Skripsi

Penerapan algoritma Support Vector Machine (SVM) untuk memprediksi tingkat kunjungan wisatawan asing / Indra Gunawan

Abstrak
v RINGKASAN Gunawan Indra. 2018. Penerapan Algoritma Support Vector Machine (SVM) untuk Memprediksi Tingkat Kunjungan Wisatawan Asing. Skripsi Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang. Pembimbing (I) Drs. Wahyu Sakti G.I. M.Kom. (II) Aji Prasetya Wibawa S.T. M.M.T. Ph.D. Kata Kunci Tingkat Kunjungan Wisatawan Asing Support Vector Machine (SVM) Data Mining Klasifikasi dan Prediksi. Tingkat kunjungan wisatawan asing ke Indonesia setiap waktunya selalu mengalami peningkatan yang signifikan. Akan tetapi beberapa prediksi dari pemerintahan Indonesia di dalam menentukan target tingkat kunjungan wisatawan asing pertahunnya sering mengalami ketidaksesuaian sehingga target yang telah ditentukan tidak tercapai. Oleh karena itu guna membantu memperbaiki prediksi data tingkat kunjungan wisatawan asing ke Indonesia agar target yang ditentukan lebih sesuai diperlukan salah satu algoritma terbaik di dalam data mining untuk membantu mengklasifikasi dan memprediksi data ke depan dengan hasil yang lebih akurat. Beberapa algoritma di dalam data mining telah digunakan untuk memprediksi tingkat kunjungan wisatawan asing diantaranya adalah algoritma Multivariate Fuzzy Time Series Fuzzy Neural Network dan ARIMA. Di sisi lain terdapat algoritma Support Vector Machine (SVM) telah diterapkan di beberapa prediksi dan terbukti memiliki nilai prediksi yang cukup akurat. Data yang digunakan adalah data jumlah kunjungan wisatawan asing melalui beberapa pintu gerbang kedatangan internasional di Indonesia yang diperoleh dari Badan Pusat Statistik (BPS) dengan jumlah data sebanyak 1782 data. Pada penelitian ini algoritma SVM digunakan untuk mengklasifikasi data time series secara regresi agar nilai prediksi pada setiap data dapat diperoleh. Selain itu di dalam penelitian ini dilakukan pencarian model terbaik dari algoritma SVM menggunakan metode optimasi Grid Search Optimization (GSO) untuk mempermudah dan mempercepat proses pencarian model terbaik. Metode evaluasi yang digunakan adalah Mean Absolute Percentage Error (MAPE) untuk memperoleh nilai selisih/ error yang diperoleh dari hasil prediksi dengan hasil sebenarnya. Berdasarkan penelitian yang telah dilakukan hasil yang diperoleh dari penelitian ini menunjukkan bahwa data time series dapat berpengaruh terhadap nilai error yang dihasilkan dari pengolahan data tingkat kunjungan wisatawan asing. Tingkat rata-rata Mean Absolute Persetage Error (MAPE) yang dihasilkan dari pengolahan data uji sebesar 1.55 % sehingga algoritma Support Vector Machine dapat diterapkan untuk membantu memprediksi data kunjungan wisatawan asing ke Indonesia ke depan.

Informasi Detail

DDC

Rs 006.67 GUN p

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2018.

Deskripsi Fisik

xiii, 114 lembar : il., tab. ; 30 cm

Bahasa

Indonesia

No Reg

06536/KI/18

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2018

Subjek

1. ALGORITMA SVM ( SUPPORT VECTOR MACHINE )
2. SVM ( SUPPORT VECTOR MACHINE ) - ALGORITHMS

Pembimbing

1. Wahyu Sakti ; 2. Aji Prasetya Wibawa

Lampiran Berkas