Peramalan Jumlah Pengunjung Wisata Edukasi Museum Menggunakan Kombinasi Moving Average Dan Model Prophet
DOI:
https://doi.org/10.52436/1.jpti.898Kata Kunci:
Deret Waktu, Data Smoothing, Forecasting Wisatawan, Machine Learning, Museum MuhammadiyahAbstrak
Peramalan jumlah pengunjung wisata edukasi museum berperan penting dalam pengelolaan operasional dan strategi berbasis data. Peramalan berfungsi untuk memperkirakan kebutuhan di masa depan, baik dalam hal kuantitas, kualitas, maupun waktu, sehingga pengelolaan sumber daya dapat lebih optimal. Penelitian sebelumnya menerapkan model Prophet untuk peramalan jumlah pengunjung objek wisata. Namun Prophet kurang efektif dalam menghadapi fluktuasi data yang tinggi, terutama saat terjadi perubahan tren secara tiba-tiba. Untuk mengatasi hal tersebut, penelitian ini mengkombinasikan Moving Average (MA) sebagai teknik preprocessing smoothing, sehingga hasil peramalan Prophet lebih stabil dan akurat. Penelitian ini bertujuan untuk membangun model peramalan dengan mengkombinasikan metode Moving Average dan model Prophet. Model ini dievaluasi menggunakan metrik MAE, MSE, RMSE, dan MAPE untuk mengukur tingkat keakuratan hasil peramalan. Data yang digunakan berasal dari jumlah pengunjung Museum Muhammadiyah pada periode 2023–2024. Tahapan penelitian meliputi cleaning data, transformasi log, smoothing dengan Moving Average, serta penerapan Prophet dengan parameter trend, seasonality, dan holidays. Model terbaik diperoleh pada dataset pengunjung personal harian dengan MAE 0.15, MSE 0.02, RMSE 0.15, MAPE 5.58% dengan hasil peramalan tertinggi tanggal 12 Januari 2025 sebesar 2.79 pengunjung dan terendah tanggal 8 Mei 2025 sebesar 1.31 pengunjung. pada dataset pengunjung grup per bulan, hasil peramalan tertinggi bulan Januari sebesar 3398 pengunjung dan terendah bulan Mei sebesar 1171 pengunjung, MAPE sebesar 29,10%. Hasil menunjukkan bahwa Model Prophet mampu meramalkan jumlah pengunjung Museum Muhammadiyah dan Moving Average mampu meningkatkan performa Prophet. Penelitian ini bermanfaat bagi pengelola museum dalam merencanakan strategi promosi, penjadwalan kegiatan, sehingga dapat meningkatkan kualitas layanan.
Unduhan
Referensi
R. Sebastian Santoso and F. Kartika Sari Dewi, “Konfigurasi Model Prophet untuk Prediksi Harga Saham Sektor Teknologi di Indonesia yang Akurat,” Jurnal Buana Informatika, vol. 15, no. 1, pp. 50–58, Apr. 2024, doi: https://doi.org/10.24002/jbi.v15i1.8634.
H. Yuliansyah, S. Asti Mulasari, F. Tentama, Sulistyawati, L. Nafiati, and T. Wahyuni Sukesi, “Pengembangan dan Pemanfaatan Platform Digital untuk Desa Wisata di Desa Ngoro-oro Gunungkidul,” IJCOSIN: Indonesian Journal of Community Service and Innovation, vol. 2, no. 1, pp. 56–65, Jan. 2022, doi: https://doi.org/10.20895/ijcosin.v2i1.414.
S. Asti Mulasari et al., “Peningkatan Daya Saing Desa Wisata Ngoro-oro Patuk Gunungkidul,” in Seminar Nasional Hasil Pengabdian kepada Masyarakat, Yogyakarta, Nov. 2022, pp. 557–564.
Y. A. Auliya, Y. Nurdiansyah, and A. Puji Astuti, “Peramalan Jumlah Pengunjung Objek Wisata Gumul Paradise Island Kabupaten Kediri Menggunakan Metode Prophet,” Informatics Journal, vol. 8, no. 1, pp. 37–43, Apr. 2023, doi: https://doi.org/10.19184/isj.v8i1.35605.
A. Bahauddin, A. Dwiki Darmawan, S. Aulia Ihsani, and N. Jahra Izdihar, “Peramalan Utilitas Listrik dan Gas Menggunakan Bahasa Pemrograman Python dan FBProphet,” Journal Industrial Servicess, vol. 6, no. 2, pp. 93–98, Mar. 2021, doi: http://dx.doi.org/10.36055/62002.
C. Chandra and S. Budi, “Analisis Komparatif ARIMA dan Prophet dengan Studi Kasus Dataset Pendaftaran Mahasiswa Baru,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 6, no. 2, pp. 278–287, Aug. 2020, doi: 10.28932/jutisi.v6i2.2676.
A. Laksono Suryoputro and S. Yulianto Joko Prasetyo, “Prediksi dan Visualisasi Penyakit COVID-19 Menggunakan Kombinasi Prophet dan GeoPandas,” AITI: Jurnal Teknologi Informasi, vol. 20, no. 2, pp. 135–149, May 2023, doi: https://doi.org/10.24246/aiti.v20i2.135-149.
M. Ramadita, Mahmudi, and M. Yunita Wijaya, “Prediksi Curah Hujan di DKI Jakarta Menggunakan Model Hybrid (DWT-SVR-Prophet),” The Indonesian Journal of Computer Science, vol. 13, no. 5, pp. 8179–8194, Sep. 2024, doi: https://doi.org/10.33022/ijcs.v13i5.4357.
