Perbandingan Hasil Evaluasi Algoritma K-Means dan K-Medoid Berdasarkan Kunjungan Wisatawan Mancanegara ke Indonesia

Riska, Perbandingan Hasil Evaluasi Algoritma K-Means dan K-Medoid Berdasarkan Kunjungan Wisatawan Mancanegara ke Indonesia 1 Perbandingan Hasil Evaluasi Algoritma K-Means dan K-Medoid Berdasarkan Kunjungan Wisatawan Mancanegara ke Indonesia Suastika Yulia Riska1, Lia Farokhah2 Prodi Teknik Informatika, Fakultas Teknologi dan Desain, Institut Teknologi dan Bisnis Asia Malang 2 Prodi Teknik Informatika, Fakultas Teknologi dan Desain, Institut Teknologi dan Bisnis Asia Malang Email: , 1 Abstract. Tourism is one of the activities that can affect the level of the economy of a country. Tourism activities that can attract foreign tourists to enter Indonesia are one of the income contributions for the State of Indonesia. Based on data from BPS, it shows a significant decrease in the number of foreign tourists coming to Indonesia. The purpose of this study is to form a group of countries based on the number of foreign tourists entering Indonesia from the most to the fewest. Then the results of the grouping can be used as a reference for the government to implement the right strategy to increase the interest of tourists coming to Indonesia. The algorithm used for the clustering process is K-Means and K-Medoids, by applying the values of k=2, k=3, and k=5. The evaluation process used the Davies Bouldin index method. By using the K-Medoids Algorithm, the best cluster results are using k = 2 with a davies bouldin index -0.567. The best cluster result in this case is to use the K-Measn Algorithm with k=5, and with the result the Davies bouldin index value of -0.302. Keywords: Data Mining, Clustering, K-Means, K-Medoid, International Travelers Abstrak. Kegiatan Pariwisata merupakan salah satu kegiatan yang dapat mempengaruhi tingkat perekonomian suatu negara. Kegiatan pariwisata yang dapat menarik minat wisatawan mancanegara masuk ke Indonesia menjadi salah satu kontribusi pendapatan untuk Negara Indonesia. Berdasarkan data dari BPS menunjukkan adanya penurunan yang signifikan dari jumlah wisatawan mancanegara yang datang ke Indonesia. Tujuan penelitian ini adalah untuk membentuk kelompok negara-negara berdasarkan jumlah wisatawan mancanegara yang masuk ke Indonesia dari yang paling banyak hingga yang paling sedikit. Kemudian hasil pengelompokkan tersebut dapat digunakan sebagai acuan pemerintah untuk menerapkan strategi yang tepat untuk meningkatkan antusias wisatawan datang ke Indonesia. Algoritma yang digunakan untuk proses clustering adalah K-Means dan K-Medoids, dengan menerapkan nilai k=2, k=3, dan k=5. Proses evaluasi digunakan metode davies bouldin index. Dengan menggunakan Algoritma K-Medoids, hasil cluster terbaik adalah dengan menggunakan k=2 dengan nilai davies bouldin index -0,567. Hasil cluster terbaik dalam kasus ini adalah dengan menggunakan Algoritma K-Means dengan k=5, dan dengan hasil nilai davies bouldin index 0.302. Kata Kunci: Data Mining, Clustering, K-Means, K-Medoid, Wisatawan Mancanegara 1. Pendahuluan Pariwisata merupakan salah satu aspek yang dapat memberikan kontribusi pendapatan pada suatu daerah. Adanya pendapatan daerah dan masyarakat dari kegiatan pariwisata dapat meningkatkan kesejahteraan masyarakat, karena masyarakat mendapatkan kesempatan untuk membuka dan memperluas usaha. Pembangunan pariwisata merupakan salah satu pembangunan yang perlu dikembangkan karena dari sektor ini dapat meningkatkan penerimaan devisa negara, menghasilkan pertumbuhan ekonomi yang cepat