Prediksi Harga Masuk dan Rating Wisata di Pulau Jawa dengan Metode K-Means & DBSCAN
DOI:
https://doi.org/10.29407/wjkqq466Keywords:
prediksi harga masuk, rating wisata, Pulau Jawa, K-means, DBSCANAbstract
Penelitian ini bertujuan untuk memprediksi harga masuk dan rating wisata di Pulau Jawa dengan menggunakan metode clustering K-Means dan DBSCAN. Data yang digunakan terdiri dari informasi harga tiket masuk dan rating dari berbagai destinasi wisata. Metode K-Means dipilih karena kemampuannya dalam mengelompokkan data ke dalam jumlah cluster yang sudah ditentukan sebelumnya, sedangkan DBSCAN digunakan untuk mengidentifikasi pola berbasis kepadatan data tanpa memerlukan jumlah cluster awal. Analisis dilakukan dengan mengevaluasi performa kedua metode melalui metrik seperti Silhouette Score dan DaviesBouldin Index, serta menghasilkan cluster berdasarkan statistik harga dan rating. Hasil penelitian menunjukkan bahwa K-Means memiliki performa lebih baik dengan Silhouette Score sebesar 0,42 dan Davies-Bouldin Index sebesar 0,70 dibandingkan DBSCAN yang hanya menghasilkan Silhouette Score 0,18 dan Davies-Bouldin Index sebesar 1,49. Statistik clustering menunjukkan bahwa wisata dengan harga tiket lebih tinggi cenderung memiliki rating yang lebih baik, sedangkan harga tiket yang lebih rendah ditemukan pada destinasi dengan variasi rating yang lebih beragam. Penelitian ini memberikan kontribusi penting dalam memahami pola harga dan preferensi wisata di Pulau Jawa. Hasil ini dapat dimanfaatkan oleh pengelola wisata untuk menentukan strategi segmentasi harga, meningkatkan kualitas layanan, dan menarik berbagai segmen pengunjung. Penelitian lanjutan disarankan untuk memasukkan variabel tambahan, seperti jenis wisata dan fasilitas, serta memperluas analisis ke wilayah lain di Indonesia.
Downloads
References
Qadrini, L. (2020). Metode K-Means dan DBSCAN pada Pengelompokan Data Dasar Kompetensi Laboratorium ITS Tahun 2017. J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika, 13(2), 5-11.
Astiti, S., Harman, R., & Darmansah, D. (2024). Pengelompokan Destinasi Wisata di Batam Berdasarkan Daya Tarik dan Fasilitas Menggunakan Metode K-Means Clustering. Kesatria: Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen), 5(4), 2005-2012.
Yudistira, A., & Andika, R. (2023). Pengelompokan Data Nilai Siswa Menggunakan Metode K-Means Clustering. Journal of Artificial Intelligence and Technology Information, 1(1), 20-28.
Saputra, A., & Yusuf, R. (2024). Perbandingan Algoritma DBSCAN dan K-MEANS dalam Segmentasi Pelanggan Pengguna Transportasi Publik Transjakarta Menggunakan Metode RFM: Comparison of the DBSCAN and K-MEANS Algorithms in Segmenting Customers Using Public Transportation of Transjakarta Using the RFM Method. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(4), 1346-1361.
Al-Fahmi, B. M., Rahmawati, E., & Sagirani, T. (2023). Penerapan K-Means Clustering Pada Pariwisata Kabupaten Bojonegoro Untuk Mendukung Keputusan Strategi Pemasaran. Jurnal Nasional Teknologi dan Sistem Informasi, 9(2), 141-149.
Kristianto, A. (2021). Analisa Performa K-Means dan DBSCAN dalam Clustering Minat Penggunaan Transportasi Umum. Elkom: Jurnal Elektronika dan Komputer, 14(2), 368-372.
Adha, R., Nurhaliza, N., Sholeha, U., & Mustakim, M. (2021). Perbandingan algoritma DBSCAN dan k-means clustering untuk pengelompokan kasus Covid-19 di dunia. SITEKIN: Jurnal Sains, Teknologi Dan Industri, 18(2), 206-211.
Mahardika, A. A., Kencana, E. N., Sukarsa, I. K. G., Jayanegara, K., Wijayakusuma, I. L., & Sumarjaya, I. W. KLASTERISASI KARAKTERISTIK WISATAWAN MANCANEGARA MENGGUNAKAN METODE K-MEANS CLUSTERING.
Utama, A., Sabilla, W. I., & Wakhidah, R. (2024). Sistem Rekomendasi Tempat Wisata Di Malang Raya Menggunakan Metode K-Means Clustering. Jurnal Informatika dan Multimedia, 16(1), 1-15.
Nafisa, N. A. (2023). Perbandingan metode Clustering DBSCAN dan K-Means untuk analisis pola penyebaran tempat wisata di Malang Raya (Doctoral dissertation, Universitas Islam Negeri Maulana Malik Ibrahim).
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Ahmad Zulqifar, Apip Wahyudi, Achmad Hanif, Riza Samsinar
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author 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 with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
