Perpustakaan Digital ITB

Tesis ini membahas pembangunan dua model machine learning tipe tree-based, yaitu: model extreme gradient boosting (XGBoost) and model random forest, untuk memprediksi kedatangan wisatawan internasional di Indonesia selama pandemic penyakit virus corona 2019 (COVID-19). Kinerja prediksi dari model yang dibangun, akan dibandingkan dengan model prediksi populer yang sudah banyak diteliti dalam konteks prediksi jumlah wisatawan, seperti model artificial neural network (ANN), model autoregressive integrated moving average (ARIMA), and model seasonal ARIMA (SARIMA). Untuk input data, digunakan data historis kedatangan wisatawan selama 18 tahun (Januari 2002 – Oktober 2020) yang dikumpulkan dari Badan Pusat Statistik. Pemodelan yang dilakukan menggunakan juga data terkait berita tentang kasus baru COVID-19 dan intervensi yang terkait dari pemerintah. Temuan studi ini menunjukkan bahwa model XGBoost memiliki nilai akurasi prediksi yang lebih baik dibandingkan dengan model lain, bila diukur menggunakan metrik prediksi mean absolute persentase error (MAPE), koefisien variasi (CV) dan root mean square error (RMSE).