dalam menyediakan lapangan kerja, peningkatan penghasilan, standar hdup serta menstimulasikan faktor-faktor produksi yang lainnya (Urbanus & Febianti, 2017). Wisatawan yang dibedakan menjadi 2, yaitu wisatawan lokal dan wisatawan mancanegara. Wisatawan lokal merupakan masyarakat yang melakukan kegiatan pariwisata tanpa keluar dari batas negara sendiri, sedangkan wisatawan mancanegara merupakan masyarakat yang melakukan kegiatan pariwisata dengan cara mendatangi negara lain. Dengan adanya wisatawan mancanegara yang datang ke Indonesia, maka dapat meningkatkan perekonomian negara Indonesia. Selain itu, negara Indonesia dapat memperkenalkan keindahan pariwisata dan culture negara Indonesia. 2. INTEGER: Journal of Information Technology, Vol 8, No 1, Maret 2023: 1-8 ISSN: 2579-566X (Online) ISSN: 2477-5274 (Print) Berdasarkan data yang diperoleh dari Badan Pusat Statistik (BPS), jumlah kunjungan wisatawan mancanegara ke Indonesia selama tahun 2021 mengalami penurunan sebesar 61,57%, yaitu sebesar 1,56 juta kunjungan dibandingkan selama tahun 2020. Hal tersebut merupakan penurunan yang sangat signifikan dibandingkan dengan sebelum adanya pancemi Covid-19. Kunjungan wisatawan mancanegara ke Indonesia selama Tahun 2019 sebanyak 16,1 juta wisatawan, dan pada Tahun 2020 terjadi penurunan yang sangat signifikan, yaitu 4 juta wisatawan (Jannah, 2022). Adanya penurunan tersebut perlu adanya clusterisasi negara-negara berdasarkan jumlah wisatawan yang datang ke Indonesia. Sehingga, dapat diketahui warga dari negara mana saja yang sangat kurang antusias atau sangat tinggi antusiasnya untuk datang ke Indonesia sehingga pemerintah Indonesia bisa membuat strategi yang tepat untuk peningkatan antusias warga mancanegara datang ke Indonesia dengan cara menganalisis data kluster yang terbentuk. Dengan menerapkan AlgoritmaAlgoritma dalam data mining, dapat dihasilkan clustering tersebut. Pada penelitian ini diterapkan 2 Algoritma clustering, yaitu K-Means dan K-Medoid. Tujuannya adalah untuk membandingkan hasil evaluasi kedua algoritma tersebut untuk mengelompokkan negara berdasarkan jumlah wisatawan mancanegara yang datang ke Indonesia. Kedua Algoritma ini sudah banyak digunakan untuk clustering dalam berbagai kasus. Pada penelitian yang dilakukan oleh (Irfiani et al., 2018) , tentang clustering untuk menentukan Gizi Balita menggunakan Algoritma K-Means. Clustering dilakukan menjadi 5 kategori, yaitu obesitas, gizi lebih, gizi baik, gizi kurang, dan gizi buruk. Adanya kategori tersebut dapat digunakan sebagai penanganan dini pihak posyandu dalam menanggulangi gizi buruk dan obesitas. Sehingga, dapat ditemukan terdapat 30% balita obesitas dan 11% kekurangan gizi. Pada penelitian yang dilakukan oleh (Alfatah, 2021) tentang clustering pemetaan strategi daerah pemilih pada calon legislative DPR RI menggunakan Algoritma K-Means dengan membentuk 3 kategori yaitu daerah tingkat pemilih sedang , tingkat pemilih tinggi, dan tingkat pemilih rendah. Penelitian yang dilakukan oleh (Farokhah & Aditya, 2017) tentang clustering rekomendasi tema tugas akhir mahasiswa menggunakan Algoritma K-Means menjadi 7 kategori. Hasilnya menunjukkan hasil centroid kedua memiliki nilai kebenaran terbaik dengan nilai 90,24%. Penelitian yang dilakukan oleh (Mustofa & Iman Saufik Suasana, 2020) tentang clustering menggunakan K-Medoids pada e-Government bidang Information and Communication Technology dalam penentuan Status EDGI (E- Government Development Index). Clustering dilakukan dengan membuat 4 kategori. Adapun K-Medoid mampu meng (...truncated)