APLIKASI PREDIKSI KEDATANGAN WISATAWAN MANCANEGARA KE INDONESIA DENGAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM)

Abstract

Pariwisata memiliki peran penting dalam perekonomian Indonesia, di mana wisatawan mancanegara memberikan kontribusi terhadap PDB dan penciptaan lapangan kerja. Pemerintah Indonesia menargetkan kedatangan wisatawan asing antara 14,6 hingga 16 juta pada tahun 2025. Namun, untuk merumuskan kebijakan dan strategi pengembangan pariwisata yang efektif, prediksi kedatangan wisatawan asing yang akurat sangat diperlukan. Penelitian ini bertujuan untuk memprediksi jumlah wisatawan mancanegara yang akan datang ke Indonesia menggunakan algoritma Long Short-Term Memory (LSTM), yang dikenal efektif dalam menangani data deret waktu. Metodologi penelitian ini mengikuti kerangka kerja CRISP-DM (Cross Industry Standard for Data Mining), yang terdiri dari enam tahap: Pemahaman Bisnis, Pemahaman Data, Persiapan Data, Pemodelan, Evaluasi, dan Penerapan. Dataset yang digunakan adalah catatan kedatangan wisatawan mancanegara dari tahun 2017 hingga 2024, yang diproses dan dinormalisasi menggunakan MinMaxScaler untuk meningkatkan kestabilan. Model LSTM diterapkan dengan tiga lapisan (64, 32, dan 1 neuron), dan Adam optimizer digunakan untuk optimasi. Hasil evaluasi menunjukkan akurasi yang sangat baik dengan Mean Absolute Percentage Error (MAPE) sebesar 7,73% dan Mean Absolute Error (MAE) sebesar 84.737. Prediksi untuk tahun 2025 menunjukkan tren yang stabil, dengan kedatangan wisatawan bulanan berkisar antara 1,09 juta hingga 1,19 juta. Model ini kemudian dideploy menggunakan Streamlit