Penggerombolan dan Peramalan Jumlah Kunjungan Wisatawan Mancanegara Menggunakan K-Medoids dan Fuzzy Time Series

Abstract

Sektor pariwisata Indonesia menyumbang sekitar 5,9% terhadap PDB nasional dengan devisa mencapai 16,9 miliar USD yang didominasi oleh belanja wisatawan mancanegara dengan rata-rata 1100 USD per kunjungan. Kontribusi ini menunjukkan besarnya potensi Indonesia sebagai destinasi wisatawan mancanegara serta pentingnya memahami pola dan karakteristik kunjungan wisatawan. Penelitian ini bertujuan untuk menggerombolkan dan meramalkan jumlah kunjungan wisatawan mancanegara berdasarkan negara asal. Penggerombolan dilakukan menggunakan metode K-Medoids dengan ukuran jarak Dynamic Time Warping (DTW), sedangkan peramalan dilakukan menggunakan metode Fuzzy Time Series (FTS) model Stevenson Porter. Data yang digunakan adalah data kunjungan wisatawan mancanegara per bulan dari 46 negara di benua Asia pada periode Januari 2017 hingga Desember 2024. Hasil penelitian menunjukkan bahwa terbentuk tiga gerombol dengan koefisien silhouette sebesar 0,81 yang termasuk dalam kategori strong cluster. Masing-masing gerombol menunjukkan karakteristik pola kunjungan yang berbeda-beda. Model FTS yang diterapkan pada setiap gerombol juga menunjukkan performa yang sangat baik dengan nilai MAPE di bawah 5%. Hasil peramalan untuk 12 bulan ke depan mengindikasikan adanya tren peningkatan jumlah kunjungan wisatawan mancanegara dengan pola yang menyesuaikan karakteristik masing-masing gerombol.

Indonesia's tourism sector contributes around 5.9% to the national GDP with foreign exchange reaching 16.9 billion USD dominated by foreign tourist pending with an average of 1100 USD per visit. This contribution shows the great potential of Indonesia as a foreign tourist destination and the importance of understanding the patterns and characteristics of tourist visits. This study aims to cluster and forecast data on the number of foreign tourist visits based on country of origin. Clustering is done using the K-Medoids method with the Dynamic Time Warping (DTW) distance measure, while forecasting is done using the Fuzzy Time Series (FTS) method of the Stevenson Porter model. The data used is data on foreign tourist visits per month from 46 countries on the Asian in the period January 2017 to December 2024. The results showed that three clusters were formed with a silhouette coefficient of 0.81 which is included in the strong cluster category. Each cluster shows different characteristics of visitation patterns. The FTS model applied to each cluster also shows very good performance with a MAPE value below 5%. Forecasting results for the next 12 months indicate an increasing trend in the number of tourist visits with patterns that adjust the characteristics of each cluster.