M. Harahap, A. Zaki Andika, A. Mahmud Husein, and A. Dharma, “Analisis Tren dan Perkiraan Pandemi Covid-19 di Indonesia Menggunakan Peramalan Metode Prophet Sebelum dan Sesudah Aturan New Normal,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 9, no. 1, pp. 51–60, Feb. 2022, doi: 10.25126/jtiik.202294060.
L. Ervintyana Deni Kartika Sari, A. Widjaja, and S. Lie Liliawati, “Analisis Deret Waktu dari Produk yang Terjual Menggunakan Beberapa Teknik Populer,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 9, no. 1, pp. 110–126, Apr. 2023, doi: http://dx.doi.org/10.28932/jutisi.v9i1.5933.
F. Mu’minin, Fauziah, and A. Gunaryati, “Prediksi Kunjungan Wisatawan Mancanegara Melalui Pintu Udara Menggunakan ARIMA, Glmnet, dan Prophet,” Techno.Com, vol. 21, no. 1, pp. 149–156, Feb. 2022, doi: 10.33633/tc.v21i1.5695.
F. Theresia Br Sitepu, V. Amelia Prada Sirait, and R. Yunis, “Analisis Runtun Waktu untuk Memprediksi Jumlah Mahasiswa Baru dengan Model Prophet Facebook,” Paradigma - Jurnal Komputer dan Informatika, vol. 23, no. 1, pp. 99–105, Mar. 2021, doi: https://doi.org/10.31294/p.v23i1.
H. Yuliansyah, R. Adi Putri Imaniati, A. Wirasto, and M. Wibowo, “Predicting Students Graduate on Time Using C4.5 Algorithm,” Journal of Information Systems Engineering and Business Intelligence, vol. 7, no. 1, p. 67, Apr. 2021, doi: http://dx.doi.org/10.20473/jisebi.7.1.67-73.
A. Primawati, I. Sukaesih Sitanggang, Annisa, and D. Apri Astuti, “Perbandingan Kinerja LSTM dan Prophet untuk Prediksi Deret Waktu (Studi Kasus Produksi Susu Sapi Harian),” JEPIN (Jurnal Edukasi dan Penelitian Informatika), vol. 9, no. 3, pp. 428–435, Dec. 2023, doi: https://doi.org/10.26418/jp.v9i3.72031.
Avinash, A. Widjaja, and O. Karnalim, “Analisis Perbandingan Algoritma Machine Learning untuk Forecasting Persediaan Produk Barang Pokok,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 10, no. 2, pp. 361–378, Aug. 2024, doi: https://doi.org/10.28932/jutisi.v10i2.9357.
A. Prayuda and I. Pratama, “Prediksi Jumlah Kedatangan Wisatawan Mancanegara di Indonesia Berdasarkan Pintu Masuk Kedatangan Udara,” Rabit?: Jurnal Teknologi dan Sistem Informasi Univrab, vol. 9, no. 2, pp. 232–241, Jul. 2024, doi: https://doi.org/10.36341/rabit.v9i2.4787.
R. Rachman, “Penerapan Metode Moving Average dan Exponential Smoothing pada Peramalan Produksi Industri Garment,” Jurnal Informatika, vol. 5, no. 1, pp. 211–220, Sep. 2018, doi: http://dx.doi.org/10.31311/ji.v5i2.3309.
V. Nur Aziza, U. Dyah Syafitri, and A. Fitrianto, “Optimizing Currency Circulation Forecasts in Indonesia: A Hybrid Prophet-Long Short Term Memory Model with Hyperparameter Tuning,” MATRIK?: Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 24, no. 1, pp. 73–84, Nov. 2024, doi: 10.30812/matrik.v24i1.4052.
G. Totok Suryawan, K. Nurcahyo Putra, P. Mita Meliana, and I. G. Iwan Sudipa, “Performance Comparison of ARIMA, LSTM, and Prophet Methods in Sales Forecasting,” Sinkron?: Jurnal dan Penelitian Teknik Informatika, vol. 8, no. 4, pp. 2410–2421, Oct. 2024, doi: https://doi.org/10.33395/sinkron.v8i4.14057.
D. Hayuningtyas Roosaputri Rizkya and C. Dewi, “Perbandingan Algoritma ARIMA, Prophet, dan LSTM dalam Prediksi Penjualan Tiket Wisata Taman Hiburan (Studi Kasus: Saloka Theme Park),” KESATRIA: Jurnal Penerapan Sistem Informasi (Komputer & Manajemen), vol. 4, no. 3, pp. 507–517, Jul. 2023, doi: https://doi.org/10.30645/kesatria.v4i3.199.
E. Putra Ramdhani and H. Agung Nugroho, “Prediksi Tegangan Catu Daya Automatic Rain Gauge Berdasarkan Seasonality Algoritma Prophet,” ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, vol. 12, no. 1, pp. 80–90, Jan. 2024, doi: http://dx.doi.org/10.26760/elkomika.v12i1.80.
H. Fadhila Fiqa, A. Ratna Dewi, and R. Pandiya, “Perbandingan Metode ARIMA dan Prophet dalam Prediksi Harga Cabai Rawit di Provinsi Jawa Timur,” Seminar Nasional Sains Data, vol. 4, no. 1, pp. 850–862, Oct. 2024, doi: https://doi.org/10.33005/senada.v4i1.350.
