PERAMALAN KUNJUNGAN WISATAWAN DI OBYEK WISATA BEDUGUL MENGGUNAKAN ALGORITMA FUZZY TIME SERIES
Article Sidebar
Submitted
26 October 2017
Published
31 October 2017
Keywords:
-
Bedugul, Fuzzy time series, peramalan, Tabanan
Abstract
Bali merupakan salah satu primadona wisata di Indonesia. Hal ini disebabkan Bali memiliki budaya, adat istiadat dan kesenian yang beraneka ragam. Tabanan merupakan salah satu kabupaten di Bali yang memiliki ikon daya Tarik wisata yang cukup menarik. Kabupaten Tabanan sering disebut miniaturnya Bali. Karena karakter provinsi Bali secara umum terdapat di Tabanan. Adapun beberapa daya Tarik wisata yang ada di kabupaten Tabanan yakni Danau Beratan, Bedugul, Jatiluwih, Batukaru dan Bedugul. Bedugul merupakan salah satu ikon pariwisata yang banyak dikunjungi oleh wisatawan domestik Kunjungan wisatawan domestik ke obyek wisata Bedugul mengalami jumlah kunjungan yang tidak menentu setiap tahunnya.
Pada penelitian ini dikembangkan sistem peramalan kunjungan wisatawan menggunakan Fuzzy time series Ruey Chyn Tsaur. Data kunjungan ke objek wisata Bedugul akan dikumpulkan dari Badan Pusat Statistik dari tahun 2003- 2014. Fuzzy Time series merupakan konsep baru yang dikenal dengan istilah kecerdasan buatan yang digunakan untuk meramalkan masalah dimana data historis tersebut dibentuk dalam nilai-nilai linguistik dan menghasilkan peramalan yang lebih akurat. Dari hasil penelitian didapatkan nilai AFER sebersar 1.33 persen.
Pada penelitian ini dikembangkan sistem peramalan kunjungan wisatawan menggunakan Fuzzy time series Ruey Chyn Tsaur. Data kunjungan ke objek wisata Bedugul akan dikumpulkan dari Badan Pusat Statistik dari tahun 2003- 2014. Fuzzy Time series merupakan konsep baru yang dikenal dengan istilah kecerdasan buatan yang digunakan untuk meramalkan masalah dimana data historis tersebut dibentuk dalam nilai-nilai linguistik dan menghasilkan peramalan yang lebih akurat. Dari hasil penelitian didapatkan nilai AFER sebersar 1.33 persen.
References
[1] “Badan Pusat Statistik Bali,†2017. [Online]. Available: https://bali.bps.go.id/. [Accessed: 30-May-2017].
[2] I. G. N. A. Wanayasa, I. P. E. N. Kencana, and D. P. E. Nilakusmawati, “Peramalan Produk Domestik Regional Bruto (PDRB) Provinsi Bali Dengan Menggunakan Metode Fuzzy Time Series,†e-Jurnal Mat., vol. 1, no. 1, pp. 12–19, 2012.
[3] S. Kusumadewi and H. Purnomo, Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu, 2004.
[4] M.J.A Berry, John Wiley & Sons. Data Mining Techniques, 2004
[5] S. M. Chen, “Forecasting Enrollments Based on Fuzzy Time Seriesâ€. Fuzzy Sets and Systems, 81: 311-319. 1996.
[6] T. Jilani. A. Burney, dan C. Ardil, â€Fuzzy Metric Approach for Fuzzy timeSeries Forecasting based on Frequency Density Based Partitioningâ€.Proceedings of World Academy of Science, Engineering and Technology. 2007
[7] M. S. Haris. Implementasi Metode Fuzzy Time Series Dengan Penentuan Interval Berbasis Rata-rata untuk Peramalan Data Penjualan Bulanan, 2010.
[8] S.Bukhori, “Pengembangan Sandpile Model Untuk Memprediksi Sistem yangDalam Kondisi Chaoticâ€, Jurnal Informatika, Vol 8. 2007.
[9] W.Qiu, X. Liu and H. Li. “A Generalized Method for Forecasting Based on Fuzzy Time Seriesâ€, Expert System with Applications. Vol. 38, pp. 10446-10453, 2011
[2] I. G. N. A. Wanayasa, I. P. E. N. Kencana, and D. P. E. Nilakusmawati, “Peramalan Produk Domestik Regional Bruto (PDRB) Provinsi Bali Dengan Menggunakan Metode Fuzzy Time Series,†e-Jurnal Mat., vol. 1, no. 1, pp. 12–19, 2012.
[3] S. Kusumadewi and H. Purnomo, Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu, 2004.
[4] M.J.A Berry, John Wiley & Sons. Data Mining Techniques, 2004
[5] S. M. Chen, “Forecasting Enrollments Based on Fuzzy Time Seriesâ€. Fuzzy Sets and Systems, 81: 311-319. 1996.
[6] T. Jilani. A. Burney, dan C. Ardil, â€Fuzzy Metric Approach for Fuzzy timeSeries Forecasting based on Frequency Density Based Partitioningâ€.Proceedings of World Academy of Science, Engineering and Technology. 2007
[7] M. S. Haris. Implementasi Metode Fuzzy Time Series Dengan Penentuan Interval Berbasis Rata-rata untuk Peramalan Data Penjualan Bulanan, 2010.
[8] S.Bukhori, “Pengembangan Sandpile Model Untuk Memprediksi Sistem yangDalam Kondisi Chaoticâ€, Jurnal Informatika, Vol 8. 2007.
[9] W.Qiu, X. Liu and H. Li. “A Generalized Method for Forecasting Based on Fuzzy Time Seriesâ€, Expert System with Applications. Vol. 38, pp. 10446-10453, 2011
Authors
[1]
I. N. Purnama and A. A. A. P. Ardyanti, “PERAMALAN KUNJUNGAN WISATAWAN DI OBYEK WISATA BEDUGUL MENGGUNAKAN ALGORITMA FUZZY TIME SERIES”, SMARTICS, vol. 3, no. 2, pp. 55–58, Oct. 2017.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.