VOKASI NEWS – Sektor pariwisata menjadi salah satu penggerak penting perekonomian Indonesia. Selain meningkatkan pendapatan daerah, sektor ini menciptakan lapangan pekerjaan. Sektor pariwisata mendorong perkembangan usaha transportasi, kuliner, dan penginapan. Namun, pengelola destinasi wisata sering menghadapi tantangan perkiraan wisatawan. Tantangan tersebut berupa memprediksi jumlah wisatawan harian yang akan berkunjung. Jumlah kunjungan dapat berubah akibat cuaca dan hari libur nasional. Faktor lain meliputi libur sekolah serta penyelenggaraan berbagai event. Ketidakpastian membuat perencanaan operasional menjadi jauh lebih kompleks. Perencanaan meliputi penyiapan tenaga kerja, fasilitas, hingga strategi promosi.
Perkembangan teknologi, khususnya machine learning, membuka peluang baru untuk membantu mengatasi permasalahan tersebut. Dengan memanfaatkan data historis kunjungan wisatawan beserta faktor-faktor yang memengaruhinya, teknologi ini mampu mengenali pola kunjungan dan menghasilkan prediksi untuk periode berikutnya. Informasi tersebut dapat menjadi dasar bagi pengelola destinasi wisata dalam mengambil keputusan yang lebih cepat, tepat, dan berbasis data.
Pengembangan Model Prediksi dan Evaluasi Algoritma Machine Learning
Penelitian mengembangkan sistem prediksi kunjungan harian pada klaster Malang dan Banyuwangi. Pengembangan sistem dilakukan pada objek wisata milik PT Palawi Risorsis. Model optimal diperoleh dengan membandingkan tiga algoritma machine learning. Algoritma tersebut meliputi Random Forest, eXtreme Gradient Boosting (XGBoost), dan Support Vector Regression (SVR).
Proses pelatihan model dioptimalkan menggunakan Bayesian Optimization, sedangkan evaluasi dilakukan dengan metode Walk-Forward Validation agar proses pengujian tetap mengikuti urutan waktu pada data sehingga hasil evaluasi lebih mencerminkan kondisi nyata. Selain menghasilkan prediksi, penelitian ini juga menerapkan metode Shapley Additive Explanations (SHAP) untuk membantu menjelaskan faktor-faktor yang paling berpengaruh terhadap hasil prediksi sehingga model menjadi lebih transparan dan mudah dipahami.
Implementasi Dashboard Interaktif dan Dukungan terhadap SDGs
Hasil menunjukkan algoritma Random Forest memberikan performa prediksi harian terbaik. Model kemudian diimplementasikan ke dalam dashboard berbasis web secara interaktif. Pengguna dapat melihat visualisasi prediksi serta memahami faktor-faktor yang memengaruhi perubahan jumlah kunjungan wisatawan. Sistem membantu pengelola menyusun strategi operasional secara lebih efektif. Pengelola dapat mengoptimalkan alokasi sumber daya serta meningkatkan kualitas pelayanan sesuai dengan perkiraan jumlah wisatawan yang akan berkunjung.
Penerapan machine learning memberi manfaat nyata bagi pengelolaan sektor pariwisata. Sistem prediksi mendukung pengambilan keputusan yang jauh lebih akurat. Sistem ini berkontribusi pada pengelolaan destinasi yang efisien dan berkelanjutan. Penelitian sejalan dengan Sustainable Development Goals (SDGs), khususnya SDG 8. SDG 8 mendukung Decent Work and Economic Growth. SDG 8 diwujudkan melalui penguatan sektor pariwisata sebagai pendorong pertumbuhan ekonomi. Riset juga mendukung SDG 9 tentang Industry, Innovation and Infrastructure. Dukungan diberikan melalui penerapan inovasi digital dan teknologi machine learning dalam mendukung pengelolaan destinasi wisata berbasis data.
[BACA JUGA: Di Balik Alat Berat, Ada Beban Mental yang Tak Terlihat]
Penulis: Nadea Yiyian Salsabila
Editor: Nawal Eka Paramita (Tim Vokasi Branding)
