Perbandingan Metode Extreme Learning Machine dan Multi-Layer Perceptron dengan Regresor pada Prediksi Jumlah Wisatawan Nusantara Candi Borobudur (Studi Kasus : Data Wisatawan Nusantara Candi Borobudur 2023)
Abstract
Candi Borobudur, salah satu destinasi wisata terkemuka di Indonesia, menarik
hingga 3 juta wisatawan setiap tahunnya. Tingginya jumlah wisatawan tersebut,
terutama saat hari libur, dapat mengakibatkan kerusakan pada struktur bangunan
candi jika tidak dikelola dengan baik. PT TWC Borobudur, sebagai pengelola Candi
Borobudur, mengimplementasikan regulasi baru untuk membatasi akses
pengunjung ke bangunan candi guna mempertahankan kelestariannya. Untuk
mengetahui dampak penerapan regulasi tersebut, perlu dilakukan peramalan
dengan tujuan untuk memahami dampak regulasi pembatasan akses candi tersebut
terhadap jumlah pengunjung. Penelitian ini menggunakan data kunjungan harian
pengunjung ke Candi Borobudur dari Mei hingga Desember 2023, dan
membandingkan metode peramalan antara Extreme Learning Machine (ELM) dan
Multi-Layer Perceptron (MLP) dengan regresor. Hasilnya menunjukkan bahwa
metode MLP memiliki MAPE (Mean Absolute Percentage Error) lebih rendah,
yakni 15.38% dibandingkan dengan 17.41% dari ELM. Ini mengindikasikan
keunggulan akurasi dalam meramalkan jumlah wisatawan nusantara Candi
Borobudur. Model peramalan yang digunakan adalah model dengan 14 node pada
input layer, 95 node pada hidden layer pertama dan 10 node pada hidden layer
kedua, serta 1 node pada output layer.
Collections
- Statistics [969]