Penerapan Metode K-Means untuk Pemetaan Objek Wisata sebagai Rekomendasi Prioritas Pengembangan Pariwisata
DOI:
https://doi.org/10.35960/ikomti.v6i1.1748Keywords:
Algoritma K-Means, Pemetaan, Silhouette Coefficient, Objek Wisata, Pengembangan PariwisataAbstract
Pariwisata menjadi salah satu faktor penggerak pertumbuhan ekonomi di Indonesia. Perkembangan destinasi yang tidak merata serta tidak adanya pemetaan yang jelas dapat berdampak pada penagalokasian dana dan prioritas pengembangan yang kurang tepat. Pemetaan objek wisata dapat membantu pihak terkait dalam upaya menentukan objek wisata yang menjadi prioritas pengembangan. Tujuan penelitian dimaksudkan untuk mendapatkan pemetaan objek wisata yang akurat dan mengembangkan prototype aplikasi penerapan K-Means guna membantu menentukan rekomendasi prioritas pengembangan wisata. Sumber data penelitian yang digunakan adalah data objek wisata di wlilayah Bogor. Variabel yang digunakan meliputi Jumlah Kunjungan, Fasilitas, Aksesibilitas Kendaraan Umum, Harga Tiket Masuk, dan Luas Wilayah. Hasil perhitungan K-Means yaitu cluster 1 berjumlah 4 objek wisata, cluster 2 berjumlah 10 dan cluster 3 berjumlah 81 objek wisata. Berdasarkan uji kelayakan pada aplikasi yang dibangun diperoleh hasil 100% atau sangat layak. Uji pengguna dengan kuisioner PSSUQ diperoleh nilai Overall 86% yang berarti sangat layak digunakan. Uji validitas cluster menggunakan silhouette coefficient di dapat hasil 0.78 dalam tabel Kategori Silhouette disimpulkan cluster yang dibuat termasuk dalam kategori “Strong Structure”.
References
[1] M.F. Masteriarsa and Riyanto, “Pemetaan Destinasi Pariwisata Berdasarkan Daya Dukung Kepariwisataan Provinsi di Indonesia”, Jurnal TAMBORA (Science and Technology/Social Humaniora), Vol.7, No. 2, pp 1-9, Juli 2023.
[2] “Dinas Kebudayaan dan Pariwisata Kabupaten Bogor”, 2021, Perubahan Rencana Strategi Dinas Kebudayaan dan Pariwisata Kabupaten Bogor Tahun 2018-2023, https://disbudpar.bogorkab.go.id/wp-content/uploads/2024/02/Renstra-Perubahan-2018-2023.pdf, diakses tanggal 6 Februari 2025.
[3] F. Fahrizal, B. Irawan and A. Bahtiar, “Analisis Produk Terlaris Dan Pengujian K-Means Untuk Umkm Cetom”, JATI (Jurnal Mahasiswa Teknik Informatika), Vol. 8 No. 3, pp 3055-3061, Juni 2024.
[4] A. Wanto, M.N Siregar, A.P Windarto, D. Hartama, N.L.W.S.R Ginantra, D. Napitupulu, E.S Negara, M.R. Lubis, S.V. Dewi and C. Prianto, Data Mining Algoritma & Implementasi, Yayasan Kita Menulis, 2020.
[5] P. Bhatia, Data Mining and Data Warehousing, Cambridge University Press, 2019.
[6] J. Han, M. Kamber and J. Pen, Data Mining Concepts and Techniques, “In Data Mining Concepts and Techniques”, Waltham: Elsevier Inc, 2012.
[7] L.F. Marini and C.D Suhendra, “Penggunaan Algoritma K-Means Pada Aplikasi Pemetaaan Klaster Daerah Pariwisata”, Jurna Media Informatika Budidarma, Vol. 7, No. 2, pp 707-713, April 2023.
[8] B.M. Al-Fahmi, E. Rahmawati and T. Sagirani, “Penerapan K-Means Clustering Pada Pariwisata Kabupaten Bojonegoro Untuk Mendukung Keputusan Strategi Pemasaran”. Jurnal Nasional Teknologi dan Sistem Informasi, Vol. 9, No. 2, pp 141-149, Agustus 2023.
[9] B.S. Purnomo and P.T. Prasetyaningrum, “Penerapan Datamining Dalam Mengelompokkan Kunjungan Wisatawan Di Kota Yogyakarta Menggunakan Metode K-Means”, Journal of Computer Science and Technology (JCS-TECH), Vol. 1, No. 1, pp 27-32, November 2021
[10] F.D. Adhinata and G.F. Fitriana, Pengenalan Bahasa Pemrograman Python Dan Implementasi Machine Learning, Teknosain, 2022.
[11] F. Abdussalaam and S. A. Saputra, “Perancangan Sistem Informasi Complaint Management Dengan Metode Rad Menggunakan Framework Laravel,” J. E-Komtek, vol. 2, no. 2, pp. 54–68, 2018.
[12] D. Wijonarko and F. W. S. Budi, “Implementasi Framework Laravel Dalam Sistem Pendaftaran,” Jurnal Inform. Rekayasa Elektron (JIRE), vol. 2, no. 2, pp. 35–42, 2020.
[13] Arikunto, Dasar - Dasar Evaluasi Pendidikan. Jakarta: Bumi Aksara. 2007.
[14] D. Kurniadi, Y.H. Augustin, H.I N. Akbar and I. Farida, “Penerapan Algoritma k-Means Clustering untuk Pengelompokan Pembangunan Jalan pada Dinas Pekerjaan Umum dan Penataan Ruang”, Jurnal Teknologi Informasi (AITI), Vol. 20, No. 1, pp 64-77, Februari 2023.
[15] J. Suntoro, “Data Mining Algoritma dan Implementasi dengan Pemrograman PHP,” Elex Media Komputindo., 2019
[16] A. T. Rahman, “Coal Trade Data Clustering Using K-Means (Case Study Pt. Global Bangkit Utama)”, ITSMART J. Teknol. dan Inf., vol. 6, no. 1, pp. 24–31, 2017.
[17] D.A.I.C. Dewi and D.A.K. Pramita, “Analisis Perbandingan Metode Elbow dan Sillhouette pada Algoritma Clustering K-Medoids dalam Pengelompokan Produksi Kerajinan Bali”, Jurnal Matrix, Vol. 9, No. 3, November 2019.
[18] R.A. Candra, Y.H. Chrisnanto and P.N. Sabrina, “Segmentasi Mahasiswa Berdasarkan Karakteristik Pola Belajar Menggunakan Metode K-Medoids Clustering”, Prosiding Seminar Nasional Sains dan Teknologi, Vol. 12, No. 1, pp 355-361, 2022.
[19] M. Iqbal, Syaripuddin and M.N. Huda, “, Implementasi Algoritma K-Means Clustering dengan Jarak Euclidean dalam Mengelompokkan Daerah Penyebaran COVID-19 di Kabupaten Bogor”, Jurnal Ilmiah Mat
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Dwi Rahmiyati, Nuraeni, Ervan Britantono Siswantoro
This work is licensed under a Creative Commons Attribution 4.0 International License.
