Implementasi Algoritma K-Means Dalam Pengelompokan Jumlah Wisatawan Akomodasi Di Jawa Barat
DOI:
https://doi.org/10.58192/ebismen.v2i1.682Keywords:
Akomodasi, Data Mining, Metode K-MeansAbstract
Akomodasi merupakan orientasi sosial yang bermakna keutuhan sosial demi menjauhi serta mendamaikan kegentingan, pertikaian yang saling berkaitan. Seumpama bentuk kegiatan akomodasi yang bermanfaat mempersiapkan perlengkapan guna melengkapi keperluan. provinsi jawa barat terdapat tempat wisata yang ramai dikunjungi oleh wisatawan nusantara dan mancanegara oleh sebab itu pengunjung menggunakan fasilitas akomodasi yang tersedia di setiap daerah, wisatawan nusantara ramai menginap di villa sedangkan wisatawan mancanegara lebih memilih hotel berbintang. Penelitian ini memfokuskan bagaimana pengelompokan wisatawan daerah wisata akomodasi dan jenis wisatawan terbanyak yang ramai berkunjung menggunakan algoritma k-means, analisis ini memakai metode Knowledge Discovery in Database (KDD). Teknik pengumpulan data atau pengumpulan data bersumber dari Dinas Pariwisata dan Kebudayaan Provinsi Jawa Barat. Dengan tujuan kiranya menjadi pengetahuan untuk wisatawan serta mampu mempublikasikan wisata di media sosial dan diharapkan akan lebih meningkat jumlah wisatawan yang berkunjung dan meningkatnya pembangunan sarana dan prasarana di setiap daerah akomodas.Hasil dari penelitian ini bahwa daerah akomodasi yang ramai dikunjungi adalah Kota Bandung dengan jenis wisatawan yang datang yaitu pengunjung dalam negeri (Nusantara).
References
Disparbud. (2022). Profil Lembaga. https://disparbud.jabarprov.go.id/
Informatika, P. S. T., & Majapahit, U. I. (2019). Pemanfaatan Knowledge Data Discovery(KDD) Pada Pola Permainan Atlet Bulutangkis. Explore IT : Jurnal Keilmuan Dan Aplikasi Teknik Informatika, 11(1), 1–6. https://doi.org/10.35891/explorit.v11i1.1467
Maulida, L. (2018). Penerapan Datamining Dalam Mengelompokkan Kunjungan Wisatawan Ke Objek Wisata Unggulan Di Prov. Dki Jakarta Dengan K-Means. JISKA (Jurnal Informatika Sunan Kalijaga), 2(3), 167. https://doi.org/10.14421/jiska.2018.23-06
Pratama, A. K. Y. P., & Ainurrofiq, A. (1978). Miyakonojōshi tōkeisho. Prosiding SENIATI, 5(2), 19–23. https://ejournal.itn.ac.id/index.php/seniati/article/view/2256
Sari, R. W., & Hartama, D. (2018). Data Mining : Algoritma K-Means Pada Pengelompokkan Wisata Asing ke Indonesia Menurut Provinsi. Seminar Nasional Sains & Teknologi Informasi (SENSASI), 322–326.
Savitri, N., Pranata, R., Nadzario, A., Clara, M., Rahajeng, S., Politeknik, J. S., & Stis, S. (2021). Pengelompokan Kunjungan Wisata Kabupaten Kulon Progo Tahun 2019 Menggunakan K-Means Clustering. 12(1), 38–45. https://jurnal.umj.ac.id/index.php/just-it/index
Sharon, Defit, S., & Nurcahyo, G. W. (2021). Tingkat Efisiensi Penggunaan Resep Dokter Spesialis Menggunakan Metode K-Means Clustering. Jurnal Informasi Dan Teknologi, 3, 121–127. https://doi.org/10.37034/jidt.v3i3.118
Sulistiyawati, A., & Supriyanto, E. (2021). Implementasi Algoritma K-means Clustring dalam Penetuan Siswa Kelas Unggulan. Jurnal Tekno Kompak, 15(2), 25. https://doi.org/10.33365/jtk.v15i2.1162
University, B. (2022). Clustering Algoritma (K-Means). https://sis.binus.ac.id/2022/01/31/clustering-algoritma-k-means/
University, S. (2022). Pengertian Data Mining, Fungsi, Metode dan Contoh Penerapan.
