Prediksi Jumlah Pengunjung Perperiode Terhadap Tempat Wisata Pantai Menggunakan Triple Exponential Smoothing (Studi Kasus Pantai Gili Labak Sumenep)

Abstract

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.

Analisis Model Manajemen Permintaan SCM dan Peramalan Penjualan Busana Menggunakan Metode Holt-Winter Exponential Smoothing

“…Metode Triple Exponential Smoothing merupakan metode forecasting dengan menggunakan persamaan kuadrat. Pola data musiman yang tidak bergantung pada rata-rata level dapat digunakan dengan teknik ini (Wahyuono et al, 2022). Metode Triple Exponential Smoothing lebih baik untuk memprediksi gelombang pasang surut atau fluktuasi (Wahyuono et al, 2022).…”

“…Pola data musiman yang tidak bergantung pada rata-rata level dapat digunakan dengan teknik ini (Wahyuono et al, 2022). Metode Triple Exponential Smoothing lebih baik untuk memprediksi gelombang pasang surut atau fluktuasi (Wahyuono et al, 2022). Jika plot data asli menunjukkan variasi dalam fluktuasi data musiman, metode peramalan dengan penghalusan eksponensial winters multiplikatif digunakan.…”

Real-Time Visitor Counting with Dynamic Facial Recognition using Python and Machine Learning

“…Locations prioritizing service quality rely on this data to enhance visitor satisfaction. For instance, predicting the future number of visitors to tourist destinations allows tourism management to be better prepared to welcome visitors and deliver optimal services [7]. During the COVID-19 pandemic, real-time visitor data is also utilized to limit the number of visitors in a particular location [8].…”