Comparison of support vector machine and backpropagation models in forecasting the number of foreign tourists in Bali province

Jurnal Teknologi dan Sistem Komputer

View Publication Info
 
 
Field Value
 
Title Comparison of support vector machine and backpropagation models in forecasting the number of foreign tourists in Bali province
Komparasi model support vector machine dan backpropagation dalam peramalan jumlah wisatawan mancanegara di provinsi Bali
 
Creator Tarigan, Imelda Alvionita
Bayupati, I Putu Agung
Putri, Gusti Agung Ayu
 
Subject tourism; prediction; number of tourist; SVM; kernel; Backpropagation
Pariwisata; SVM; Kernel; Backpropagation
 
Description Tourism in Bali is one of the major industries which play an important role in developing the global economy in Indonesia. Good forecasting of tourist arrival, especially from foreign countries, is needed to predict the number of tourists based on past information to minimize the prediction error rate. This study compares the performance of SVM and Backpropagation to find the model with the best prediction algorithm using data from foreign tourists in Bali Province. The results of this study recommend the best forecasting using the SVM model with the radial kernel function. The best accuracy of the SVM model obtained the lowest error values of MSE 0.0009, MAE 0.0186, and MAPE 0.0276, compared to Backpropagation which obtained MSE 0.0170, MAE 0.1066, and MAPE 0.1539.
Pariwisata merupakan salah satu industri besar yang penting dalam perkembangan ekonomi global di Indonesia. Bali dikenal sebagai pulau dengan ragam budaya dan kekayaan alam yang menjadi daya tarik wisatawan mancanegara. Namun, jumlah wisatawan bisa berubah sewaktu-waktu. Peramalan merupakan cara untuk memprediksi jumlah wisatawan mancanegara berdasarkan informasi pada masa lalu sehingga tingkat kesalahannya dapat diperkecil. SVM adalah metode yang mencari hyperplane terbaik pada klasifikasi dua kelas untuk memecahkan masalah. SVM mampu bekerja pada data non-linear dengan menggunakan pendekatan kernel yaitu Radial, Linear, dan Polynomial. Backpropagation adalah metode yang menggunakan struktur dan fungsi otak manusia sebagai model untuk ditiru. Hasil penelitian ini menunjukkan metode peramalan paling baik adalah SVM. Tingkat akurasi memperoleh nilai kesalahan terendah, MSE 0,0009, MAE 0,0186, dan MAPE 0,0276.
 
Publisher Departemen Teknik Komputer, Fakultas Teknik, Universitas Diponegoro
 
Date 2021-04-30
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion

 
Format application/pdf
 
Identifier https://jtsiskom.undip.ac.id/article/view/13847
10.14710/jtsiskom.2021.13847
 
Source Jurnal Teknologi dan Sistem Komputer; Volume 9, Issue 2, Year 2021 (April 2021); 90-95
Jurnal Teknologi dan Sistem Komputer; Volume 9, Issue 2, Year 2021 (April 2021); 90-95
2338-0403
 
Language ind
 
Relation https://jtsiskom.undip.ac.id/article/view/13847/12679
 
Rights Copyright (c) 2021 The Authors. Published by Department of Computer Engineering, Universitas Diponegoro
https://creativecommons.org/licenses/by-sa/4.0
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library