digilib@itb.ac.id +62 812 2508 8800

MODEL ANALITIK PREDIKTIF UNTUK KEDATANGAN WISATAWAN INTERNASIONAL DI INDONESIA DI TENGAH PANDEMI COVID-19 MENGGUNAKAN DATA INTERNET MULTISUMBER

Penulis : Dinda Thalia Andariesta [29020007]
Kontributor / Dosen Pembimbing :
  • Meditya Wasesa, S.T., M.Sc., Ph.D.
Jenis Koleksi : Tesis
Penerbit : Sains Manajemen
Fakultas : Sekolah Bisnis dan Manajemen
Subjek :
Kata Kunci : Analitik prediktif, Prakiraan, Kedatangan wisatawan, COVID-19, Data internet, Forum perjalanan, Mesin pencari, Pembelajaran mesin, Artificial neural network, Random forest, Support vector regression
Sumber :
Staf Input/Edit : Taupik Abidin  
File : 1 file
Tanggal Input : 08 Apr 2022

Pandemi COVID-19 berdampak buruk pada industri pariwisata. Dalam keadaan tidak pasti, prediksi permintaan pariwisata yang akurat sangat penting untuk memberikan pandangan ke depan yang dapat membantu pemerintah dalam memahami pemulihan permintaan pariwisata dan merumuskan kebijakan yang tepat. Pesatnya perkembangan internet telah meningkatkan popularitas platform pariwisata online secara signifikan. Hal ini mendorong peningkatan ketersediaan data internet terkait pariwisata, yang potensial untuk mengembangkan domain analitik di konteks pariwisata. Sejalan dengan itu, penelitian ini menyajikan model pembelajaran mesin untuk memprediksi kedatangan wisatawan internasional di Indonesia selama pandemi COVID-19 menggunakan data internet multisumber. Studi ini menganalisis data kedatangan wisatawan dari Badan Pusat Statistik dan memanfaatkan data internet multisumber dari TripAdvisor dan Google. Data yang dianalisis dari Januari 2017 hingga Januari 2022. Penelitian ini menggunakan empat variabel prediksi: faktor temporal (bulan dan tahun), TripAdvisor (kiriman, balasan, dan sentimen), Google Trends (dua belas indeks volume pencarian), dan kedatangan wisatawan sebelumnya. Studi ini menguji empat kombinasi prediktor dan mengembangkan model menggunakan tiga metode pembelajaran mesin: artificial neural network, support vector regression, dan random forest. Prediksi di luar sampel dievaluasi berdasarkan root mean square error, mean absolute percentage error, dan mean absolute error. Hasil penelitian ini menunjukkan dampak positif dari data internet multisumber dalam meningkatkan akurasi prediksi. Keunggulan data internet multisumber juga konsisten di berbagai metode pembelajaran mesin. Penelitian ini memberikan kontribusi dalam hal berikut. Pertama, studi ini mempelopori praktik pendekatan data internet multisumber dalam memprediksi kedatangan wisatawan di tengah pandemi COVID-19. Kedua, penggunaan data internet multisumber untuk meningkatkan akurasi prediksi divalidasi dengan data empiris, dan dapat digunakan untuk menghasilkan prakiraan permintaan pariwisata jangka pendek. Ketiga, studi ini memberikan perspektif dari dinamika permintaan pariwisata di Indonesia saat ini.

Artikel Terkait