VOKASI NEWS – Persaingan di sektor pariwisata terus meningkat dari waktu ke waktu. Kondisi tersebut membuat pengelola wisata perlu memahami karakter pengunjung secara lebih mendalam. Oleh karena itu, strategi pemasaran tidak cukup hanya berdasarkan pengamatan langsung.
Selain itu, keputusan berbasis data menjadi semakin penting untuk dilakukan. Pendekatan tersebut mampu membantu pengelola dalam mengenali pola kunjungan wisatawan secara lebih tepat.
Pemanfaatan Data Transaksi untuk Memahami Pola Wisatawan
Penelitian ini menerapkan metode Agglomerative Hierarchical Clustering (AHC). Metode tersebut digunakan untuk menganalisis data transaksi tiket Pemandian Air Panas Padusan, Pacet, Mojokerto.
Objek wisata tersebut dikelola oleh PT Perhutani Alam Wisata Risorsis. Dalam penelitian ini, data yang digunakan berjumlah 12.849 transaksi valid. Data tersebut berasal dari 1.294 hari operasional pada periode 2022 hingga 2025.
Selanjutnya, setiap hari operasional dianalisis berdasarkan lima fitur utama. Fitur tersebut meliputi proporsi tiket masuk, tiket akomodasi, tiket wahana, tiket parkir, serta nilai median harga tiket.
Kemudian, data melalui beberapa tahap pengolahan. Tahapan tersebut terdiri atas pembersihan data, standardisasi nama tiket, agregasi data harian, transformasi, dan normalisasi data.
Tiga Klaster Menggambarkan Karakter Kunjungan Berbeda
Proses klasterisasi menggunakan algoritma Ward dengan jarak Euclidean menghasilkan tiga klaster optimal. Berdasarkan hasil analisis, kualitas klaster diuji menggunakan tiga indikator.
Indikator tersebut meliputi Silhouette Coefficient sebesar 0,5979. Selain itu, terdapat Davies-Bouldin Index sebesar 0,6351 dan Calinski-Harabasz Index sebesar 1.022,36.
Dengan hasil tersebut, klaster yang terbentuk memiliki kualitas moderat hingga kuat. Tidak hanya itu, setiap klaster menunjukkan karakter kunjungan yang berbeda.
Klaster pertama mencakup 2,2% dari total hari operasional. Klaster ini menunjukkan pola Staycation Weekend. Pola tersebut ditandai dengan dominasi tiket masuk akhir pekan, akomodasi, dan aktivitas wellness.
Sementara itu, klaster kedua mencakup 26,4% dari total hari operasional. Klaster tersebut menggambarkan pola Premium Wellness. Pada pola ini, pengunjung cenderung menggunakan berbagai layanan premium.
Di sisi lain, klaster ketiga menjadi kelompok terbesar dengan persentase 71,4%. Klaster ini menunjukkan pola Low Season Weekday. Pola tersebut memiliki volume transaksi lebih rendah dengan komposisi tiket yang lebih sederhana.
Selain itu, hasil validasi kalender event menunjukkan tingkat kesesuaian sebesar 99,5%. Hal tersebut membuktikan bahwa hasil klasterisasi mampu menggambarkan kondisi permintaan nyata di Wisata Padusan.
Rekomendasi Paket Wisata Berdasarkan Preferensi Pengunjung
Setelah pola kunjungan diketahui, dilakukan analisis co-occurrence. Analisis tersebut bertujuan menemukan kombinasi tiket yang sering muncul secara bersamaan.
Selanjutnya, hasil analisis digunakan untuk menyusun rekomendasi product bundling. Proses tersebut dilakukan berdasarkan karakteristik setiap segmen wisatawan.
Analisis menggunakan batas kemunculan pasangan sebesar 50%. Sementara itu, batas kemunculan triplet ditetapkan sebesar 40%.
Dengan demikian, paket wisata dapat disusun secara lebih spesifik. Paket untuk segmen Staycation Weekend dapat berbeda dengan paket Low Season Weekday.
Perbedaan tersebut disesuaikan dengan preferensi pengunjung berdasarkan data transaksi historis Wisata Padusan.
Sistem Informasi Mendukung Keputusan Berbasis Data
Seluruh proses analisis kemudian diterapkan dalam sistem informasi berbasis web. Sistem tersebut dapat digunakan oleh pengelola PT Perhutani Alam Wisata Risorsis.
Berdasarkan hasil pengujian, sistem memperoleh skor System Usability Scale (SUS) sebesar 75,0. Skor tersebut termasuk kategori Acceptable dan berada pada tingkat Good.
Selain itu, seluruh sepuluh skenario pengujian fungsional (black box testing) berhasil dilakukan tanpa kesalahan. Oleh sebab itu, sistem dinilai memiliki fungsi yang berjalan dengan baik.
Temuan penelitian ini memberikan manfaat bagi pengembangan industri pariwisata berbasis teknologi. Tidak hanya itu, pendekatan tersebut juga mendukung tiga tujuan pembangunan berkelanjutan (Sustainable Development Goals/SDGs).
Dalam SDG 8 tentang Pekerjaan Layak dan Pertumbuhan Ekonomi, pendekatan berbasis data mendukung pariwisata berkelanjutan. Rekomendasi bundling dapat meningkatkan pendapatan per kunjungan tanpa menambah kapasitas fisik.
Selanjutnya, penerapan teknologi data mining mendukung SDG 9. Teknologi tersebut mendorong inovasi berbasis data dalam sektor pariwisata.
Selain itu, optimasi layanan berdasarkan pola permintaan aktual mendukung SDG 12. Pendekatan ini membantu meningkatkan efisiensi penggunaan sumber daya operasional.
Pada akhirnya, metode berbasis data ini dapat diterapkan pada objek wisata lain. Penerapan tersebut dapat membantu pengelola mengambil keputusan berdasarkan pola perilaku pengunjung.
[BACA JUGA: Efisiensi Operasional dan Risiko Pembiayaan Terhadap Penyaluran Modal UMKM di Bank Syariah Indonesia]
Penulis: Shofie Cilia Hermawan
Editor: Sinta Rahmah (Tim Vokasi Branding)
