Peramalan Jumlah Wisatawan Mancanegara di Provinsi Kalimantan Timur Menggunakan Fuzzy Backpropagation Neural Network

Abstract View: 199, PDF Download: 264

Authors

  • Rina Aprilianti Universitas Mulawarman
  • Ika Purnamasari Universitas Mulawarman
  • Surya Prangga Universitas Mulawarman

DOI:

https://doi.org/10.32665/statkom.v2i1.1592

Keywords:

FBPNN, Non Linier, Prediksi, RMSE

Abstract

Latar   Belakang: Pariwisata merupakan salah satu bidang ekonomi yang menjadi sumber penerimaan devisa bagi negara. Banyaknya wisatawan merupakan salah satu faktor yang dapat berpengaruh terhadap perkembangan pariwisata. Sepanjang tahun 2021, jumlah wisatawan mancanegara di Provinsi Kalimantan Timur mengalami penurunan. Penurunan tersebut merupakan dampak dari mewabahnya COVID-19. Peneliti melakukan peramalan jumlah wisatawan mancanegara di Kalimantan Timur menggunakan Fuzzy Backpropagation Neural Network (FBPNN) guna mengantisipasi kenaikan maupun penurunan jumlah wisatawan di masa mendatang. FBPNN adalah metode peramalan Neural Network (NN) yang menggunakan algoritma pembelajaran backpropagation dimana nilai input dan output-nya berupa derajat keanggotaan himpunan fuzzy.

Tujuan: Meramalkan jumlah wisatawan mancanegara di Kalimantan Timur pada bulan Januari 2022 sampai dengan Mei 2022.

Metode: Metode yang digunakan adalah Fuzzy Backpropagation Neural Network (FBPNN).

Hasil: Berdasarkan hasil prediksi FBPNN dengan proporsi 80%:20% untuk data training diperoleh Root Mean Square Error (RMSE) sebesar 113,61 sedangkan untuk RMSE data testing dipeoleh adalah sebesar 108,45.

Kesimpulan: Adapun kesimpulan penelitian yaitu metode Fuzzy Backpropagation Neural Network dapat digunakan untuk meramalkan jumlah wisatawan dengan nilai RMSE yang dihasilkan oleh data testing lebih kecil jika dibandingkan dengan nilai RMSE yang dihasilkan oleh data training.

References

Achmalia, A. F., Walid, & Sugiman. (2020). Peramalan Penjualan Semen Menggunakan Backpropagation Neural Network dan Recurrent Neural Network. UNNES Journal of Mathematics, 9(1), 6–21. https://doi.org/10.15294/ujm.v9i1.29970

Chang, P. C., Wang, Y. W., & Liu, C. H. (2005). Fuzzy back-propagation network for PCB sales forecasting. Lecture Notes in Computer Science, 3610, 364–373. https://doi.org/10.1007/11539087_45

Chen, T. (2003). A Fuzzy Back Propagation Network For Output Time Prediction In a Wafer Fab. Applied Soft Computing Journal, 2(3), 211–222. https://doi.org/10.1016/S1568-4946(02)00066-2

Durrah, F. I., Yulia, Parhusip, T. P., & Rusyana, A. (2018). Peramalan Jumlah Penumpang Pesawat Di Bandara Sultan Iskandar Muda Dengan Metode SARIMA ( Seasonal Autoregressive Integrated Moving Average ). Journal of Data Analysis, 1(1), 1–11. https://doi.org/10.24815/jda.v1i1.11847

Fuller, R. (1995). Neural Fuzzy Systems. Abo Akademi.

Lin, C. T., & Lee, C. S. G. (1991). Neural-Network-Based Fuzzy Inference Systems. IEEE Trans On Computer, 40(12), 1320–1336. https://doi.ieeecomputersociety.org/10.1109/12.106218

Park, S., & Han, T. (2000). Iterative Inversion of Fuzzified Neural Networks. IEEE Transactions on Fuzzy Systems, 8(3), 266–280. https://doi.org/10.1109/91.855916

Rifa’i, A. (2021). Prediksi Inflasi Indonesia Berdasarkan Fuzzy ANN Menggunakan Algoritma Genetika. Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer, 5(1), 12–24. https://doi.org/10.31961/eltikom.v5i1.215

Rizal, A. A., & Soraya, S. (2018). Multi Time Steps Prediction dengan Recurrent Neural Network Long Short Term Memory. Jurnal MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 18(1), 115–124. https://doi.org/10.30812/matrik.v18i1.344

Suprayogi, M. A. (2022). Model Double Exponential Smoothing Dalam Peramalan Penerimaan Pajak Pemerintah Pusat Indonesia. Jurnal Statistika Dan Komputasi, 1(2), 83–92. https://doi.org/10.32665/statkom.v1i2.1233

Wiliansa, G., & Kusumawati, R. (2017). Optimasi Fuzzy Backpropagation Neural network Dengan Algoritma Genetika Untuk Memprediksi Nilai tukar rupiah Terhadap Dollar Amerika. Jurnal Matematika, 6(3), 10–20.

Yang, Y., Hu, J., Lv, Y., & Zhang, M. (2013). Predictions on the Development Dimensions of Provincial Tourism Discipline Based on the Artificial Neural Network BP Model. Higher Education Studies, 3(3). https://doi.org/10.5539/hes.v3n3p13

Downloads

Published

2023-06-30

How to Cite

Aprilianti, R., Purnamasari, I., & Prangga, S. (2023). Peramalan Jumlah Wisatawan Mancanegara di Provinsi Kalimantan Timur Menggunakan Fuzzy Backpropagation Neural Network. Jurnal Statistika Dan Komputasi, 2(1), 1–11. https://doi.org/10.32665/statkom.v2i1.1592

Issue

Vol. 2 No. 1 (2023): Jurnal Statistika dan Komputasi

Section

Articles

License

Copyright (c) 2023 Jurnal Statistika dan Komputasi

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish in this Journal agree to the following terms:

  1. The author retains copyright and grants the Journal right of first publication with the work simultaneously licensed under a creative commons attribution license that allows others to share the work within an acknowledgement of the work’s authorship and initial publication of this Journal.
  2. Authors can enter into a separate, additional contractual arrangement for the non-exclusive distribution of the Journal’s published version of the work (e.g. acknowledgement of its initial publication in this Journal).
  3. Authors are permitted and encouraged to post their work online (e.g. in institutional repositories or on their websites) before and during the submission process, as it can lead to productive exchanges and earlier and more extraordinary citations of published works.
Abstract View: 199, PDF Download: 264