. Tourism, Forecasting, Singapore, Extreme Learning Machine, MAPE. |
| Subjects: | 000 Computer science, information and general works > 003 Systems > 003.2 Forecasting and forecasts |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 05 Aug 2020 08:14 |
| Last Modified: | 13 Apr 2023 06:16 |
| URI: | http://repository.ub.ac.id/id/eprint/180541 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
M. Sanzabi Libianto.pdf - Published Version Restricted to Registered users only until 31 December 2023. Download (5MB) |
Actions (login required)
 |
View Item |