PREDIKSI KUNJUNGAN WISATAWAN DENGAN RECURRENT NEURAL NETWORK EXTENDED KALMAN FILTER

Abstract

Prediksi adalah salah satu unsur yang sangat penting dalam pengambilan keputusan, sebab efektif atau tidaknya suatu keputusan umumnya tergantung dari beberapa faktor yang tidak dapat kita lihat pada waktu keputusan diambil yang didasarkan pada data yang ada pada waktu sekarang dan waktu lampau. Dalam melakukan prediksi terdapat dua pendekatan yang digunakan. Pendekatan pertama disebut dengan time-series yaitu model yang tidak memperlihatkan kecenderungan dari data masa lalu yang tersedia, sedangkan pendekatan yang kedua adalah pendekatan yang memperlihatkan hubungan sebab akibat (cause-effects method) atau pendekatan yang menjelaskan terjadinya suatu keadaan (eksplanatory method) oleh sebab-sebab tertentu. Permasalahan yang muncul kemudian adalah bagaimana melakukan prediksi. Pada awalnya untuk melakukan prediksi digunakan metode peramalan seperti Autoregressive Integrated Moving Average (Arima). Metode ini memiliki keterbatasan pada pengabaian kemungkinan hubungan non-linear serta stationeritas data dan homokedastitas residual. Metode peramalan data dengan time-series telah berkembang dengan pendekatan Neural Network. Penelitian ini mengkaji data time-series pada kunjungan wisatawan di pulau Lombok menggunakan pendekatan Recurrent Neural Network (RNN). Prediksi time series dengan RNN memberikan akurasi prediksi terbaik pada saat training sebesar 64.37% dan hasil prediksi terbaik pada saat testing sebesar 62.91%.