Feature selection is one way to simplify classification process. The purpose is only the selected features are used for classification process and without decreasing its performance when compared without feature selection. This research uses new feature matrix as the base for selection. This feature matrix contains forecasting result using Single Exponential Smoothing (FMF(SES)). The method uses wrapper method of GASVM and it is named FMF(SES)-GASVM. The result of this research is compared with other methods such as GA Bayes, Forward Bayes and Backward Bayes. The result shows that FMF(SES)-GASVM has maximum accuracy when compared of FMF(SES)-GA Bayes, FMF(SES)-Forward Bayes, FMF(SES)-Backward Bayes, however the number of selected features are more than if compared with FMF(SES)-GA Bayes and FMF(SES)-Forward Bayes.

Pariwisata menjadi salah satu sektor dalam peningkatan pendapatan suatu wilayah, baik negara, daerah ataupun kabupaten. Begitu halnya di kabupaten sumenep wisata terdapat wisata religi, kuliner, keraton dan bahari. Keberadaan wisata bahari (pantai) menjadi fokus pnelitian penulis. Bahwa Sumenep atau lebih tepatnya Gili Labak dengan wisata pantainya menjadi tempat kunjungan dominan oleh wisatawan khusunya dikalangan remaja. Penelitian ini bertujuan untuk membangun aplikasi Prediksi Jumlah Pengunjung Perperiode Terhadap Tempat Wisata Pantai Menggunakan Triple Exponential Smoothing (Studi Kasus Pantai Gili Labak Sumenep). Data wisata sebelumnya merupakan data pada tahun 2015-2018 dan hasil prediksi periode 2019 diperoleh sebesar 32.369. Metode Triple Exponential Smoothing Holt –Winter Model Multiplikatif menggunakan konstanta hasil kesalahan yang paling kecil yaitu nilai konstanta alfa (α) = 0,1,  beta (β)  = 0,8 dan gamma (ƴ) = 0,1. Kesalahan (error) yaitu MAD sebesar 0.053, MSE sebesar 0.003, MAPE sebesar 0.002 dan MPE -0.491.

No abstract

No abstract

No abstract