Prediksi Jumlah Pengunjung Wisata di Kota Kediri Menggunakan Metode Backpropagation

Pramadhari, Ayuda Dhira and Drs. Muh. Arif Rahman, M.Kom and Bayu Rahayudi, S.T, M.T (2020) Prediksi Jumlah Pengunjung Wisata di Kota Kediri Menggunakan Metode Backpropagation. Sarjana thesis, Universitas Brawijaya.

Abstract

Pariwisata merupakan aspek penting yang mempengaruhi kenaikkan devisa serta dapat menambah laju dalam pembangunan negara (Yoeti, 1996). Di Indonesia banyak sekali kota yang mempunyai keindahan wisata alam maupun buatan, salah satunya Kota Kediri yang berada di Provinsi Jawa Timur. Tujuan wisata yang dimiliki Kota Kediri cukup menarik untuk dikunjungi adalah Goa Selomangkleng, Pemandian Pagora, Kolam Renang Tirtayasa dan Museum Erlangga. Pendapatan dari sektor pariwisata dipengaruhi oleh jumlah pengunjung. Seiringnya waktu, jumlah pengunjung mengalami fluktuasi. Contohnya, pada data pengunjung wisata di Kota Kediri pada tahun 2015. Jumlah pengunjung pada bulan Januari cukup tinggi yaitu 65.670 orang, setelah itu mengalami fluktuasi pada bulan-bulan berikutnya. Jika permasalahan itu terus berlangsung maka target jumlah pengunjung yang ingin dicapai oleh Pemerintah Kota Kediri akan sulit untuk tercapai serta berdampak pula dalam keadaan perekonomian masyarakat Kota Kediri. Maka dari itu diperlukan strategi yang mampu mengantisipasi dampak buruk tersebut, salah satunya yaitu melakukan prediksi jumlah pengunjung di masa yang akan datang. Backpropagation adalah salah satu metode yang sering kali diterapkan pada kasus prediksi. Pada penelitian ini menerapkan metode Backpropagation dengan rancangan arsitektur 4 neuron input, 10 neuron hidden layer dan 1 output. Berdasarkann pengujian didapatkan nilai error terendah yaitu 25,04% dan rata-rata nilai kesalahan sebesar 26,158% dengan menggunakan learning rate sebesar 0.1 dan epoch maksimal 10.

English Abstract

Tourism is an important aspect that influences the increase in foreign exchange and can increase the pace of development in the country (Yoeti, 1996). In Indonesia, there are many cities that have the beauty of natural and artificial tourism, one of them is Kediri City in East Java Province. Tourist destinations owned by the City of Kediri quite interesting to visit are Selomangkleng Cave, Pagora Baths, Tirtayasa Swimming Pool and Erlangga Museum. Revenue from the tourism sector is influenced by the number of visitors. Over time, the number of visitors fluctuates. For example, the data on tourist visitors in Kediri City in 2015. The number of visitors in January was quite high at 65,670 people, after which it experienced fluctuations in the following months. If the problem continues, then the target number of visitors to be reached by the City Government of Kediri will be difficult to achieve and will have an impact on the economic condition of the people of Kediri City. Therefore we need a strategy that is able to anticipate these adverse effects, one of which is to predict the number of visitors in the future. Backpropagation is one method that is often applied in the case of prediction. In this study applying the Backpropagation method with architectural design of 4 input neurons, 10 hidden layer neurons and 1 output. Based on the test, the lowest error value is 25.04% and the average error value is 26.158% using a learning rate of 0.1 and the maximum epoch is 10.

Other obstract

-

Item Type: Thesis (Sarjana)
Identification Number: 0520150069
Uncontrolled Keywords: Backpropagation, Pariwisata, Prediksi, Jaringan Syaraf Tiruan.,
Subjects: 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.32 Neural nets (neural networks)
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Budi Wahyono Wahyono
Date Deposited: 28 Feb 2021 15:29
Last Modified: 12 Apr 2023 06:52
URI: http://repository.ub.ac.id/id/eprint/183643
[thumbnail of DALAM MASA EMBARGO] Text (DALAM MASA EMBARGO)
Ayuda Dhira Pramadhari.pdf
Restricted to Registered users only until 31 December 2023.

Download (2MB)

Actions (login required)

View Item View Item